3D Ground Penetrating Radar Imaging for Dike Anomaly Detection

कल्पना कीजिए कि आप एक विशाल, कीचड़ भरे केक के अंदर छिपे खजाने को खोजने की कोशिश कर रहे हैं। आप केक को अंदर देखने के लिए काट नहीं सकते क्योंकि इससे केक खराब हो जाएगा, और आप इसे छड़ी से बस टटोल भी नहीं सकते क्योंकि शायद आप खजाने को मिस कर दें या केक को तोड़ दें। यह उन इंजीनियरों के लिए दैनिक चुनौती है जो नदी के तटबंधों (dikes) का निरीक्षण करते हैं—जो पानी को रोकने के लिए मिट्टी की बनी विशाल दीवारें होती हैं। यदि इन दीवारों के अंदर छिपे हुए छेद, ढीले पैच या जानवरों के बिल हों, तो बाढ़ के दौरान ये विफल हो सकती हैं, जिससे आपदा आ सकती है। इस समस्या को हल करने के लिए, वैज्ञानिक ग्राउंड पेनिट्रेटिंग रडार (GPR) नामक उपकरण का उपयोग करते हैं। GPR को एक सुपर-पावर्ड टॉर्च के रूप में सोचें जो जमीन में अदृश्य रेडियो तरंगें छोड़ती है। जब ये तरंगें किसी अलग चीज़ से टकराती हैं, जैसे कि कोई चट्टान, खाली जगह, या गीली मिट्टी की परत, तो वे वापस उछलती हैं, जिससे नीचे की तस्वीर बन जाती है।

हालाँकि, पारंपरिक रडार आमतौर पर केवल एक सपाट, द्वि-आयामी (2D) स्लाइस दिखाता है, जैसे कि सैंडविच के एक टुकड़े को देखना। यदि तटबंध के भीतर "खराब स्थान" किसी अजीब, मुड़े हुए सुरंग जैसा आकार ले रहा है, तो एक सपाट स्लाइस उसे पूरी तरह से मिस कर सकता है या उसे कुछ और दिखा सकता है। पूरी कहानी जानने के लिए, आपको 3D दृश्य की आवश्यकता होती है, जैसे सैंडविच के भरावन (filling) को हर कोण से देखने के लिए उसके होलोग्राम को घुमाना। लेकिन एक आदर्श 3D चित्र बनाना कठिन है; इसके लिए बहुत करीब से हजारों माप लेने की आवश्यकता होती है, जिसमें बहुत अधिक समय और पैसा लगता है। यहीं पर एक नया अध्ययन आता है, जो उन कुछ सपाट स्लाइसेस को जमीन की एक समृद्ध, त्रि-आयामी (3D) मूवी में बदलने का एक चतुर तरीका प्रदान करता है, बिना हर एक इंच को मापने की आवश्यकता के।

शोध का मिशन: सपाट मानचित्रों को 3D मूवी में बदलना

इस शोध पत्र में, हेनान जियोलॉजी मिनरल कॉलेज और येलो रिवर इंस्टीट्यूट ऑफ हाइड्रोलिक रिसर्च के शोधकर्ताओं की एक टीम ने यह समझने की समस्या पर काम किया कि नदी के तटबंधों के अंदर अधिक स्पष्ट रूप से कैसे देखा जाए। उन्होंने चीन के हेनान प्रांत में प्रसिद्ध येलो रिवर तटबंध के एक हिस्से पर ध्यान केंद्रित किया। चूंकि यह नदी गाद (silt) से भरी है, इसलिए तटबंध सदियों से परत दर परत बनाए गए हैं, जो अक्सर असमान गुणवत्ता के होते हैं। समय के साथ, पानी, हवा और यहाँ तक कि जानवर भी छिपे हुए कमजोर स्थानों जैसे कि ढीली मिट्टी या बिलों को बना देते हैं जिन्हें ढूंढना कठिन होता है।

