Wetenschappers van het Tokyo Institute of Technology (Tokyo Tech) gebruikten radargegevens met synthetische apertuur van vier verschillende satellieten, gecombineerd met statistische methoden, om de structurele vervormingspatronen van de grootste brug in Iran te bepalen.

Het belang van wegen en bruggen voor de mens, zowel in de oudheid als in de huidige tijd, is duidelijk zichtbaar. De structurele gezondheid en integriteit van dergelijke grote structuren zijn, echter, lang niet zo duidelijk, vooral omdat structuren de neiging hebben om over een lange tijd te verslechteren. Het bepalen van de mate van vervorming die een constructie heeft ondergaan (en hoeveel deze in de toekomst zal ondergaan) is cruciaal voor het waarborgen van de veiligheid van de mensen in of nabij die constructie en voor het minimaliseren van reparatiekosten en mogelijke schade.

Een grote structuur die het afgelopen decennium tot bezorgdheid heeft geleid, is de Lake Urmia Causeway (LUC), een reeks wegen en een brug die over het Urmiameer gaan, gelegen in het noordwesten van Iran (zie figuur 1). Iran, bekend als een dor tot semi-aride gebied, heeft ernstige problemen met bodemdaling door overmatige ondergrondse waterwinning. Dus, Dr. Sadra Karimzadeh die zich het probleem van de LUC realiseerde en zich bij een team van wetenschappers bij Tokyo Tech voegde, onder leiding van professor Masashi Matsuoka, analyseerde de recente vervormingspatronen die de LUC van 2004 tot 2017 onderging, met behulp van datasets die zijn verkregen van vier satellieten die zijn uitgerust met radars met synthetische apertuur (zie figuur 2). Zoals verwacht, deze datasets vereisten geavanceerde wiskundige en statistische analyses voordat de vervormingssnelheden (gerelateerd aan de natuurlijke zetting van de oostelijke oever en de kunstmatige opheffing aan het begin van de westelijke oever) nauwkeuriger konden worden bepaald.

Door gebruik te maken van de small baseline subset (SBAS) techniek op de data van de satellieten, de onzekerheid in de verkregen verticale verplaatsingssnelheden van de LUC werd verminderd. Het onderzoeksteam voerde in 2017 ook een veldonderzoek van het meer uit om de fysieke omstandigheden van de LUC te observeren en om de meest waarschijnlijke oorzaken van de versnelde vervorming die de structuur aantast, te onderzoeken.

Om hun veronderstellingen over de oorzaken van de versnelde vervorming te verifiëren, het team voerde een hoofdcomponentenanalyse (PCA) uit op de gegevens en gebruikte vervolgens een hydrothermisch model om de resultaten te vergelijken. PCA is een techniek die multidimensionale gegevens als invoer gebruikt en deze afvlakt tot meestal twee of drie dimensies (de "hoofdcomponenten" of "pc's"), die vervolgens kan worden gebruikt om nieuwe en waardevolle vergelijkende informatie te onthullen. Slechts drie hoofdcomponenten waren verantwoordelijk voor bijna alle variabiliteit in de gegevens, waarbij de eerste (de meest significante) een algemene neerwaartse trend in de structuur laat zien als gevolg van bodemconsolidatie, en de tweede en derde worden geassocieerd met zowel seizoensveranderingen als menselijke activiteiten die het meer beïnvloeden (zie figuur 3). Het team deed een voorspelling hoeveel vervorming er de komende 365 dagen kan optreden.

Dr. Sadra Karimzadeh zei:"De resultaten van ruimtegebaseerde monitoring van kritieke structuren zijn heel nuttig in ontwikkelingslanden. Het moet continu worden gebruikt tegen betaalbare kosten."

Met deze studie, het onderzoeksteam toonde aan hoe PCA effectief kan worden gebruikt om gegevens uit verschillende datasets over meerdere tijdschalen te accommoderen. De combinatie van de bovengenoemde technieken bewijst hoe gegevens van huidige en eerdere satellietmissies kunnen worden gebruikt als een efficiënt mechanisme om de huidige en toekomstige gezondheid van constructies te bepalen, zodat preventieve maatregelen kunnen worden genomen om potentiële schade te minimaliseren en kosten te verlagen.