Example of DOV search methods for boreholes (boringen)

Use cases explained below

• Get boreholes in a bounding box

• Get boreholes with specific properties

• Get boreholes in a bounding box based on specific properties

• Select boreholes in a municipality and return depth

• Get boreholes based on fields not available in the standard output dataframe

• Get borehole data, returning fields not available in the standard output dataframe

• Get boreholes in a municipality and where groundwater related data are available

• Adding location and height details

• Adding color to the Borehole dataframe

%matplotlib inline
import inspect, sys
import warnings; warnings.simplefilter('ignore')

# check pydov path
import pydov

Get information about the datatype ‘Boring’

from pydov.search.boring import BoringSearch
boring = BoringSearch()

A description is provided for the ‘Boring’ datatype:

boring.get_description()

'In de DOV-databank is elke waarneming van grondlagen een boring. Bij de meeste boringen wordt er met een boortoestel een gat gemaakt in de ondergrond om de verschillende grondlagen te kunnen beschrijven. Aan de hand van een boring krijg je een beeld van het materiaal in de ondergrond met toenemende diepte. Afhankelijk van het doel waarvoor de boring geplaatst wordt, zal men een geschikte boormethode toepassen. Boringen worden geplaatst voor verkennend bodemonderzoek, monstername van het sediment en/of grondwater, bepaling van bodemfysische parameters, milieuhygiënisch onderzoek,… Afhankelijk van de diepte, soort materiaal, en het al dan niet boren tot onder de grondwatertafel kan men kiezen uit verscheidene systemen voor handmatig of machinaal te boren. Het bodemmateriaal dat vrijkomt, kan gebruikt worden om een profiel van de ondergrond op te stellen of om er grondmonsters van te nemen om verdere analyses op uit te voeren. Vaak is het de bedoeling een put uit te bouwen zodat water kan gewonnen worden (zie ook grondwatermeetnet en grondwatervergunningen). Soms worden boringen uitgevoerd om een aantal geotechnische karakteristieken te bepalen of om wetenschappelijk onderzoek uit te voeren. Oppervlakkige waarnemingen van de ondergrond noemen we ook boringen. Vooral rond 1900 beschreven een aantal geologen vaak de oppervlakkige lagen. In de databank staan er dan ook verschillende boringen met een diepte van 0 meter. Het gaat vooral om weginsnijdingen of om zichtbare lithologische kenmerken langs de oppervlakte.'

The different fields that are available for objects of the ‘Boring’ datatype can be requested with the get_fields() method:

fields = boring.get_fields()

# print available fields
for f in fields.values():
    print(f['name'])

id
boornummer
pkey_boring
rapport
diepte_boring_tot
datum_aanvang
namen
putnummer
x
y
start_boring_mtaw
gemeente
uitvoerder
doel
methode
erkenning
opdrachtgever
informele_stratigrafie
formele_stratigrafie
lithologische_beschrijving
gecodeerde_lithologie
hydrogeologische_stratigrafie
quartaire_stratigrafie
geotechnische_codering
informele_hydrostratigrafie
doorheen_quartair
dikte_quartair
tertiair_onder_quartair
opdrachten
eerste_invoer
geom
diepte_boring_van
boorgatmeting
diepte_methode_van
diepte_methode_tot
boormethode
mv_mtaw

Alternatively, you can list all the fields and their details by inspecting the get_fields() output or the search instance itself in a notebook:

boring

pydov.search.boring.BoringSearch

In de DOV-databank is elke waarneming van grondlagen een boring. Bij de meeste boringen wordt er met een boortoestel een gat gemaakt in de ondergrond om de verschillende grondlagen te kunnen beschrijven. Aan de hand van een boring krijg je een beeld van het materiaal in de ondergrond met toenemende diepte. Afhankelijk van het doel waarvoor de boring geplaatst wordt, zal men een geschikte boormethode toepassen. Boringen worden geplaatst voor verkennend bodemonderzoek, monstername van het sediment en/of grondwater, bepaling van bodemfysische parameters, milieuhygiënisch onderzoek,… Afhankelijk van de diepte, soort materiaal, en het al dan niet boren tot onder de grondwatertafel kan men kiezen uit verscheidene systemen voor handmatig of machinaal te boren. Het bodemmateriaal dat vrijkomt, kan gebruikt worden om een profiel van de ondergrond op te stellen of om er grondmonsters van te nemen om verdere analyses op uit te voeren. Vaak is het de bedoeling een put uit te bouwen zodat water kan gewonnen worden (zie ook grondwatermeetnet en grondwatervergunningen). Soms worden boringen uitgevoerd om een aantal geotechnische karakteristieken te bepalen of om wetenschappelijk onderzoek uit te voeren. Oppervlakkige waarnemingen van de ondergrond noemen we ook boringen. Vooral rond 1900 beschreven een aantal geologen vaak de oppervlakkige lagen. In de databank staan er dan ook verschillende boringen met een diepte van 0 meter. Het gaat vooral om weginsnijdingen of om zichtbare lithologische kenmerken langs de oppervlakte.

id - Volgnummer ter identificatie (intern en niet-stabiel).

