Veldstudie voor detectie dierlijke graverijen met glasvezel

Deze veldstudie onderzocht of glasvezeltechnologie (Distributed Acoustic Sensing, DAS) geschikt is voor het detecteren van ondergrondse activiteiten van gravers zoals dassen en bevers. Het onderzoek werd uitgevoerd in samenwerking met ProRail langs het spoor bij Ravenstein en Wijchen, waar zowel passieve monitoring als gerichte experimenten plaatsvonden. De glasvezelkabel fungeerde als sensor en registreerde trillingen en geluiden van dierlijke activiteit, evenals echo’s van omgevingsgeluiden in bestaande holen. Hoewel het uiteindelijke doel lag bij toepassing voor waterkeringen, werd gekozen voor een spooromgeving vanwege vergelijkbare problematiek en lopend glasvezelonderzoek. De resultaten zijn grotendeels te vertalen naar dijkomgevingen. De resultaten tonen aan dat het detecteren van loop- en graafactiviteiten technisch haalbaar is, mits de glasvezelkabel zich binnen enkele meters van de activiteit bevindt. Trillingssignalen van dassen die tussen holen lopen zijn duidelijk herkenbaar, waarbij zelfs loopsnelheid kan worden afgeleid uit de data. Ook actieve graafwerkzaamheden zijn zichtbaar, en op basis van intensiteit en patroon kan onderscheid worden gemaakt tussen lopende dieren, gravende dieren en andere omgevingsgeluiden. Dit biedt goede perspectieven voor automatische detectie, mits de meetopstelling zorgvuldig wordt afgestemd op diergedrag en lokale omstandigheden. Het detecteren van holen via seismische interferometrie, waarbij gebruik wordt gemaakt van omgevingstrillingen zoals treinverkeer, bleek complexer. Hoewel theoretisch mogelijk, was het effect in de praktijk niet overtuigend zichtbaar, mede doordat deze analyse alleen is uitgevoerd op een beperkte referentie-geofoondataset. De aanbevelingen richten zich daarom primair op verdere ontwikkeling van directe detectie van actieve geluiden, omdat deze methode het meest kansrijk en toepasbaar is. Holdetectie met interferometrie kan in een later stadium worden toegevoegd, aangezien het dezelfde data betreft maar een andere analysemethode vereist. Vervolgonderzoek zou zich moeten richten op het trainen van AI-algoritmes met een uitgebreide database van gravende bevers, het opbouwen van een ruisdatabase bij dijken en het uitvoeren van veldproeven in dijkomgevingen, eventueel met gezenderde dieren om activiteit nauwkeuriger te koppelen aan meetdata. Samengevat is glasvezeltechnologie veelbelovend voor directe detectie van graafactiviteiten, terwijl voor holdetectie via interferometrie aanvullend onderzoek met grotere datasets en langere meetperioden nodig is.