Kartering och övervakning av miljön med flygburen laser och digitala bilder

Storlek: px

Starta visningen från sidan:

Download "Kartering och övervakning av miljön med flygburen laser och digitala bilder"

Katarina Lindberg
för 6 år sedan
Visningar:

En kort inledning om EMMA-programmet 2009-2013 och EMMA-konferensen 2013-11-20: Kartering och övervakning av miljön med flygburen laser

1 En kort inledning om EMMA-programmet och EMMA-konferensen : Kartering och övervakning av miljön med flygburen laser och digitala bilder Naturvårdsverkets forskningsprogram EMMA * * Environmental Mapping and Monitoring with Airborne laser and digital images

2 Medverkande i EMMA programmet - SLU, Umeå: Håkan Olsson (hakan.olsson@slu.se, programledare), Eva Lindberg, Mats Nilsson, Johan Holmgren, Ann-Helen Granholm, Mattias Nyström, Anna Allard och Anders Glimskär; - FOI, Linköping: Michael Tulldahl (michael.tulldahl@foi.se, biträdande programledare) och Ove Steinvall; - Stockholms Universitet: Helle Skånes och Hans Kautsky; - Aqua Biota Water Research: Sofia Wikström och Karl Florén; - SGI: Linköping: Bengt Rydell och Linda Blied; - Länsstyrelsen i Östergötland: Erik Årnfelt; - Strömbeck Consulting: Niklas Strömbeck; - Jan Eklöf, Umeå Universitet (informationsansvarig).

3 Exempel på behov, terrester vegetation Vegetationskartor: - Endast satellitbildsprodukter, t.ex. GSD marktäcke, är rikstäckande - Flygbildstolkade vegetationskartor finns för mindre än 50 % av landet Förändringar och statistik: - Övervakning av förändringar, t.ex. fjällen, jordbruksmark, reservat - Arealer värdefull natur enligt habitatdirektivet Karteringar av speciella områden, te.x: - Reservatsbildning - Infrastrukturprojek - Tätortsnära natur Bilder från J. Bohlin, SLU

4 Nya 3D datakällor av intresse för övervakning av terrester vegetation 3D punktmoln från flygburen laserskanner Punktmoln från matchade flygbilder Bilder från J. Bohlin, SLU

5 Exempel på behov akvatiska kartor Habitatkartor Habitatkartor i grunda områden saknas idag Behov inom kustzonsplanering, kommunal översiktsplanering Naturvärdesbedömning, maritim planering Förändringar i strandzonen Klimateffekter och ökad exploatering ger ökat kunskapsbehov för grunda mobila bottnar Kartering av utpekade områden Uppföljning av Natura2000 och andra marina habitat förutsätter kännedom om utbredningen av substrat och växtsamhällen Underlag för fältarbeten, mer detaljerad kartläggning Yttäckande uppföljning av grunda områden

grumlighetskorrigerade bilddata för detaljerad, yttäckande kartering av t ex grunda vikar.

6 Nya datakällor av intresse för kartering och övervakning av akvatiska miljöer Laserbaserad, yttäckande kartering av substrat, högväxt vegetation och flera Natura 2000 naturtyper Djup- och grumlighetskorrigerade bilddata för detaljerad, yttäckande kartering av t ex grunda vikar. Flygbilder, mini-uav:er, satellitbilder. Delunderlag tillsammans med andra datakällor, kunskapsuppbyggnad och uppföljningsprogram

7 Referensgrupp Naturvårdsverket: Ola Inghe och Cecilia Lindblad Sjöfartsverket: Patrik Wiberg Havs och Vattenmyndigheten (tidigare SMHI): Bertil Håkansson SLU (tidigare Fiskeriverket): Ulf Bergström Lantmäteriet: Mikael Johansson SLU (Habitatrapportering ): Hans Gardfjell SLU (Artdatabanken): Arthur Larsson Programansvarig på Naturvårdsverket: Martin Gustafsson.

8 Tack till finansiärer och samarbetspartners för EMMA och näraliggande projekt Naturvårdsverket, Rymdstyrelsen, Lantmäteriet, EU Interreg Botnia Atlantica och Central Baltic Formas, Hildur och Sven Wingqvist stiftelse, Önnersjö stiftelsen, Skogssällskapet och Kempestiftelserna Skogsstyrelsen, Fiskeriverket, SMHI, Havs och vattenmyndigheten, SGI SLU, FOI, Stockholms, Lunds och Tartu universitet, Forststyrelsen Vasa Länsstyrelserna i Skåne, Östergötlands, Gävleborgs och Västerbottens län, Ystads och Kristianstads kommuner Blom geomatics, AHAB Aqua Biota Water Research, Strömbeck consulting, Brockmann Geomatcis Försvarsmakten, FMV, Försvarshögskolan Forskningsstationerna vid Abisko och Askö, m.fl.