• type: string
• notnull: True
• query: True
• cost: 1
• multivalue: False

boornummer - Het boornummer (ook gekend als proefnummer) van de boring.

• type: string
• notnull: True
• query: True
• cost: 1
• multivalue: False

pkey_boring - Permanente URL die verwijst naar de gegevens van de boring op de website. Voeg '.xml' toe om een XML voorstelling van deze gegevens te verkrijgen.

• type: string
• notnull: True
• query: True
• cost: 1
• multivalue: False

rapport - URL die verwijst naar het rapport van de boring in PDF formaat.

• type: string
• notnull: True
• query: True
• cost: 1
• multivalue: False

diepte_boring_tot - Maximumdiepte van de boring ten opzichte van het aanvangspeil, in meter.

• type: float
• notnull: False
• query: True
• cost: 1
• multivalue: False

datum_aanvang - Datum waarop men de boring gestart is.

• type: date
• notnull: False
• query: True
• cost: 1
• multivalue: False

namen - Alternatieve benamingen voor de boring.

• type: string
• notnull: False
• query: True
• cost: 1
• multivalue: False

putnummer - Het GW_ID (ook gekend als putnummer) van de put waaraan de boring gekoppeld is. Wanneer dit veld leeg is is de boring niet gekoppeld aan een put.

• type: string
• notnull: False
• query: True
• cost: 1
• multivalue: False

x - De x-coördinaat van de boring in het Lambert72 coördinaatsysteem (in meter, EPSG:31370).

• type: float
• notnull: True
• query: True
• cost: 1
• multivalue: False

y - De y-coördinaat van de boring in het Lambert72 coördinaatsysteem (in meter, EPSG:31370).

• type: float
• notnull: True
• query: True
• cost: 1
• multivalue: False

start_boring_mtaw - De hoogte van het aanvangspeil van de boring in het TAW stelsel (in meter).

• type: float
• notnull: True
• query: True
• cost: 1
• multivalue: False

gemeente - De gemeente waarin de boring gelegen is.

• type: string
• notnull: False
• query: True
• cost: 1
• multivalue: False

uitvoerder - De organisatie die de boring uitvoerde. Heeft als waarde 'onbekend' indien de uitvoerder niet gekend is.

• type: string
• notnull: False
• query: True
• cost: 1
• multivalue: False

doel - Het doel van de boring.

• type: string
• notnull: False
• query: True
• cost: 1
• multivalue: False
• codelist:
pydov.util.codelists.FeatureCatalogueValues

Berging - Berging

Drainage en bemaling - Drainage en bemaling

Exploratie energie bronnen - Exploratie energie bronnen

Exploratie minerale bronnen - Exploratie minerale bronnen

Exploratie ondergrondse opslag - Exploratie ondergrondse opslag

Geochemisch onderzoek - Geochemisch onderzoek

Geofysisch onderzoek - Geofysisch onderzoek

Geologisch onderzoek - Geologisch onderzoek

Geotechnisch onderzoek - Geotechnisch onderzoek

Geothermie - Geothermie

Grondwaterkwaliteit monitoring - Grondwaterkwaliteit monitoring

Grondwaterkwantiteit monitoring - Grondwaterkwantiteit monitoring

Grondwatermonitoring - Grondwatermonitoring

Grondwaterwinning - Grondwaterwinning

Hydrogeologisch onderzoek - Hydrogeologisch onderzoek

Infiltratie - Infiltratie

Kathodische bescherming - Kathodische bescherming

Monitoring vervuilde sites - Monitoring vervuilde sites

Sanering - Sanering

methode - De methode waarmee de boring uitgevoerd werd. Heeft als waarde 'onbekend' indien de methode niet gekend is.

• type: string
• notnull: True
• query: True
• cost: 1
• multivalue: False
• codelist:
pydov.util.codelists.FeatureCatalogueValues

Meerdere technieken - Meerdere technieken

avegaarboring - avegaarboring

droge boring - droge boring

edelmanboring - edelmanboring

geen boring - geen boring

gestoken boring - gestoken boring

graafmachine - graafmachine

handboring - handboring

kernboring - kernboring

lansen - lansen

lepelboring - lepelboring

luchthamer - luchthamer

luchthevelboren of air-lift boren - luchthevelboren of air-lift boren

meerdere technieken - meerdere technieken

omgek. spoelboring - omgek. spoelboring

onbekend - onbekend

pulsboring - pulsboring

ramkernboring - ramkernboring

rollerbit - rollerbit

slagboring - slagboring

spade - spade

spiraalboring - spiraalboring

spoelboring - spoelboring

steenboring - steenboring

trilboring - trilboring

zuigboring - zuigboring

erkenning - In het kader van welke discipline de boring werd uitgevoerd. Deze codelijst bevat de verschillende disciplines van erkende boorbedrijven uit artikel 6, 7°, a) van VLAREL.

