ULTRA Utveckling av LiDAR-baserad Terränganalys för Regional Användning

Transkript

1 ULTRA Utveckling av LiDAR-baserad Terränganalys för Regional Användning Gemensam slutrapport Anette Bäck, Forststyrelsen Johnny Berglund, Länsstyrelsen i Västerbotten Johanna Gammal, Forststyrelsen Michael Haldin, Forststyrelsen ULTRA

2

3 ULTRA Utveckling av LiDAR-baserad Terränganalys för Regional Användning Gemensam slutrapport

4 ULTRA Forststyrelsen Wolffskavägen 36 F 13 FIN VASA förnamn.efternamn@metsa.fi Länsstyrelsen i Västerbotten Storgatan 71 B SE UMEÅ förnamn.efternamn@lansstyrelsen.se

5 FÖRORD Tack vare den långvariga och högklassiga forskning som bedrivits i Finland och Sverige är Östersjöns ekologi relativt väl känd. Däremot vet vi förvånansvärt litet om den geografiska utbredningen av Östersjöns arter och livsmiljöer. Den nuvarande situationen, med ett hav som redan mår dåligt samtidigt som behoven att utnyttja havsområden ökar (t.ex. vindkraft och fiskodling), ställer stora krav på alla nivåer av samhällelig områdesplanering och områdesförvaltning. I både Sverige och Finland ingår därför miljökonsekvensbedömning som en del av utveckling och samhällsplanering, och en lagstiftning som ålägger planeraren att ta fram behövliga planeringsunderlag. Nuvarande metoder för att kartlägga naturvärden till havs är relativt tids- och resurskrävande, vilket i kombination med att tillförlitliga data om undervattensnaturen i allmänhet saknas innebär en relativt stor satsning redan i planeringsskedet. Detta leder till en svårlöslig konfliktsituation mellan planeraren, miljökonsekvensbedömningens handläggare, naturresursförvaltning, miljöföreningar och myndigheter med ansvar för regional utveckling och ekonomi. Denna konfliktsituation är såtillvida olycklig att alla parter egentligen har samma mål, en hållbar och ansvarsfull utveckling, användning och förvaltning av våra havsområden. Alla parter har därmed också samma behov av tillgång till heltäckande, tillförlitlig information om naturvärden. En avgörande fråga är alltså hur man tillräckligt snabbt och effektivt kan åtgärda den brist på data som skapar själva konflikten, och som samtidigt hotar de långsiktiga nationella målen om hållbar utveckling. En sådan lösning kunde dessutom snabbt förvandla en svårlöst konfliktsituation till en win-win-situation, där olika myndigheter och den privata sektorn samarbetar mot gemensamma mål. En stor del av Östersjöns naturvärden finns inom relativt grunda områden, där solljuset tränger ända ner till bottnen (i Botnia-Atlantica-regionen till ca 10 meters djup). Ju grundare ett område är, desto större är sannolikheten att där finns höga naturvärden, men desto svårare, och mer resurskrävande, är det att med existerande metoder kartlägga dessa naturvärden. Grunda områden är däremot särskilt väl lämpade för flygburen LIDAR (laserbaserad djupmätning). Målsättningen med ULTRA-projektet har varit att utreda om det är möjligt att utnyttja LIDAR för att kartlägga eller förutsäga naturvärden i våra grunda havsområden. Det skulle i sin tur möjliggöra utvecklingen av en standardiserad inventeringsmetod som skulle vara snabb och effektiv nog att täcka in stora områden på kort tid, vilket på regionalt plan skulle kunna lösa en stor del av de nuvarande konflikterna gällande planering och utveckling av havsområden. Och eventuellt möjliggöra ett storskaligt samarbete kring ett gemensamt mål; en hållbar utveckling av ett välmående havsområde. Februari 2011, Michael Haldin Specialplanerare, Forststyrelsen Huvudkoordinator för ULTRA-projektet

6 Ett speciellt tack riktas till Totalförsvarets forskningsinstitut och Michael Tulldahl som har bidragit till projektet med klassning av LiDAR-data, samt till AquaBiota som har gjort ett omfattande modelleringsarbete. Ett stort tack riktas även till de instanser som har utvärderat datas användbarhet inom förvaltning och områdesplanering: Umeå kommun Österbottens förbund Vasa stad Korsholms kommun Meritaito Ab Södra Österbottens Närings-, trafik- och miljöcentral Geologiska forskningscentralen Fiskeriverket

7 INNEHÅLL FÖRORD 1. BAKGRUND Vad är LiDAR? Ekologisk modellering MÅLSÄTTNING UNDERSÖKNINGSOMRÅDEN GENOMFÖRANDE OCH RESULTAT Datainsamling LiDAR-flygning Insamling av data för fältverifiering Klassning av LiDAR-data Ekologisk modellering Analys av metodernas och underlagens användbarhet Resultat av LiDAR-flygning Klassning av LiDAR-data Resultat av modellering Kostnader och tid Övrigt SLUTSATSER KÄLLOR BILAGA Användning av Lidar-data inom kartläggningen av landformer på grunda havsområden i Rönnskärs skärgård 2. Fiskeriverkets kommentarer till projektet ULTRA 3. Comparison of Airborne Lidar and Acoustic Survey Data of the Submarine Moraine Formations in the Kvarken Archipelago 4. Jämförelse av material från LiDAR och akustiskt flerstråle-ekolod (MBES) 5. Fjärrkartering som hjälpmedel vid avgränsning av flador. Fallstudie: Gammelfladan i Bergö, Rönnskär 6. Report from Lidar Classification of Vegetation and Substrates in the Ultra-project 7. Analys av möjligheter att använda Lidar-data vid regional- och kommunal havsplanering 8. Modellering av bottensubstrat, arter och ekologiska samhällen med data från Lidar

