Wereldwijde Soil Trafficability dankzij satellietdata

De bodem is belangrijk. Dat geldt voor boeren en bouwers, maar ook zeker voor militairen. Als je de gesteldheid van de bodem verkeerd inschat, komen zware voertuigen vast te zitten en loopt een militaire operatie in de soep.

Blue Team Intelligence heeft op basis van satellietdata een wereldwijd Soil Trafficability product ontwikkeld met 100 meter resolutie, die iedere dag weergeeft wat de draagkracht van de bodem is, op basis van de USCS classificatie en het dagelijkse bodemvocht. Er kan voor meer dan 100 voertuigen dagelijks worden bepaald wat de bodembegaanbaarheid is. Dit is uiteraard bruikbaar voor militaire toepassingen, maar ook civiele partijen kunnen hier voordeel aan hebben, denk daarbij aan de brandweer bij de bestrijding van bosbranden, of chauffeurs die van de bestaande wegen moeten afwijken om hun bestemming te bereiken.

Dit Soil Trafficability product komt als SaaS-oplossing op het Planet Insights Platform, maar komt ook beschikbaar als On-Premise oplossing.

In het gevecht willen legers zo goed mogelijk gebruik maken van hun wapens. Voor gevechtsvoertuigen betekent dit dat ze snelheid willen maken en zich zo breed mogelijk willen opstellen. Alleen op die manier kun je de vijand overrompelen en maximaal gebruik maken van je gevechtskracht. Maar je kunt niet zomaar door het gehele terrein crossen. Iedere militair kent de gevleugelde uitspraak: “Het terrein dicteert.” Verschillende aspecten van het terrein bepalen volledig hoe legers hun middelen in kunnen zetten. Commandanten die het terrein goed analyseren en hun wijze van optreden hierop aanpassen hebben een grotere kans om het gevecht te winnen. Ook kunnen zij aan de hand van het terrein voorspellen wat het plan van de vijand zal zijn. Een goede terreinanalyse is dus van levensbelang.

Een groot deel van de terreinanalyse wordt op dit moment handmatig vanaf de topografische stafkaart gedaan. Dit is een traag proces en sterk afhankelijk van de snelheid en mentale conditie (bijvoorbeeld slaaptekort) van de functionaris. En daarbij komt ook dat veel informatie over de bodem is niet beschreven op de stafkaart. In de terreinanalyse wordt de invloed van de bodem dan ook niet optimaal geanalyseerd.

Om de draagkracht van de bodem te kunnen bepalen wordt gebruik gemaakt van de kennis van de Genie. Zij nemen bodemmonsters en op basis van veldtesten bepalen zij de eigenschappen van de bodem, of ze bepalen de bodemdruk aan de hand van een penetrometer. Dit proces is tijdrovend en is, met de huidige dreigingen op het slagveld, levensgevaarlijk. Daarnaast is de bodemdruk sterk afhankelijk van temporele factoren zoals neerslag en verdamping en kan binnen een paar dagen drastisch veranderen.

Een goede manier om de draagkracht van de bodem te karakteriseren, is door deze te classificeren op basis van fysieke eigenschappen. Er zijn meerdere classificatiemethodes, maar de classificatiemethode die binnen de NAVO veel wordt gebruikt is de Unified Soil Classification System (USCS). Deze classificatiemethode deelt de bodem in 15 klassen, op basis van de verdeling van de korrelgrootte, de hoeveelheid organisch materiaal en de manier waarop de bodem omgaat met vocht (Liquid Limit en Plasticity Index). De verdeling van de klassen is relatief eenvoudig opgezet. De kenmerken voor deze verdeling zijn echter moeilijk te bepalen. Hiervoor is een laboratoriumomgeving nodig, en als deze niet voorhanden is, wordt gebruik gemaakt van veldtesten.

De USCS geeft een goede representatie van de potentiële draagkracht van de bodem, en er zijn goede studies uitgevoerd naar de maximale bodemdruk op basis van de USCS classificatie en het percentage bodemvocht.

Helaas zijn er van Europa en potentiële conflictgebieden maar weinig datasets en kaarten beschikbaar op basis van de USCS classificatie. Er zijn van een aantal landen wel hoogwaardige bodemkaarten beschikbaar, maar deze zijn vaak geclassificeerd voor andere doeleinden en laten zich lastig vertalen naar de USCS classificatie. We hebben, samen met Cohere Consultancy, de Nederlandse bodemkaart vertaald naar de USCS classificatie. Toch blijven sommige klasses moeilijk te vertalen, omdat de USCS uitgaat van hoe een bodem zich gedraagt, en dat kan soms anders zijn dan cijfers over de samenstelling.

Het gebrek aan goede bodemdata bij de planning van een militaire operatie pleit voor snellere en nauwkeurigere methoden om de draagkracht en het gedrag van de bodem te bepalen. De aarde wordt voortdurend gemonitord door satellieten die de kenmerken van onze planeet in de volledige breedte van het elektromagnetisch spectrum bekijken. Door satellietdata over een lange tijd en reeds beschikbare bodemdatasets te combineren is het mogelijk een goede voorspelling te doen van de kenmerken van de ondergrond en deze te vertalen naar de USCS classificatie en de bodemdruk.

Blue Team Intelligence heeft het afgelopen half jaar gewerkt aan een wereldwijde oplossing voor de bodembegaanbaarheid met 100m resolutie op basis van satellietdata. Dit product geeft een voorspelling van de actuele bodemdruk, en vertaalt dit naar de bodembegaanbaarheid voor meer dan 100 verschillende Westerse en Russische militaire voertuigen. Iedere dag opnieuw.