• type: string
• notnull: False
• query: True
• cost: 1
• multivalue: False
• codelist:
pydov.util.codelists.FeatureCatalogueValues

1. Bemalingen en draineringen - 1. Bemalingen en draineringen

2. Andere grondwaterwinningen - 2. Andere grondwaterwinningen

3. Stabiliteitsboringen en geotechnische boringen - 3. Stabiliteitsboringen en geotechnische boringen

4. Verticale boringen - 4. Verticale boringen

5. Andere boringen - 5. Andere boringen

opdrachtgever - De organisatie die de opdracht gaf om de boring uit te voeren. Heeft als waarde 'onbekend' indien de opdrachtgever niet gekend is.

• type: string
• notnull: True
• query: True
• cost: 1
• multivalue: False

informele_stratigrafie - Geeft aan of er aan de boring minstens één interpretatie van het type 'informele stratigrafie' gekoppeld is.

• type: boolean
• notnull: True
• query: True
• cost: 1
• multivalue: False

formele_stratigrafie - Geeft aan of er aan de boring minstens één interpretatie van het type 'formele stratigrafie' gekoppeld is.

• type: boolean
• notnull: True
• query: True
• cost: 1
• multivalue: False

lithologische_beschrijving - Geeft aan of er aan de boring minstens één interpretatie van het type 'lithologische beschrijving' gekoppeld is.

• type: boolean
• notnull: True
• query: True
• cost: 1
• multivalue: False

gecodeerde_lithologie - Geeft aan of er aan de boring minstens één interpretatie van het type 'gecodeerde lithologie' gekoppeld is.

• type: boolean
• notnull: True
• query: True
• cost: 1
• multivalue: False

hydrogeologische_stratigrafie - Geeft aan of er aan de boring minstens één interpretatie van het type 'hydrogeologische stratigrafie' gekoppeld is.

• type: boolean
• notnull: True
• query: True
• cost: 1
• multivalue: False

quartaire_stratigrafie - Geeft aan of er aan de boring minstens één interpretatie van het type 'quartaire stratigrafie' gekoppeld is.

• type: boolean
• notnull: True
• query: True
• cost: 1
• multivalue: False

geotechnische_codering - Geeft aan of er aan de boring minstens één interpretatie van het type 'geotechnische codering' gekoppeld is.

• type: boolean
• notnull: True
• query: True
• cost: 1
• multivalue: False

informele_hydrostratigrafie - Geeft aan of er aan de boring minstens één interpretatie van het type 'informele hydrostratigrafie' gekoppeld is.

• type: boolean
• notnull: True
• query: True
• cost: 1
• multivalue: False

doorheen_quartair - Geeft aan of de boring dieper ging dan de grens van het Quartair en het Neogeen/Paleogeen (Tertiair). Dit veld is enkel ingevuld indien er minstens één interpretatie van het type 'formele stratigrafie' gekoppeld is aan de boring én het Quartair geïnterpreteerd werd.

• type: boolean
• notnull: False
• query: True
• cost: 1
• multivalue: False

dikte_quartair - Dit veld geeft de dikte weer van het Quartair (in meter). Dit is een getal met twee decimalen, soms voorafgegaan door < of >= (bv. >= 10.00).

• type: string
• notnull: False
• query: True
• cost: 1
• multivalue: False

tertiair_onder_quartair - Indien 'doorheen_quartair' true is bevat dit veld de afkorting van de eerste lithostratigrafische eenheid van het Neogeen/Paleogeen (Tertiair) die voorkomt onder het Quartair.

• type: string
• notnull: False
• query: True
• cost: 1
• multivalue: False

opdrachten - De DOV-opdracht(en) waaraan de boring gekoppeld is.

• type: string
• notnull: False
• query: True
• cost: 1
• multivalue: False

eerste_invoer - Het tijdstip waarop deze boring voor het eerst in DOV ingevoerd werd.

• type: datetime
• notnull: True
• query: True
• cost: 1
• multivalue: False

geom - None

• type: geometry
• notnull: False
• query: False
• cost: 1
• multivalue: False

diepte_boring_van - Startdiepte van de boring (in meter).

• type: float
• notnull: True
• query: False
• cost: 10
• multivalue: False

boorgatmeting - Is er een boorgatmeting uitgevoerd (ja/nee).

• type: boolean
• notnull: False
• query: False
• cost: 10
• multivalue: False

diepte_methode_van - Bovenkant van de laag die met een bepaalde methode aangeboord werd, in meter.

• type: float
• notnull: False
• query: False
• cost: 10
• multivalue: False

diepte_methode_tot - Onderkant van de laag die met een bepaalde methode aangeboord werd, in meter.

• type: float
• notnull: False
• query: False
• cost: 10
• multivalue: False

boormethode - Boormethode voor het diepte-interval.

• type: string
• notnull: False
• query: False
• cost: 10
• multivalue: False

mv_mtaw - Maaiveldhoogte in mTAW op dag dat de boring uitgevoerd werd.

• type: float
• notnull: False
• query: False
• cost: 10
• multivalue: False

Example use cases

Get boreholes in a bounding box

Get data for all the boreholes that are geographically located within the bounds of the specified box.

