Stroomt er in de toekomst zout water uit onze kraan? Droge zomers en een stijgende zeewaterspiegel maken van verzilting een urgent probleem. Bovendien maakt het hoge waterverbruik in Vlaanderen, door onze intensieve landbouw en grote bevolkingsdichtheid, het probleem nog ernstiger. We moeten Vlaanderen en andere kustgebieden in de wereld beter wapenen tegen deze dreigende verzilting. Daarom hebben we nood aan een efficiënte en betaalbare manier om het ondergrondse zoutwater in kaart te brengen.
Gezonde grondwaterstand
Onze samenleving is sterk afhankelijk van grondwater voor drinkwater en landbouw. Het is daarom van vitaal belang om de dynamiek achter het grondwater te begrijpen. Het wordt door tal van omgevingsfactoren beïnvloed, zoals neerslag of de aanwezigheid van de ondergrondse kleilaag in de polders die insijpelend regenwater tegenhoudt. Oppompen van grondwater verstoort het evenwicht in de grondwatertafel. Als er te veel water wordt opgepompt, dringt zeewater via de ondergrond in onze aardlagen. Bij extreme droogte kan dit zoutwater in onze rivieren terecht komen, waardoor het aan de oppervlakte komt. Dat is de reden van het (tegenwoordig jaarlijkse) oppompverbod voor landbouwers, want deze verzilting heeft dan weer nare, langdurige gevolgen voor onze landbouwgrond en drinkwaterproductie. Net zoals een MRI-scan of röntgenfoto de (on)gezondheid van een persoon toont, hebben we een grondwaterscan nodig die de verzilting in kaart brengt. Op basis daarvan kan preciezer en veiliger worden bepaald wanneer een oppompverbod moet worden uitgevaardigd.
Van meting tot interpretatie
Strandzoekers gaan met een metaaldetector op zoek naar muntjes en andere kleine schatten. Op eenzelfde manier gaan wetenschappers op zoek naar zoutwater. Via een geavanceerde, door een helikopter gedragen metaaldetector, wordt een elektromagnetisch veld uitgestuurd, dat op zijn beurt elektrische stroompjes teweegbrengt in de onderliggende aardlagen. De sterkte van de stroompjes wordt bovengronds opgemeten en via de fysische theorie van elektromagnetisme worden deze stroompjes gerelateerd aan de eigenschappen van de aardlagen. Zoutwater reageert namelijk op een gelijkaardige manier als metaal: het geleidt de stroom beter dan zoetwater, en juist deze geleidbaarheid wordt opgemeten. Door gebruik te maken van een helikopter wordt een groot oppervlak snel opgemeten.
FIGUUR 1: Een helikopter draagt wetenschappelijke meetapparatuur, vergelijkbaar met een metaaldetector (bron VMM: https://www.vmm.be/water/projecten/topsoil).
Na het verzamelen van de data, wordt een hele procedure doorlopen om tot de ondergrondse structuur te komen. Via de huidige metingen hebben we eigenlijk niet genoeg informatie om de volledige structuur van de aardlagen gedetailleerd voor te stellen. Bovendien zijn er meetfouten door de beperkingen van de apparatuur, waardoor de procedure nog uitdagender wordt. Het resultaat is vaak een ongestructureerde combinatie van zoet, zout en brak water, terwijl we verschillende lagen water met verschillend zoutgehalte verwachten. Kunt u de typische doorsnede van de lagen in een kuststreek herkennen?
FIGUUR 2: Drie verschillende uitkomsten (doorsnede van de aardlagen) uit de procedure, gebaseerd op dezelfde inputdata.
In de eerste figuur vind je een ondergrond die volledig brak is. Dit is een te simplistische voorstelling van de ondergrondse structuur. In de tweede figuur vind je vijf verschillende lagen met een ander zoutgehalte. De laatste figuur is onrealistisch, maar kan toch de uitkomst van de huidige procedure zijn. Dit komt nu net door het tekort aan informatie. De data die met de geavanceerde metaaldetector zou worden opgemeten boven die derde doorsnede (fig. 2.3) zou kunnen overeenkomen met de opgemeten data boven de tweede figuur (fig. 2.2). Zo zijn er gigantisch veel uitkomsten bij dezelfde data!
