De enorme toename van real-time data over de ondergrond maakt het mogelijk om realistische toekomstscenario’s op te stellen. Ontwikkelingen op gebied van sensoren, dataverwerking en datadelen maken dit steeds makkelijker. Toch zijn de toepassingen van die databerg groter dan de meeste gebruikers vermoeden. Door het samenvoegen van verschillende informatiemodellen, zowel ondergronds als bovengronds, ontstaat een volledig digitaal beeld van de werkelijkheid.
‘Meten is weten’ zei mijn docent natuurkunde eens. Maar meer meten wil nog niet zeggen dat je meer weet. Data zijn feitelijke metingen en worden pas informatie als ze betekenis hebben voor de mens. Een wetenschapper kan met grote hoeveelheden informatie allerlei interessante analyses doen die bijdragen aan zijn onderzoek.
Grondwaterstanden
Ver terug in de vorige eeuw begonnen vrijwilligers – veelal medewerkers van gemeenten, provincies en waterschappen – met het meten van grondwaterstanden. Die vrijwilligers gingen met een meetlint langs verschillende putten om de grondwaterstand te meten. Die standen schreven zij op een kaartje en deden dat op de post naar TNO waar deze gegevens werden verzameld. Op deze wijze maakten zij in Nederland op vele duizenden plekken het verloop van de grondwaterstanden inzichtelijk. Zo’n vijftien jaar geleden zijn veel van deze handmetingen vervangen door sensoren met een SMS-dienst. Die stuurden de grondwatergegevens een keer per maand door.
Tegenwoordig is er geavanceerde sensortelemetrie. Dat wil zeggen autonome dataverzameling op afstand, waarbij metingen, de grondwaterstand, maar ook de samenstelling van het grondwater worden verstuurd via het GSM-netwerk. Daardoor is het mogelijk om per minuut de waterstanden te meten en door te sturen. Effecten als eb en vloed op het grondwater zijn daarmee tot ver landinwaarts waarneembaar door waterschappen en waterleidingbedrijven.
Deze waarnemingen leveren een grote bijdrage aan het onderzoek naar bijvoorbeeld verzilting. Dat is belangrijke informatie, bijvoorbeeld voor de landbouw. Want als veel zoet water wordt weggepompt of verdampt, krijgen zeewater en brak grondwater de kans in de bodem omhoog te komen en kan zelfs het oppervlaktewater bereiken.
Seismische metingen in het veld met accelerometers, of versnellingsmeters, (oranje) met bijbehorende accu en wireless unit (blauw/wit). Onderzoekers noemen die ook wel ‘Smurfen’. Ze liggen klaar voor een test en worden daarna uitgezet op een onderlinge afstand van 25 meter. (Foto: Vincent Vandeweijer, TNO)
Ogen en oren
Een andere manier van meten gebeurt met sensoren. Die zijn als ogen en oren voor het verzamelen van data. Waar dit in het verleden veelal apparaatjes waren met veel elektronica van optiek en membranen, gebruiken onderzoekers nu glasvezelkabels. Met deze complexe techniek kan bijvoorbeeld de temperatuur van de ondergrond worden gemeten, maar ook de aanwezigheid van chemische stoffen. Deze techniek wordt ook toegepast bij het meten van trillingen in de ondergrond om een beeld te krijgen over de geologische opbouw.
In het verleden moesten honderden sensoren met verbindingskabels en stroomvoorziening worden geplaatst en ingemeten om de onderlinge positie vast te kunnen leggen. Tegenwoordig kan dit door het uitrollen van een enkele glasvezelkabel. Die doet op intervallen van meters per milliseconde metingen. Een bijkomend voordeel is dat de kabel kan blijven liggen om het experiment later nogmaals te herhalen of zelf permanent te laten meten.
Monitor
Het resultaat na het verwerken van de data levert een foto op van de ondergrond waarop de opbouw te zien is. Door het frequent herhalen is dit een fantastische monitor en kunnen onderzoekers ook antropogene invloeden waarnemen. Dit soorten experimenten levert heel veel data op, in de orde van grootte van Terabytes per dag. Uiteraard is die hoeveelheid wel afhankelijk van de opnamefrequentie.