The coordinates are in the Belgian Lambert72 (EPSG:31370) coordinate system and are given in the order of lower left x, lower left y, upper right x, upper right y.

from pydov.util.location import Within, Box

df = boring.search(location=Within(Box(153145, 206930, 153150, 206935, epsg=31370)))
df.head()

[000/001] .
[000/001] .

	pkey_boring	boornummer	x	y	mv_mtaw	start_boring_mtaw	gemeente	diepte_boring_van	diepte_boring_tot	datum_aanvang	uitvoerder	boorgatmeting	diepte_methode_van	diepte_methode_tot	boormethode
0	https://www.dov.vlaanderen.be/data/boring/1974...	GEO-74/254-b1	153147.0	206931.0	NaN	14.12	NaN	0.0	14.05	1974-07-02	Rijksinstituut voor Grondmechanica	False	0.0	1.30	lepelboring
1	https://www.dov.vlaanderen.be/data/boring/1974...	GEO-74/254-b1	153147.0	206931.0	NaN	14.12	NaN	0.0	14.05	1974-07-02	Rijksinstituut voor Grondmechanica	False	1.3	13.50	pulsboring
2	https://www.dov.vlaanderen.be/data/boring/1974...	GEO-74/254-b1	153147.0	206931.0	NaN	14.12	NaN	0.0	14.05	1974-07-02	Rijksinstituut voor Grondmechanica	False	13.5	14.05	lepelboring

The dataframe contains one borehole where three methods (‘boormethode’) were applied for its construction. The available data are flattened to represent unique attributes per row of the dataframe.

Using the pkey_boring field one can request the details of this borehole in a webbrowser:

for pkey_boring in set(df.pkey_boring):
    print(pkey_boring)

https://www.dov.vlaanderen.be/data/boring/1974-010351

Get boreholes with specific properties

Next to querying boreholes based on their geographic location within a bounding box, we can also search for boreholes matching a specific set of properties. For this we can build a query using a combination of the ‘Boring’ fields and operators provided by the WFS protocol.

A list of possible operators can be found below:

[i for i,j in inspect.getmembers(sys.modules['owslib.fes2'], inspect.isclass) if 'Property' in i]

['PropertyIsBetween',
 'PropertyIsEqualTo',
 'PropertyIsGreaterThan',
 'PropertyIsGreaterThanOrEqualTo',
 'PropertyIsLessThan',
 'PropertyIsLessThanOrEqualTo',
 'PropertyIsLike',
 'PropertyIsNotEqualTo',
 'PropertyIsNull',
 'SortProperty']

In this example we build a query using the PropertyIsEqualTo operator to find all boreholes that are within the community (gemeente) of ‘Herstappe’:

from owslib.fes2 import PropertyIsEqualTo

query = PropertyIsEqualTo(propertyname='gemeente',
                          literal='Herstappe')
df = boring.search(query=query)

df.head()

[000/001] .
[000/002] ..

	pkey_boring	boornummer	x	y	mv_mtaw	start_boring_mtaw	gemeente	diepte_boring_van	diepte_boring_tot	datum_aanvang	uitvoerder	boorgatmeting	diepte_methode_van	diepte_methode_tot	boormethode
0	https://www.dov.vlaanderen.be/data/boring/2016...	kb33d106e-B236	224687.4	158191.0	124.0	124.0	Herstappe	0.0	6.0	NaN	Belgische Geologische Dienst (BGD)	False	0.0	6.0	gestoken boring
1	https://www.dov.vlaanderen.be/data/boring/1993...	kb41d120e-B1027	224820.0	157794.0	132.0	132.0	Herstappe	0.0	50.0	1993-09-02	Peeters-Ramsel	False	0.0	50.0	onbekend

Once again we can use the pkey_boring as a permanent link to the information of these boreholes:

for pkey_boring in set(df.pkey_boring):
    print(pkey_boring)

https://www.dov.vlaanderen.be/data/boring/2016-125511
https://www.dov.vlaanderen.be/data/boring/1993-096210

Get boreholes in a bounding box based on specific properties

We can combine a query on attributes with a query on geographic location to get the boreholes within a bounding box that have specific properties.

The following example requests the boreholes with a depth greater than or equal to 2000 meters within the given bounding box.

(Note that the datatype of the literal parameter should be a string, regardless of the datatype of this field in the output dataframe.)

from owslib.fes2 import PropertyIsGreaterThanOrEqualTo

query = PropertyIsGreaterThanOrEqualTo(
            propertyname='diepte_boring_tot',
            literal='2000')

df = boring.search(
    location=Within(Box(200000, 211000, 205000, 214000, epsg=31370)),
    query=query
    )

df.head()

[000/001] .
[000/006] ......