8

9 1. BAKGRUND Vi kan idag ta fram bättre kartor över månens baksida än över våra havsområden är ett uttryck som använts inom projektet ULTRA för att åskådliggöra hur lite vi idag vet om våra hav. Detta är dagens sanning även för Östersjön och Kvarken; trots deras närhet och deras stora betydelse under tusen år som förenande länk och avgörande resurs för befolkningen längs Finlands och Sveriges kuster, känner vi mycket litet till vad som finns under ytan. Det har länge stått klart att Östersjön mår dåligt. Resurser har satsats på vetenskaplig forskning och metodik, men insamling av geografiskt utspritt grunddata har i princip uteblivit och vi har förhållandevis dålig kunskap om vilka arter och habitat som förekommer och hur mycket det egentligen finns av dem. Varför vet vi då så lite? Trots deras närhet, är haven mycket svåra att nå med traditionella kartläggningsmetoder. Kartläggningar till havs är tidsdryga, ställer höga tekniska krav på utrustningen och kräver stora resurser för att genomföra. I Kvarken har kartläggning pågått under snart tio år, men det är ändå bara fråga om några få promille av ytan som har täckts i kartläggningen. Det finns ett stort och alltjämt växande behov av kunskap om våra havsområden. Intresset för havsområdena har ökat och många aktörer och verksamheter, såsom energiproduktion, utbyggnad av infrastruktur, rekreation och naturskydd, ska samsas om samma områden. För att kunna säkra en hållbar utveckling, och att rätt aktivitet placeras på rätt ställe, behövs heltäckande grundkartor, för planering och förvaltning. Utan grunddata kan existerande vetenskapliga rön inte implementeras i större skala och därför heller inte i praktiken användas vid planering och förvaltning av havs- och kustområden. God baskunskap om våra vattenområden kommer dessutom speciellt att behövas i och med det nya havsmiljödirektivet (2008/56/EG). Under 2007 deltog Forststyrelsen och Länsstyrelsen Västerbotten i Interreg III A Kvarken-Mittskandiaprojektet "Kvarken under ytan" med målsättning att få en överblick över vad vi idag vet om våra havsområden, vilken information som skulle behövas inom olika organisationer och få inblick i vilka metoder som används världen över för kartläggning. Under projektets gång kom deltagarna i kontakt med den relativt nya LiDAR-tekniken, med vilken inledande försök gjorts att från havsområden ta fram mera information ur signalerna än endast djup. Metoderna var i försöksstadiet men skulle med utveckling kunna bli en effektiv metod för kartläggning av stora grunda områden, såsom Kvarken. LiDAR-tekniken skulle snabbt kunna ge information om de grunda havsområdena på vilka de traditionella båtburna kartläggningsmetoderna är mycket tidsdryga. Ur projektet Kvarken under ytan uppstod idén om projektet ULTRA, och att testa LiDAR och ekologisk modellering för att ta fram heltäckande kartor av våra grunda havsområden, vilka skulle vara direkt användbara för samhällelig planering och förvaltning. Under 2007 påbörjades planeringen av projektet. I planeringsprocessen deltog Michael Haldin, Johnny Berglund och Anette Bäck. Feedback erhölls även från 1

10 expertorganisationer med specialkunskap inom området, vilka senare också deltog i projektet med sin sakkunskap. Sensommar 2008 erhölls finansiering av Österbottens förbund, Länsstyrelsen Västerbotten samt Interreg IV-A programmet Botnia-Atlantica. Därtill erhölls ett anslag från Naturvårdsverket i Sverige. Projektet inleddes Vad är LiDAR? LiDAR (Light Detection and Ranging) är en aktiv fjärrkarteringsmetod som relativt allmänt används för att ta fram underlag för noggranna höjdmodeller. Metoden har även utvecklats till en effektiv metod för djupmätning på havsområden. Mätningarna utförs från flygplan eller helikopter, och möjliggör därför att relativt stora områden täcks under kort tid. Eftersom metoden är flygburen lämpar den sig väl i grunda områden som är svåra att nå med båt och ekolod (figur 1A). Från LiDAR-systemet sänds laserljus ut i korta men mycket täta pulser med hög intensitet. För användning på land används en infraröd våglängd medan LiDAR-system som används för A djupmätning på havsområden också använder en grön våglängd (figur 1B). Den röda impulsen reflekteras från havsytan medan gröna pulser tränger ner genom ytan och vattenmassan och reflekteras när den når havsbotten. Högkänsliga mottagare i LiDARsystemet mottar de återvändande B pulserna, och baserat på tidsskillnaden mellan de återvändande röda och gröna pulsernas ekon är det möjligt att beräkna ett havsområdes djup. Eftersom tekniken baserar sig på ljus, begränsas den av grumlighet i vatten. Vanligtvis kan man beräkna att LiDAR når ner till djup på 2,5 3 gånger siktdjupet. Figur 1. A) Med båtburna djupmätningsmetoder, akustiska metoder, minskar effektiviteten med minskat djup, dvs. området som kartläggs per körd linje blir smalare. Med Lidar är effektiviteten däremot konstant oavsett djup. B) Lidar baseras på röd och grön laser. Röda strålar reflekteras från ytan medan de gröna reflekteras från botten. Genom att beräkna tidsskillnaden mellan de reflekterade strålarna kan djupet uträknas. C) Utgående från Lidardata kan sedan enhetliga djupkartor genereras, t.ex. i Kvarken ner till ca 10 m djup. C 2

11 LiDAR utvecklades ursprungligen för militärt bruk som en metod för att upptäcka undervattensfarkoster och minor samt för att noggrant och snabbt kunna kartlägga grunda områden. Med nuvarande system kan man uppnå en horisontell noggrannhet på land av 50 cm och en vertikal noggrannhet på +/- 5 cm. Till havs kan man p.g.a. reflektionerna i vattenmassan uppnå en horisontell noggrannhet på ca 1,7 meter och en vertikal noggrannhet på +/- 25 cm. På land används LiDAR förutom för topografimätningar också för att kartera och kontrollera byggnation, vägnät och annan markanvändning. LiDAR används också för att bedöma effekterna av kusterosion och översvämningsrisker. Insamlat djupdata kan efter analys modifieras till en enhetlig djupkarta (figur 1C). Nuvarande djupkartor från Kvarken är baserade på lodade mätpunkter med ett uppskattat medelpunktavstånd omkring meter. I dessa förhållanden ger alltså LiDAR i sämsta fall en förbättring av djupdatats yttäckning på mer än gånger och i bästa fall på mer än gånger. Under år 2006 och 2007 gjordes de första försöken i södra Sverige att ur den uppmätta LiDAR-pulsen utläsa mer information än enbart djup och höjd. Det visade sig vara möjligt att med 80 % säkerhet fördela LiDAR-pulserna mellan fyra olika klasser (ålgräs, algvegetation, sandbotten och övrigt). Just sådana utbredningskartor av arter och bottentyper i kombination med djupdata är ovärderliga när det gäller regional och kommunal planering, förvaltning av havsområden, tillämpning av EU:s integrerade havspolitik, styrning av exploatering av marina områden (bl.a. vindkraft) och för att effektivt kunna skydda marina naturvärden. Materialet har också många andra användningsmöjligheter, bl.a. för sjöfart och fiskerinäring, det är av stort intresse för forskningen och är t.ex. också det enda sättet att snabbt och noggrant kartlägga en exakt förekomst av de moränformationer (på land och under havsytan) som ingår i Kvarkens världsarvsområde. En noggrann batymetri i grunda områden ger avsevärt bättre möjligheter att modellera olika arters utbredning och på så sätt skapa viktiga underlag för den marina kustzonsplaneringen (Isæus et al. 2009). 1.2 Ekologisk modellering Ekologisk modellering används allt oftare för att ta fram kartor över förekomst av arter och habitat i havsområden. Medan traditionella karteringsmetoder, t.ex. kartering med undervattensvideo eller dykkartering, ger en noggrann bild av situationen på den utvalda karteringspunkten, erbjuder modellering en kostnadseffektiv metod att över geografiskt stora områden ta fram heltäckande kartor som beskriver havsmiljön (figur 2). Med en modell visas sannolikheten att en art eller ett habitat förekommer på ett område baserat på vad vi känner till om området samt på vilket sätt den modellerade förekomsten är beroende av olika omgivningsfaktorer. Denna information inhämtas från traditionella kartläggningar. Av de variabler som beskriver den marina miljön är djupet den enskilt viktigaste prediktorn. Många arter förekommer endast inom vissa djupintervall och djupet har således stor betydelse för att kunna förutsäga utbredningen av arter till havs. Betydelsen av noggrann djupinformation ökar ytterligare genom att djupet styr flera andra faktorer av vikt för utbredning av arter, såsom ljusinstrålning, vågpåverkan, bottentemperatur och salthalt. 3