FIGUUR 3: Gladde of zachte grens vs. harde grens.
We lossen dit probleem op door de procedure aan te passen. Door een extra voorwaarde op de oplossing in te voeren, filteren we de onrealistische oplossingen eruit. De huidige methodes eisen een smooth of “gladde” uitkomst, daardoor verminderen we het aantal plotse sprongen in de uitkomst, zoals in figuur 3. De interpretatie van dergelijke smooth figuren is moeilijk, omdat er in echte ondergronden vaak sprongen zijn: je hebt een plotse overgang van zoet naar zout.
In mijn onderzoek gebruikte ik wavelettheorie, een wiskundige theorie, ontwikkeld door de Belgische Ingrid Daubechies. Deze laat toe om zowel een harde als zachte grens tussen zout en zoet water te vinden. Het idee is als volgt: Op voorhand kiezen we een bepaald bouwblokje, met zachte en/of harde grenzen. Alle bouwblokjes hebben dezelfde vorm, maar zijn er in allerlei maten. Dan eisen we dat de uitkomst met zo min mogelijk bouwblokjes wordt gebouwd. Bijgevolg komt figuur 2.3 niet meer in aanmerking, want voor alle details in de figuur zijn veel kleine blokjes nodig. Met deze verbeterde methodologie kunnen experten op een preciezere manier de waterscan interpreteren.
Besluit
Het is van cruciaal belang om de grondwaterstanden te inspecteren, zodat we ons waterbeleid erop kunnen afstemmen. Zeker in de context van de klimaatveranderingen, waar bovendien de mens het evenwicht tussen zout en zoet grondwater grondig kan verstoren. Met deze verbeterde methode kan een nauwkeuriger beeld gevormd worden van het zout in ons grondwater. Dit kan dienen als noodzakelijke input voor onze beleidsmakers.
[Abramowitz and Stegun, 1965] Abramowitz, M. and Stegun, I. A. (1965). Handbook of mathematical functions: with formulas, graphs, and mathematical tables, volume 55. Courier Corporation.
[Archie et al., 1942] Archie, G. E. et al. (1942). The electrical resistivity log as an aid in determining some reservoir characteristics. Transactions of the AIME, 146(01):54–62.
[Aster et al., 2018] Aster, R. C., Borchers, B., and Thurber, C. H. (2018). Parameter estimation and inverse problems. Elsevier.
[Bultheel, 2003] Bultheel, A. (2003). Wavelets with applications in signal and image processing. Course material University of Leuven, Belgium.
[Bunks et al., 1995] Bunks, C., Saleck, F. M., Zaleski, S., and Chavent, G. (1995). Mul- tiscale seismic waveform inversion. Geophysics, 60(5):1457–1473.
[Byrd et al., 1995] Byrd, R. H., Lu, P., Nocedal, J., and Zhu, C. (1995). A limited memory algorithm for bound constrained optimization. SIAM Journal on Scientific Computing, 16(5):1190–1208.
[Cˇerna ́ and Finˇek, 2011] Cˇerna ́, D. and Finˇek, V. (2011). Construction of optimally con- ditioned cubic spline wavelets on the interval. Advances in Computational Mathematics, 34(2):219–252.
[Chang et al., 2000] Chang, S. G., Yu, B., and Vetterli, M. (2000). Adaptive wavelet thresholding for image denoising and compression. IEEE transactions on image pro- cessing, 9(9):1532–1546.
[Chib and Greenberg, 1995] Chib, S. and Greenberg, E. (1995). Understanding the metropolis-hastings algorithm. The american statistician, 49(4):327–335.
[Christensen, 2014] Christensen, N. B. (2014). Sensitivity functions of transient electro- magnetic methods. Geophysics, 79(4):E167–E182.