	pkey_boring	boornummer	x	y	mv_mtaw	start_boring_mtaw	gemeente	diepte_boring_van	diepte_boring_tot	datum_aanvang	uitvoerder	boorgatmeting	diepte_methode_van	diepte_methode_tot	boormethode
0	https://www.dov.vlaanderen.be/data/boring/2016...	B/1-102782	201775.5	212960.0	25.0	25.0	Mol	0.0	3600.0	NaN	NaN	False	0.0	0.0	onbekend
1	https://www.dov.vlaanderen.be/data/boring/2016...	B/1-102783	201798.0	212963.0	25.0	25.0	Mol	0.0	3600.0	NaN	NaN	False	0.0	0.0	onbekend
2	https://www.dov.vlaanderen.be/data/boring/2016...	B/1-102784	201768.0	212959.0	25.0	25.0	Mol	0.0	4905.0	2017-12-13	THV Daldrup - Smet	True	0.0	207.0	zuigboring
3	https://www.dov.vlaanderen.be/data/boring/2016...	B/1-102784	201768.0	212959.0	25.0	25.0	Mol	0.0	4905.0	2017-12-13	THV Daldrup - Smet	True	207.0	4905.0	spoelboring
4	https://www.dov.vlaanderen.be/data/boring/2016...	B/1-102785	201790.5	212962.0	25.0	25.0	Mol	0.0	4341.0	2016-03-02	THV Daldrup - Smet	True	0.0	4341.0	spoelboring

We can look at one of the boreholes in a webbrowser using its pkey_boring:

for pkey_boring in set(df.pkey_boring):
    print(pkey_boring)

https://www.dov.vlaanderen.be/data/boring/2016-148766
https://www.dov.vlaanderen.be/data/boring/2016-148763
https://www.dov.vlaanderen.be/data/boring/2016-148764
https://www.dov.vlaanderen.be/data/boring/2016-148767
https://www.dov.vlaanderen.be/data/boring/2016-148765
https://www.dov.vlaanderen.be/data/boring/2016-148770

Select boreholes in a municipality and return depth

We can limit the columns in the output dataframe by specifying the return_fields parameter in our search.

In this example we query all the boreholes in the city of Ghent and return their depth:

query = PropertyIsEqualTo(propertyname='gemeente',
                          literal='Gent')
df = boring.search(query=query,
                   return_fields=('diepte_boring_tot',))
df.head()

[000/001] .

	diepte_boring_tot
0	42.0
1	32.0
2	59.0
3	11.0
4	27.0

df.describe()

	diepte_boring_tot
count	3406.000000
mean	20.845161
std	38.319787
min	0.000000
25%	2.400000
50%	7.000000
75%	20.000000
max	660.000000

By discarding the boreholes with a depth of 0 m, we get a different result:

df[df.diepte_boring_tot != 0].describe()

	diepte_boring_tot
count	2749.000000
mean	25.827072
std	41.118876
min	0.100000
25%	5.000000
50%	10.000000
75%	24.000000
max	660.000000

ax = df[df.diepte_boring_tot != 0].boxplot()
ax.set_ylabel("Depth (m)");
ax.set_title("Distribution borehole depth Gent");

Get boreholes based on fields not available in the standard output dataframe

To keep the output dataframe size acceptable, not all available WFS fields are included in the standard output. However, one can use this information to select boreholes as illustrated below.

For example, make a selection of the boreholes in municipality the of Antwerp, for which a hydrogeological interpretation was performed:

from owslib.fes2 import And

query = And([PropertyIsEqualTo(propertyname='gemeente',
                               literal='Antwerpen'),
             PropertyIsEqualTo(propertyname='hydrogeologische_stratigrafie',
                               literal='True')]
            )
df = boring.search(query=query,
                   return_fields=('pkey_boring', 'boornummer', 'x', 'y', 'diepte_boring_tot', 'datum_aanvang'))
df.head()

[000/001] .

	pkey_boring	boornummer	x	y	diepte_boring_tot	datum_aanvang
0	https://www.dov.vlaanderen.be/data/boring/1937...	kb7d14e-B82	145457.0	224973.5	10.0	1937-01-01
1	https://www.dov.vlaanderen.be/data/boring/1969...	kb7d14e-B110	143700.4	228086.3	12.0	1969-01-01
2	https://www.dov.vlaanderen.be/data/boring/1966...	kb7d14e-B115	143067.0	227707.6	66.0	1966-01-01
3	https://www.dov.vlaanderen.be/data/boring/1966...	kb7d14e-B117	144770.5	223430.6	49.0	1966-01-01
4	https://www.dov.vlaanderen.be/data/boring/1970...	kb7d14e-B121	143597.8	223498.6	11.9	1970-01-01

Get borehole data, returning fields not available in the standard output dataframe

As denoted in the previous example, not all available fields are available in the default output frame to keep its size limited. However, you can request any available field by including it in the return_fields parameter of the search:

query = PropertyIsGreaterThanOrEqualTo(
            propertyname='diepte_boring_tot',
            literal='2000')

df = boring.search(query=query,
                   return_fields=('pkey_boring', 'boornummer', 'diepte_boring_tot',
                                  'informele_stratigrafie', 'formele_stratigrafie', 'lithologische_beschrijving',
                                  'gecodeerde_lithologie', 'hydrogeologische_stratigrafie', 'quartaire_stratigrafie',
                                  'geotechnische_codering', 'informele_hydrostratigrafie'))

df.head()

