web analytics

NEO aan de slag voor Waterschap Brabantse Delta!

Het groene punt geeft een afwijking van 2,4 meter weer tussen de bovenkant van het BGT-ondersteunende waterdeel en de situatie in de AHN-4.

Waterschap Brabantse Delta (team Gegevens) heeft NEO de opdracht gegeven voor mutatiesignalering van de BGT (Basisregistratie Grootschalige Topografie) in het beheersgebied van het waterschap. Wij zijn blij met deze mooie opdracht en de gelegenheid om onze innovatieve technieken in te zetten.

Met databronnen als het Actueel Hoogtebestand Nederland (AHN-4, najaar 2020) en hoge resolutie luchtfoto’s (voorjaar 2021) kijken we naar afwijkingen tussen de BGT-waterlopen en ondersteunende waterdelen en de aardobservatiebronnen.

We maken gebruik van deep learning algoritmes om te controleren op de juistheid van het BGT-waterdeel. Als nevenopdracht voeren we ook een kwaliteitscheck uit waarbij we nagaan of de ondersteunende waterdelen overeenkomen met de insteken van de waterlopen gegenereerd uit de AHN-4.

Het resultaat bestaat uit mutatiesignalen die we als “calls to action” presenteren, bijvoorbeeld: “BGT-waterloop is gedempt” of “BGT-ondersteunend waterdeel wijkt hier meer dan 60 cm af”. In ons werkproces zorgen we vervolgens dat alle gemonitorde signalen voldoen aan de juiste volledigheid en nauwkeurigheid.

Met dit product heeft waterschap Brabantse Delta een actueel inzicht in de kwaliteit van haar BGT-objecten. Dit inzicht kan vervolgens gebruikt worden voor het inplannen van verbeteringen aan de BGT.

Een deep learning signaal geeft een gewijzigde situatie weer: De BGT-waterloop is namelijk niet meer actueel. Op de locatie van de BGT-waterloop ligt nu gedeeltelijk een dammetje.
nl_NL
nl_NL