[Christensen, 2001] Christensen, O. (2001). Frames, riesz bases, and discrete gabor/wavelet expansions. Bulletin of the American Mathematical Society, 38(3):273– 291.
[Cohen et al., 1993] Cohen, A., Daubechies, I., and Vial, P. (1993). Wavelets on the interval and fast wavelet transforms. Applied and computational harmonic analysis.
[Copejans, 2007] Copejans, E. (2007). Slufters de panne — crest project. http://www.
crestproject.be/en/node/30?album=214&pic=9824. (Accessed on 05/02/2019). [Corwin and Lesch, 2003] Corwin, D. and Lesch, S. (2003). Application of soil electrical
conductivity to precision agriculture. Agronomy journal, 95(3):455–471.
[Daubechies, 1988] Daubechies, I. (1988). Orthonormal bases of compactly supported
wavelets. Communications on pure and applied mathematics, 41(7):909–996.
[Daubechies, 1992] Daubechies, I. (1992). Ten lectures on wavelets, volume 61. Siam.
[Day-Lewis, 2018] Day-Lewis, F. D. (2018). Geophysical tomography: The current state of research, challenges, and path forward. In SEG Technical Program Expanded Ab- stracts 2018, pages 5477–5481. Society of Exploration Geophysicists.
[Deleersnyder et al., 2017] Deleersnyder, W., Spenninck, J., and Vantomme, M. (2017). Electromagnetic induction scanning of stratified media. Bachelor thesis.
[Dierckx et al., 2018] Dierckx, H., De Blauwe, K., Van Meirvenne, M., and Verschelde, H. (2018). Inversion of electromagnetic induction data using a 2d geophysical response function. arXiv preprint arXiv:1805.06003.
[Ekblom, 1987] Ekblom, H. (1987). The l1-estimate as limiting case of an lp-or huber- estimate. In Statistical data analysis based on the L1-norm and related methods: 31/08/1987-04/09/1987, pages 109–116. Elsevier.
[Farquharson and Oldenburg, 1993] Farquharson, C. and Oldenburg, D. (1993). Inver- sion of time-domain electromagnetic data for a horizontally layered earth. Geophysical Journal International, 114(3):433–442.
[Farquharson, 2007] Farquharson, C. G. (2007). Constructing piecewise-constant models in multidimensional minimum-structure inversions. Geophysics, 73(1):K1–K9.
[Farquharson and Oldenburg, 1998] Farquharson, C. G. and Oldenburg, D. W. (1998). Non-linear inversion using general measures of data misfit and model structure. Geo- physical Journal International, 134(1):213–227.
[Farquharson and Oldenburg, 2004] Farquharson, C. G. and Oldenburg, D. W. (2004). A comparison of automatic techniques for estimating the regularization parameter in non-linear inverse problems. Geophysical Journal International, 156(3):411–425.
[Ge et al., 2011] Ge, D., Jiang, X., and Ye, Y. (2011). A note on the complexity of l p minimization. Mathematical programming, 129(2):285–299.
[Geonics, 2012] Geonics (2012). Geonics product catalogue. http://www.geonics.com. (Accessed on 04/16/2019).
[Golub and Van Loan, 1996] Golub, H. and Van Loan, C. F. (1996). Matrix computa- tions, johns hopkins uni. Press, London.
[Google, 2019] Google (2019). Google maps. https://www.google.be/maps. (Accessed on 03/20/2019).
BIBLIOGRAPHY 141 [Grasmair et al., 2015] Grasmair, M., Haltmeier, M., and Scherzer, O. (2015). Sparsity
in inverse geophysical problems. Handbook of Geomathematics, pages 1659–1687.
[Gri ths, 2005] Gri ths, D. J. (2005). Introduction to electrodynamics. AAPT.
[Grootjans et al., 1998] Grootjans, A., Ernst, W., and Stuyfzand, P. (1998). European dune slacks: strong interactions of biology, pedogenesis and hydrology. Trends in Ecol- ogy & Evolution, 13(3):96–100.