[000/001] .

	pkey_boring	boornummer	diepte_boring_tot	informele_stratigrafie	formele_stratigrafie	lithologische_beschrijving	gecodeerde_lithologie	hydrogeologische_stratigrafie	quartaire_stratigrafie	geotechnische_codering	informele_hydrostratigrafie
0	https://www.dov.vlaanderen.be/data/boring/1981...	kb8d7e-B224	2517.0	True	True	True	False	False	False	False	False
1	https://www.dov.vlaanderen.be/data/boring/1952...	kb8d17e-B272	2705.0	True	True	True	True	True	False	False	False
2	https://www.dov.vlaanderen.be/data/boring/1935...	kb17d31e-B197	2034.0	True	True	False	True	True	False	False	False
3	https://www.dov.vlaanderen.be/data/boring/2016...	B/1-102782	3600.0	False	False	False	False	False	False	False	False
4	https://www.dov.vlaanderen.be/data/boring/2016...	B/1-102783	3600.0	False	False	False	False	False	False	False	False

Get boreholes in a municipality and where groundwater related data are available

The following full example return all boreholes where gemeente is ‘Antwerpen’ and either putnummer is not empty or doel starts with ‘Grondwater’ or erkenning is ‘2. Andere grondwaterwinningen’.

from owslib.fes2 import PropertyIsLike
from owslib.fes2 import PropertyIsNull
from owslib.fes2 import Or
from owslib.fes2 import Not

query = And([PropertyIsEqualTo(propertyname='gemeente',
                               literal='Antwerpen'),
             Or([Not([PropertyIsNull(propertyname='putnummer')]),
                PropertyIsLike(propertyname='doel',
                               literal='Grondwater%'),
                PropertyIsEqualTo(propertyname='erkenning',
                                  literal='2. Andere grondwaterwinningen')]
               )]
           )
df = boring.search(query=query)
df.head()

[000/001] .
[000/255] ..................................................
[050/255] ..................................................
[100/255] ..................................................
[150/255] ..................................................
[200/255] ..................................................
[250/255] .....

	pkey_boring	boornummer	x	y	mv_mtaw	start_boring_mtaw	gemeente	diepte_boring_van	diepte_boring_tot	datum_aanvang	uitvoerder	boorgatmeting	diepte_methode_van	diepte_methode_tot	boormethode
0	https://www.dov.vlaanderen.be/data/boring/1967...	kb7d14e-B186	144712.5	222672.3	8.55	8.55	Antwerpen	0.0	12.0	1967-01-01	Smet - Dessel	False	0.0	12.0	spoelboring
1	https://www.dov.vlaanderen.be/data/boring/1967...	kb7d14e-B183	144379.9	222861.3	9.04	9.04	Antwerpen	0.0	12.0	1967-01-01	Smet - Dessel	False	0.0	12.0	spoelboring
2	https://www.dov.vlaanderen.be/data/boring/1967...	kb7d14e-B184	144631.1	222928.6	8.60	8.60	Antwerpen	0.0	17.0	1967-01-01	Smet - Dessel	False	0.0	17.0	spoelboring
3	https://www.dov.vlaanderen.be/data/boring/1967...	kb7d14e-B185	144883.9	223009.9	8.20	8.20	Antwerpen	0.0	12.0	1967-01-01	Smet - Dessel	False	0.0	12.0	spoelboring
4	https://www.dov.vlaanderen.be/data/boring/1967...	kb7d14e-B187	144969.5	222737.8	8.25	8.25	Antwerpen	0.0	12.0	1967-01-01	Smet - Dessel	False	0.0	12.0	spoelboring

Visualize results

Using Folium, we can display the results of our search on a map.

# import the necessary modules (not included in the requirements of pydov!)
import folium
from folium.plugins import MarkerCluster
from pyproj import Transformer

# convert the coordinates to lat/lon for folium
def convert_latlon(x1, y1):
    transformer = Transformer.from_crs("epsg:31370", "epsg:4326", always_xy=True)
    x2,y2 = transformer.transform(x1, y1)
    return x2, y2

df['lon'], df['lat'] = zip(*map(convert_latlon, df['x'], df['y']))
# convert to list
loclist = df[['lat', 'lon']].values.tolist()

# initialize the Folium map on the centre of the selected locations, play with the zoom until ok
fmap = folium.Map(location=[df['lat'].mean(), df['lon'].mean()], zoom_start=12)
marker_cluster = MarkerCluster().add_to(fmap)
for loc in range(0, len(loclist)):
    folium.Marker(loclist[loc], popup=df['boornummer'][loc]).add_to(marker_cluster)
fmap

Make this Notebook Trusted to load map: File -> Trust Notebook

Adding location and height details

There is more to the location of a borehole than meets the eye! The default dataframe lists already multiple fields regarding the location of the borehole, both planimetric as altimetric:

• x and y are the planimetric coordinates of the borehole

• start_boring_mtaw is the height of the start (aanvangspeil) of the borehole

• mv_mtaw is the height of the ground level at the time of the making of the borehole

However, we have more information available regarding the (origin of) these coordinates. Each of them has an associated method (methode) and reliability (betrouwbaarheid).

