Flygburen laser och digitala bilder för kartering och övervakning av akvatisk och terrester miljö

• Det finns ett växande behov av effektiva metoder för kartering av såväl land- som vattenmiljöer. Sådana behövs för grundläggande naturresursinventeringar, som underlag för bland annat beslut om olika former av skyddade områden samt för hållbar naturresursförvaltning i ett ekosystem- och landskapsperspektiv. Sådana metoder behövs också för uppföljning inom såväl naturresursförvaltning som på en mer strategisk nivå inom miljöövervakningen, för uppföljningen av miljömålen och för internationell rapportering. Två för dessa uppgifter viktiga teknologier som utvecklats starkt på senare tid är flygburen laserskanning och digital fotogrammetri. Med laserskanning kan mark och vegetation avbildas som ett tredimensionellt punktmoln. Det finns även system som med laser avbildar grunda havsbottnar. Syftet med forskningsprogrammet EMMA (Environmental Mapping and Monitoring with Airborne laser and digital images; http://emma.slu.se/) har varit att utveckla metoder för att tillvarata data från i första hand flygburen laserskanning för miljöövervakningens och naturvårdens behov av kartläggning av vegetation såväl på land som på grunda havsbottnar. Tolkning och fotogrammetrisk mätning av flygbilder är välkända tekniker och har därför inte varit en del av forskningen i EMMA. Däremot har användningen av färginformation från digitala flygbilder tillsammans med laserdata undersökts i EMMA-programmets akvatiska del och i den terrestra delen har automatiserad användning av tredimensionella punktmoln som kan erhållas genom matchning av flygbilder undersökts. Sammanfattning av resultat inom programmets akvatiska delar För akvatisk miljö har programmet utvecklat och visat ett antal tillämpningar som direkt kan omsättas i ett operativt sammanhang. Vi har visat att det med laserdata går att kartera ytsubstrat med hög noggrannhet (> 80 %), så att en heltäckande karta genereras som anger täckningen i procent av hårda respektive mjuka substrat ned till laserns djupräckvidd (ca 2–3 gånger siktdjupet). Utifrån dessa data kan metoden användas som stöd för att finna värdefulla marina områden och för uppföljning av marina skyddade områden (t.ex. naturtyperna Rev och Sandbankar enligt Art- och habitatdirektivet). Information om utbredningen av hård- och mjukbottnar är ett grundläggande underlag för att beskriva utbredningen av biotoper enligt det europeiska habitatklassificeringssystemet EUNIS, och HELCOM:s vidareutveckling av detta system för Östersjön (HELCOM Underwater Biotopes/Habitats, HUB). Här har laserdata en viktig funktion att fylla, eftersom detaljerade kartor över ytsubstrat i stort sett saknas för grunda havsområden. Resultaten från EMMA visar att batymetrisk laser kan vara en bra metod att samla in sammanhängande botteninformation som kan gå in som ett underlag i översiktsplanering. Djup- och bottensubstratkartor från lasermätningar är även viktiga underlag för att ta fram kartor över livsmiljöer på havsbottnen med hjälp av rumslig modellering. Heltäckande kartor över livsmiljöer är i sin tur ett viktigt delunderlag som tillsammans med annan information kan skapa underlag i det politiska arbetet som till exempel leder till en kustzonsplan eller en kommunal översiktsplan. Utöver dessa operativa tillämpningar har programmet även tagit fram resultat som ger en grund för fortsatt metodutveckling inom området. Vi har visat att det med laserdata (utöver ytsubstrat och naturtyper) går att kartera högväxt vegetation. En metod som skulle kunna möjliggöra yttäckande övervakning eller detektion av förändringar till en lägre kostnad per ytenhet är användning av satellitbilder, flygbilder eller bilder från mini-UAV (Unmanned Aerial Vehicle) som kombineras med laserdjupdata insamlade vid ett tillfälle. Kombinationen av laser- och bilddata medför att bilddata kan djupkorrigeras och att flygbildernas användbarhet för bottenkartering därmed ökar. Denna flygbildsövervakning skulle kunna genomföras ned till optiska siktdjupet i området. En möjlig datakälla kan vara bilder från Lantmäteriets nationella flygfotografering. Vi har sett att det finns potential att detektera blåstång och smaltång på hårda substrat genom att kombinera data från flygburen laser och flygbilder. Vi bedömer också att det finns stora möjligheter till fortsatt utveckling inom området dels tack vare ny teknik (kameror eller lasersystem med högre spatial och spektral upplösning, t.ex. laser med flera våglängder eller fluorescenskanaler) och dels tack vare nya algoritmer för bearbetning av laser- och bilddata. De akvatiska studierna i EMMA har genomförts i samverkan med ett antal externa projekt (ULTRA, SUPERB och HISPARES). Förutom kunskapsutbyte har det medfört utökade möjligheter att utveckla och testa metoderna i flera geografiska områden och få återkoppling från användare av data. I EMMA har vi arbetat med akvatiska testområden på den svenska ostkusten, från Norra Kvarken till Skåne, men liknande resultat har även uppnåtts på den spanska Atlantkusten och metoderna bör därmed vara lika applicerbara på den svenska västkusten. Vi har generellt uppnått bra resultat i alla områden där vattnet inte varit för grumligt. Dagens operativa lasersystem kräver ett siktdjup på minst 3 m för att kunna ge bra djupdata. Det begränsar teknikens användbarhet i vissa kustnära områden av Bottniska viken, speciellt i områden med stort utflöde av humusrikt älvvatten, och i en del områden med dåligt siktdjup i andra havsområden. Sammanfattning av resultat inom programmets terrestra delar Data från flygburen laserskanning ger information om markens form, samt vegetationens höjd, slutenhet och i viss utsträckning även dess vertikala skiktning och fördelning. Vid tät skanning (mer än 5–10 returer / m2) så framträder även de flesta enskilda trädkronorna, samt många objekt på marken, som liggande trädstammar, större stenar etc. Laserdata kan relativt enkelt bearbetas i dator eftersom det utgörs av diskreta 3D-punkter. Exempelvis kan objekt nära marken bli lättare att tolka visuellt om punkterna som returnerats från krontaket tas bort och de underliggande punkterna ges olika färg beroende på höjd över marken. Relationen mellan laserdata och fältmätta mått på vegetationens egenskaper (t.ex. genomsnittlig trädhöjd eller kronslutenhet) kan dock variera något, beroende på bl.a. sensortyp och inställningar vid skanningen såsom pulsfrekvens, flyghöjd, och årstid. För att automatiskt översätta laserdata till kända storheter så behövs därför en statistisk analys där mått från laserdata kalibreras med hjälp av fältmätta provytor. Vanligen används provytor med ca 10 m radie. De skattade sambanden ellan mått i laserdata (t.ex. höjden över marken för 90 % av alla returer från trädkronorna inom en fältmätt provyta) och fältmätta mått för samma yta (t.ex. trädens medelhöjd) kan sedan användas för att göra rumsligt heltäckande rasterkartor för hela det område som laserskannats under jämförbara förhållanden. Denna teknik har utvecklats inom skogsbruket och kallas då areabaserad skattning. Inom EMMA-programmet har vi visat att den även fungerar väl för fjällbjörkskog, trots att träden där är lägre och mer oregelbundna i sin form och utbredning. Vi har också visat att lantmäteriets förhållandevis glesa skanning med ca 1 retur / m2 ger nästan lika bra areabaserade skattningar av fjällbjörkskog som betydligt tätare skanning från helikopter. Vi har även visat att laserdata från olika registreringstillfällen kan göras jämförbara med en teknik som kallas histogrammatchning, samt att etablering av nya träd i trädgränsen eller på gräsmarker kan upptäckas med laserskanning även på ett tidigt stadium. Sistnämnda försök gjordes dock då träden fortfarande hade löv och det är därför osäkert hur användbara laserdata som registrerats utanför vegetationssäsongen kommer att vara för att upptäcka små lövträd. En del lasersystem kan spara laserljusets hela returnerade vågform. Om vågformsdatat analyseras istället för de diskreta punkter som systemet genererar från vågformen, så kan ytterligare information erhållas från lasermätningarna. Denna möjlighet är särskilt intressant då syftet är att analysera trädskiktets vertikala struktur. Bearbetningar av vågformsdata är dock mycket mer komplicerade och stöds sällan av färdiga programvaror för analys av laserdata. Dagens lasersystem stödjer sällan användning av spektral information. Det är endast ett våglängdsband som används för avståndsmätningen, och skalningen för det mått på den returnerade pulsens styrka som registreras (kallat intensitet) kan ibland ändras beroende på hur ljusa objekt sensorn ser. För att skilja olika vegetationstyper åt (t.ex. lövskog kontra barrskog) utöver vad som kan åstadkommas genom analys av deras 3D-former, så behövs spektrala data från någon annan källa. Laserdata och satellitbilder från t.ex. SPOT- eller Landsat-satelliterna är två olika datakällor som kompletterar varandra på ett utmärkt sätt. För vegetationskartering med den klassindelning som använts för skogsmarken enligt Lantmäteriets databas GSD-Marktäcke förbättras den totala klassningsnoggrannheten med ca 10 procentenheter när satellitbilderna kompletteras med laserdata. För vegetationsklassning på kalfjället så är det främst områden med något högre vegetation, såsom videbuskar, som klassas bättre då laserdata används. Då det gäller klassning av fjällvegetation så har det också visat sig att bearbetningar av data från en markmodell kan förbättra vegetationsklassningar från satellitdata väsentligt. Den nationella laserskanning som Lantmäteriet nu genomför är än så l

