Example of DOV search methods for interpretations (informele hydrogeologische stratigrafie)

Use cases explained below

• Get ‘informele hydrogeologische stratigrafie’ in a bounding box

• Get ‘informele hydrogeologische stratigrafie’ with specific properties

• Get ‘informele hydrogeologische stratigrafie’ in a bounding box based on specific properties

• Select ‘informele hydrogeologische stratigrafie’ in a municipality and return date

• Get ‘informele hydrogeologische stratigrafie’ based on fields not available in the standard output dataframe

• Get ‘informele hydrogeologische stratigrafie’ data, returning fields not available in the standard output dataframe

%matplotlib inline
import inspect, sys

# check pydov path
import pydov

Get information about the datatype ‘Informele hydrogeologische stratigrafie’

from pydov.search.interpretaties import InformeleHydrogeologischeStratigrafieSearch
itp = InformeleHydrogeologischeStratigrafieSearch()

A description is provided for the ‘Informele stratigrafie’ datatype:

itp.get_description()

'Een informele hydrogeologische stratigrafie van een boring geeft, op basis van de (gecodeerde) lithologie, een indeling weer naar de al dan niet watervoerende eigenschappen van een bepaald beschreven diepte-interval. \r\nHet verschil met de hydrogeologische stratigrafie is dat voor de informele hydrogeologische stratigrafie geen algemene standaard gebruikt wordt.  Bij de hydrogeologische stratigrafie wordt de Hydrogeologische Codering van de Ondergrond van Vlaanderen (HCOV). Deze kan beschouwd worden als de officiele hydrogeologische codering voor het Vlaams Gewest.'

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

fields = itp.get_fields()

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

pkey_interpretatie
Type_proef
Proefnummer
pkey_boring
x
y
start_interpretatie_mtaw
diepte_tot_m
gemeente
Auteurs
Datum
Opdrachten
betrouwbaarheid_interpretatie
Geldig_van
Geldig_tot
eerste_invoer
geom
diepte_laag_van
diepte_laag_tot
beschrijving

You can get more information of a field by requesting it from the fields dictionary:

• name: name of the field

• definition: definition of this field

• cost: currently this is either 1 or 10, depending on the datasource of the field. It is an indication of the expected time it will take to retrieve this field in the output dataframe.

• notnull: whether the field is mandatory or not

• type: datatype of the values of this field

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

itp

pydov.search.interpretaties.InformeleHydrogeologischeStratigrafieSearch

Een informele hydrogeologische stratigrafie van een boring geeft, op basis van de (gecodeerde) lithologie, een indeling weer naar de al dan niet watervoerende eigenschappen van een bepaald beschreven diepte-interval. Het verschil met de hydrogeologische stratigrafie is dat voor de informele hydrogeologische stratigrafie geen algemene standaard gebruikt wordt. Bij de hydrogeologische stratigrafie wordt de Hydrogeologische Codering van de Ondergrond van Vlaanderen (HCOV). Deze kan beschouwd worden als de officiele hydrogeologische codering voor het Vlaams Gewest.

pkey_interpretatie - URL die verwijst naar de gegevens van deze informele hydrogeologische stratigrafie op de website. Voeg '.xml' toe om een XML voorstelling van deze gegevens te verkrijgen.

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

Type_proef - Het type van de proef waarvan de informele hydrogeologische stratigrafie een interpretatie is. Bij een informele hydrogeologische stratigrafie zal dit altijd 'Boring' zijn.

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

Boring - Boring - De informele hydrogeologische stratigrafie is een interpretatie van een boring.

Proefnummer - Het proefnummer van de boring waarvan de informele hydrogeologische stratigrafie een interpretatie is.

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

pkey_boring - 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: 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: False
• query: True
• cost: 1
• multivalue: False

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

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

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

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

diepte_tot_m - De maximumdiepte van de informele hydrogeologische stratigrafie in meter. Dit is de 'tot' van de diepste geïnterpreteerde laag.

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

gemeente - De gemeente waarin de boring van deze interpretatie gelegen is.

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

Auteurs - De auteur of auteurs van de informele hydrogeologische stratigrafie.

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

Datum - De datum waarop de informele hydrogeologische stratigrafie werd beschreven.

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

Opdrachten - De opdracht(en) waaraan de informele hydrogeologische stratigrafie gekoppeld is.