12 En modell blir inte bättre än de data den baseras på. Tyvärr saknas oftast tillräckligt bra underlag för miljövariabler som djup och bottensubstrat, vilket begränsar de modellerade kartornas kvalitet. Problemet är speciellt uppenbart i de grundaste områdena. För att kunna ta fram modeller med tillräckligt hög statistisk tillförlitlighet är det alltså av största vikt att få fram tillräckligt bra underlag att basera modellerna på. De grundaste områdena under 3 m, vilka samtidigt ofta är de biologiskt mest värdefulla, utgör en utmaning eftersom dessa är svåra att nå med både båt och ekolod. Figur 2. Baserat på analyser av insamlat fältdata kan modeller och sannolikhetskartor över förekomst av arter och habitat genereras. Bild: AquaBiota 2. MÅLSÄTTNING Projektets målsättning var att skapa regionala förutsättningar för att använda LiDAR som en metod för kartläggning av Kvarkens undervattensområden. För att åstadkomma detta eftersträvade projektet att utvidga tolkningen av LiDAR-data att omfatta också geologiska och biologiska variabler, att testa storskalig modellering med hjälp av klassade LiDAR-data och att (i enlighet med principerna för integrerad kustzonsförvaltning, ICZM) i samråd med områdets centrala aktörer utreda hur väl LiDAR-data och modeller kan tillgodose deras respektive behov. Samtidigt eftersträvade projektet att förbättra kontakterna och samarbetet mellan de aktörer som är aktiva inom förvaltning och planering av havsområden. 4

13 Projektets målsättningar i korthet: 1. Utveckla och anpassa ny fjärrkarteringsteknik och modellering för användning i Kvarken och närbelägna kustområden genom att utnyttja den bästa kunskapen som för tillfället står till buds i norra Europa. 2. Skapa ett regionalt konsortium av centrala aktörer som ges möjlighet att bekanta sig med denna nya teknik och att bedöma dess användbarhet inom de egna sektorerna. 3. Förbättra förutsättningarna för gemensamma satsningar när det gäller implementeringen av europeisk och nationell havspolitik och planering av havsoch skärgårdsområden. 4. Både implementera principerna för integrerad kustzonsförvaltning inom själva projektet och förbättra möjligheterna för att implementera en integrerad regional förvaltning på nationell och internationell nivå. ULTRA-projektet hade som målsättning att föra samman regionala och nationella aktörer med avancerad fjärrkarteringsteknik i ett läge då fokus hos såväl europeiska som nationella och regionala aktörer ligger på planering, förvaltning och utveckling av olika områden i Östersjön. Projektet bygger upp en kompetens i Kvarkenområdet som behövs inom ett mycket brett fält angående bland annat planering, naturresursförvaltning, ekonomisk utveckling, sjöfart, turism och fiskeri. 3. UNDERSÖKNINGSOMRÅDEN Som undersökningsområden för datainsamlingen valdes två områden, ett på den svenska sidan strax öster om Umeå (Sävarfjärden), ett på den finska ca 40 km väster om Vasa (Rönnskär) (figur 3). Förutom att de båda områdena är varierande och därför erbjuder omfattande möjligheter för tolkning och analys har de under några års tid inventerats av naturresursförvaltande myndigheter på respektive sida om Kvarken. Kvarken utgör en övergångszon mellan Bottenhavet och Bottniska viken. I hela Östersjön är det endast de danska sunden som har en lika kraftig förändring i salthalt som i Kvarken. När salthalten sjunker sker samtidigt en motsvarande förändring i den marina miljön. Flera ekologiska nyckelarter för Östersjön bl.a. blåmussla, blåstång och smaltång har sin nordgräns i Kvarken. Figur 3. De röda rutorna visar projektets två undersökningsområden; Sävarfjärden öster om Umeå och Rönnskär väster om Vasa. 5

14 De båda undersökningsområdena valdes så att de gemensamt motsvarar en så stor del av Kvarken som möjligt. Avståndet mellan undersökningsområdena i nord-sydlig riktning är knappa 100 km. Sävarfjärden speglar den mera sötvattensberoende situationen i Bottenviken, medan det finska mer motsvarar den saltare situationen i Bottenhavet. Båda områdena innehåller såväl skyddade som mer exponerade delområden. Genom att fördela områdena längs en nord-sydlig axel (som samtidigt representerar en förändring från högre till lägre salthalt) uppnås en ekologisk bredd på analysen som i ett senare skede bättre möjliggör användningen av metoderna i angränsande områden på svenska och finska sidan. Forststyrelsen och Geologiska forskningscentralen har utfört noggrannare analyser och inventeringar i det finska området under flera år. Likaså har Västerbottens länsstyrelse utfört flera inventeringar i Sävarfjärden. Tidsmässigt färskt och tillförlitliga inventeringsdata underlättade planeringen av fältarbetet i samband med LiDARflygningen, eftersom det baserat på inventeringsdatat var möjligt att få en uppfattning om var det inom undersökningsområdena var möjligt att finna de habitattyper som behövdes och därför kunde fältarbetet riktas till dessa områden. Resultaten från fältinventeringarna var också av mycket stor betydelse för den ekologiska modelleringen genom att de erbjöd noggrant och kvalitetssäkrat grundmaterial att använda i analyserna samt som referensmaterial för att verifiera modellen. Båda undersökningsområdena är viktiga för naturvård, fiske, allmänt båtliv och rekreation, en stor del av det finska området ingår dessutom i Kvarkens världsnaturarv (figur 4). Figur 4. Skärgårdsområdena på vilka undersökningen utfördes. Rönnskär (vänster, bild: Helifoto) på den finska sidan ligger ca 40 km väster om Vasa, medan skärgårdsområdet runt Sävarfjärden (höger) ligger strax öster om Umeå på den svenska sidan. 6