[Guitton, 2012] Guitton, A. (2012). Blocky regularization schemes for full-waveform in- version. Geophysical Prospecting, 60(5):870–884.
[Guitton and Symes, 2003] Guitton, A. and Symes, W. W. (2003). Robust inversion of seismic data using the huber norm. Geophysics, 68(4):1310–1319.
[Ha et al., 2009] Ha, T., Chung, W., and Shin, C. (2009). Waveform inversion using a back-propagation algorithm and a huber function norm. Geophysics, 74(3):R15–R24.
[Haber, 2014] Haber, E. (2014). Computational methods in geophysical electromagnetics, volume 1. SIAM.
[Haber and Tenorio, 2003] Haber, E. and Tenorio, L. (2003). Learning regularization functionals—a supervised training approach. Inverse Problems, 19(3):611.
[Hansen, 1994] Hansen, P. C. (1994). Regularization tools: a matlab package for analysis and solution of discrete ill-posed problems. Numerical algorithms, 6(1):1–35.
[Hansen, 2010] Hansen, P. C. (2010). Discrete inverse problems: insight and algorithms, volume 7. Siam.
[Hansen et al., 2007] Hansen, P. C., Jensen, T. K., and Rodriguez, G. (2007). An adaptive pruning algorithm for the discrete l-curve criterion. Journal of computational and applied mathematics, 198(2):483–492.
[Hansen and O’Leary, 1993] Hansen, P. C. and O’Leary, D. P. (1993). The use of the l-curve in the regularization of discrete ill-posed problems. SIAM Journal on Scientific Computing, 14(6):1487–1503.
[Heirtzler et al., 1968] Heirtzler, J., Dickson, G., Herron, E., Pitman, W., and Le Pichon, X. (1968). Marine magnetic anomalies, geomagnetic field reversals, and motions of the ocean floor and continents. Journal of Geophysical Research, 73(6):2119–2136.
[Hermans and Irving, 2017] Hermans, T. and Irving, J. (2017). Facies discrimination with electrical resistivity tomography using a probabilistic methodology: e↵ect of sensitivity and regularisation. Near Surface Geophysics, 15(1):13–25.
[Hermans et al., 2012] Hermans, T., Vandenbohede, A., Lebbe, L., Martin, R., Kemna, A., Beaujean, J., and Nguyen, F. (2012). Imaging artificial salt water infiltration using electrical resistivity tomography constrained by geostatistical data. Journal of Hydrology, 438:168–180.
142 BIBLIOGRAPHY [Horn et al., 1990] Horn, R. A., Horn, R. A., and Johnson, C. R. (1990). Matrix analysis, chapter 7. Cambridge university press.
[Hubbard and Rubin, 2005] Hubbard, S. S. and Rubin, Y. (2005). Introduction to hydro-
geophysics. In Hydrogeophysics, pages 3–21. Springer.
[Huber et al., 1964] Huber, P. J. et al. (1964). Robust estimation of a location parameter.
The annals of mathematical statistics, 35(1):73–101.
[Johnson et al., 2003] Johnson, H., Johnson, H. W., and Graham, M. (2003). High-speed signal propagation: advanced black magic. Prentice Hall Professional.
[Jones et al., 2001] Jones, E., Oliphant, T., Peterson, P., et al. (2001). SciPy: Open
source scientific tools for Python. [Online; accessed 12-01-2019].
[Jørgensen, 2018] Jørgensen, F. (2018). Topsoil - resilient soil and water resources, understanding the water beneath your feet. In Midterm Catalogue. Region Midtjylland. [Kaipio and Somersalo, 2006] Kaipio, J. and Somersalo, E. (2006). Statistical and compu-
tational inverse problems, volume 160, chapter 2. Springer Science & Business Media. [Kearey et al., 2013] Kearey, P., Brooks, M., and Hill, I. (2013). An introduction to geo-physical exploration. John Wiley & Sons.