We also make the distinction between the height of the ground level (maaiveld) and the height of the start of the borehole (aanvangspeil). If the borehole was started at ground level both are the same, but this is not necessarily the case. Furthermore the height of the start of the borehole can be either absolute (measured individually) or relative to the ground level.

If we want to have all this extra information available when retrieving the borehole dataframe output, we can add the extra XML fields when searching for boreholes.

To find which extra fieldsets are availabe, you can use:

from pydov.types.boring import Boring

Boring.get_fieldsets()

{'MethodeXyz': {'name': 'MethodeXyz',
  'class': pydov.types.boring.MethodeXyz,
  'definition': 'Fieldset containing fields for method and reliability of the point\nlocation of the borehole. It has the following fields: methode_xy, betrouwbaarheid_xy, methode_z, betrouwbaarheid_z.'}}

To add the extra fields to your output dataframe, you can specify the fieldset to use when instantiating the search class:

from pydov.search.boring import BoringSearch
from pydov.types.boring import MethodeXyz

boring_search = BoringSearch(
    objecttype=Boring.with_extra_fields(MethodeXyz)
)

The extra fields are now available, and should be included in the output of get_fields(). E.g. to get more details about the methode_z field:

boring_search.get_fields()['methode_z']

methode_z - Methode waarop de z-coordinaat opgemeten werd.

• type: string
• notnull: False
• query: False
• cost: 10
• multivalue: False
• codelist:
pydov.util.codelists.XsdType

DHM_v1 100m*100m - DHM_v1 100m*100m

DHM_v1 25m*25m - DHM_v1 25m*25m

DHM_v1 5m*5m - DHM_v1 5m*5m

DHM_v2 - DHM_v2

GPS - GPS

GPS - RTK FLEPOS - GPS - RTK FLEPOS

GPS - RTK FLEPOS (model hBG03) - GPS - RTK FLEPOS (model hBG03)

GPS - RTK FLEPOS (model hBG18) - GPS - RTK FLEPOS (model hBG18)

GPS statische fasemeting - GPS statische fasemeting

afgeleid van topokaart - afgeleid van topokaart

berekend op basis van hoogteverschil met maaiveld - berekend op basis van hoogteverschil met maaiveld

gedigitaliseerd in Google Earth - gedigitaliseerd in Google Earth

methode onbekend - methode onbekend

niet te achterhalen - niet te achterhalen

topografisch ingemeten - topografisch ingemeten

totaalstation - totaalstation

uit dossier - uit dossier

Searching for boreholes remains exactly the same, but will reveal the extra information in the output dataframe:

from pydov.util.location import WithinDistance, Point

df = boring_search.search(
    location=WithinDistance(Point(150000, 150000, epsg=31370), 10000, 'meter'),
    return_fields=('pkey_boring', 'boornummer', 'x', 'y', 'methode_xy', 'betrouwbaarheid_xy',
                   'mv_mtaw', 'methode_z', 'betrouwbaarheid_z', 'start_boring_mtaw'))

[000/001] .
[000/544] cccccccccccccccccccccccccccccccccccccccccccccccccc
[050/544] cccccccccccccccccccccccccccccccccccccccccccccccccc
[100/544] cccccccccccccccccccccccccccccccccccccccccccccccccc
[150/544] cccccccccccccccccccccccccccccccccccccccccccccccccc
[200/544] cccccccccccccccccccccccccccccccccccccccccccccccccc
[250/544] cccccccccccccccccccccccccccccccccccccccccccccccccc
[300/544] cccccccccccccccccccccccccccccccccccccccccccccccccc
[350/544] cccccccccccccccccccccccccccccccccccccccccccccccccc
[400/544] cccccccccccccccccccccccccccccccccccccccccccccccccc
[450/544] cccccccccccccccccccccccccccccccccccccccccccccccccc
[500/544] cccccccccccccccccccccccccccccccccccccccccccc

df.head()

	pkey_boring	boornummer	x	y	methode_xy	betrouwbaarheid_xy	mv_mtaw	methode_z	betrouwbaarheid_z	start_boring_mtaw
0	https://www.dov.vlaanderen.be/data/boring/1891...	BGD115E0018C.2	145692.0	157605.0	gedigitaliseerd op topokaart	twijfelachtig	55.0	afgeleid van topokaart	twijfelachtig	55.0
1	https://www.dov.vlaanderen.be/data/boring/1894...	vgmperceel6-B2	140857.0	151875.0	gedigitaliseerd op topokaart	onbekend	54.0	afgeleid van topokaart	onbekend	54.0
2	https://www.dov.vlaanderen.be/data/boring/1913...	vgmperceel6-B4	140236.0	150691.0	gedigitaliseerd op topokaart	onbekend	85.0	afgeleid van topokaart	onbekend	85.0
3	https://www.dov.vlaanderen.be/data/boring/1927...	vgmperceel6-B9	142139.0	151678.0	gedigitaliseerd op topokaart	onbekend	75.0	afgeleid van topokaart	onbekend	75.0
4	https://www.dov.vlaanderen.be/data/boring/1927...	vgmperceel6-B10	144692.0	152764.0	gedigitaliseerd op topokaart	onbekend	93.0	afgeleid van topokaart	onbekend	93.0

df_plot = df.groupby('methode_xy').size().sort_values()

ax = df_plot.plot.barh()

ax.set_xlabel("count")
ax.set_title("Number of boreholes per coordinate digitization method")