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

betrouwbaarheid_interpretatie - De betrouwbaarheid van het geheel van de informele hydrogeologische stratigrafie (goed, twijfelachtig of onbekend). Deze wordt toegekend door een DOV-medewerker verantwoordelijk voor de ingave.

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

Geldig_van - Het tijdstip vanaf wanneer de informele hydrogeologische stratigrafie geldig is.

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

Geldig_tot - Het tijdstip tot wanneer de informele hydrogeologische stratigrafie geldig is.

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

eerste_invoer - Het tijdstip waarop deze interpretatie 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_laag_van - Diepte van de bovenkant van de laag informele hydrostratigrafie in meter.

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

diepte_laag_tot - Diepte van de onderkant van de laag informele hydrostratigrafie in meter.

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

beschrijving - Benoeming van de eenheid van de laag informele hydrostratigrafie in vrije tekst (onbeperkt in lengte).

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

Example use cases

Get ‘informele hydrogeologische stratigrafie’ in a bounding box

Get data for all the ‘informele hydrogeologisch stratigrafie’ interpretations 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 = itp.search(location=Within(Box(100000, 100000, 200000, 200000, epsg=31370)))
df.head()

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

	pkey_interpretatie	pkey_boring	betrouwbaarheid_interpretatie	x	y	start_interpretatie_mtaw	diepte_laag_van	diepte_laag_tot	beschrijving
0	https://www.dov.vlaanderen.be/data/interpretat...	https://www.dov.vlaanderen.be/data/boring/1981...	goed	172148.5	182587.5	10.94	0.0	2.5	QUARTAIR
1	https://www.dov.vlaanderen.be/data/interpretat...	https://www.dov.vlaanderen.be/data/boring/1981...	goed	172148.5	182587.5	10.94	2.5	13.6	FORMATIE VAN MALDEGEM
2	https://www.dov.vlaanderen.be/data/interpretat...	https://www.dov.vlaanderen.be/data/boring/1981...	goed	172148.5	182587.5	10.94	13.6	25.5	FORMATIE VAN MALDEGEM (Lid van Wemmel)
3	https://www.dov.vlaanderen.be/data/interpretat...	https://www.dov.vlaanderen.be/data/boring/1981...	goed	172148.5	182587.5	10.94	25.5	33.2	FORMATIE VAN LEDE
4	https://www.dov.vlaanderen.be/data/interpretat...	https://www.dov.vlaanderen.be/data/boring/1981...	goed	172148.5	182587.5	10.94	33.2	67.3	FORMATIE VAN BRUSSEL

The dataframe contains one ‘informele stratigrafie’ interpretation where three layers (‘laag’) were identified. The available data are flattened to represent unique attributes per row of the dataframe.

Using the pkey_interpretatie field one can request the details of this interpretation in a webbrowser:

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

https://www.dov.vlaanderen.be/data/interpretatie/1981-217464

Get ‘informele hydrogeologische stratigrafie’ with specific properties

Next to querying interpretations based on their geographic location within a bounding box, we can also search for interpretations matching a specific set of properties. For this we can build a query using a combination of the ‘InformeleHydrogeologischeStratigrafie’ 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 interpretations that are within the community (gemeente) of ‘Herstappe’:

from owslib.fes2 import PropertyIsEqualTo

query = PropertyIsEqualTo(propertyname='gemeente',
                          literal='Rotselaar')
df = itp.search(query=query)

df.head()

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

	pkey_interpretatie	pkey_boring	betrouwbaarheid_interpretatie	x	y	start_interpretatie_mtaw	diepte_laag_van	diepte_laag_tot	beschrijving
0	https://www.dov.vlaanderen.be/data/interpretat...	https://www.dov.vlaanderen.be/data/boring/1981...	goed	172148.5	182587.5	10.94	0.0	2.5	QUARTAIR
1	https://www.dov.vlaanderen.be/data/interpretat...	https://www.dov.vlaanderen.be/data/boring/1981...	goed	172148.5	182587.5	10.94	2.5	13.6	FORMATIE VAN MALDEGEM
2	https://www.dov.vlaanderen.be/data/interpretat...	https://www.dov.vlaanderen.be/data/boring/1981...	goed	172148.5	182587.5	10.94	13.6	25.5	FORMATIE VAN MALDEGEM (Lid van Wemmel)
3	https://www.dov.vlaanderen.be/data/interpretat...	https://www.dov.vlaanderen.be/data/boring/1981...	goed	172148.5	182587.5	10.94	25.5	33.2	FORMATIE VAN LEDE
4	https://www.dov.vlaanderen.be/data/interpretat...	https://www.dov.vlaanderen.be/data/boring/1981...	goed	172148.5	182587.5	10.94	33.2	67.3	FORMATIE VAN BRUSSEL

