Table of contents
Thematic summary ... 2
Description of the company and activities ... 3
Personal reflection ... 4
Gedetailleerde beschrijving van de werkzaamheden bij T&A Survey ... 5
BRL 2000 ... 5
Milieukundig onderzoek Utrecht ... 7
Milieukundig onderzoek Amsterdam... 10
Luchtfoto-interpretatie met behulp van objectdetectie... 11
Database voor defence overprints en stafkaarten ... 15
Onderzoek Nijmegen ... 16
Onderzoek Nieuw-Vennep ... 18
Database voor afbakening van onderzoeksgebieden ... 19
Thematic summary
T&A Survey is an Amsterdam-based company that specializes in environmental, geophysical and historical analysis. The company is involved in many projects concerning environmental
contamination and geothermal energy, but corners a specific niche of the market due to their specialization in historical and geophysical research for detection and removal of unexploded conventional explosives left after the Second World War. The company employs around 40 people and uses both conventional and highly modern techniques in their various projects, leading to a multidisciplinary and motivating work environment.
During the three months of my internship, I took part in many different projects in both the environmental as well as the unexploded ordnance branch of the company. Routinely, I worked on projects where I was involved in the preparatory, field work and analytical phases of research for both environmental and unexploded ordnance projects. This constituted supplying quotations for clients, performing field work according to strict professional guidelines with highly technical equipment and analysing the subsequent results in the office. I also constructed several databases of useful material in order to make subsequent projects easier. In another long-term project, I was responsible for transforming company policy, administration and procedures in order to refine the practices for environmental fieldwork, which would grant the company an additional and valuable certification. One last main contribution was my design of a tool aimed to automatically determine the locations of craters caused by the impact of explosives from aerial photos, aiding and speeding up the preparatory historical research phase of unexploded
ordnance projects. While this last project was still not fully functional at the end of my internship, it taught me a lot about computer vision and its usage with remote sensing.
Description of the company and activities
T&A Survey is an Amsterdam-based company which is specialized in performing soil and geophysical analysis in relation to environmental concerns, conventional explosive removal, archeology, geothermal energy, and airplane salvage. The company employs around 40 people from various academic backgrounds, leading to a multidisciplinary approach that lends itself to a wide variety of modern issues. Utilizing both conventional and modern techniques, T&A Survey is routinely hired by various levels of local and national government, as well as (amongst others) utility companies, project developers and civilian clients.
During my internship, I have mostly worked at two of the major branches within T&A Survey: the part of the company that specializes in environmental research, and the part of the company concerned with detection and removal of conventional explosives from World War II. The projects for the environmental analysis branch were concerned with the assessment of possible contaminants like heavy metals or PFAS within an area, and ranged from historical research into past activities within the area to fieldwork activities like soil and groundwater sampling and analysis. I was also active in the process of refining procedures and standards in environmental fieldwork in order to prepare the company for an extensive audit that would lead to a valuable accreditation of excellence in environmental research practices.
The projects for the part of the company concerned with explosive removal concerned both the analysis of historical sources in order to determine the presence and category of unexploded ordnance within a research area, as well as geophysical research on location using a variety of techniques, analysis of the subsequent results and possible approach of these
explosives in cooperation with the Dutch Explosive Ordnance Disposal units. I participated in historical research and undertook several projects to make this phase of the research process easier, such as the creation of an easy to access database with historical maps and military
information. I also visited several fieldwork locations, where I used high tech equipment in order to analyse the ground for metallic/ferric objects, after which the results could be used to
determine where and at what depth these objects could be found.
Along with these main projects, I researched the possibilities of using computer vision in order to automate the process of aerial image interpretation. This led to the construction of a program that aimed to automatically detect explosive craters from historical aerial photographs.
Personal reflection
Despite the active presence and impact of COVID-19 during my internship period, I am highly satisfied with these past three months. From the very start of the internship onwards, I was already involved in projects and felt that my contribution was valuable. The change from an academic environment to a competitive professional one was somewhat rapid but also aided quick development of my skills and working attitude. Since there are cases in such a company where not making the deadline or working accurately enough would not only negatively impact myself, but also my colleagues and the company as a whole, I was immediately focused and motivated to perform according to the set expectations and within the set timeframe. Due to the presence of a wide variety of highly educated people with varied academic backgrounds, I
learned a lot about many different topics and procedures and got to participate with colleagues in these procedures. The internship allowed me to utilize and hone my academic skills with regards to, amongst others, knowledge of soil composition and properly designing and performing environmental fieldwork, as well as more procedural skills like working with GIS, Matlab and Python. Even though there were a few periods where I had to work from home due to COVID scares, the company planning accommodated the necessary safety measures and allowed me to often work in the office, letting me interact with my colleagues and partake in workplace
discussions. Performing research projects throughout the Netherlands gave an interesting variety to the internship: while I did spend most of the time in and around the main office, I also got to perform fieldwork at interesting locations with a lot of history behind them. Communication, cooperation and a high degree of independence were of great importance, and my growth in these skills due to the internship has made the transition to the job market a lot easier.
Gedetailleerde beschrijving van de werkzaamheden bij
T&A Survey
Tijdens mijn twaalf weken lang durende stageperiode bij T&A Survey (hierna T&A) heb ik het geluk gehad binnen een groot aantal projecten die qua onderwerp en werkzaamheden sterk variëren actief te kunnen zijn. Helaas leidt dit wel tot het probleem dat ik binnen de ruimte van dit eindrapport niet elk uitgevoerde project uitgebreid kan beschrijven. Daarom kies ik ervoor om van alle werkzaamheden een aantal te kiezen die sterk representatief zijn voor mijn overige bezigheden bij T&A, en deze wel gedetailleerd uit te werken.