11 Laser Sea floor classification variables Field data (video transects/ drop video) Water turbidity data (Secchi disk) Classification Field data (video transects/ drop video) Bedrock Boulder1 Boulder2 Stone 1 Stone 2 Soft 1 Soft 2 Cover 1 Height 1 Cover 2 Height 2 Validation Hard Substrate Soft Substrate High vegetation

12 Bottendjup 2 m Vattenyta Botten

13 Bottendjup 3 m Vattenyta Botten

14 Bottendjup 4 m Vattenyta Botten

15 Bottendjup 5 m Vattenyta Botten

16 Bottenlutning Topografisk variation Andra mått beräknade från punktdata/djupdata Klassificering av en samling 1 m block

17 Homogen botten med 1 m 3 block 2 m bottendjup

18 Homogen botten med 1 m 3 block 3 m bottendjup

19 Homogen botten med 1 m 3 block 4 m bottendjup

20 Homogen botten med 1 m 3 block 7 m bottendjup

21 Klassificering av Blockbotten m h a topografisk variation från djupdata! Standardavvikelse, laserdjup (m) Botten med 1 m 3 block Slät botten Brusnivå Bottendjup (m) Vatten: Klart Östersjövatten, motsv. siktdjup ca 8 m Systemtyp: HawkEye II Vind: 3 m/s

22 Standardavvikelse, laserdjup (m) Botten med 1 m 3 block Slät botten Brusnivå Bottendjup (m)

23 Homogen botten med 1 m 3 block 7 m bottendjup Slät botten

25 Block, sten

26 Högväxt vegetation

27 Laserskanning i nedförsbacke

28 Laserskanning i uppförsbacke

29 Inverkan från bottendjup och grumlighet

31 Reef Hard >=90% cover Hard >=70% cover Hard >=50% cover Soft >=50% cover Soft >=70% cover Soft >=90% cover Sand Bank Norrskär, Kvarken Samverkan: ULTRA, SUPERB, EMMA

32 Sävarfjärden, Västerbotten Rock, Boulder, Stone Soft with Potamogeton > 25% Soft Noggrannhet Topo Topo+Vågform Antal klasser 2 var 4 variabler 5 65% 77% 3 84% 88%

36 2 m upplösning Panskärpning till 0.5 m upplösning Reduktion av solglitter

37 Djupkurvor vid 2 m och 4 m djup Djupkurvor vid 2 m och 4 m djup Flygbilder från HawkEye II, Askö Siktdjup ca 5-6 m

39 Sammanslagning med topografisk information från laserdata

40 Klassificering 0.5 m pixels Beräkning av täckning för olika klasser (exempel högväxt vegetation) 5 m pixels Baserad på Satellitbild Laserdata Fältdata

41 Klassificering, 6 klasser Täckning högväxt vegetation Baserad på Satellitbild Laserdata Fältdata Djupkurvor 0, 1, 2, 3,4, 5, 6, 7 m

47 Positionering av fältdata bör vara noggrann Positionsfel i sidled för transekter kan vara svåra att hantera Stora homogena ytor kan enklare hantera positionsfel Åhus, LM DMC bilddata överlagrat på laserpunkter

Laserskanning 2010-04-12 Exempel Askö Bottendjup 0 2 4 6 8 10

m Ej full täckning på medeldjup Dålig djupräckvidd (ca 7-8 m)

48 Laserskanning Exempel Askö Bottendjup Laserskanning Dålig täckning på grunda djup, < 1 m Ej full täckning på medeldjup Dålig djupräckvidd (ca 7-8 m) Allmänt brusiga djupdata Bra täckning i hela djupområdet 0 12 m

Klassificering i varje punkt med 80% noggrannhet: Hårdbotten (häll, block, stor sten), Mjukbotten (grus, sand, sediment) och Högväxt vegetation på mjukbotten (typiskt ålgräs, ålnate, borstnate).

49 Klassificering i varje punkt med 80% noggrannhet: Hårdbotten (häll, block, stor sten), Mjukbotten (grus, sand, sediment) och Högväxt vegetation på mjukbotten (typiskt ålgräs, ålnate, borstnate). Punktklassificeringen kan vidare analyseras för yttäckande kartering av t ex Natura 2000 naturtyperna Rev och Bankar. Vi kan hantera varierande grumlighet (siktdjup) över ett område. Fältdata behövs för träning och utvärdering av klassificeringens noggrannhet (< ca 0.1 % av karterad yta) Siktdjupet bör vara minst 3 m (Secchidjup). (Kan ev. ändras med nya lasersystem)

50 Djupräckvidden för karteringen är ca 2 x Siktdjupet för HawkEye II (eller mindre för lättare lasermätsystem Chiroptera ). För en given bottentyp eller naturtyp ändrar sig enskilda klassificeringsvariabler med djupet (och grumligheten). För noggrann klassificering av bottentyper över laserns hela djupräckvidd behövs både punktdata och övriga vågformsdata. Klassificeringen baseras på en kombination av flera variabler Vågformsvariabler behöver korrigeras för djup, grumlighet, bottenlutning och lasersystemparametrar (t ex flyghöjd).

Korrektion av flygbilder/satellitbilder för djup och grumlighet ger robust underlag för automatisk klassificering och ökar djupräckvidden för flygbilder avsevärt (till ca 1x siktdjupet).

51 Korrektion av flygbilder/satellitbilder för djup och grumlighet ger robust underlag för automatisk klassificering och ökar djupräckvidden för flygbilder avsevärt (till ca 1x siktdjupet). Kombination av laserdata och bilddata ger ökad möjlighet att separera flera klasser (vegetationstyper). Exempel Askö 80% noggrannhet för 6 klasser. Det återstår en del arbete för att få fram en operativ metod för (halv)automatiskt kartering med flygbilder. Metoden bedöms ha stor potential för yttäckande övervakning av grunda bottnar.

Relevanta dokument

Laserdata för miljöövervakning

Laserdata för miljöövervakning Håkan Olsson, SLU, Umeå, baserat på bidrag från: Johan Holmgren, Mats Nilsson, Heather Reese, Eva Lindberg, Mattias Nyström, Ann-Helen Granholm, Jonas Bohlin Karin Nordkvist,