शोधकर्ताओं ने 170 MHz एंटीना के साथ एक मानक रडार सेटअप का उपयोग किया। उन्होंने 0.5 मीटर की दूरी पर 6 मीटर लंबी 41 समानांतर रेखाओं के साथ एक रडार कार्ट चलाई। इससे उन्हें जमीन के 41 अलग-अलग 2D "स्लाइस" मिले। समस्या यह थी कि ये स्लाइस किसी भी छिपे हुए दोष के पूर्ण आकार को देखने के लिए बहुत दूर थे। यदि मिट्टी का एक ढीला पैच केवल कुछ मीटर चौड़ा था, तो रडार उसे पूरी तरह से छोड़ सकता था, या केवल एक छोटा सा किनारा पकड़ सकता था, जिससे यह जानना असंभव हो जाता कि वह वास्तव में कितना बड़ा या खतरनाक है।

जादुई ट्रिक: पॉलीफेज फिल्टर्स और रीसैंपलिंग

इसे ठीक करने के लिए, टीम ने फील्ड में जाकर और अधिक माप लेने के बजाय, अपने कंप्यूटर सॉफ्टवेयर (MATLAB) में एक चतुर गणितीय ट्रिक का उपयोग किया ताकि वे 41 लाइनों के बीच के "अंतरालों को भर सकें"। वे डेटा का एक ऐसा 3D ब्लॉक बनाना चाहते थे जो ऐसा दिखे जैसे उसमें 41 के बजाय 401 लाइनें हों, प्रभावी रूप से स्पेसिंग को 0.5 मीटर से घटाकर 0.05 मीटर कर दिया गया हो।

यहाँ विज्ञान थोड़ा दिलचस्प हो जाता है। कल्पना कीजिए कि आपके पास बिल्ली की एक कम-रिज़ॉल्यूशन वाली फोटो है, और आप केवल पिक्सेल को खींचकर उसे बड़ा करने की कोशिश करते हैं। परिणाम आमतौर पर एक धुंधला, ब्लॉक जैसा कचरा होता है। यदि आप केवल रडार में गायब डेटा का अनुमान लगाते हैं, तो ऐसा ही होता है। लेकिन शोधकर्ताओं ने "पॉलीफेज फिल्टर बैंक" नामक चीज़ का उपयोग किया। इसे एक सुपर-स्मार्ट कलाकार के रूप में सोचें जो जानता है कि गायब पिक्सेल को बिल्कुल कैसे पेंट करना है। डेटा को "खींचने" से पहले, उन्होंने सिग्नल को सुचारू बनाने और किसी भी भ्रमित करने वाले शोर को हटाने के लिए एक विशेष फ़िल्टर (एक एंटी-एलियासिंग लो-पास फ़िल्टर) का उपयोग किया जो गलत पैटर्न बना सकता है। उन्होंने यह सुनिश्चित करने के लिए "काइज़र विंडोज़" (Kaiser windows) से जुड़ी एक विशिष्ट गणितीय रेसिपी का उपयोग किया कि नया, ज़ूम-इन किया गया डेटा बिल्कुल असली चीज़ जैसा दिखे, बिना कोई नकली आर्टिफैक्ट पेश किए।

एक बार जब उनके पास यह उच्च-गुणवत्ता वाला 3D डेटा ब्लॉक आ गया, तो उन्होंने इसे विभिन्न गहराइयों पर क्षैतिज रूप से काटा, जिससे "डेप्थ स्लाइस" का एक ढेर बन गया। इसने उन्हें 1.5 मीटर से लेकर 5.5 मीटर की गहराई तक, परत दर परत, प्याज के छिलके की तरह जमीन को देखने की अनुमति दी।

उन्होंने क्या पाया: ढीली मिट्टी का क्षेत्र

जब उन्होंने अपने नए 3D स्लाइस देखे, तो परिणाम आश्चर्यजनक थे। वे तटबंध की "परतों" को स्पष्ट रूप रूप से देख सके। उदाहरण के लिए, लगभग 2.5 मीटर की गहराई पर, रडार सिग्नल मजबूती से वापस आया, जो विभिन्न प्रकार की मिट्टी के बीच की सीमा को दर्शाता है। इससे भी महत्वपूर्ण बात यह है कि उन्होंने एक विशिष्ट "विसंगति" (anomaly) देखी—एक क्षेत्र जो 5 से 20 मीटर लंबा और 5 से 6 मीटर चौड़ा था, वहां एक अजीब, चमकीला सिग्नल पैच दिखाई दिया।