15 4. GENOMFÖRANDE OCH RESULTAT ULTRA pågick Projektets genomförande var uppbyggt i fyra steg; datainsamling, klassning av LiDAR-data, ekologisk modellering och analys av metodernas och resultatens användbarhet. 4.1 Datainsamling Datainsamling genomfördes åren 2008 och Genom datainsamling inhämtades data beskrivande den verkliga situationen i undersökningsområdena, på vilka kommande analyser skulle baseras. Innan fältsäsongen inleddes samlades projektdeltagarna för ett kick-off möte där det gemensamt med sakkunniga inom projektet slogs fast principer för genomförande och rapportering av fältarbetet LiDAR-flygning LiDAR-flygningen utfördes av BLOM Aerofilms i oktober 2008 och september Områdena utgjorde tillsammans en yta på 68 km 2. Flygningarna utfördes på 250 m höjd vilket gav en flygstråkbredd på 100 m. Genom att använda den lägsta möjliga flyghöjden eftersträvades att få en så stor punkttäthet som möjligt, vilket motsvarade ett avstånd mellan mätpunkterna till havs på 1,7 m och 0,5 m på land. Enligt ursprungliga planer skulle mätningarna endast ha utförts hösten 2008, men på grund av mycket begränsat siktdjup och ihålliga höststormar erhölls inte tillräckligt goda resultat för vidareanalys från provflygningarna. Omflygning genomfördes därför på sensommaren I samband med LiDAR-flygningen togs även högupplösta flygfotografier över området. Flygningarna föregicks av siktdjupsmätningar (s.k. secchimått) för att undvika att flygningarna utfördes under dåliga förhållanden. Innan flygningarna i september 2009 varierade värdena i Rönnskär mellan 4,6 5,6 m. Som en följd av att Sävarån rinner ut i det svenska undersökningsområdets nordvästra del, varierade siktdjupet mellan 2,1 och 4,6 m i Sävarfjärden, med de lägsta värdena i närheten av mynningen. Secchimätpunkterna utgjorde även ett mått på grumlighet i den senare klassningen av LiDAR-datat (punkt 4.2). Noggranna topografiska och batymetriska data levererades till projektet i december Resultaten från Rönnskärs undersökningsområde visade en noggrann bottentopografi ner till max 13 m djup och i Sävarfjärden ner till max 11,7 m. Medeldjupet till vilket signalerna lyckades mätas var dock runt 10 m. En översiktsbild från Rönnskär ses i figur 5, där även en förstoring ses från mätningarna vid Storskärs östra sida. 7

16 Figur 5. Översiktskarta över djupet på undersökningsområdet Rönnskär (vänster) och en förstoring av Storskärs östra sida (höger) baserat på djupmätningarna med LiDAR från år Den noggranna batymetrin avslöjade en mängd bottenformationer som utgående från tidigare djupdata inte urskiljts. I figur 6 jämförs kartor baserade på sjökortsbatymetri och de noggrannare LiDAR-djupdata från området kring Ljusan i Rönnskärs nordvästra del för att visa på de tydliga skillnaderna. På bilden ses skillnaderna tydligt genom att djupformationer, såsom långsträckta moräner, vilka på sjökortet helt saknas framgår tydligt i den behandlade LiDAR-bilden till höger. Även förändringar i strandlinjen kan ses, vilket i landhöjningsområden som Kvarken är av stort intresse och värde. Jämför man medelavståndet mellan mätpunkter på vilka sjökortets djupdata baseras på, samt LiDAR-datas mätpunkter, kan konstateras att de nya djupdata innebar en utökning av mängden mätpunkter med över gånger, ställvis upp till gånger. Figur 6. Jämförelse av kartor baserade på sjökortsbatymetri (vänster) och LiDAR-djupdata (höger) från området kring Ljusan i nordvästra Rönnskär. Skillnader i noggrannhet kan tydligt ses på kartorna; djupformationer, såsom långsträckta moräner, vilka på sjökortet helt saknas framgår tydligt i den behandlade LiDAR-bilden. 8

17 För det svenska undersökningsområdet var resultaten från LiDAR-flygningen inte lika heltäckande, vilket beror på att Sävarån rinner ut i området och färgar vattnet brunt av humus. Siktdjupet blir därmed lägre i de inre delarna. I figur 7 ses resultaten från de siktdjupsmätningar som gjordes innan flygningen inleddes, och utgående från LiDARresultaten kunde konstateras att data i princip saknas från alla områden med brunt vatten och ett siktdjup som understiger 3 3,5 m. Detta är i sig ett intressant resultat eftersom informationen är viktig vid planering av framtida undersökningar. Övriga problem som noterades i LiDAR-datat var att data ibland saknades på de allra grundaste områdena under 1 m samt i områden med vågskum. En senare granskning av problem med LiDAR i grunda områden visar att det oftast är mörk mjukbotten i de vikar och flador som saknar data under 1 m. Däremot kan man få bra resultat ända intill strandlinjen där det är hårdbotten. LiDAR-flygningarna är inte i sig speciellt känsliga för hårda vindförhållanden, men bildas vågskum (vind > 6 7 m/s) så kan signalen försvinna. Figur 7. Resultaten från siktdjupsmätningarna innan LiDAR-flygningarna 2009 i Sävarfjärden (vänster) och LiDARresultaten från samma område (höger). På grund av Sävaråns utlopp i de inre delarna av Sävarfjärden var vattnet starkt brunfärgat och siktdjupet begränsat, vilket återspeglades i LiDAR-resultaten och gjorde att djupdata saknades från delar av området med färgat vatten och ett siktdjup mindre än 3 3,5 m Insamling av data för fältverifiering Fältverifieringsdata insamlades hösten 2008 samt sommaren 2009 genom dykning, snorkling och videofilmning. Målsättningen var att samla in data så nära tidpunkten för flygningen som möjligt, för att erhålla jämförelsedata som överensstämde med situationen när LiDAR-flygningen gjordes. Forststyrelsen och Länsstyrelsen Västerbotten ansvarade för uppgiften. Med avseende att jämföra resultaten från de olika kartläggningsmetoderna, delades arbetet upp så att Länsstyrelsen Västerbotten samlade in fältdata genom filmning av videotransekter medan Forststyrelsen använde sig av dykning. 9