BRL 2000
Het volgende is een van de langstlopende projecten waar ik binnen T&A mee bezig ben geweest. Vanwege de verschillende fases waaruit het bestaat heb ik aan het begin, het midden en het einde van mijn stage buiten mijn reguliere werkzaamheden hieraan kunnen werken. Helaas zal ik het eindresultaat moeten missen, maar de voorbereidende werkzaamheden waren een waardevol inzicht in de wereld van regulering omtrent bodemonderzoek, de correcte manier om met zo min mogelijk verstoring en op een accurate wijze bodemonderzoek uit te voeren, en de structuur en procedures binnen een organisatie in dit werkveld.
Normaal gesproken besteedt T&A het daadwerkelijke veldwerk bij haar milieukundige bodemonderzoeken uit aan externe veldwerkbureaus. Het voorbereidende werk en de analyse van onderzoeksresultaten vindt wel intern plaats, maar het plaatsen van bijvoorbeeld boringen en peilbuizen op locatie niet. De gebruikte veldwerkbureaus beschikken over een certificatie van BRL (beoordelingsrichtlijn) 2000. Dit certificeringsschema bevat een breed scala aan eisen over de organisatiestructuur, werkwijzen, interne controle en functiescheiding, vastlegging van informatie, en materiaal. De verantwoordelijke partij voor het opstellen van de richtlijn is de Stichting Infrastructuur Kwaliteitsborging Bodembeheer (SIKB), en bedrijven dienen een controle van een externe, bevoegde auditor te doorstaan voor ze onderzoek onder dit certificaat mogen uitvoeren. Erkende organisaties worden opgenomen in een register op de
overheidswebsite Bodemplus, waar klanten deze certificaten kunnen inzien om te zorgen dat ze met een capabele partij in zee gaan. Omdat T&A in de regel zelf het veldwerk niet uitvoert had een certificering in het verleden niet veel zin, maar omdat de organisatie in de toekomst graag een combinatie van milieukundig onderzoek en explosievenonderzoek (haar specialisatie) wil kunnen aanbieden, is het van belang dat dit certificaat wordt toegekend. Ter voorbereiding heb
ik eerst de nodige eisen opgezocht en schematisch samengevat, gekeken in de interne
documentatie en procedures van T&A waar de organisatie al aan voldoet, en bij eisen waar niet aan wordt voldaan de nodige procedures, werkinstructies en aanpassingen aan documenten geschreven.
Allereerst begin ik met het nauwkeurig doorlezen van de documenten. Het gaat om het hoofdschema BRL 2000, maar ook om de “protocollen” 2001 en 2002, twee additionele documenten waarin respectievelijk de juiste procedures omtrent grondboringen en -bemonstering en grondwater-bemonstering beschreven staan. Gebaseerd op de historische activiteiten van T&A zijn deze twee protocollen bovenop het basisdocument van het grootste belang. Binnen de documenten blijkt ook vaak verwezen te worden naar verschillende
kwaliteitsnormen van de NEN, waarin bijvoorbeeld eisen over te gebruiken materiaal benoemd zijn, dus deze lees ik ook. De documenten zijn vrij uitgebreid met een aantal clausules die voor T&A niet van toepassing zijn, dus de relevante eisen vat ik in een Excelbestand samen op een schematische manier. Het doel is om in ditzelfde bestand vervolgens onder elke eis een verantwoording te schrijven over hoe T&A aan de eis voldoet of van plan is om aan de eis te voldoen, zodat bij een interne of externe audit dit direct voorhanden is.
Afbeelding 1: Ter illustratie, een klein deel van het centrale document dat ik voor BRL 2000 bijhield.
Wanneer alle documenten samengevat zijn, vergelijk ik de gestelde eisen met de huidige gang van zaken binnen T&A. Binnen de organisatie is dit vastgelegd in het
kwaliteitsmanagementsysteem, bestaande uit hoofdzakelijk een hand- en procedureboek, maar ook een aantal administratieve documenten waarin bijvoorbeeld zaken als opleidingsniveau en kwalificaties worden bijgehouden, en een aantal werkinstructies waarin uitgebreid beschreven staat hoe bepaalde werkzaamheden moeten worden uitgevoerd. Een groot deel van de eisen uit BRL 2000 is terug te vinden in het huidige kwaliteitsmanagementsysteem, dus onder elk van deze eisen refereer ik aan de plek in het systeem waar een verantwoording hiervoor te vinden is.
Als alle eisen waaraan T&A al voldoet behandeld zijn, begin ik met brainstormen over manieren waarop de organisatie kan voldoen aan de resterende eisen. Ik kan een deel van de eisen verwerken door de standaarddocumentatie die T&A gebruikt voor offertes,
protocollen 2001 en 2002 over, die nergens in het interne systeem van T&A vastgelegd staan omdat dat soort werkzaamheden standaard door externe partijen worden uitgevoerd. Hier besluit ik voor elk protocol een uitgebreide werkinstructie te schrijven, waarin zo compact maar
compleet mogelijk beschreven staat hoe men handboringen en peilbuizen plaatst, boorbeschrijvingen maakt, grondmonsters neemt, boorpunten betrouwbaar inmeet, en
grondwater bemonstert. Een belangrijke focus in deze twee werkinstructies is welk materiaal het meest geschikt is voor welke situatie en hoe schade aan de omgeving zo veel mogelijk beperkt kan worden. Ook schrijf ik enkele werkinstructies over procedures om te zorgen dat resultaten uit het bodemonderzoek zo betrouwbaar mogelijk zijn, zoals het kalibreren en onderhouden van apparatuur, en het geregeld uitvoeren van een blanco grondwaterbemonstering met demiwater om zo eventuele verontreinigingen veroorzaakt door het materiaal of het laboratorium op te kunnen sporen. Ik zorg ervoor dat binnen het Excelbestand voor elke relevante eis verwezen wordt naar deze werkinstructies, zodat alles makkelijk terug te vinden is. Het geheel aan documenten plaats ik op de centrale schijf van T&A binnen de map waar het
kwaliteitsmanagementsysteem zich bevindt. Ter afronding zoek ik de procedure uit om T&A daadwerkelijk te laten certificeren en het bedrijf en de relevante werknemer(s) op te laten nemen in het register op Bodemplus van geaccrediteerde bodemintermediairs. Deze informatie vat ik samen tot een stappenplan en mail ik naar mijn leidinggevende. Omdat deze laatste fase plaatsvond aan het einde van mijn stageperiode zal ik het eindresultaat helaas niet meekrijgen, maar hoop ik een waardevolle bijdrage aan het gehele proces gedaan te hebben.
