Ik ben bezig met een hobbyproject om waterdelen te detecteren met Remote Sensing.
Ik kom hierop omdat ik eigenlijk manieren en methodes wil vinden om ‘de’ datakwaliteit van bijvoorbeeld de BGT te meten. En dan niet met database-vergelijkingen (tussen BAG en BGT of BOR-data en BGT, omdat ze dan ‘allebei fout [kunnen] zijn’) maar echt met ‘ground truth’ waarnemingen. Maarja, het kost weer teveel tijd om het veld in te gaan. Liever werk ik vanuit mijn bubbel met Remote Sensing data.
AHN Puntenwolk
Met ‘waterdelen’ dacht ik ‘hoe moeilijk kan het zijn’. In de AHN zag ik bijvoorbeeld in de Point Coud classificaties terugkomen met oa ‘water’. Maar in die dataset zit vooral veel ‘ongeclassificeerd’. Teveel geregistreerde BGT-Waterdelen hebben geen AHN-punt met ‘water’ classificatie.
Kies ik ervoor om ook de ‘ongeclassificeerde’ punten mee te nemen, dan hebben teveel BGT-waterdelen die in werkelijkheid geen waterdeel meer zijn, toch óók een AHN-punt ‘ongeclassificeerd’.
LNG2023
Ik heb nog gekeken naar LGN2023. Maar daarin zit ook teveel ‘false positives’. Waarschijnlijk omdat LGN weer (deels) gebasseerd is op Top10NL en die is weer (deels) geaggregeerd op basis van BGT (denk ik?). Dusja, dan werkt een foutje in de BGT ook door in de LGN2023.
Deep learning pre-trained modellen
Dan zijn er nog pre-trained Deeplearning pakketten voor Land Cover en Land Use. Denk aan Deepness van Qgis of Esri pakketten. Over die resultaten ben ik ook niet tevreden. Ik ben dan ook extra geïnteresseerd in de ‘greppels, droge sloot’ en ‘sloten’ in bebouwd gebied. Dus de Sentinel-2 satellieten met 10m resolutie is niet zo geschikt voor deze toepassing. Of doe ik daar iets verkeerd en heeft een van jullie wél goede ervaringen met het detecteren van ‘water’ met pretrained modellen in bebouwd gebied? Zo ja, welke dan?
Ben benieuwd of iemand van jullie een originele invalshoek heeft of suggestie dat me in de goede richting helpt.
Als het gaat om het controleren van de BGT, ben ik bang dat je bij waterdelen (althans, de grotere) weinig problemen zult vinden in de kwaliteit van de BGT, omdat de waterschappen daar voornamelijk brondhouder van zijn. En dan krijg je dus bijvoorbeeld dit soort zaken:
Links en rechts zijn gemeentelijke bronhouders, het waterdeel is een waterschap bronhouder van. Dus daar zul je weinig vinden, vermoed ik.
De greppels, droge sloot zul je niet vinden omdat er naar verwachting geen water in zit - dus daar kun je alleen zoeken naar een smalle, langwerpige, plotselinge verdieping in het terrein. Voor veel sloten zal hetzelfde gelden, enigszins afhankelijk van wanneer precies ter plaatse gevlogen is.
Ik zou denk ik een combinatie doen: daar waar AHN-punten een classificatie ‘water’ hebben gaan kijken, maar ook naar relatief regelmatige stukken met een effen grond oppervlak, waar je een plotselinge, langwerpige verdieping in tegenkomt. Anders denk ik niet dat je de kleinere waterdeeltjes geautomatiseerd kunt vinden, nog even afgezien van overhangende begroeiing die in de weg kan zitten.
ja dat is inderdaad de verwachting. Het is veel leuker om een datakwaliteitsmethode te ontwikkelen, te testen en te toetsen op een set waar de kwaliteit wel in orde zal zijn, dan de ene na de andere fout te moeten constateren.
Ik neem de BGT-waterdeelobjecten als uitgangspunt. Als ik vanuit Remote Sensing sensoren géén (water)reflectie terugkrijg binnen dit deel, dan klopt dat. Het staat immers droog. Is het waterdeel geclassificeerd als waterloop of watervlakte terwijl er geen water-reflectie inzit, dan moet het wellicht geclassificeerd worden als ‘greppel, droge sloot’.
wat ik relatief veel tegenkom zijn deze situaties. Links en rechts van de inrit loopt een slootje (het staat ook geclassificeerd als ‘waterloop’ in de BGT, zonder IMgeo waarde). In dit geval is rechts duidelijk water te zien maar links van de sloot is helemaal vol gegroeid met vegetatie (waardoor ik geen waterreflectie-punt krijg).
Als ik dan in het objectenhandboek kijk: Waterloop: Een voor de waterbeheersing bestemde geul die meestal permanent water bevat (zoals rivier, kanaal, beek, sloot, gracht). Sloot (IMGeo):Algemene benaming voor een waterloop van beperkte breedte die stilstaand of slechts langzaam stromend water bevat.
Zou je dan kunnen betogen dat dit stukje links van de inrit niet langer voldoet aan de voorwaarde “voor waterbeheersing bestemde geul” omdat het helemaal begroeid is?
De eigenaar/beheerder zou eerst alle vegetatie moeten verwijderen, zodat er weer sprake is van ‘waterbeheersing’, en ik (waarschijnlijk) weer waterreflectiepunten krijg?
Vraag aan een Waterschap:
Ben ik nu ongemerkt iets op het spoor gekomen om op een data-gedreven manier het ‘onderhoud aan sloten’ te monitoren? Ofwel:
“Daar waar geen water-reflectie punt is op een waterloop, moet nodig onderhoud gepleegd worden.”
Leest er toevallig iemand van een waterschap mee meer weet over het ‘verplicht onderhouden van sloten’?