18 Målsättningen med dykningen var att genomsöka området och märka ut tillräckligt stora, enhetliga ytor (enhetliga med tanke på bottentyp, djup och vegetation), som kunde användas vid klassning av LiDAR-data. Klassificeringsmetoden går ut på att koppla ytornas botten- och vegetationstyp till information från LiDAR-signalen, både djupdata (t.ex. lutning) och olika vågformsdata från LiDAR-pulsen. Arbetet med att samla in fältverifieringsdata visade sig ha två begränsande faktorer: området en dykare kan genomsöka per dyktub är mycket begränsat samt svårigheter med noggrann positionsbestämning av dessa undervattensytor. Effektiviteten ökades genom att projektet tog i användning dykskotrar, vilka möjliggjorde genomsökning av en tio gånger längre sträcka per dyktub (figur 8). Dykskotrarna ökade hastigheten samtidigt som förbrukningen av luft minskade i och med mindre fysisk ansträngning. För positionsbestämning tog projektet i användning ett eget bojsystem bestående av hundkoppel, boj och tyngd. Genom att placera bojsystemet i mitten av det enhetliga området och lossa flexi-kopplet, flöt bojen upp till ytan varefter positionen kunde mätas av följebåten med hjälp av RTK-GPS. Noggrann positionering är avgörande för användande av data i efterföljande analyser. Figur 8. En dykare med dykskoter (vänster), en boj utlagd i mitten av ett större enhetligt område (mitten), undervattensvideokamera som användes från båt vid filmning av videotransekter (höger). Information om de enhetliga ytorna noterades vid dykningarna. För analyserna uppgavs bottensubstrat samt artförekomst och vegetationens höjd. Vegetationen hade indelats i grupperna lågväxande och högväxande med tanke på kommande analyser. Arterna blås- /smaltång och vass utgjorde egna klasser. Områdets form och storlek ritades också av dykaren, för att formen senare eventuellt skulle kunna återfinnas i LiDAR-datat och klassningen kunna göras baserat på detta. Videofilmningen utfördes med en droppvideokamera som släpades efter en mindre båt längs ca 200 meters transekter. Videokamerapaketet som utvecklats inom projektet Kvarken under ytan fick position och djupangivelser från båtens GPS-plotter. Videofilmerna analyserades senare vid skrivbordet enligt Naturvårdsverkets undersökningstyp för Vegetationsklädda bottnar - ostkust (Naturvårdsverket 2004) med kompletteringen att sträckor med en mycket enhetlig täckning av bottentyp och vegetation speciellt noterades. Analysen enligt undersökningstypen beskriver den undersökta transekten i avsnitt, där varje avsnitt ska ha en enhetlig täckning av vegetation, bottentyp och fastsittande djur. Det som senare visades utgöra en osäkerhet var positioneringen av transekterna. En normal GPS har en noggrannhet på omkring 5 m medan LiDAR-data har en upplösning på omkring 1,7 m. Att samla in fältverifieringsdata från de allra grundaste områdena visade sig vara utmanande oavsett fältmetod. Samtidigt är dessa, t.ex. flador, ekologiskt mycket viktiga och avvikande från omgivande öppnare havsområden. Problematiken löstes med 10

19 flygfotografering från radiostyrt miniatyrflygplan. Denna metod ingick inte i de ursprungliga planerna utan behovet uppkom under projektets gång. Med denna teknik visade det sig vara möjligt att nå ner till så pass noggrann resolution att avgränsning av vegetation och andra formationer (trösklar, muddringar) var möjligt (figur 9). Figur 9. Flygfotografi av Gammelfladan (A) i Rönnskär skärgård, taget med hjälp av fjärrstyrt miniatyrplan. Med hjälp av flygfoton av bra kvalitet är det möjligt att göra uppförstoringar för avgränsning av vegetation och andra strukturer som t.ex. muddringar (B). Resultat av fältverifieringsarbetet blev 340 undersökta enhetliga områden i Rönnskär skärgård, 61 videotransekter från Sävarfjärden samt noggranna flygfotografier tagna med fjärrstyrt flygplan från Ljusan, Gammelfladan och Södra viken i Rönnskär skärgård. Olika metoder för insamling av fältverifieringsdata kan således jämföras och effektivera planering av motsvarande inventeringar i framtiden. 11

20 4.2 Klassning av LiDAR-data Vidareanalys av LiDAR-data genomfördes av Michael Tulldahl vid Totalförsvarets forskningsinstitut, FOI. Metoderna och resultaten finns noggrant beskrivna i delrapporten Tulldahl (2010). Klassningen utfördes under 3 4 månader vintern Klassningen baserades på rådata från LiDAR-mätningarna. För bottenklassning använde man sig av den från botten återvändande pulsens vågform som förenklat beskriver hur pulsen påverkats vid reflektion från botten. För att ta bort störningar som orsakas av reflektioner från vattenytan samt när strålen går ner genom vattenmassan korrigerades de återvändande pulserna bland annat för vattnets grumlighet, djup och flyghöjd. För klassningen kombinerades LiDAR-data med fältdata som insamlats under projektets gång genom dykning i Finland och videofilmning i Sverige. Genom fältverifieringen söktes positionsbestämda ytor med relativt hög täckningsgrad av en viss vegetationstyp eller ett substrat. Från fältinventeringarna fanns även data om mixade områden, men dessa användes inte för klassning. Utgående från datat utvecklades statistiska klassningsmodeller för att ur LiDAR-datats pulser finna de punkter som kan tolkas tillhöra utvalda arter och substrat. Av fältverifieringsdata användes en del för träning och resten för utvärdering av modellen. Utgående från träningsmaterialet togs 6 (Sävarfjärden) respektive 10 (Rönnskär) underklasser fram (tabell 1 och 2), vilka beskrev en särskild sammansättning av substrat och vegetation. Modeller för att klassificera dessa underklasser ur LiDAR-datat togs fram genom att träna på fältverifieringspunkter från en eller flera typer av botten. Modellerna utvärderades baserat på fältdata. Utgående från underklasserna togs sedan fram tre huvudklasser för båda områdena. Tabell 1. Sammanställning av klasserna som togs fram av data från Sävarfjärden. SÄVAR Sub-Classes Class No. Description S1 Rock 100%, Boulder or Stone < 5%, vegetation cover < 5% Rock 100%, Boulder or Stone < 5%, 1 S2 Cladophora glomerata cover 10% "Hard" Boulder cover >75%, Stone 0-25%, S3 Cladophora glomerata 5-50%, Chara 0-5% 2 "Soft with Vegetation" 3 "Soft" S6 S7 S8 Soft bottom 100%, Pot.Perf or Pot.Pect 25-50%, Chara aspera 0-75%, Myriophyllum sibiricum 0-25%, Vaucheria 0-50%, Chara 0-50% Soft bottom 100%, Vaucheria or Chara 50% Soft bottom 100%, Stone < 1%, vegetation cover < 1%, 12