Milieukundig onderzoek Utrecht
Tijdens mijn stageperiode heb ik deelgenomen aan verschillende milieukundige (voor)onderzoeken. Dit onderzoek, het eerste waar ik bij T&A betrokken bij was, is representatief voor deze milieukundige onderzoeken qua procedures en werkzaamheden.
In de omgeving van Utrecht wil een bekende klant van T&A een uitbouw bij een pand aanleggen om hier een bed and breakfast in te beginnen. Vanwege de grondroerende aard van deze werkzaamheden is een verkennend bodemonderzoek op locatie vereist. De uitbouw zou een gebied van 60 m2 beslaan, verspreid over twee gebieden van elk ongeveer 30 m2. Ter
voorbereiding van de offerte en het veldwerkplan begin ik eerst met vooronderzoek volgens de eisen van kwaliteitsnorm NEN 5725, om op deze manier de verwachte aard en ernst van
eventuele verontreiniging in te kunnen schatten. Via de website van de Omgevingsdienst Utrecht doe ik een aanvraag naar de eerder plaatsgevonden bodemonderzoeken op locatie. Informatie
over eerdere bebouwing vraag ik op bij de website van het Kadaster. Tenslotte blijkt er al eerder door T&A een bodemonderzoek gedaan te zijn binnen dit gebied, dus dit haal ik uit het archief. Uit de ingewonnen informatie blijkt allereerst dat het perceel in het verleden alleen gebruikt is als landbouwgrond en boomgaard, waardoor de kans op verontreinigingen die aan industrieel gebruik gekoppeld zijn vrij klein is. Daarnaast bleek uit een wat ouder onderzoek dat er een lokale puinlaag in de buurt van het terrein lag waarin asbestverdacht materiaal was aangetroffen. Dit was de directe aanleiding voor het eerdere onderzoek van T&A, waar bij de opgravingen bleek dat er op het perceel geen duidelijke puinlaag en asbestverdacht materiaal aanwezig waren. Uit de overgebleven oudere onderzoeken bleek dat de bovengrond van de locatie wel licht verontreinigd was met verscheidene zware metalen, polycyclische aromatische koolwaterstoffen en minerale oliën, maar dat deze verontreiniging zo mild was dat er geen milieuhygiënische risico’s aanwezig waren en er destijds geen vervolgstappen nodig waren. Met behulp van de voorinformatie kan het gebied dan ook als “onverdacht” worden bestempeld. Dit predicaat is belangrijk voor de onderzoeksstrategie volgens kwaliteitsnorm NEN 5740 die gebruikt wordt bij het hierop volgende verkennend bodemonderzoek.
Ter voorbereiding van het daadwerkelijke veldwerk dient de onderzoeksstrategie met behulp van NEN 5740 vastgesteld te worden. Naast de gebruikelijke en logische vereisten als het representatief uitspreiden van boorpunten en peilbuizen, geeft deze op basis van oppervlakte en verwachte verontreiniging een hoeveelheid peilbuizen, diepe en ondiepe boringen die geplaatst moeten worden. Het onderzoeksgebied valt qua totale oppervlakte onder 100 m2, waardoor het
in een oppervlakteklasse zou vallen waar twee boringen tot 0,5 meter diepte en één boring tot minimaal 0,5 meter onder de grondwaterspiegel met een peilbuis erin zouden voldoen. Helaas liggen de twee gebieden nét te ver uit elkaar om binnen de 100 m2 te vallen, dus hebben we de
keuze om een onderzoeksstrategie te kiezen voor twee gebieden uit de categorie tot 100 m2 of
één gebied uit de categorie van 100 tot 500 m2. Het eerste zou een verdubbeling van het
bovengenoemde aantal boringen vereisen, het tweede slechts één extra boring tot het grondwaterniveau. Uit pragmatische overwegingen wordt dit laatste dan ook gekozen.
Op de dag van de veldwerkzaamheden reizen we naar Utrecht, waar het externe veldwerkteam ons opwacht. Hier aangekomen beginnen we met de boring met peilbuis tot minimaal 0,5 meter onder het grondwaterniveau met een Edelmanboor. Het terrein is licht hellend, dus we hebben de locatie voor de boring zo laag mogelijk bepaald; op die manier is de grondwaterspiegel het dichtst bij het oppervlak. Tijdens de boring leggen we het grondboorsel in stroken van 0,5 meter uit op een plastic zeil, en beschrijven we elke visueel te onderscheiden laag op geur, textuur, kleur, de hoeveelheid en aard van antropogene bestanddelen, en
gleyverschijnselen. Van elke afzonderlijke laag - maar sowieso van elke 0,5 meter aan
grondboorsel - vullen we een individuele monstercontainer van 390 milliliter. Na het plaatsen van de peilbuis vullen we het gat op met zwelklei en oorspronkelijk bodemmateriaal. Dezelfde procedure omtrent beschrijven en bemonstering volgen we bij de twee boringen tot 0,5 meter diepte en de diepere boring tot 2 meter diep, waar we bij de laatste boring naast een
Edelmanboor een gutsboor gebruiken vanwege een met grondwater verzadigde laag. Bij de laatste twee boringen treffen we een puinhoudende laag aan, waar de kans op verontreiniging waarschijnlijk het hoogst is. De peilbuis moet een week staan voor we een representatief grondwatermonster kunnen nemen, maar de bodemmonsters brengen wij alvast langs bij Eurofins Omegam, het gebruikelijke laboratorium van T&A.
