English version below
Maschinelles Lernen ermöglicht die Kartierung der Grundwassertiefe aus Schweizer Open Data
Seit 2023 stellt die Schweiz über SwissGeol tausende Bohrprofile öffentlich zur Verfügung. Gleichzeitig haben sich Methoden des maschinellen Lernens so weit entwickelt, dass sie aussagekräftige hydrogeologische Zusammenhänge aus Geländedaten ableiten können.
Wir stellten uns eine einfache Frage: Lässt sich Schweizer Open Data mit maschinellem Lernen kombinieren, um hochaufgelöste Karten der Grundwassertiefe zu erstellen?
Dazu entwickelten wir eine Methode, welche Bohrprofile aus SwissGeol, Messstationen des Bundes und der Kantone, das digitale Höhenmodell SwissALTI3D, geologische Karten sowie Klimadaten integriert. Ein Modell des maschinellen Lernens erfasst den Zusammenhang zwischen Geländeform und Grundwassertiefe – und sagt sowohl die Tiefe als auch die zugehörige Unsicherheit voraus.
Als Machbarkeitsnachweis haben wir die Methode auf den Kanton Thurgau angewendet.
Was liefert die Karte?
Das Modell prognostiziert die Grundwassertiefe und – ebenso wichtig – seine eigene Unsicherheit. In Talgrundwasserleitern (2–5 m Tiefe), wo die meisten praktischen Fragestellungen im Bauwesen und beim oberflächennahen Grundwasser auftreten, beträgt die Genauigkeit 1,6 m. In tieferen oder geologisch komplexeren Gebieten nimmt die Genauigkeit ab – und die Karte macht dies durch abnehmende Farbintensität direkt sichtbar.
Die Karte ersetzt keine Felduntersuchungen und keine hydrogeologische Fachkartierung. Sie ist ein Screening-Instrument, das die Abdeckung auf Gebiete ausdehnt, in denen keine direkten Informationen zur Grundwassertiefe vorliegen, und hilft, den Bedarf an weiterführenden Untersuchungen räumlich zu priorisieren.
Warum ist das relevant?
Für Ingenieurbüros und Raumplaner ist die Grundwassertiefe eine zentrale Kenngrösse. Sie beeinflusst die Auslegung des Fundaments, Untergeschosse, unterirdische Infrastruktur, Entwässerungsplanung sowie die Beurteilung von Baugrubenrisiken. Screening-Karten der Grundwassertiefe mit 25 m Auflösung ermöglichen es, potenziell kritische Bereiche frühzeitig zu erkennen – lange bevor kostenintensive Detailabklärungen beginnen.
Über das Bauwesen hinaus spielt die Grundwassertiefe auch in der Landwirtschaft eine Rolle. Ist das Grundwasser oberflächennah, können Pflanzen über kapillaren Aufstieg zusätzliches Wasser nutzen. In unseren Arbeiten zur Kartierung der Bewässerungsnutzung in der Schweiz werden wir diese Information nutzen, um besser zwischen natürlich verfügbarem Wasser und effektiv zugeführtem Bewässerungswasser zu unterscheiden.
Interesse?
Wir verfügen nun über diese Kapazität und freuen uns, zu besprechen, wie die Methode auf andere Kantone oder Regionen der Schweiz angewendet werden kann. Alle verwendeten Datengrundlagen sind national verfügbar, sodass die Methode grundsätzlich räumlich übertragbar ist.
Wenn Sie mehr erfahren möchten – zur Methode, zur Interpretation der Ergebnisse oder zu möglichen Anwendungen – kontaktieren Sie uns gerne.
-------------------------------
Machine Learning Enables Groundwater Depth Mapping from Swiss Open Data
Since 2023, Switzerland has made thousands of borehole records publicly available through SwissGeol. At the same time, machine learning methods have matured to the point where they can extract meaningful hydrogeological signals from terrain data.
We asked a simple question: can we combine Swiss open data and machine learning to generate groundwater depth maps at high spatial resolution?
To test this, we developed a method that integrates borehole records, federal and cantonal monitoring stations, the SwissALTI3D digital elevation model, geological maps, and climate data. A machine learning model learns the relationship between terrain and groundwater depth — and predicts both depth and its associated uncertainty.
As a proof of concept, we applied the method to Kanton Thurgau.
What does the map deliver?
The model predicts groundwater depth and, importantly, its own uncertainty. In valley aquifers (2--5m depth), where most practical questions about construction and shallow groundwater arise, predictions are accurate to 1.6m. In deeper or geologically complex areas, accuracy decreases – and the map communicates this directly through fading confidence.
This is not a replacement for field investigations or expert hydrogeological mapping. It is a screening tool that extends coverage into areas where no direct groundwater depth information exists, and helps prioritise where new investigation is most needed.
Why this matters?
For engineering offices and spatial planners, groundwater depth is a key parameter. It influences foundation design, basement construction, underground infrastructure, drainage planning, and the assessment of excavation risks. Having screening-level groundwater depth information at 25 m resolution helps identify areas where shallow groundwater may become a constraint — long before costly site investigations begin.
Beyond construction, groundwater depth also matters for agriculture. Where groundwater is shallow, crops can access additional moisture through capillary rise. In our work on mapping irrigation water use in Switzerland, this information will be used to distinguish between water supplied naturally and water that was provided through irrigation — improving estimates of actual irrigation use.
Interested?
We now have this capacity available and are happy to discuss how it could be applied to other cantons or regions in Switzerland. All input data sources are national, so the method is transferable in space.
If you'd like to know more – whether about the method, the interpretation of results, or potential applications – get in touch.
