Uppsala i 4D användning av geodataunderlag från laserskanning

Transkript

1 Uppsala i 4D användning av geodataunderlag från laserskanning En presentation i samarbete mellan Johan Olofsson, Uppsala kommun & Simon Ahlberg, FORAN Remote Sensing AB Presentation av Uppsala i 4D Tekniken kring trädanalyser Tillämpning av trädanalys

2 Vision: Uppsala igår -idag -imorgon Visualiseringstekniker Lagringstekniker Ajourhållning Johan Olofsson 1

3 Varför vill Uppsala kommun satsa på 3D? Plattform för informationsutbyte Verktyg vid stadsplanering Medborgarengagemang Marknadsföring 2

4 Vad har vi gjort? 3

5 Vad ska vi göra? Upphandling av en ny laserskanning Upphandling av visualiseringsprogram under hösten Upphandling av hustakskonstruktioner under våren 4

6 Användning av laserdata 2007 laserskannades 1/3 av Uppsala kommun. Avsikten var att skapa höjdkurvor och markhöjder. Laserpunkterna användes även för att uppskatta byggnadshöjder gjordes en trädanalys i två provområden användes laserskanningen till att 3D-modellera byggnader inom ett testområde samt göra en fullskalig trädanalys laserskannas Uppsala tätort skapas hustakskonstruktioner från den nya laserskanningen. 5

7 Laserskanning och laserdataanalys M.Sc. Simon Ahlberg COO FORAN Remote Sensing AB

8 FORAN Remote Sensing AB Erbjuder kostnadseffektiva lösningar för natur och miljöområdet baserade på avancerad teknologi för insamling, analys och visualisering av fjärranalysdata, särskilt flygburen laserskanning Skoglig inventering med FORAN Single Tree alternativt Forest Grid Träddata i bebyggd miljömed FORAN Urban Tree Specialister på laserfjärranalys. Utveckling av mjukvara för avancerad analys och presentation av laserdata Simon Ahlberg 8

9 FORAN Remote Sensing -bakgrund Bakgrund från Försvarets forskningsinstitut (FOI) inst. för Lasersystem Forskning : metoder och verktyg för laserfjärranalys Bolaget etableras 2007 Norrköping i 3D, 2006 Bildkälla: FOA Laser systems, Simon Ahlberg 9

10 Flygburen laserskanning Laseravståndmätning Skanner + flygrörelse GPS+INS Georefereat punktmoln Multipla eko Intensitetsdata Noggrannhet ca dm Simon Ahlberg 10

11 Analys av laserdata Klassificering mark, byggnader, vegetation, kraftledning,.. Markmodellering Träd Simon Ahlberg 11

12 Analys av laserdata Byggnader Vegetationsanalys - 15m rutor medelhöjd krontäckning täthet Diken Simon Ahlberg 12

13 Laserdataanalys - Tillämpningar Kartering, topografi Infrastrukturbyggnad, planering, underhåll, Vägar, järnvägar Kraftledningar, pipelines Vattenleder Samhällsbyggnad, samhällsplanering Arkeologi Natur och miljövård. Bibehållande, övervakning Jord och skogsbruk Precisionsjordbruk, övervakning Hushållning, råvaruförsörjning Kris och sårbarhet Förebyggande (översvämning) Krishantering Försvar Multimedia, reklam 3D modellering och visualisering Simon Ahlberg 13

14 UrbanTree Heltäckande träddatabas Standardformat Ur glesa (NNH-data) eller högupplösta laserdata Trädslagsklassning Simon Ahlberg 14

15 UrbanTree Stadsmodeller/3D Liv och realism Stadsplanering och miljöanalyser Vegetationen ger helhetsbild. Ljus, sikt, ljud. Skötsel av parker i tätortsnära skog Rationell drift, planering och underhåll Träddatabas v1 Heltäckande Simon Ahlberg 15

16 Vegetationen väsentlig för helheten Simon Ahlberg 16

17 Träd i stadsmiljö Resultat: Punktlager med attribut Tillämpningar Parkförvaltning Stadsplanering 3D-stadsmodeller Uppsala (barr/löv) Laserdata ca 1 pkt/m 2 Högre upplösning -> bättre positionering Bilddata för klassning Städning mha kommundata Simon Ahlberg 17

18 Träd i stadsmiljö exempel påreferenser Linköping Norrköping Malmö Uppsala Skövde Växjö Kalmar Västerås Simon Ahlberg 18

19 Tillämpning: 3D-stadsmodell med träd - Linköping Simon Ahlberg 19

20 Trädprojektet Två ytor om 1km 2 vardera valdes ut. Tätheten i laserpunkterna är cirka 1 punkt/m 2. 6

21 Resultat Tillgången till parkträd, gatuträd samt träd på kvartersmark ökade dramatiskt. Databasträd Laserträd 7

22 Attributen 8

23 Trädanalys i full skala Analyserad yta: 121 km 2 Antal detekterade och identifierade träd: ca Separerade på arterna barr: 57% och löv: 43% 9

24 Identifiering av nya träd Identifiering av nedtagna träd Lycktstolpe Databasträd Laserträd 11

25 Trädsymbol skalad efter krondiameter Laserträd 10

26 Felaktiga bestämningar Lycktstolpe Databasträd Laserträd 12

27 Träd i gatan. 13

28 Utvärdering Jämförelse mellan: Laserträden, Databasens träd, Träd på ortofoto, Träd i fält. Felkällor i vart och ett av dataseten. 14

29 Noggrannheten uppskattas till bättre än 3 meter. I medeltal kan felet vara 1,5 m. Gatuträd behöver mätas med andra verktyg. 15

30 Slutsatser Förbättra och komplettera träd både i baskarta och parkskötselkarta. Identifiera nedtagna träd i t.ex. parkskötselkartan. Komplettera där träd saknas i kartorna. Stöd vid inventering. 16

31 Slutsatser Krondiameter, stamhöjd och z-värde blir tillgängligt. Barr och löv kan särskiljas. Man kan skapa 3D-träd för visualisering. Man får tillgång till parkträd, gatuträd och träd på tomtmark. Mycket efterarbete. Man kan inte ersätta träd i sin träddatabas utan föregående analys. 17

32 Johan Olofsson Simon Ahlberg