Afbeelding 2: Het uitgelegde boorsel van de boring tot 0,5 meter onder de grondwaterspiegel met op de achtergrond de gebruikte Edelmanboor.
De dag hierna zijn de barcodes van de monsters ingescand en geïmporteerd in online werkomgeving Veldoffice. Hiermee kunnen we opdracht tot analyse geven (met de te analyseren parameters van het standaard analysepakket dat bij NEN 5740 hoort) en de resultaten hiervan bekijken. De gekozen onderzoeksstrategie vereist het analyseren van 3 verschillende
mengmonsters, die representatief zijn voor het gehele onderzoeksgebied. We kiezen ervoor om mengmonsters te maken van de kleiige puinhoudende bovengrond, de kleiige schone
ondergrond en de zanderige puinhoudende ondergrond. De bodemlagen die we niet meenemen zijn óf deel van dezelfde bodemlaag als een van de mengmonsters (maar op een andere locatie bemonsterd), óf direct onderliggend aan een van de puinhoudende lagen en op het puin na visueel identiek hieraan. De resultaten uit de mengmonsters zouden dus ook representatief hiervoor zijn, en als de visueel verontreinigde lagen schoon blijken te zijn, zullen de visueel schone lagen dit hoogstwaarschijnlijk ook zijn. De analyse duurt een week, dus de resultaten
komen binnen op de dag dat we de grondwatermonsters nemen en naar Eurofins Omegam brengen. Bij deze bemonstering pompen we eerst een halve liter af, waarna we één
monstercontainer van 250 milliliter vullen met grondwater en één monstercontainer vullen met gefiltreerd grondwater. Dit laatste is om vrije kleideeltjes te verwijderen uit dit water: deze binden kationen van metalen aan zich en zouden dus hoge analyseresultaten geven, maar deze kationen komen vervolgens lastig los en zijn daarom geen groot milieuhygiënisch risico. Ook dit monster gaat naar Eurofins Omegam, ditmaal met spoed zodat de analyse de volgende dag al heeft plaatsgevonden en het eindrapport kan worden opgesteld.
Als de monsters zijn geanalyseerd worden de resultaten eerst genormaliseerd: de hoeveelheid organische materie en lutum wordt gemeten en de gemeten concentraties van alle andere geanalyseerde stof(groep)en worden vervolgens geconverteerd naar de concentratie als alle monsters dezelfde, vaste hoeveelheid organische materie en lutum zouden bevatten. Vervolgens worden de gemeten concentraties van alle geanalyseerde stoffen getoetst aan de streef-, tussen- en interventiewaardes zoals vastgesteld in de Wet Bodembescherming. Ook wordt de grond op basis van gemeten waardes gecategoriseerd als grond voor landbouw/natuur, wonen of industrie. Deze categorie heeft geen belang voor het huidige gebruik van de grond, maar is wel bindend als de grond zou worden afgevoerd om elders hergebruikt te worden.
Bij de verschillende mengmonsters blijken voor enkele stoffen (voornamelijk zware metalen) de streefwaardes overschreden te zijn. De tussenwaardes worden echter nergens gehaald, en zodoende is er wettelijk gezien geen nader onderzoek nodig en kunnen de beoogde constructiewerkzaamheden zonder belemmering beginnen. Ook het grondwatermonster overschrijdt enkele streefwaardes maar blijft onder de tussenwaardes. Qua categorieën valt één mengmonster onder grond die overal toepasbaar is, terwijl twee mengmonsters het predicaat “industrie” toegewezen krijgen. Mocht er bij de bouw dus grond moeten worden afgevoerd, moeten deze twee grondsoorten apart gehouden worden en verwerkt worden. Alle resultaten, inclusief de rauwe data van het laboratorium, worden uiteindelijk gebundeld in een eindrapport en naar de klant verzonden.
Milieukundig onderzoek Amsterdam
Hoewel bovenstaande procedure voor milieukundig (voor)onderzoek in het grootste deel van Nederland kan worden toegepast, heeft de Gemeente Amsterdam de eisen van NEN 5740 meer specifiek gemaakt voor de situatie in de hoofdstad onder de Amsterdamse Richtlijn voor
waarop de stad is ontwikkeld: oudere wijken zijn vaak gebouwd op verschillende lagen vervuild ophoogmateriaal op een onderlaag van veen, terwijl de latere uitbreidingen gebouwd werden op een van oorsprong schone homogene zandlaag. Het is dan ook van groot belang om bij een onderzoek in Amsterdam naast de gebruikelijke voorinformatie te achterhalen of de
onderzoekslocatie zich in een voor- of naoorlogse wijk bevindt, omdat dit de te gebruiken onderzoeksstrategie sterk beïnvloedt. Vanwege deze afwijkingen op de standaard werkwijze waar ik tijdens mijn stage bekend mee ben geworden, leek het me relevant het volgende
vooronderzoek in mijn stageverslag te benoemen.
We krijgen een offerteaanvraag voor een verkennend bodemonderzoek naar aanleiding van een aanbouw van een pand in de Watergraafsmeer. De locatie blijkt vooroorlogs te zijn, en uit informatie van het kadaster blijkt een rijke geschiedenis van verschillend gebruik van de grond. Er is echter geen relevant eerder onderzoek op de locatie te vinden. Vanwege het
voormalig industrieel gebruik schatten we in dat er risico is op vervuiling met zware metalen, dus stellen we in de veldwerkinstructie voor het veldwerkbureau op dat hiervoor de nodige
persoonlijke beschermingsmiddelen gebruikt moeten worden. Hiernaast houden we de gekozen onderzoeksstrategie op de standaard strategie voor een vooroorlogse locatie van de relevante schaal. Er is namelijk geen aanleiding tot verdenking op PFAS-vervuiling gezien het voormalige gebruik, en de bebouwing is zodanig oud dat er geen risico op asbestvervuiling kan zijn. Dit leidt tot het plaatsen van één boring tot 2 meter diepte, één tot 3 meter diepte inclusief peilbuis, en het nemen van drie grondmengmonsters en een grondwatermonster ter analyse. De offerte wordt naar de klant verzonden, maar gezien dit aan het eind van de stageperiode plaatsvindt neem ik helaas geen deel aan het eventuele verkennend bodemonderzoek.