“Bodembegaanbaarheid voor ieder voertuig, overal ter wereld, elke dag van het jaar”

Bodembegaanbaarheid draait voornamelijk om bodemdruk: Hoeveel druk kan de bodem op dit moment aan en is deze dan in staat om het gewicht van een bepaald voertuig de dragen? En wat als er meerdere voertuigen over deze bodem rijden?
Het antwoord hierin is grotendeels afhankelijk van een aantal semipermanente en temporele factoren.

Een belangrijke factor voor de draagkracht is de samenstelling van de bodem: de verhouding van grind, zand, silt, klei en organisch materiaal. De samenstelling bepaalt hoe de bodem omgaat met plasticiteit en waar de vloeigrens ligt. Op basis van de combinatie van deze factoren kun je de USCS classificatie bepalen.

De verhouding van de fysieke elementen in de bodem verraadt zich door een aantal indicatoren en factoren. Zo vertoont de wijze waarop de bodem omgaat met vocht wat de mogelijke samenstelling van de bodem is, maar ook de geologische geschiedenis, de hoogte ten opzichte van haar omgeving, de wijze waarop de bodem wordt gebruikt en de vegetatie die erop groeit. We hebben op basis van wetenschappelijke publicaties een model samengesteld waarbij 10 groepen van voornaamste factoren en indicatoren zijn geïnventariseerd, die verklaren hoe de bodem is samengesteld.

Dit model, met de voornaamste factoren en indicatoren, hebben we vertaald naar meer dan 130 wereldwijd beschikbare rasters die in potentie deze factoren en indicatoren bevatten. Sommige van deze rasters zijn reeds gepubliceerde, vrij verkrijgbare datasets. Een goed voorbeeld hiervan zijn de datasets van SoilGrids. Deze datasets, zorgvuldig ontwikkeld door ISRIC, bieden zeer hoogwaardige voorspellingen van bodemelementen op verschillende dieptes. Deze datasets zijn tot op heden de beste, vrij verkrijgbare bodemrasters, maar zijn te grofmazig en op veel locaties te onnauwkeurig voor het bepalen van de bodembegaanbaarheid. De data van SoilGrids versterkt het uiteindelijke voorspellingsmodel wel aanzienlijk.

Andere rasters zijn door ons zelf ontwikkeld op basis van theoretische relaties tussen bodemkenmerken en onderliggende factoren. Zo is gebruik gemaakt van afgeleiden van een wereldwijd beschikbaar hoogtemodel om de Terrain Roughness Index en Terrain Wetness Index te bepalen, maar is ook een raster ontwikkeld met de cost distance naar het dichtstbijzijnde drassige gebied of stroompje, waarbij het hoogteverschil de mate van weerstand weergeeft.

Tegelijk hebben we meerdere globale, regionale en nationale bodemmonsterdatasets verzameld en geharmoniseerd. Hierdoor ontstaat een Ground Truth dataset met meer dan 200.000 beschikbare punten met in laboratorium gemeten gegevens van eerste 30cm van bodem.

Op basis van de rasters en Ground Truth data hebben we machine learning regressiemodellen getraind die de mate van een aantal cruciale factoren voor de bepaling van de USCS classificatie voorspellen. Deze factoren zijn de percentages van zand, silt, klei, gravel en organisch materiaal, maar ook de Cation Exchange Capacity (CEC) en de bulkdichtheid (BD). Uit testen blijkt dat onze ontwikkelde modellen deze factoren met een hoge mate van nauwkeurigheid voorspellen.

Door de wereldwijd voorspelde waarden van deze 7 factoren te combineren, hebben we met een hoge mate van betrouwbaarheid iedere pixel van de aarde geclassificeerd volgens de USCS.

Ons eerste 100 meter product is nu nog alleen beschikbaar voor Europa en West-Rusland, maar voor de ontwikkeling ervan is gebruik gemaakt van data die wereldwijd beschikbaar is. Dat maakt het product schaalbaar, en in de komende maanden zullen we meer gebieden gaan toevoegen, te beginnen met Afrika en Azië.

Ook zullen we het 100 meter product gaan resamplen naar 30 meter resolutie, door het te combineren met hogere resolutie satelliet- en hoogtedata.
Op dit moment wordt dagelijks de near real-time Cone Index bepaald. Hoewel dit al een goed inzicht geeft in de bodemgesteldheid voor toekomstige operaties, willen we dit een stap verder brengen door de Cone Index tot 7 dagen in de toekomst te voorspellen. Hierdoor kunnen nog betere afwegingen worden gemaakt voor toekomstige operaties.

Daarnaast wordt in de huidige modellen de Cone Index bepaald op basis van alleen het bodemvocht. Wij gaan nieuwe modellen ontwikkelen, waarbij ook andere temporele factoren een rol spelen, zoals de bodemtemperatuur en de mate van verdichting door landgebruik.

Als laatste willen we de VCI van meer voertuigen toevoegen aan onze lijst, maar willen we ook kijken naar andere manieren om de terreinbegaanbaarheid van voertuigen te relateren aan de bodem, zodat nog nauwkeuriger kan worden bepaald waar een voertuig kan rijden.

Interesse?

Ons huidige en toekomstige Soil Trafficability product is van meerwaarde voor westerse NATO-georiënteerde krijgsmachten, maar ook voor verschillende publieke en commerciële partijen. Als je interesse hebt in ons product, neem dan contact op met Bas Ooink, bas.ooink@blueteam-intelligence.nl