21 Tabell 2. Sammanställning av klasserna som togs fram av data från Rönnskär. RÖNNSKÄR Sub-Classes Class No. Description S1 Rock 100%, Fucus > 80% 1 "FucusRock & S2 Boulder or Stone (>20cm) >40%, Fucus >75% HighVegetation" S8 Sand or Silt > 90%, Boulder <10%, Pot.Perf (>80cm) >70% S3 Rock 100%, Filament > 80% 2 "Rock & S4 Boulder or Stone (>20cm) >90%, Filament >80% Vegetation" S9 Boulder, Stone, Sand or Silt, Myrioph.(>50cm) >80% S5 Silt, or Silt with Dead Algae 3 Soft& Filament S6 S7 S10 Sand or Gravel, Dead Algae 100% Sand 100% (uncovered) Sand, Gravel or Stone (<20cm). Filament >80%, Fucus <5% Vid klassning, testades varje LiDAR-punkt mot alla underklasser. LiDAR-punkterna tilldelades sedan den klass, till vilken den med tillräckligt hög sannolikhet bedömdes höra. Om punkterna inte uppvisade en högre sannolikhet än 60 %, tilldelades de ingen klass. Klassat data analyserades i 10 x 10 m rutor (gridar). Varje ruta tilldelades den klass som hade majoritet inom rutan. Resultaten från klassningarna levererades till projektet våren Från vartdera området levererades kartor i shape-format, beskrivande de tre huvudklasserna. Resultaten från Rönnskär var överraskande positiva, med ställvis mycket detaljerade kartor över förekomst av olika klasser. Exempel kan ses i figur 10 12, där klassade kartor av de tre klasserna som tagits fram för Rönnskär kan ses som en översiktsbild samt noggrannare över Ljusan. Som exempel kan nämnas figur 10, i vilken framgår förekomst av blås-/smaltång på hårdbotten samt hög vegetation på mjukbotten. Eftersom dessa är ekologiskt mycket viktiga områden, speciellt tång som erbjuder en flerårig miljö i Kvarkens annars mycket föränderliga miljö, är det från denna klass möjligt att ta ställning till var viktiga livsmiljöer finns i området. Tydliga och noggranna resultat erhölls även från området Sävarfjärden. Exempel kan ses i figur 13, där de tre huvudklasserna från Sävarfjärden tydligt framkommer. 13

22 Figur 10. Karta som beskriver förekomst av habitattyperna Fucus sp. på hårdbotten eller hög vegetation på mjukbotten (klass 1) vid Rönnskär. I den mindre bilden till höger ses resultaten kring Ljusan. Kartan har tagits fram genom klassning av LiDAR-data inom rutor av 10 x 10 m. Färgskalan visar förekomst i procent. Figur 11. Karta beskrivande förekomst av habitattyperna trådalger på hårdbotten eller hög vegetation på mjukbotten (klass 2) vid Rönnskär. I den mindre bilden till höger ses resultaten kring Ljusan. Kartan har tagits fram genom klassning av LiDAR-data inom rutor av 10 x 10 m. Färgskalan visar förekomst i procent. 14

23 Figur 12. Karta beskrivande förekomst av habitattypen sand och döda alger (klass 3) vid Rönnskär. I den mindre bilden till höger ses resultaten kring Ljusan. Kartan har tagits fram genom klassning av LiDAR-data inom rutor av 10 x 10 m. Färgskalan visar förekomst i procent. Figur 13. En exempelkarta framställd utgående från klassat LiDAR-data från Sävarfjärden, där de tre huvudklasserna hårdbotten, mjukbotten med vegetation och mjukbotten tydligt kan urskiljas. 15

24 4.3 Ekologisk modellering Det egentliga modelleringsarbetet inleddes vintern Innan dess hade grunddata samlats in och förbehandlats. Modellering utfördes av AquaBiota, noggrann beskrivning av metoder och resultat finns i delrapporten av Wikström, Florén & Isæus (2010). Modelleringen av undersökningsområdena baserades på tre olika typer av djupunderlag. Sjökortsbatymetri samt LiDAR-batymetri fanns tillgängligt från både Rönnskär och Sävarfjärden medan digitaliserat djupdata från Sjöfartsverket endast fanns från Sävarfjärden. För att kunna använda och jämföra modellering baserad på dessa olika typer av djupdata gjordes all information om till rutnät på 10 x 10 m. Biologiska data samlades in från videokarteringar som utförts på undersökningsområdena. Från Sävarfjärden användes data från de 61 videotransekter som samlats in under projektets gång, från Rönnskär användes data som Forststyrelsen samlat in under tidigare kartläggningar i området under åren genom projekten MERVI och FINMARINET Life+. Detta utgjorde totalt 2328 inventeringspunkter inom inventeringsområdet beskrivande bottentyp och växtlighet. För modellering användes även data om bottenhabitat som inhämtats från LiDARvågsdata samt information om områdets vågexponering som beräknades med Simple Wave Model (SWM). På grund av det varierande siktdjupet i Sävarfjärden, vilket var en följd av Sävaråns utflöde, beaktades även siktdjup i modellen. Modelleringen resulterade i empiriska modeller som beskriver det statistiska sambandet mellan en art eller habitat och ett antal miljövariabler i områdena. Från modellerna gjordes sedan prediktioner över området, vilket resulterade i sju heltäckande kartor med god kvalitet beskrivande sannolikhet av förekomst av arter, samhällen och bottensubstrat i Sävarfjärden och 11 kartor i Rönnskär (se exempel figur 14). Kartorna levererades till projektet under våren 2010 i shape-format. Kartorna validerades genom externvalidering, vilket innebar att kartan jämfördes med datapunkter som inte använts när modellen tagits fram utan sparats just för detta syfte. 16