Luchtfoto-interpretatie met behulp van objectdetectie
Als T&A een aanvraag krijgt om een gebied te onderzoeken op de mogelijke aanwezigheid van explosieven, gebeurt dit initieel vaak in de vorm van een aanvraag tot historisch vooronderzoek. In deze eerste en soms enige fase van een onderzoek poogt het historische team binnen T&A te achterhalen tot welke gradatie gebieden binnen het grotere onderzoeksgebied verdacht zijn op de aanwezigheid van explosieven, en zo mogelijk, wat voor soort explosieven er in verdachte
gebieden aanwezig is. Het eerste is van groot belang om de noodzakelijkheid van nader (opsporings)onderzoek vast te stellen, het tweede helpt om te bepalen met welke methode het opsporingsonderzoek zal plaatsvinden en eventueel welke persoonlijke beschermingsmiddelen en voorzorgsmaatregelen nodig zijn om dit onderzoek veilig uit te kunnen voeren. Bij het historisch
vooronderzoek maakt T&A gebruik van een breed scala aan archivale stukken, zoals zogenaamde “war diaries” waarin troepen hun bewegingen bijhouden, berichten in lokale kranten over bombardementen of vliegtuigcrashes, en luchtfoto’s uit oorlogstijd waarop bijvoorbeeld kraters van afwerpmunitie of artilleriestellingen te zien zijn. Luchtfoto’s kunnen belangrijke informatie bevatten, maar het interpreteren hiervan is een tijdrovende taak, kan alleen door een specialist die bekend is met de materie worden uitgevoerd, en is in de kern een
subjectieve aangelegenheid. Benieuwd of dit proces vereenvoudigd zou kunnen worden, besloot ik een klein project op te zetten om de mogelijkheden tot automatische detectie van relevante objecten op luchtfoto’s te onderzoeken. Vanwege hun wijde verspreiding door het land én de redelijk eenduidige vorm van kraters van afwerpmunitie (bomkraters) besluit ik om de
haalbaarheid van dit project te testen met deze objecten.
Allereerst doe ik een tijd lang onderzoek naar de huidige staat van objectdetectie en computervisie. Er blijkt een breed scala aan methodes en algoritmes te bestaan, met elk hun sterke en zwakke punten op bepaalde toepassingen. Het meest veelbelovend lijkt het trainen van een Convolutional Neural Network (CNN) zoals YOLO v4, waarin ik een hoeveelheid
bomkraters van luchtfoto’s zou snijden, als aparte foto’s zou opslaan en het systeem hiermee zou trainen. Helaas blijken deze systemen een grotere hoeveelheid trainingsfoto’s nodig te hebben dan er in totaal al bomkraters op luchtfoto’s door T&A zijn ontdekt, dus deze methode valt helaas af. Een volgende methode die goed toepasbaar lijkt is Scale-Invariant Feature Transform (SIFT). Deze methode wordt gebruikt om zogenaamde “features”, sterk karakteriserende gebieden op foto’s, te detecteren. Mijn plan is om deze features allereerst te detecteren op een speciaal gemaakt “template”-afbeelding (waarop ik een zo standaard bomkrater heb gemaakt door verscheidene bomkraters te combineren en overeenkomstige eigenschappen heb
overgehouden), waarna ik op eenzelfde manier features op de luchtfoto laat detecteren en deze met elkaar vergelijk. Waar voldoende overeenkomstige features aanwezig zijn, zou derhalve ook op de luchtfoto een bomkrater aanwezig kunnen zijn. Een groot voordeel van het gebruik van SIFT is de ongevoeligheid voor schaal: hoewel de vorm van bomkraters vaak hetzelfde is, is het formaat juist vaak verschillend en sterk afhankelijk van de gebruikte munitie. Deze
ongevoeligheid is een resultaat van het onderliggende proces van detectie: door niet te kijken naar verschillen in bijvoorbeeld kleur en contrast in de oorspronkelijke foto’s maar de foto’s met een telkens verhoogde intensiteit te onderwerpen aan een Gaussiaanse vervaging en de
verschillen tussen elk van deze stappen te bekijken, maakt de resolutie en schaal van de
oorspronkelijke foto niet veel uit. Mijn onderzoek bestaat vervolgens uit het uitvoeren van SIFT en feature matching op een luchtfoto waarvan ik de locaties van bestaande kraters al weet, om zo
de nauwkeurigheid van het systeem te kunnen testen en eventueel wat parameters kan veranderen om deze te verbeteren.
Wanneer ik dit proces echter probeer te implementeren in een Matlabscript, loop ik tegen een hindernis aan. Hoewel er in de luchtfoto wél gematchte features worden gedetecteerd, zijn deze spatiaal wijd verspreid en worden features op verschillende bomkraters gedetecteerd. De methode lijkt dus niet meerdere versies van hetzelfde object te kunnen herkennen. Ik probeer dit probleem op te lossen door de luchtfoto te verdelen in een zelf in te stellen aantal delen, die elk opvolgend individueel worden geanalyseerd op matchende features met de
“template”-afbeelding. Om te voorkomen dat bomkraters die op de grens tussen deze delen liggen niet worden meegepakt, implementeer ik ook dat er een tweede keer over de complete luchtfoto wordt heengegaan, maar dan in een grid dat de grenzen van de eerste verdeling overlapt (zie afbeelding 3).
Afbeelding 3: Voorbeeld van twee grids als er gekozen wordt voor een verdeling van 5 bij 5 delen. Rood is hier het oorspronkelijke grid, blauw het overlappende grid.