Once again we can use the pkey_interpretatie as a permanent link to the information of these interpretations:

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

https://www.dov.vlaanderen.be/data/interpretatie/1981-217464

Get ‘informele hydrogeologische stratigrafie’ in a bounding box based on specific properties

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

The following example requests the interpretations of boreholes only, 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 PropertyIsEqualTo

query = PropertyIsEqualTo(
            propertyname='Type_proef',
            literal='Boring')

df = itp.search(
    location=Within(Box(100000, 100000, 200000, 200000, epsg=31370)),
    query=query
    )

df.head()

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

	pkey_interpretatie	pkey_boring	betrouwbaarheid_interpretatie	x	y	start_interpretatie_mtaw	diepte_laag_van	diepte_laag_tot	beschrijving
0	https://www.dov.vlaanderen.be/data/interpretat...	https://www.dov.vlaanderen.be/data/boring/1981...	goed	172148.5	182587.5	10.94	0.0	2.5	QUARTAIR
1	https://www.dov.vlaanderen.be/data/interpretat...	https://www.dov.vlaanderen.be/data/boring/1981...	goed	172148.5	182587.5	10.94	2.5	13.6	FORMATIE VAN MALDEGEM
2	https://www.dov.vlaanderen.be/data/interpretat...	https://www.dov.vlaanderen.be/data/boring/1981...	goed	172148.5	182587.5	10.94	13.6	25.5	FORMATIE VAN MALDEGEM (Lid van Wemmel)
3	https://www.dov.vlaanderen.be/data/interpretat...	https://www.dov.vlaanderen.be/data/boring/1981...	goed	172148.5	182587.5	10.94	25.5	33.2	FORMATIE VAN LEDE
4	https://www.dov.vlaanderen.be/data/interpretat...	https://www.dov.vlaanderen.be/data/boring/1981...	goed	172148.5	182587.5	10.94	33.2	67.3	FORMATIE VAN BRUSSEL

We can look at one of the interpretations in a webbrowser using its pkey_interpretatie:

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

https://www.dov.vlaanderen.be/data/interpretatie/1981-217464

Select ‘informele hydrogeologische stratigrafie’ in a municipality and return date

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 ‘informele stratigrafie’ interpretations in the community of Rotselaar and return their date:

query = PropertyIsEqualTo(propertyname='gemeente',
                          literal='Rotselaar')
df = itp.search(query=query,
                return_fields=('Datum',))
df.head()

[000/001] .

	Datum
0	1981-01-01

df.describe()

	Datum
count	1
unique	1
top	1981-01-01
freq	1

Get ‘informele hydrogeologische stratigrafie’ 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 interpretations as illustrated below.

For example, make a selection of the interpretations in the municipality of Rotselaar, before 1/1/1990:

from owslib.fes2 import And, PropertyIsEqualTo, PropertyIsLessThan

query = And([PropertyIsEqualTo(propertyname='gemeente',
                               literal='Rotselaar'),
             PropertyIsLessThan(propertyname='Datum',
                                 literal='1990-01-01')]
            )
df = itp.search(query=query,
                return_fields=('pkey_interpretatie', 'Datum'))
df.head()

[000/001] .

	pkey_interpretatie	Datum
0	https://www.dov.vlaanderen.be/data/interpretat...	1981-01-01

Get ‘informele hydrogeologische stratigrafie’ 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 = PropertyIsEqualTo(
            propertyname='gemeente',
            literal='Rotselaar')

df = itp.search(query=query,
                return_fields=('pkey_interpretatie', 'pkey_boring',
                               'x', 'y', 'start_interpretatie_mtaw', 'gemeente', 'Auteurs', 'Proefnummer'))

df.head()

[000/001] .

	pkey_interpretatie	pkey_boring	x	y	start_interpretatie_mtaw	gemeente	Auteurs	Proefnummer
0	https://www.dov.vlaanderen.be/data/interpretat...	https://www.dov.vlaanderen.be/data/boring/1981...	172148.5	182587.5	10.94	Rotselaar	Onbekend - Vlaamse Maatschappij voor Watervoor...	B/3005-016

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['Proefnummer'][loc]).add_to(marker_cluster)
fmap

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