25 Figur 14. Modellerade prediktionskartor över förekomsten av kransalger (Charophyceae) på undersökningsområdena Sävarfjärden (vänster) och Rönnskär (höger). Färgskalan visar sannolikheten, i procent, för förekomst av kransalger. Bild: AquaBiota (Wikström, Florén & Isæus 2010) Utgående från utbredningskartorna gjorda på LiDAR-data tog AquaBiota fram naturvärdeskartor, dvs. kartor beskrivande sammanhängande områden av högt ekologiskt värde. För dessa kartor användes blåstångsbälten, höga kärlväxter och kransalger som utgångspunkt för höga naturvärden i Norra Kvarken. För modellering gäller allmänt att kvaliteten på modellerna är beroende av kvaliteten på det grunddata som modellen baseras på. Ju bättre grunddata modellen baseras på, desto mera tillförlitliga och detaljerade kartor kan tas fram. En av målsättningarna med ULTRA var att kunna jämföra modeller framtagna med olika noggranna basdata, i detta fall djupdata. Resultaten från modelleringen var entydiga, såsom framgår av figur 15. De avsevärt noggrannare djupdata framtaget med LiDAR, gav en betydligt detaljrikare karta än den som baserats på sjökortet. Sjökortskartorna tenderade även att ge en överskattad utbredning av grunt växande arter. Vid modellering baserat på sjökortens djupdata, uppstår ofta problem i och med att djupinformation saknas från de grundaste områdena. Så var även fallet här, där djupdata saknades helt från Södra viken på Storskär samt från Gammelfladan. Avsaknad av information om denna avgörande variabel ger felaktiga modeller i dessa områden såsom även ses här nedan i form av att dessa områden utgör vita områden, dvs. har ingen förekomst. Med hjälp av LiDAR erhölls även djupinformation från dessa områden, vilket förbättrade modellerna i dessa regioner. 17

26 A B Figur 15. Jämförelse av modellerade förekomstkartor av Fucus spp. baserade på djupdata från (A) sjökort och (B) LiDAR på Rönnskärsområdet (vänster) och noggrannare runt Ljusan (höger). Färgskalan visar sannolikheten för förekomst. Från bilderna kan skillnaderna tydligt urskiljas; modellerade förekomstkartor baserade på djupdata framtaget med LiDAR gav en betydligt mer detaljerad bild av arternas utbredning. Dessutom tenderade sjökortskartorna att ge en överskattad utbredning av grunt växande arter. 4.4 Analys av metodernas och underlagens användbarhet Våren 2010 samlades de regionala organisationer som skulle bedöma metodernas användbarhet inom deras organisationer. Projektet har under våren ansökt och erhållit lov från försvarsmakten att sprida resultaten enligt de planerade aktiviteterna. Resultaten som erhållits under projektets gång delades ut och organisationerna gavs 18

27 möjlighet att bekanta sig med materialet. Rapporter för analys av dataunderlagets användbarhet togs fram av Umeå kommun, Österbottens förbund, Vasa stad och Korsholm kommun (gemensam rapport i kommunal och regional planering, Umeå kommun m.fl. 2010), Meritaito Oy (planering av sjöfart, Laaksonen m.fl. 2010) och Geologiska forskningscentralen (kartläggning av geologiska strukturer, Auri 2010, Kotilainen & Kaskela 2010). Därtill gavs utlåtande av NTM-centralen (kartering av flador och glosjöar, Lax 2010) samt Fiskeriverket (kartering av yngelproduktionsområden, Bergström 2010). Här nedan ges en kort sammanfattning över de bedömningar som erhölls under projektets gång inklusive slutsatser från projektets slutkonferens Resultat av LiDAR-flygning Djupdata från LiDAR-flygningarna bedömdes ha god potential för kartläggning av de landhöjningsformationer som är kännetecknande för Kvarken. För geologisk och morfologisk kartläggning till havs och på land ansågs LiDAR vara en metod med stor potential (figur 17). Geologiska forskningscentralen (GTK) bedömde att det tillsammans med flygfoton och markobservationer är möjligt att få en bra överblick av moränförekomster i området, deras storlek, form och orientering. Metoden möjliggör som sådan inte kartläggning av bottensubstrat, men genom att se på information om grovlek konstaterades att det är möjligt att göra vissa antaganden gällande bottensubstrat. GTK framhöll speciellt metodens användbarhet i de grunda havsområdena som är svåra att nå med traditionella båtburna metoder. Figur 16. Bottentopografikarta över Storskäret, Rönnskärs skärgård. Kartor gjorda på basen av LiDAR-djupdata ger en noggrann bild av bottnens struktur på grunda havsområden. Bild: modifierad från Kotilainen & Kaskela (2010). 19

28 För avgränsning av värdefulla grunda områden, såsom flador och glosjöar, bedömde NTM-centralen att metoden kunde vara mycket betydelsefull. Med den detaljrikedom som kunde erbjudas på dessa områden ges möjlighet att avgränsa flador, bedöma den underliggande tröskelns djup samt göra bedömningar av var flador kommer att uppstå i framtiden, något som idag saknas. För samhällsplanering och planering av farleder bedömdes metoden fylla vissa behov, men att den dock hade brister som inte möjliggjorde direkt användning. Meritaito Oy bedömde att möjligheterna att använda metoden för havskartering och planering av farleder begränsades av antalet mätpunkter, vilka minskade efter 5 meters djup och i princip uteblev helt på djup över 10 meter. För planering fanns även en för stor osäkerhet på 0 3 m djup, vilket orsakade problem t.ex. i områden med närliggande grynnor. Det konstaterades däremot att LiDAR är lämpligt verktyg för inledande planering av noggrannare mätningar med akustiska metoder samt för tilläggsmätningar i de grunda områden som inte kan nås med båt. Även för samhällsplanering bedömdes att metodiken lämpar sig för översiktsplanering, men tillräcklig noggrannhet för att direkt basera planer på saknas. De planerande instanserna saknar även information närmast stranden, vilket i landhöjningsområden är mycket värdefullt för att kunna beakta framtida uppgrundning. Det konstaterades att flygbilderna med vidareprocessering kunde fungera bra för kartläggning av grunda havsområden. Genom sin detaljrikedom samt flexibilitet kunde det vara möjligt att relativt kostnadseffektivt ta fram information för bottentopografi och vegetation i grunda områden. En noggrannare jämförelse av metoden med andra nämndes dock Klassning av LiDAR-data Klassat LiDAR-data bedömdes ha stor potential för användning vid planering, men det konstaterades att vidareutveckling ännu behövs. Vid samhällsplanering ger en uppdelning av botten i mjuk och hårdbotten värdefull information vid planering av infrastruktur, såsom byggande av broar, vägbankar och ledningar. I nuläget känns metoden och dess underlag dock lite osäkert. Även för miljöuppföljning bedömdes metoden kunna ha stor potential, eftersom det vore möjligt att täcka stora ytor och förändringarna därför borde synas snabbt. I de kartor som nu producerats upplevdes dock att de variabler man i en sådan uppföljning skulle basera bedömningen på, inte framgick med tillräcklig noggrannhet i datat, detta speciellt i Sävarfjärden. Även NTM-centralen ansåg att metoden i nuläget inte verkade tillräckligt pålitliga för att användas för kartläggning av vegetation i flador och andra viktiga fiskeområden, utan borde verifieras ytterligare med kontroller i fält och vidarekalibrering Resultat av modellering Modellerna baserade på sjökortsdata och LiDAR-data jämfördes och Fiskeriverket konstaterade att de modeller som baserades på kurvatur och lutning från LiDAR-data var avsevärt bättre än de modeller som baserades på sjökortsdata. Eftersom fisk föredrar branter och hög bottenkomplexitet, ansågs att LiDAR-data kunde ge noggrant underlag för att peka ut viktiga områden för fisk. 20