Aan het einde van de run van het script zou dan de oorspronkelijke luchtfoto in zijn geheel worden getoond, met daaroverheen een grid waar de cellen met gedetecteerde kraters semi-transparant rood doorschijnend zijn. Bij het runnen van het script blijkt het echter veel tijd in beslag te nemen én geen enkel bruikbaar resultaat te geven. Na wat extra onderzoek komt dit naar alle waarschijnlijkheid door de zeer lage resolutie van de kraters (de breedste krater is
ongeveer 20 pixels wijd en de kleinste maar 3), waar computervisie-algoritmes vaker grote moeite mee hebben. De vergelijkbare Speeded Up Robust Features (SURF)-methode zou sneller zijn en beter met de lage resolutie om kunnen gaan, dus ik vervang de implementatie van SIFT in mijn script met die van SURF.
Helaas blijkt ook hier de resolutie te laag te zijn om bruikbare resultaten te krijgen. Het framework van het script blijft echter bruikbaar om andere algoritmes op te testen. Van data-analyst Liesbeth krijg ik blob-analyse of cirkeldetectie via Hough Transformatie aangeraden.
Tijdens het onderzoek naar de bruikbaarheid van beide methodes blijkt de eerste niet goed van toepassing omdat de bomkraters niet universeel donkerder of lichter dan de omgeving te zijn, maar de tweede lijkt wel enige potentie te tonen.
Na deze methode geïmplementeerd te hebben in het script test ik het op drie
verschillende luchtfoto’s, die ik uitgekozen heb omdat ze elk een groot aantal verspreide kraters van duidelijk verschillende afmetingen bevatten, en ze elk een ander soort gebied tonen
(landbouw/rivier, treinspoor en stedelijke omgeving). Hierbij deel ik de luchtfoto’s op in 20 bij 20 delen, en gebruik ik een sensitiviteit van 0,85 voor de cirkeldetectie met Hough
Transformatie. De resultaten van deze test zijn hieronder te vinden:
Tabel 1: De resultaten van het luchtfoto-interpretatiescript op drie verschillende gebieden. Soort gebied Percentage
kraters correct geïdentificeerd Aantal vals positieve gridcellen Aantal vals negatieve gridcellen Verhouding valse positieven/ negatieven Landelijk gebied 67 % 20 6 3.33 Treinspoor 53 % 23 4 5.75 Stedelijk gebied 33 % 17 6 2.83
Helaas blijkt hieruit dat het script nog niet nauwkeurig genoeg is om de taak van de historisch vooronderzoeker over te nemen. Na wat bijstellen zou het echter wel als hulpmiddel gebruikt kunnen worden: als de verhouding vals positief tegenover vals negatief nog hoger is, kan het script gedraaid worden waarna de vooronderzoeker enkel hoeft te controleren of de aangegeven gridcellen daadwerkelijk kraters bevatten. Bij gebruik van luchtfoto’s die met een hogere resolutie zijn ingescand, zouden de resultaten waarschijnlijk ook verbeteren. Ik noteer alle bevindingen, bundel dit met het Matlabscript en stuur het naar mijn dagelijks begeleider Mark en data-analyst Liesbeth, die er vervolgens verder mee bezig kan.
Database voor defence overprints en stafkaarten
Een ander belangrijk middel waar bij het historisch vooronderzoek gebruik van wordt gemaakt is de collectie van stafkaarten en zogenaamde “defence overprints” die door cartografen van de Britse en Amerikaanse legers zijn gemaakt. Stafkaarten geven een topografische weergave van Nederland ten tijde van de Tweede Wereldoorlog, defence overprints zijn vellen calqueerpapier die over de stafkaarten werden geplaatst en waarop de locatie en soort van Duitse militaire objecten worden afgebeeld. Om het historisch vooronderzoek te vergemakkelijken is het handig deze twee soorten kaarten in ArcMap in een centrale database te hebben staan, waardoor
onderzoekers hierin slechts naar hun onderzoekslocatie hoeven te gaan om alle nodige
informatie te kunnen raadplegen. Deze database bestaat op dit moment op een vrij basaal niveau, maar de dekking over heel Nederland is niet heel compleet en concentreert zich voornamelijk op Zuid-West Nederland. Mijn project was om deze database zo compleet mogelijk te maken.
De stafkaarten en defence overprints worden oorspronkelijk opgevraagd bij verschillende nationale, lokale of militaire archieven. Nadat deze kaarten worden ingescand worden ze op de centrale schijf van T&A onder de map van historisch vooronderzoek geplaatst. De bestanden uit deze map (zo’n 550 defence overprints en zo’n 230 stafkaarten) laad ik vervolgens een voor een in in ArcMap. Allereerst probeer ik elke kaart zo goed mogelijk te georeferencen. Afhankelijk van hoe heftig de betreffende omgeving in de afgelopen 75 jaar is veranderd gaat dit bij sommige gebieden een stuk moeizamer dan bij andere. Zo zijn de gebieden rond Arnhem of Groningen niet sterk veranderd, maar zijn de kaarten van dorpen op de huidige Europoort of de
Noordoostpolder die toentertijd nog uit enkel één dijk bestond een stuk lastiger om echt accuraat te georeferencen en moet ik hiervoor heel selectief mijn punten kiezen. Nadat alle stafkaarten en defence overprints zijn gegeoreferenced wil ik een schematische weergave maken waardoor de bestanden makkelijker in één oogopslag te vinden zijn voor de onderzoekers. Dit doe ik door het kader van elke stafkaart en defence overprint af te bakenen met een polygon, waarbij ik in de attribute table vervolgens het nummer, de locatie, het eventuele jaartal, de bestandsnaam op de centrale schijf, en de identificatiecode bij noteer. Op deze manier ontstaan twee kaartlagen met elk de kaders van respectievelijk alle stafkaarten en defence overprints. Als dit klaar is zet ik alle stafkaarten en defence overprints in hun laag in numerieke volgorde, zorg ik ervoor dat de path names op “relatief” staan, zet ik het geheel weer op de centrale schijf, en check ik tenslotte of het bestand met de kaderlagen en kaarten erin nog correct werkt als ik het vanaf de schijf open.
