Rozpoznanie podłoża gruntowego dla inwestycji drogowych wspierane integracją danych geodezyjnych i GPR w postaci chmury punktów.

Podczas realizacji i eksploatacji inwestycji budowlanych kluczową kwestią, rzutującą na bezpieczeństwo wznoszonych obiektów jest prawidłowe rozpoznanie podłoża gruntowego. Identyfikacja stref zmienności podłoża czy występowania pustek naturalnych może być realizowana różnymi metodami geofizycznymi. Ze względu na zjawiska fizyczne, determinujące działanie tych metod, metodą rekomendową do tego typu zadań jest metoda georadarowa. Pozwala ona na identyfikację zjawisk krasowych oraz ustalenie ich przestrzennego zasięgu.

W poniższej publikacji omówiono podstawy fizyczne oraz metodologię pozyskania i opracowania danych georadarowych na potrzeby identyfikacji podłoża budowlanego dla realizowanej inwestycji drogi krajowej o parametrach autostrady. Dodatkowe rozpoznanie podłoża zostało wymuszone w wyniku identyfikacji na obszarze inwestycji zjawisk krasowych, nieujawnionych na istniejących materiałach geologicznych. Do pozyskania danych wykorzystano radar Mala Ramac CU II z anteną 250 MHz oraz Leica DS2000 z antenami 250 MHz oraz 700 MHz z geopozycjonowaniem w czasie rzeczywistym

W ramach post-processingu danych georadarowych przedstawiono metodę przestrzennej wizualizacji danych poprzez ich zamianę do postaci chmury punktów. Pozwoliło to na integrację i konfrontację danych georadarowych z pozostałymi danymi geodezyjnymi w postaci wizualizacji 3D. Taki sposób przedstawienia danych posłużył do wyznaczenie miejsc przekopów kontrolnych, których wyniki stanowiły materiał walidacyjny, niezbędny do poprawy wiarygodności rozpoznania podłoża dla całego obszaru.

Wyniki wykazały wysoką korelację pomiędzy zarejestrowanymi danymi GPR a strukturą podłoża. Dodatkowo, zilustrowano różnice w jakości wyników pomiarów przeprowadzonych przed ułożeniem warstw nośnych z żużlem oraz na ukończonej nawierzchni drogowej.

Ortyl, Ł., & Gabryś, M. (2021). Subsoil recognition for road investment supported by the integration of geodetic and GPR data in the form of a point cloud. Remote Sensing13(19), 3886.