Vijf uitdagingen en lessen rondom satellietdatamonitoring
Vijf uitdagingen en lessen rondom satellietdatamonitoring
Momenteel vliegen er naar schatting 6000 satellieten rondom de aarde. Ongeveer 900 daarvan worden gebruikt voor het observeren van het aardoppervlak. Het levert een schat aan data op, waar je als waterschap voordeel mee kunt doen: met één foto het gehele beheersgebied in beeld. Op dit moment wordt er in de waterschapssector veel geëxperimenteerd met het gebruik van satellietdata in de bedrijfsvoering. Zo helpt Royal HaskoningDHV in samenwerking met Water Insight B.V. onder meer het Hoogheemraadschap van Delfland met satellietmonitoring. In deze blog geven we een overzicht waar rekening mee te houden bij het gebruiken van satellietdata.Wat kun je er mee als waterschap? En wat niet?
Maar eerst de potentie. Onder invloed van verandering van klimaat, extreme weerssituaties en de digitale transformatie van de samenleving wordt het op afstand monitoren en – waar mogelijk – sturen van het watersysteem steeds belangrijker. Denk bijvoorbeeld aan het in beeld brengen van vegetatie(soorten) die de afvoer belemmeren, het verkrijgen van inzicht in de waterkwaliteit en sneller zicht op onwenselijke veranderingen in de infrastructuur en inrichting. Hoe mooi zou het zijn als we de data afkomstig van de 900 satellieten voor dergelijke onderwerpen kunnen gebruiken?
Inderdaad, de potentie is enorm. Het benutten van satellietbeelden voor deze en andere vraagstukken levert niet alleen een grote besparing van tijd en kosten op, omdat er minder ogen ‘in het veld’ nodig zijn. Het betekent ook een verbetering van de dienstverlening, doordat mensen en middelen kunnen worden ingezet op de plekken waar ze het hardst nodig zijn.
Tegelijkertijd is het structureel benutten van de beelden in de dagelijkse praktijk van de waterschapper eenvoudiger gezegd dan gedaan. Met deze vijf uitdagingen heb je te maken als je aan de slag gaat met satellietmonitoring:
1. Timing van de opname en de gebeurtenis
Stel, je wilt op basis van een satellietbeeld inzicht krijgen in de locaties in het beheersgebied waar snelle groei van exotische vegetatie in de watergangen voorkomt. Dan zijn er verschillende tijdsaspecten van belang.
Voor het in beeld brengen van de groei-ontwikkeling is een beeld van een moment zonder vegetatie (bijvoorbeeld einde winter) en een beeld van een moment met vegetatie (bijvoorbeeld in het voorjaar, maar vóór de maaibeurt) geschikt.
Via het satellietdataportaal worden verschillende soorten satellietdata ontsloten. Gratis beschikbare data, zoals bijvoorbeeld van Sentinel en data van commerciële satellieten, zoals bijvoorbeeld van Superview, worden via subsidies aangekocht, verwerkt en beschikbaar gesteld. In principe is er elke paar dagen een nieuw Superview beeld beschikbaar. Dit noemen we de temporele resolutie van een satelliet. Maar het portaal stelt maar eens per 6 weken het beeld beschikbaar. Die momenten moeten dus precies kloppen met de timing van seizoenen en maaibeurten.
Daarnaast is de tijdlijn van het verschijnsel dat je in beeld wil hebben ook van belang. Exotische vegetatie kan in slechts enkele weken uitgroeien tot een groot formaat en wordt door beheerders het liefst zo klein mogelijk gehouden. In een periode van 6 weken kan dus veel gebeuren. Dit geeft aan dat het best lastig kan zijn om een beeld te verkrijgen dat op exact het juiste moment is genomen. En vergeet de aanwezigheid van wolken niet...
De les: de frequentie waarop satellietbeelden beschikbaar zijn, is afhankelijk van de resolutie die je nodig hebt. Voor zeer hoge resolutie beelden waarbij ook bijvoorbeeld watergangen in beeld komen, is de frequentie laag. Bij het monitoren van meren zijn veel frequentere satellietbeelden beschikbaar, namelijk wekelijks tot dagelijks.
2. Resolutie en banden
Het ene beeld is het andere niet. De ruimtelijke resolutie (pixelgrootte) en de specifieke banden (in welke delen van het elektromagnetisch spectrum data wordt verzameld) zijn leidend in wat met een beeld wel en niet kan. Zo bevat een panchromatisch beeld de energiewaarden binnen één breed spectrum van golflengtes in zwart-wit waarden. Een multispectraal beeld bevat meerdere spectrale banden, bijvoorbeeld de kleuren blauw, groen, rood en nabij-infrarood. En dan bestaan er ook nog hyper- en ultraspectrale beelden, met informatie uit honderden smalle, opeenvolgende spectrale banden tegelijkertijd. Hoe meer banden, hoe eenvoudiger het is om onderscheid te bepalen tussen verschillende type objecten. Denk bijvoorbeeld aan het onderscheid tussen vegetatietypen.
Ook de ruimtelijke resolutie varieert logischerwijs. Van tientallen meters tot 30 centimeter per pixel. En dat maakt nogal uit als je waterkwaliteit wilt vaststellen van een watergang van slechts enkele meters breed.
Er zit vaak spanning tussen de ruimtelijke en de temporele resolutie van beelden, en de kosten die daaraan verbonden zijn: hoe fijnmaziger het beeld, hoe minder vaak gratis beschikbaar. Hoe vaker (gratis) beschikbaar, hoe lager de resolutie (10-20 meter). Kortom, uitzoeken welk beeld voor welke vraag nodig is, kan al een project op zich zijn.