Afbeelding 4: Het uiteindelijke grid van de database van defence overprints (L) en stafkaarten (R).
Onderzoek Nijmegen
Als uit historisch vooronderzoek blijkt dat een gebied wordt verdacht op de aanwezigheid van conventionele explosieven wordt overgegaan tot de tweede stap in het onderzoek: het
opsporingsonderzoek. Hierbij wordt met een grote variatie aan methodes geprobeerd om de objecten in de bodem zo goed mogelijk in kaart te brengen en waar mogelijk te identificeren. Bij het volgende onderzoek wilde de gemeente Nijmegen een braakliggend stuk land verkopen aan een particulier. Omdat er in de omgeving van Nijmegen en Arnhem veel is gevochten in de Tweede Wereldoorlog, is de kans op aanwezigheid van conventionele explosieven in de bodem hier vrij hoog. Na historisch vooronderzoek bleek dan ook dat op twee verschillende locaties binnen het onderzoeksgebied sinds de oorlog geen grondroerende activiteiten hebben
plaatsgevonden terwijl het geheel wel verdacht gebied is. Ik rijd hier naartoe met de meersonde gradiometer, de hiervoor gekozen methode. Dit apparaat bestaat uit vier parallel aan elkaar staande gradiometers waarbij de afstand van elkaar en tot de grond bekend is, met hierboven een zeer nauwkeurige GPS. Het geheel is gemonteerd op een kar met twee wielen waardoor het handmatig rondgereden kan worden. Elke gradiometer meet afzonderlijk de afwijking op het aardmagnetisch veld op die specifieke locatie. Door de meetgegevens van elke gradiometer te koppelen aan de GPS-gegevens en onderling te interpoleren kan van het gebied waarover de meersonde gradiometer gereden is worden afgeleid waar bepaalde afwijkingen in het
aardmagnetisch veld plaatsvinden; omdat deze vaak veroorzaakt worden door metaalhoudende objecten, kan hieruit afgeleid worden waar deze objecten zich in de bodem bevinden.
Afbeelding 5: De meersonde gradiometer op locatie in Nijmegen.
Het gebied bestrijkt zo’n 11,000 m2, wat resulteert in ongeveer een complete dag lopen
met de meersonde gradiometer. Het scherm wat op de kar aanwezig is geeft aan waar de kar zich bevindt, en met behulp van een meetlijnmethode die wordt opgezet met enkele verkeerspionnen wordt ervoor gezorgd dat de lijnen zo parallel en strak mogelijk aan elkaar worden gelopen. Hoe verder deze lijnen uit elkaar staan, hoe meer data hiertussen immers geïnterpoleerd moet worden, wat leidt tot minder bruikbare en betrouwbare data.
Na het lopen wordt de data geëxporteerd naar een USB-stick en ingeladen op de centrale schijf van T&A. Een intern ontwikkeld Matlabprogramma wordt vervolgens gebruikt om met behulp van GPS-data de metingen van de gradiometers te interpoleren en hier een oppervlakte van te maken (zie afbeelding 6). Gebieden waarbij de afwijking van het aardmagnetisch veld positief zijn verschijnen als rode zones, gebieden waarbij deze afwijking negatief is als blauwe zones, en gebieden zonder afwijking zijn groen. Op deze manier is de locatie van
metaalhoudende objecten goed te zien, en kan op basis van de intensiteit van de positieve tegenover de negatieve zijde kan zelfs worden afgeleid of het project horizontaal, verticaal of diagonaal in de grond zit. Helaas blijkt de bodem van dit gebied in Nijmegen zodanig verstoord, dat er geen sluitende resultaten uit de data gehaald kunnen worden. Het gebied is hierdoor echter niet vrijgegeven, en de gemeente wordt aangeraden om verstorende obstakels te verwijderen en daarna nader onderzoek door een bedrijf als T&A uit te laten voeren.
Onderzoek Nieuw-Vennep
Gelukkig laat een iets later onderzoek wél data zien die goed bruikbaar is om gebieden vrij te geven. Bij een voormalig braakliggend veld in Nieuw-Vennep zijn bouwwerkzaamheden voor de uitbreiding van een naastliggende nieuwbouwwijk gepland, en uit historisch vooronderzoek blijkt het gebied verdacht. Wederom loop ik het gebied over met de meersonde gradiometer, exporteer ik de data en wordt deze ingeladen in het programma ter analyse. Hier zijn twaalf duidelijke objecten in te zien, met daaromheen een groot gebied zonder afwijkingen in het aardmagnetisch veld. Wanneer je in dit programma een specifiek object selecteert, wordt het gedetecteerde magnetisch moment vergeleken met een database van objecten. Een iteratief model past vervolgens stapsgewijs de verschillende parameters van de objecten waarmee wordt vergeleken aan, totdat het magnetisch moment van het op locatie gedetecteerde object sterk overeenkomt met de waardes die het programma creëert met de gewijzigde parameters. Vervolgens kan het programma op basis van deze gelijkenis beredeneren hoe diep het object zich bevindt, onder welke hoek het onder de grond ligt, en wat de waarschijnlijke massa van het object is. Deze informatie wordt gebundeld in een procesverbaal van oplevering wat naar de klant wordt verzonden, met hierin het advies om de omgeving van de objecten te laten ontgraven door een gecertificeerd bedrijf met ondersteuning van een explosieventeam.
Afbeelding 6: De oppervlakken van het onderzoeksgebied in Nieuw-Vennep (L) en Nijmegen (R). De mate van verstoring in Nijmegen ten opzichte van Nieuw-Vennep is duidelijk zichtbaar.