[Khachaturyan et al., 1981] Khachaturyan, A., Semenovsovskaya, S., and Vainshtein, B. (1981). The thermodynamic approach to the structure analysis of crystals. Acta Crys- tallographica Section A: Crystal Physics, Di↵raction, Theoretical and General Crystal- lography, 37(5):742–754.
[Kirkpatrick et al., 1983] Kirkpatrick, S., Gelatt, C. D., and Vecchi, M. P. (1983). Opti- mization by simulated annealing. science, 220(4598):671–680.
[Kumar and Foufoula-Georgiou, 1997] Kumar, P. and Foufoula-Georgiou, E. (1997). Wavelet analysis for geophysical applications. Reviews of geophysics, 35(4):385–412.
[Lee, 2014] Lee, A. (2014). pyswarm: Particle swarm optimization (pso) with constraint support.
[Lee et al., 2006] Lee, G., Wasilewski, F., Gommers, R., Wohlfahrt, K., O’Leary, A., and Nahrstaedt, H. (2006). Pywavelets–wavelet transforms in python.
[Liu et al., 2017] Liu, Y., Farquharson, C. G., Yin, C., and Baranwal, V. C. (2017). Wavelet-based 3-d inversion for frequency-domain airborne em data. Geophysical Jour- nal International, 213(1):1–15.
[Loeb, 2016] Loeb, P. A. (2016). Real Analysis, chapter 9. Springer International Pub- lishing, Cham.
[Loke et al., 2013] Loke, M., Chambers, J., Rucker, D., Kuras, O., and Wilkinson, P. (2013). Recent developments in the direct-current geoelectrical imaging method. Jour- nal of Applied Geophysics, 95:135–156.
[Luisier et al., 2007] Luisier, F., Blu, T., and Unser, M. (2007). A new sure approach to image denoising: Interscale orthonormal wavelet thresholding. IEEE Transactions on image processing, 16(3):593–606.
[Mallat, 1999] Mallat, S. (1999). A wavelet tour of signal processing. Elsevier.
[Mallat, 1989] Mallat, S. G. (1989). A theory for multiresolution signal decomposition: the wavelet representation. IEEE Transactions on Pattern Analysis & Machine Intel- ligence, (7):674–693.
[MathWorks, 2019] MathWorks (2019). Wavelet toolbox documentation. https://nl. mathworks.com/help/wavelet/. (Accessed on 02/18/2019).
[Maveau et al., 2017] Maveau, B., Delrue, S., and Dudal, D. (2017). A damped forward emi model for a horizontally stratified earth.
[McNeill, 1980] McNeill, J. (1980). Electromagnetic terrain conductivity measurement at low induction numbers.
[Misiti et al., 2009] Misiti, M., Misiti, Y., Oppenheim, G., and Poggi, J. (2009). Matlab wavelet toolbox tm 4 user’s guide. The MathWorks, Inc. Natick, Massachusetts. 153p.
[Mor ́e and Thuente, 1994] Mor ́e, J. J. and Thuente, D. J. (1994). Line search algorithms with guaranteed su cient decrease. ACM Transactions on Mathematical Software (TOMS), 20(3):286–307.
[Nabighian and Corbett, 1988] Nabighian, M. N. and Corbett, J. D. (1988). Electromag- netic methods in applied geophysics: Application, volume 2. Society of Exploration Geophysicists Tulsa.
[Nocedal and Wright, 2006] Nocedal, J. and Wright, S. (2006). Numerical optimization. Springer Science & Business Media.
[Oldenburg and Li, 2005] Oldenburg, D. W. and Li, Y. (2005). Inversion for applied geophysics: A tutorial. Investigations in geophysics, 13:89–150.
[Oware et al., 2019] Oware, E. K., Irving, J., and Hermans, T. (2019). Basis-constrained bayesian mcmc di↵erence inversion for geoelectrical monitoring of hydrogeological pro- cesses. Geophysics, 84(4):1–21.
[Patrinos, 2018] Patrinos, P. (2018). Optimization. Course material University of Leuven, Belgium.
