Lake Urmia (LU), dess vattennivå över tid, och undersökningsområdet för de fyra satelliterna visas, tillsammans med en topografisk karta över Iran och en skiss av Lake Urmia Causeway. Kreditera: Vetenskapliga rapporter
Forskare vid Tokyo Institute of Technology (Tokyo Tech) använde radardata med syntetisk bländaröppning från fyra olika satelliter, kombinerat med statistiska metoder, för att bestämma de strukturella deformationsmönstren för den största bron i Iran.
Vägarnas och broarnas betydelse för människor både under antiken och nutida är tydligt. Den strukturella hälsan och integriteten hos sådana stora strukturer är, dock, inte alls lika tydligt, främst på grund av att strukturer tenderar att försämras under lång tid. Att bestämma mängden deformation en struktur har genomgått (och hur mycket den kommer att genomgå i framtiden) är avgörande för att säkerställa säkerheten för människor i eller nära den strukturen och för att minimera reparationskostnader och potentiella skador.
En stor struktur som har väckt oro under det senaste decenniet är Lake Urmia Causeway (LUC), en serie vägar och en bro som går över sjön Urmia, beläget i nordvästra Iran (se figur 1). Iran, känt som ett torrt till halvtorrt område, har allvarliga problem med landsättningar på grund av överdrivet underjordiskt vattenuttag. Således, Dr Sadra Karimzadeh som insåg problemet med LUC och gick med i ett team av forskare vid Tokyo Tech, ledd av professor Masashi Matsuoka, analyserade de senaste deformationsmönster som LUC genomgick från 2004 till 2017, med hjälp av datauppsättningar erhållna från fyra satelliter utrustade med radar med syntetisk bländaröppning (se figur 2). Som förväntat, dessa datauppsättningar krävde sofistikerade matematiska och statistiska analyser innan deformationshastigheterna (relaterade till den naturliga sättningen av östra vallen och den artificiella höjningen i början av västra vallen) kunde fastställas mer exakt.
De vertikala hastigheterna för varje del av LUC som erhålls av de fyra satelliterna visas i (a-e), medan den totala vertikala förskjutningen som fångas av varje satellit över tiden visas i (f). Kreditera: Vetenskapliga rapporter
Med hjälp av den lilla baslinjesubset (SBAS) -tekniken på satelliternas data, osäkerheten i de erhållna vertikala förskjutningsgraderna för LUC minskades. Forskargruppen genomförde också en fältundersökning av sjön under 2017 för att observera de fysiska förhållandena för LUC och för att undersöka de mest sannolika orsakerna till den accelererade deformationen som påverkar strukturen.
För att verifiera deras antaganden om orsakerna till den accelererade deformationen, teamet genomförde en principiell komponentanalys (PCA) på data och använde sedan en hydrotermisk modell för att jämföra resultaten. PCA är en teknik som tar flerdimensionell data som en ingång och plattar ut dem till vanligtvis två eller tre dimensioner (kallas "huvudkomponenterna" eller "datorer"), som sedan kan användas för att avslöja ny och värdefull jämförande information. Endast tre huvudkomponenter stod för nästan all variation i data, där den första (den mest betydande) avslöjar en övergripande nedåtgående trend i strukturen orsakad av jordkonsolidering, och de andra och tredje är förknippade med både säsongsmässiga förändringar och mänsklig aktivitet som påverkar sjön (se figur 3). Teamet gjorde en förutsägelse om hur mycket deformation som kan förväntas inträffa under de följande 365 dagarna.
Dr Sadra Karimzadeh sa, "Resultaten av rymdbaserad övervakning av kritiska strukturer är ganska användbara i utvecklingsländer. Den måste användas kontinuerligt till överkomliga kostnader."
(a) Laddar PC1, med insättningen som visar ett skärmdiagram som indikerar att PC1 står för det mesta av variansen i data. (b) Laddar PC2 och PC3, som förmodligen motsvarar säsongsvariationer, som visas genom att jämföra det med nederbörd och temperatur. (c) Jämförelse av medelförskjutningen av LUC erhållen med en hydrotermisk metod och PCA-metoden, tillsammans med den förutspådda förskjutningen under de kommande 365 dagarna. Kreditera: Vetenskapliga rapporter
Med denna studie, forskargruppen visade hur PCA effektivt kan användas för att rymma data från olika datamängder över flera tidsskalor. Kombinationen av de ovannämnda teknikerna visar hur data från nuvarande och tidigare satellituppdrag kan användas som en effektiv mekanism för att bestämma nuvarande och framtida hälsa hos strukturer så att förebyggande åtgärder kan vidtas för att minimera potentiella skador och minska kostnader.
