En litteraturstudie om grundvattendata och modeller som möjliga verktyg inom mineralprospektering  

Abstract

In Sweden, geological mapping, geophysics, and drilling are primarily used as exploration methods, but research and international case studies show that groundwater is an untapped source of information that can make the search for ore both more accurate and more sustainable. As mineralisations weather, metals such as copper, zinc, or lithium leach into the groundwater and are transported with the flow. By combining chemical analyses of these traces with 3D models such as MODFLOW and AI algorithms, it becomes possible to visualise where hidden ore bodies are likely located while simultaneously predicting how mining activities could affect groundwater dynamics and quality. Countries like Australia, Canada, and China have used this approach to reduce the number of uncertain drill holes, discover new deposits, and identify environmental risks earlier in the permitting process. Sweden maintains a nationwide groundwater monitoring network, but the station density is low in its key ore provinces and concentrations of metals relevant to exploration are rarely measured, making the current data insufficient for exploration purposes. To make the method viable, targeted sampling must be expanded, databases linking hydrogeochemistry, geology, and model outputs must be developed and made openly available, validated AI models must be created that can withstand scrutiny from both authorities and the environmental courts. With such initiatives, Sweden could streamline the search for new ore deposits, reduce exploration costs, and simultaneously strengthen environmental oversight.

Abstract (Swedish)

I sverige använder man främst geologisk kartering, geofysik och borrning som
prospekteringsmetoder, men forskning och internationella fallstudier visar att grundvattnet är en outnyttjad informationskälla som kan göra letandet efter malm både träffsäkrare och mer hållbart. När mineraliseringar vittrar läcker exempelvis metaller som koppar, zink eller litium ut i grundvattnet och sprids med flödet. Genom att kombinera kemiska analyser av dessa spår med 3-D-modeller som MODFLOW och AI-algoritmer kan man visualisera var dolda fyndigheter sannolikt ligger och samtidigt förutse hur gruvdrift skulle påverka grundvattnets dynamik och kvalitet. Länder som Australien, Kanada och Kina har med den metoden minskat antalet blindborrningar, hittat nya fyndigheter och kunnat påvisa tydligare miljörisker tidigt i tillståndsprocessen. I Sverige finns ett rikstäckande nät för grundvattenövervakning, men stationstätheten är låg i de viktigaste malmprovinserna och metallhalter relevanta för prospektering mäts sällan, vilket gör underlaget otillräckligt för prospektering. För att tekniken ska få genomslag krävs därför fler riktade provtagningar, samordnade databaser som kopplar ihop hydrogeokemi, geologi och modellresultat samt öppna, validerade AI-modeller som tål både myndighetsgranskning och domstolsprövning. Med sådana satsningar kan Sverige effektivisera sökandet efter nya malmer, minska kostnaderna och samtidigt stärka kontrollen över miljöeffekterna

Popular Abstract

Minerals are something we rarely think about – yet without them, our material welfare would not exist. Technologies such as electric cars, mobile phones, and wind turbines require anywhere from 20 to 60 different metals – including copper, lithium, and rare earth elements. In Sweden, ore has been mined for hundreds of years, but deep underground large deposits still remain hidden. Nevertheless, we continue to search for new deposits almost in the same way as before: by mapping the bedrock, carrying out geophysical surveys, and drilling – activities that often result in significant environmental impact.
At the same time, groundwater moves beneath the surface, carrying information. As it seeps through the bedrock, it absorbs trace elements from ore-bearing minerals – small chemical indicators that can reveal where the ore is located. In leading mining nations such as Canada and Australia, this hydrogeochemical indicator is already being used in the search for the metals of the future.
The technology and groundwater-related datasets required – such as chemical composition, flow directions, and changes in levels – are already available in Sweden. Yet the full potential of groundwater is hardly utilized in our mineral exploration. How could we make better use of it? This study explores the possibilities and shows how a new perspective on groundwater can enhance Swedish mineral prospecting. Modern technology makes it possible to combine large datasets with flow modeling and artificial intelligence – creating a powerful tool for modern mineral exploration. With the help of software such as MODFLOW, groundwater flow can be modeled, while AI can be used to identify subtle patterns across different data types – linked to where ore is most likely to be found. The result is a more targeted and resource-efficient exploration with fewer unnecessary drill holes, reducing both environmental impact and costs. In addition, the technology enables a better understanding of how mining operations affect adjacent water resources – an important aspect in protecting our drinking water and sensitive ecosystems.
The methods for interpreting these data are proven, and the potential to apply them in exploration is clear. Moreover, there are strong indications that the precision of these methods will continue to increase with ongoing technological development – waiting risks leaving us even further behind. For Sweden to contribute to the material supply of the future, it is advisable that we make use of the potential that already exists.