[Portniaguine and Zhdanov, 1999] Portniaguine, O. and Zhdanov, M. S. (1999). Focusing geophysical inversion images. Geophysics, 64(3):874–887.
[Ralph-Uwe et al., 2008] Ralph-Uwe, B., Ernst, O. G., and Spitzer, K. (2008). Fast 3-d simulation of transient electromagnetic fields by model reduction in the frequency do- main using krylov subspace projection. Geophysical Journal International, 173(3):766– 780.
[Ramirez et al., 2013] Ramirez, C., Kreinovich, V., and Argaez, M. (2013). Why l1 is a good approximation to l0: A geometric explanation. Journal of Uncertain Systems, 7(3):203–207.
[Saslow, 1992] Saslow, W. (1992). Maxwell’s theory of eddy currents in thin conducting sheets, and applications to electromagnetic shielding and maglev. American journal of physics, 60(8):693–711.
[SkyTEM, 2019] SkyTEM (2019). Skytem-306-hp-1.pdf. https://skytem.com/ wp-content/uploads/SkyTEM-306-HP-1.pdf. (Accessed on 05/30/2019).
[Stefanesco et al., 1930] Stefanesco, S., Schlumberger, C., and Schlumberger, M. (1930). Sur la distribution ́electrique potentielle autour d’une prise de terre ponctuelle dans un terrain `a couches horizontales, homog`enes et isotropes. Journal de Physique et le Radium, 1(4):132–140.
[Strang and Nguyen, 1996] Strang, G. and Nguyen, T. (1996). Wavelets and filter banks. SIAM.
[Tang et al., 2018] Tang, P., Chen, F., Jiang, A., Zhou, W., Wang, H., Leucci, G., de Giorgi, L., Sileo, M., Luo, R., Lasaponara, R., and Masini, N. (2018). Multi- frequency electromagnetic induction survey for archaeological prospection: Approach and results in han hangu pass and xishan yang in china. Surv. Geophys.
[Tikhonov et al., 2013] Tikhonov, A. N., Goncharsky, A., Stepanov, V., and Yagola, A. G. (2013). Numerical methods for the solution of ill-posed problems, volume 328. Springer Science & Business Media.
[Trefethen and Bau III, 1997] Trefethen, L. N. and Bau III, D. (1997). Numerical linear algebra, volume 50. Siam.
[Verwaest et al., 2005] Verwaest, T., De Wolf, P., Herrier, J.-L., and Leten, M. (2005). Windows in the dunes–the creation of sea inlets in the nature reserve de westhoek in de panne. Proceedings ‘Dunes and Estuaries, pages 33–439.
[Vogel, 2002] Vogel, C. R. (2002). Computational methods for inverse problems, vol- ume 23. Siam.
[Wait, 1982] Wait, J. (1982). Geo-electromagnetism. Elsevier.
[Wait, 1951] Wait, J. R. (1951). The magnetic dipole over the horizontally stratified earth. Canadian Journal of Physics, 29(6):577–592.
[Wait, 1962] Wait, J. R. (1962). A note on the electromagnetic response of a stratified earth. Geophysics, 27(3):382–385.
[Walker, 1997] Walker, J. S. (1997). Fourier analysis and wavelet analysis. Notices of the AMS, 44(6):658–670.
[Ward and Hohmann, 1988] Ward, S. H. and Hohmann, G. W. (1988). Electromagnetic theory for geophysical applications. In Electromagnetic Methods in Applied Geophysics: Voume 1, Theory, pages 130–311. Society of Exploration Geophysicists.
[Zhdanov, 2015] Zhdanov, M. S. (2015). Inverse theory and applications in geophysics, volume 36. Elsevier.
[Zhu et al., 1997] Zhu, C., Byrd, R. H., Lu, P., and Nocedal, J. (1997). Algorithm 778: L-bfgs-b: Fortran subroutines for large-scale bound-constrained optimization. ACM Transactions on Mathematical Software (TOMS), 23(4):550–560.