3D दृश्य में, यह पैच स्पष्ट रूप से उभर कर आया। रडार तरंगें वहां आसपास की मिट्टी की तुलना में बहुत अधिक मजबूती से परावर्तित हुईं। शोधकर्ताओं ने सुझाव दिया कि इसका मतलब यह है कि उस विशिष्ट क्षेत्र में मिट्टी "ढीली" या बाकी तटबंध की तुलना में कम संकुचित (compacted) थी। 2D दृश्य में, यह एक यादृच्छिक ब्लिप जैसा लग सकता था, लेकिन 3D में, यह एक विशिष्ट, स्थानीयकृत कमजोरी का पॉकेट लग रहा था।

काम की जाँच: ड्रिल टेस्ट

यह सुनिश्चित करने के लिए कि उनका रडार "मूवी" केवल एक सुंदर चित्र नहीं है, टीम एक ड्रिल के साथ साइट पर गई। उन्होंने जहाँ स्कैन किया था, उसके ठीक बगल में 20 मीटर गहरा गड्ढा खोदा। उन्होंने एक "कोन पेनेट्रेशन टेस्ट" (CPT) का भी उपयोग किया, जो जमीन में एक भारी धातु के शंकु को धकेलने जैसा है ताकि महसूस किया जा सके कि मिट्टी कितनी सख्त है।

ड्रिल ने पुष्टि की कि रडार द्वारा अनुमानित गहराइयों पर मिट्टी वास्तव में अलग थी। ड्रिल ने फिल और सिल्ट की परतें दिखाईं, और CPT ने उन गहराइयों पर मिट्टी की कठोरता में बदलाव दिखाया जो रडार के निष्कर्षों से मेल खाते थे। विशेष रूप से, रडार और ड्रिल दोनों इस बात पर सहमत थे कि 2.5 से 3 मीटर की गहराई के आसपास कुछ बदला था। रडार ने 5-20 मीटर की लंबाई की सीमा में ढीले क्षेत्र की भी सही पहचान की। हालांकि सटीक गहराई के नंबरों में मामूली अंतर थे (रडार ने एक परत के लिए 3.5 मीटर कहा जिसे ड्रिल ने 3.1 मीटर पर पाया), टीम ने समझाया कि यह संभवतः इस बात के कारण था कि रडार तरंगें मिट्टी के माध्यम से कितनी तेजी से यात्रा करती हैं, इसका अनुमान लगाने में छोटी त्रुटियाँ थीं। इन मामूली बदलावों के बावजूद, समग्र तस्वीर एक मेल थी।

यह क्यों महत्वपूर्ण है

इस शोध पत्र का मुख्य निष्कर्ष यह है कि 3D चित्र प्राप्त करने के लिए आपको हमेशा हजारों माप लेने की आवश्यकता नहीं होती है। डेटा को "रीसैंपल" करने के लिए इस विशिष्ट गणितीय विधि का उपयोग करके, शोधकर्ता सफलतापूर्वक कुछ 2D लाइनों को एक विस्तृत 3D मानचित्र में बदलने में सफल रहे। उन्होंने दिखाया कि यह विधि उन ढीली मिट्टी और परतों की सीमाओं को भी पकड़ सकती है जिन्हें केवल सपाट स्लाइस देखकर मिस किया जा सकता है।

लेखक आश्वस्त हैं कि यह दृष्टिकोण तटबंध की सुरक्षा के लिए अच्छी तरह से काम करता है, क्योंकि उनके रडार परिणाम भौतिक ड्रिलिंग के साथ मेल खाते हैं। हालाँकि, वे यह भी नोट करते हैं कि यह विधि तब सबसे अच्छा काम करती है जब जमीन अपेक्षाकृत समतल हो और मिट्टी की परतें कुछ हद तक अनुमानित हों। यदि जमीन बहुत ऊबड़-खाबड़ है या रेखाएं बहुत दूर हैं, तो 3D चित्र उतना स्पष्ट नहीं हो सकता है। लेकिन छिपे हुए कमजोर स्थानों के लिए नदी के तटबंधों की जाँच करने के विशेष कार्य के लिए, यह 3D इमेजिंग तकनीक जमीन के नीचे क्या छिपा है, इसे देखने का एक बहुत अधिक स्पष्ट और सहज तरीका प्रदान करती है, जिससे इंजीनियरों को "लटकती हुई नदी" (suspended river) को उसके किनारों को तोड़ने से सुरक्षित रखने में मदद मिलती है।