29 För samhällsplaneringens del framkom ett behov av mera lättolkade kartor. Underlag med förekomst av arter och habitat är naturligtvis av stor vikt, men ibland/ofta saknas den ekologiska och biologiska kunskapen i organisationerna, för att göra en bedömning baserat på dem. Man ansåg även att de naturvärdeskartor som modellerades fram är en bra början, men att ytterligare utveckling önskas Kostnader och tid Projektet hade en totalbudget på nära euro. Själva LiDAR-flygningen kostade euro vilket ger en kostnad på ca euro per km 2. Kostnaden per kvadratkilometer beror mycket på hur stort område som ska karteras. Normalt tas en framkörningsavgift på omkring euro. De områden som undersöktes i detta projekt flögs under 2 3 dagar så själva LiDAR-flygningen går mycket snabbt och man kan under själva flygningen följa med hur bra täckningen blir. Efterprocesseringen av LiDAR-data från flygningen tar normalt 2 3 månader. Fältdata för klassning av LiDAR-data samlades in under ca 20 persondagar med videokamera i Sävarfjärden och 60 persondagar genom dykning i Rönnskär. Skillnaden i arbetsinsats mellan områdena grundar sig i att de olika metoderna är olika arbetsdryga. Efterarbete och inmatning av data väger i viss mån upp skillnaden i och med att det krävdes ca 20 dagar för analys och efterarbete i Sävarfjärden och 5 dagar i Rönnskär. Vidareanalys och klassning av LiDAR-data utfördes av FOI till en kostnad av euro inklusive planerings- och resekostnader. Själva analysen tog ca 3 månader att utföra för båda områdena. Den rumsliga modelleringen utfördes av AquaBiota till en kostnad av euro inklusive planerings- och resekostnader samt rapportering. Modelleringsarbetet tog ca 3 månader att utföra när alla underlag var på plats Övrigt Allmänt konstaterades att behovet av motsvarande dataunderlag är stort inom alla organisationer, och med vidareutveckling kunde metoden ha stor potential för att fungera för kartläggning av grunda, biologiskt värdefulla områden längs våra kuster. Inför liknande kartläggningar med LiDAR är en god planering mycket viktig, så att problem med väder och vind minimeras och att datamaterial erhålls i hanterbar form. Dataunderlagen som sådana kräver både en hel del av tekniken och personerna som ska använda dem, och kunskaperna, både biologiska för bedömning av hur kartorna bör tas i bekantande och tekniska för att kunna använda materialet, detta finns inte alltid tillgängligt inom organisationerna. Det konstaterades även att tillsammans med akustiska metoder och provtagning har metoderna en mycket bra potential i grunda vatten, under 10 m i Bottniska viken. För djupare vatten behövs fortfarande traditionella båtburna metoder. 21

30 5. SLUTSATSER Under projektets gång har framkommit tydligt att behovet av heltäckande underlagsdata för planering och förvaltning är mycket stort. De metoder som projektet har testat har stor potential att ta fram underlag i just sådant format som behövs, dock behövs vidareutveckling. För genomförande av motsvarande kartläggningar, framkom klart behovet av noggrann planering av utförande för att nå önskade resultat. LiDAR-flygningen är beroende av omgivningsfaktorer såsom väder och vind samt siktdjup. För att nå optimala förhållanden är det viktigt att följa upp siktdjupet under en längre tid. För att öka chanserna att få flygningen genomförd vid just den tidpunkt som är mest lämplig, är det bra att kunna samordna flygningen med andra flygningar i närheten, eftersom större projekt har större möjlighet att påverka när flygningen genomförs i ett visst område. Det kan t.ex. vara blåsigt i ett område och lugnt i ett annat. Trots att siktdjupet var jämförelsevis gott för områdena vid flygningarna så saknades LiDAR-data från stora delar av Sävarfjärden. Siktdjupet där det saknades data var på flera ställen över 3 m, dock var färgen på vattnet starkt påverkat av humus och även bottnen var ibland ganska mörk. LiDAR-metoden har problem när siktdjupet är mindre än 3 m och om vattnet eller bottnen är mörkfärgad. Sedan projektets avslutande har det dock tagits fram nya algoritmer för hantering av LiDAR-pulsen vid utebliven bottensignal så det finns möjlighet att extrahera mera data från flygningen. För vidareklassning av LiDAR-data är tillgången till fältverifieringsdata avgörande. Detta gäller mängden data, kvaliteten på data samt att positionsbestämningen är tillräckligt noggrann. Samtidigt är insamlingen av fältdata en begränsande faktor, eftersom det är mycket tidsdrygt och kräver en del specialutrustning och erfarenhet. Under projektets gång togs nya metoder fram för insamling av data, men ytterligare utveckling kan förbättra klassningarna. Bland annat är det viktigt att positionsnoggrannheten är under 1 m och att fältverifieringsdata är insamlat i nära anslutning till flygningen. Möjligheten att klassa LiDAR-data minskar naturligtvis om motsvarande fältdata har en stor felmarginal. LiDAR-djupdata bedömdes vara mycket användbart för geologisk och morfologisk kartläggning till havs och i kustzonen, där det är grundare än 10 m. Information från LiDAR är förstås speciellt intressant i det grunda Kvarkenområdet och synnerligen i den del som på grund av istida moränformationer utsetts till naturarv på Unescos världsarvslista. Vi saknar exakt kunskap om förekomst och lokalisering av moränformationerna under havsytan. Att få en överblick av dessa är viktigt i förvaltningssyfte, samt för att kunna åskådliggöra dessa formationer för världsarvets besökare. LiDAR skulle vara en mycket bra metod för att ta fram nödvändig information om dessa. NTM-centralen gjorde bedömningen att det med hjälp av LiDAR-data är möjligt att avgränsa flador och få en bild av var flador kommer att uppstå i framtiden. Detta är en prioriterad naturtyp inom Natura 2000-nätverket, som ska kartläggas och bedömas, närmast inför rapporteringen av Natura 2000-nätverkets funktion och status år