Subject headings

NATURVETENSKAP  -- Geovetenskap och miljövetenskap -- Miljövetenskap (hsv//swe)

NATURAL SCIENCES  -- Earth and Related Environmental Sciences -- Environmental Sciences (hsv//eng)

TEKNIK OCH TEKNOLOGIER  -- Naturresursteknik -- Fjärranalysteknik (hsv//swe)

ENGINEERING AND TECHNOLOGY  -- Environmental Engineering -- Remote Sensing (hsv//eng)

LANTBRUKSVETENSKAPER  -- Annan lantbruksvetenskap -- Miljö- och naturvårdsvetenskap (hsv//swe)

AGRICULTURAL SCIENCES  -- Other Agricultural Sciences -- Environmental Sciences related to Agriculture and Land-use (hsv//eng)

NATURVETENSKAP  -- Data- och informationsvetenskap -- Annan data- och informationsvetenskap (hsv//swe)

NATURAL SCIENCES  -- Computer and Information Sciences -- Other Computer and Information Science (hsv//eng)

NATURVETENSKAP  -- Biologi -- Ekologi (hsv//swe)

NATURAL SCIENCES  -- Biological Sciences -- Ecology (hsv//eng)

NATURVETENSKAP  -- Geovetenskap och miljövetenskap -- Annan geovetenskap och miljövetenskap (hsv//swe)

NATURAL SCIENCES  -- Earth and Related Environmental Sciences -- Other Earth and Related Environmental Sciences (hsv//eng)

Publication and Content Type

vet (subject category)

rap (subject category)