Popular Abstract (Swedish)

Mineral är något vi sällan tänker på – men utan dem existerar inte vår materiella välfärd. Tekniker som elbilar, mobiltelefoner och vindkraftverk kräver allt från 20 till 60 olika metaller – bland annat koppar, litium och sällsynta jordartsmetaller. I Sverige har vi brutit malm i hundratals år, men på djupet finns fortfarande stora tillgångar gömda. Ändå letar vi efter nya fyndigheter nästan på samma sätt som förr: vi kartlägger berggrunden, genomför geofysiska undersökningar och borrar – något som ofta innebär ett betydande slitage på miljön.
Samtidigt rör sig grundvattnet under ytan och bär på information. När vattnet sipprar genom berggrunden tar det upp spårämnen från malmförande mineral, små kemiska indikatorer som kan avslöja var malmen gömmer sig. I ledande gruvnationer som Kanada och Australien har man redan börjat använda denna hydrogeokemiska indikator i jakten på framtidens metaller.
Tekniken och grundvattenrelaterade datamängder – såsom kemisk sammansättning, flödesriktningar och nivåförändringar – finns redan tillgängliga i Sverige. Ändå används grundvattnets fulla potential knappt alls i vår mineralletning. Hur skulle vi kunna göra det? Det här arbetet undersöker möjligheterna och visar hur ett nytt perspektiv på grundvattnet kan lyfta svensk mineralprospektering. Modern teknik möjliggör att vi kan kombinera stora datamängder med flödesmodellering och artificiell intelligens – detta kan bli ett kraftfullt verktyg i modern mineralprospektering. Med hjälp av program som MODFLOW kan grundvattenflödet modelleras, medan AI används för att identifiera subtila mönster i olika datatyper – kopplade till var malm sannolikt förekommer. Resultatet blir en mer målinriktad och resurseffektiv prospektering med färre onödiga borrhål, vilket både minskar miljöbelastningen och sänker kostnaderna. Tekniken gör det dessutom möjligt att bättre förstå hur gruvverksamhet påverkar intilliggande vattenresurser – en viktig aspekt för att skydda vårt dricksvatten och känsliga ekosystem.
Metoderna för att tolka dessa data är beprövade, och potentialen att använda dem i prospektering är tydlig. Mycket tyder dessutom på att precisionen i dessa metoder kommer att öka i takt med fortsatt teknikutveckling – att vänta riskerar att vi hamnar ännu längre efter. För att Sverige ska kunna bidra till framtidens materialförsörjning är det lämpligt att vi tar till vara på den potential som redan finns.

• author: Östman, Adrian
• supervisor: Charlotte Sparrenbom
• organization: Department of Geology
• course: GEOL02 20251
• year: 2025
• type: M2 - Bachelor Degree
• subject: Earth and Environmental Sciences
• keywords: Grundvattendata, hydrogeokemisk prospektering, mineralprospektering, MODFLOW, artificiell intelligens, hybridmodellering, geodata, hydrogeokemiska anomalier, spårmetaller, miljöbalken, regelverk, osäkerhet, validering, hållbar gruvdrift.
• publication/series: Examensarbeten i geologi vid Lunds universitet
• report number: 717
• language: Swedish
• id: 9203524
• date added to LUP: 2025-08-21 17:05:34
• date last changed: 2025-08-21 17:05:34