De verwerking van die enorme berg data tot bruikbare informatie neemt veel tijd in beslag. Soms zelfs weken. Om sneller, bijvoorbeeld in real time, veranderingen te zien in de ondergrond, passen wetenschappers intelligente filters en algoritmen toe. Dit maakt het ook mogelijk om selectiever te bepalen welke data interessant zijn en mogelijk langer bewaard moeten blijven.
Koppelen van modellen
In alle hierboven beschreven voorbeelden zit een evolutie in de techniek van het inwinnen van ondergronddata, maar ook in nieuwe informatiemogelijkheden. Door het bundelen van deze informatie tot een modelketen, kunnen waterschappen beslissingen nemen over het verhogen of verlagen van de waterstand.
Een ontwikkeling waarbij een combinatie van verschillende modellen een bijdrage levert, zijn de zogenoemde Digitale Tweelingen, de Digital Twins. Door het digitale model te laten rekenen met toekomstig te verwachte scenario’s, ontstaat er inzicht in de gevolgen voor het fysieke. Daarnaast zal het toevoegen van aanvullend gemeten data het digitale model steeds beter laten presteren. Om een goed werkend digitaal model te maken moeten verschillende inhoudelijke disciplines samenwerken bij het modelleren en monitoren.
Grote bruggen bijvoorbeeld, worden permanent in de gaten gehouden. Sensoren meten de actuele toestand als belasting, verkeersdruk en onderhoudstoestand. Om overbelasting te voorkomen kan Rijkswaterstaat besluiten om de totale hoeveelheid verkeer tijdelijk te verminderen of zwaar verkeer om te leiden. Op termijn kan herbouw of aanpassing aan de brugconstructie ook tot de mogelijkheden behoren.
Accelerometer-opstelling in het veld (Foto: Vincent Vandeweijer, TNO)
Inzichten voor de lange termijn
Maar er is nog meer wat Digitale Tweelingen aantrekkelijk maakt. Door bijvoorbeeld satellietwaarnemingen en ondergrondinformatie te combineren ontstaan nog betere inzichten. Met satellieten is het mogelijk om door de jaren heen waar te nemen of een gebouw zich verplaatst. Dat geldt ook voor een verplaatsing van een brug in zijn omgeving. De oorzaak van zo’n ongewenste verschuiving kan liggen aan de constructie, maar mogelijk ook aan een instabiele ondergrond.
Het verlagen van de waterstand in sloten en beken door het waterschap kan bodemdaling tot gevolg hebben bij veenlagen in de ondergrond. Dit kan leiden tot het verzakken van wegen, bruggen en aanpalende talud. Bodeminformatie zoals de grondwaterstand en boorgegevens kunnen bij zo’n beslissing beter inzicht geven in mogelijke problemen, waar die optreden en hoe groot die problemen kunnen zijn.
Een kleine verplaatsing van die brug kan ook liggen aan de fundering waarbij een relatie is met de diepere ondergrond. Misschien is bij draagkrachtberekeningen nooit rekening gehouden met de huidige belasting op de fundering. Diepe ondergrondinformatie gebaseerd op seismiek kan hierbij een van de informatiebronnen zijn.
Visualisatie van de ontvangen accelerometer-data vanuit de sensoren. (Foto: Vincent Vandeweijer, TNO)
Kunstmatige intelligentie
In de toekomst zullen de Digitale Tweelingen of de Digital Twins zo aangepast worden – voor bijvoorbeeld wegbeheerders – dat zij ook voorspellende modellen, verwachte verkeersdrukte en bodemdaling kunnen meenemen. Daarnaast is het mogelijk om direct gemeten data te gebruiken. Bij de hoeveelheden en complexiteit van de datastromen biedt kunstmatige intelligentie (AI) een uitkomst om verbanden en relaties te leggen.
Veel informatie is nu al publiekelijk beschikbaar, maar nog niet heel toegankelijk. Het koppelen van verschillende modellen is op dit moment nog lastig, omdat die onvoldoende op elkaar aansluiten. Dat wil zeggen dat de makers van modellen moeten nadenken over toepassingen en verfijning, maar ook dat gebruikers moeten meegroeien in de mogelijkheden.
Fotocredits:
Hoofdfoto: Wolferen aan de rivier de Waal in Gelderland. (Foto (c) Peter Venema, Waterschap Rivierenland) Met toestemming gebruikt.
Alle overige foto’s (c) Vincent Vandeweijer, TNO. Met toestemming gebruikt.