Text(0.5, 1.0, 'Number of boreholes per coordinate digitization method')

df_plot = df.groupby('methode_z').size().sort_values()

ax = df_plot.plot.barh()

ax.set_xlabel("count")
ax.set_title("Number of boreholes per height digitization method")

Text(0.5, 1.0, 'Number of boreholes per height digitization method')

Adding color to the Borehole dataframe

The default dataframe of the Boring datatype contains information about the ‘boormethode’ as its subtype. However, in the DOV database there is information about the observed color of the soil in the various depth intervals available as well. We can access this data in pydov by using the subtype Kleur.

To check the available subtypes for a the Boring type, you can use:

from pydov.types.boring import Boring

Boring.get_subtypes()

{'BoorMethode': {'name': 'BoorMethode',
  'class': pydov.types.boring.BoorMethode,
  'definition': 'Subtype listing the method used to make the borehole. It has the following fields: diepte_methode_van, diepte_methode_tot, boormethode.'},
 'Kleur': {'name': 'Kleur',
  'class': pydov.types.boring.Kleur,
  'definition': 'Subtype listing the color values of the borehole. It has the following fields: diepte_kleur_van, diepte_kleur_tot, kleur.'}}

To retrieve the colors instead of the method, we can instantiate the search class with the Kleur subtype:

from pydov.search.boring import BoringSearch
from pydov.types.boring import Kleur

boring_search = BoringSearch(
    objecttype=Boring.with_subtype(Kleur)
)

The extra fields are now available, and should be included in the output of get_fields(). E.g. to get more details about the kleur field:

boring_search.get_fields()['kleur']

kleur - Grondkleur voor het diepte-interval

• type: string
• notnull: False
• query: False
• cost: 10
• multivalue: False

And the color data is returned when querying:

boring_search.search(
    location=WithinDistance(Point(157647.0, 186350.0, epsg=31370), 10))

[000/001] .
[000/001] .

	pkey_boring	boornummer	x	y	mv_mtaw	start_boring_mtaw	gemeente	diepte_boring_van	diepte_boring_tot	datum_aanvang	uitvoerder	boorgatmeting	diepte_kleur_van	diepte_kleur_tot	kleur
0	https://www.dov.vlaanderen.be/data/boring/1966...	GEO-66/037-IIA-b202	157647.0	186350.0	NaN	7.45	NaN	0.0	6.0	1966-06-28	Rijksinstituut voor Grondmechanica	False	0.00	1.25	bruin
1	https://www.dov.vlaanderen.be/data/boring/1966...	GEO-66/037-IIA-b202	157647.0	186350.0	NaN	7.45	NaN	0.0	6.0	1966-06-28	Rijksinstituut voor Grondmechanica	False	1.25	2.30	bruinroest
2	https://www.dov.vlaanderen.be/data/boring/1966...	GEO-66/037-IIA-b202	157647.0	186350.0	NaN	7.45	NaN	0.0	6.0	1966-06-28	Rijksinstituut voor Grondmechanica	False	2.30	2.75	bruin
3	https://www.dov.vlaanderen.be/data/boring/1966...	GEO-66/037-IIA-b202	157647.0	186350.0	NaN	7.45	NaN	0.0	6.0	1966-06-28	Rijksinstituut voor Grondmechanica	False	2.75	2.90	bruin
4	https://www.dov.vlaanderen.be/data/boring/1966...	GEO-66/037-IIA-b202	157647.0	186350.0	NaN	7.45	NaN	0.0	6.0	1966-06-28	Rijksinstituut voor Grondmechanica	False	2.90	3.40	groenzwart
5	https://www.dov.vlaanderen.be/data/boring/1966...	GEO-66/037-IIA-b202	157647.0	186350.0	NaN	7.45	NaN	0.0	6.0	1966-06-28	Rijksinstituut voor Grondmechanica	False	3.40	4.30	donkerbruin
6	https://www.dov.vlaanderen.be/data/boring/1966...	GEO-66/037-IIA-b202	157647.0	186350.0	NaN	7.45	NaN	0.0	6.0	1966-06-28	Rijksinstituut voor Grondmechanica	False	4.30	4.75	grijs
7	https://www.dov.vlaanderen.be/data/boring/1966...	GEO-66/037-IIA-b202	157647.0	186350.0	NaN	7.45	NaN	0.0	6.0	1966-06-28	Rijksinstituut voor Grondmechanica	False	4.75	6.00	grijs