De les: satellietmonitoring leent zich voor het met regelmaat in beeld brengen van grove, vlakdekkende verschijnselen. Zoals droogte door het jaar heen, of wekelijkse chlorofylconcentraties in een meer. En voor gedetailleerdere momentopnames van zaken die niet zo snel veranderen. Denk hierbij aan ligging van waterlopen en de aanwezigheid van vegetatiesoorten.
3. Kosten vs. businesswaarde
Lang niet alle beelden zijn beschikbaar via het portaal. Heb je behoefte aan een beeld met specifieke eigenschappen op een bepaald moment? Dan ben je dus al gauw gebonden aan een commerciële satellietdataleverancier die je opdracht kunt geven voor een opname. De kosten daarvan kunnen hoog oplopen. Vooral als je voor het specifieke vraagstuk hoge resolutie en verschillende banden nodig hebt.
Een voorbeeld: een drie maanden oude vlakdekkende opname met een resolutie met alle spectrale banden van 30cm (Wordview3) van Nederland kost al bijna een $1.000.000. Het is dus slim om vooraf af te wegen of de kosten van de aanschaf op wegen tegen de te realiseren besparing.
De les: probeer gebruik te maken van de gratis beschikbare beelden. Kunnen deze beelden de gestelde vraag niet beantwoorden? Bundel dan bij aankoop van commerciële, hoge resolutie satellietbeelden de businessvragen die met één beeld beantwoord kunnen worden en samenwerking tussen organisaties.
Met de aanschaf van één beeld kan bijvoorbeeld in beeld worden gebracht het aantal m2 verhard oppervlak voor 365 gemeenten, de toename aan zonnepanelen voor energieleveranciers, potentiële beginnende schade aan wegdek voor Rijkswaterstaat en het digitaliseren van de schouw voor waterschappen.
4. Modelontwikkeling
Een satellietbeeld is nog niet direct informatie. Om antwoord te krijgen op een specifieke vraag is een methode of (machine learning) model nodig om de pixels en banden geautomatiseerd te analyseren. Dat noemen we remote sensing. Hierbij is het relevant om:
- Kennis te combineren vanuit verschillende domeinen. Denk aan data science en vakinhoudelijke domeinen als hydrologie of ecologie;
- De juiste modelleertechniek te kiezen, passend bij het vraagstuk en de beschikbare data om van te leren;
- De performance van het model te evalueren en te verbeteren.
Als voorbeeld kunnen we hier het kroos detectie model gebruiken dat we voor het Hoogheemraadschap van Delfland hebben ontwikkeld. Allereerst is kennis over modellen voor detectie van verschillende waterplanten in en op het water (bijvoorbeeld kroos) nodig, waar het voorkomt, onder welke omstandigheden het optreedt etcetera. Doordat deze domeinkennis binnen het consortium van Royal HaskoningDHV en Water Insight aanwezig was, konden we dit direct meenemen in de aanpak.
5. Van satellietbeeld naar informatieproduct
De laatste uitdaging die we willen benoemen is het werk ‘achter de schermen’ en de vertaling naar een toepassing. Een voorbeeld: als het lukt om met satellietdata waterkwaliteitsparameters in beeld te brengen, zoals we bij Delfland doen, dan is dit geen eenmalige handeling. We hebben daarom een analyse- en productie-omgeving ingericht op basis van Microsoft Azure technologie. Waarmee bij het beschikbaar komen van een nieuw beeld een spreekwoordelijke ‘druk op de knop’ genoeg is om de informatie opnieuw te genereren.
Bijkomend voordeel is dat door de flexibiliteit van deze cloud technologie de momenten dat we een nieuw beeld verwerken (een paar keer per jaar) gebruik maken van de resources.
Bij de vertaling naar gebruikersfunctionaliteit is het ook nodig om een beeld te hebben van de klantreis en hoe de informatie gebruikt gaat worden in de bedrijfsvoering. Is het nodig om de satellietbeelden zelf te kunnen bekijken of is visualisatie van de modelresultaten in een geoviewer voldoende? Willen we beelden met elkaar kunnen vergelijken? En heeft het toegevoegde waarde om een notificatie in de mailbox te ontvangen als er specifieke gebieden aandacht nodig hebben?
Waar ook aan gedacht kan worden, is de manier waarop informatie moet worden ontsloten om het bijvoorbeeld bruikbaar te maken in andere modellen, zoals een watersysteemtoets. Dat betekent misschien wel uitlevering van data in een specifiek formaat. Ook willen we met het delen van de data aan de organisatie en daarbuiten hergebruik van het beeld stimuleren, maar hoe stel je het beschikbaar zodat iedereen die dat wil erbij kan? Ook deze vragen horen bij een project rondom satellietdatamonitoring.
De les: betrek tijdig ICT bij het project en denk vooraf na over hoe analyses en data herbruikbaar kunnen worden gemaakt en gedeeld kunnen worden. Dit is een investering aan de voorkant, maar maakt de aanschaf en ontwikkelkosten op de lange termijn juist lager. Satellietmonitoring doe je niet voor één keer.
Ja het zijn flink wat uitdagingen en we willen niemand ontmoedigen. De potentie is en blijft immers nog steeds enorm. Dat toont ook het initiatief NL Veranderdetectie aan. Maar realistisch zijn en onze kennis delen over de uitdagingen van satellietmonitoring met de markt, doen we graag.