Database voor afbakening van onderzoeksgebieden
Bij elk project dat T&A uitvoert rondom explosieven (vooronderzoek én nader onderzoek op locatie) wordt er in ontwerpprogramma AutoCAD een schematische afbakening van het te onderzoeken gebied gemaakt. Dit wordt vervolgens bijvoorbeeld in de GPS van personeel op locatie geladen, of wordt verwerkt in een locatietekening door de GIS-tekenaar. Inmiddels is er een catalogus van ruim 500 CAD-bestanden ontstaan, waarvan het bestuur graag wil dat er een centrale geodatabase van wordt gemaakt. Deze kan dan bij volgende projecten geraadpleegd worden, want bij overlap van gebieden uit nieuw en oud onderzoek kunnen oude bevindingen erg nuttig zijn. Data-analyst Liesbeth probeert de bestanden (met extensie .dxf) allemaal tegelijkertijd in te laden, maar helaas geeft dit proces een foutmelding. Ik besluit er in samenspraak met haar naar te kijken.
Ik schrijf een kort Pythonscript om de bestanden in te laden. Helaas krijg ik dezelfde foutmelding als Liesbeth en levert het script een lege geodatabase af. Om te onderzoeken waar het probleem zit laad ik de bestanden per tiental handmatig in via de CAD to Geodatabase-functie van ArcGIS. Op deze manier worden de CAD-bestanden omgezet naar polygon- en line-shapefiles met elk een aantal attributes van het oorspronkelijke bestand, die vervolgens
samengevoegd worden in een feature class voor polygonen en een voor lijnen. De bestanden die de foutmelding veroorzaken willen niet inladen, maar de rest van de bestanden wel. Op deze manier heb ik de lijst van problematische bestanden, waarvan ik wil weten wat precies de fout veroorzaakt. Door deze bestanden enkel met andere foute bestanden in te laden krijg ik wel een werkende feature class, en bij inspectie van de attribute table blijkt dat de foutmelding ontstaat omdat deze bestanden, in tegenstelling tot andere bestanden, een achtervoegsel achter hun projectnummer hebben om een sublocatie binnen het onderzoeksgebied te specificeren
(bijvoorbeeld 8160B in plaats van 8160). Hierdoor proberen zij een niet-numerieke waarde in de projectnummerkolom van de attribute table te plaatsen, terwijl deze door alle andere bestanden als numeriek wordt behandeld. Door het verwijderen van dit achtervoegsel kunnen ook deze bestanden probleemloos worden ingeladen.
Helaas blijkt er later nog een probleem te zijn: enkele bestanden missen in de
polygonendataset. Deze blijken wel in de lijnendataset te staan, waardoor ik denk dat de fout ligt aan dat de polygonen van de gebieden in AutoCAD niet goed afgesloten zijn en er nog gaten in de rand zitten. Om te checken om welke bestanden het gaat exporteer ik de attribute table van beide datasets naar een .csv-bestand, zet ik de kolommen van beide tabellen waar de
bestandsnamen in staan naast elkaar en filtreer ik op dubbele waardes tussen beide kolommen. De bestanden die overblijven, en dus enkel zitten in de lijnendataset, zijn de niet goed gesloten
bestanden. Deze worden in een map gezet om door een andere medewerker correct afgesloten te worden. Tenslotte maak ik een laatste, volledige polygonendataset van alle kloppende polygonen, verwijder ik in Excel alle onnodige kolommen zodat per polygon enkel het projectnummer overblijft, en zet ik de resulterende geodatabase op de centrale schijf van T&A. Deze wordt vervolgens geüpload naar de bommenkaart op de website van de Vereniging voor Explosieven Opsporing (VEO), een overkoepelende organisatie van alle onderzoeksbureaus die zich met conventionele explosieven bezighouden. Via deze kaart kan men zien waar voor- en
opsporingsonderzoek heeft plaatsgevonden en door welke partij dit is uitgevoerd.
Datamanagement artillerielocaties
Recent waren er binnen T&A enkele historici-stagiaires actief die een project hadden waarbij ze de bewegingen en locaties van een aantal Britse, Amerikaanse en Canadese artilleriedivisies binnen Nederland bijhielden. Deze informatie haalden ze uit eerder genoemde war diaries, waarin troepen nauwkeurig per datum hun handelingen en locaties op een militair grid konden noteren. Alle informatie is geplaatst in tabellen, waarin per divisie per maand in de periode van september 1944 tot en met april 1945 de gegevens beschreven staan. Deze data wil historicus Jeroen graag als point shapefile in kunnen laden in ArcMap ter visualisatie. Hij is zelf begonnen met de data van alle divisies handmatig in één enkele tabel te kopiëren, maar omdat het per maand om zo’n 40 verschillende divisies en dus bestanden gaat is dit een redelijk tijdrovend proces. Hij vraagt of ik hem bij dit handmatig kopiëren kan helpen als ik naast mijn normale bezigheden af en toe tijd over heb, en schat in dat we zo een weekje bezig zijn. Ik doe even wat onderzoek naar mogelijkheden om dit proces te automatiseren, om zo nogal wat tijd te kunnen besparen. Vervolgens stel ik een query op voor alle bestanden voor een specifieke maand, waar ik van elke divisie de divisienaam, locatiegegevens en datum opvraag en dit allemaal in een bestand bundel. Hierna ga ik nog even handmatig over de data om lege plekken door gebrekkige data-invoering te corrigeren. Het proces herhaal ik voor alle maanden, waarna data-analyst Liesbeth de locatiegegevens van het militaire grid converteerd naar Rijksdriehoekscoördinaten. De hieruit resulterende tabel importeer ik in ArcMap en gebruik ik om een point shapefile van te maken. Omdat deze werkzaamheden het gehele proces een stuk sneller en efficiënter maken, zijn we er in totaal slechts zo’n vier uur mee bezig en besparen we dus veel tijd en moeite.
