Introduktion till Fjärranalys Lars Eklundh Inst. för Naturgeografi och Ekosystemvetenskap EXTA50: Samhällsmätning Litteratur: Harrie, Geografisk informationsbehandling: kap. 5.4, 5.5, denna presentation, samt övningen.
Fjärranalys, jordobservation och fotogrammetri Fjärranalys: All insamling av data på avstånd, t.ex. - Flygbilder - Satellitdata - Radar och Lidar (laser) både markbaserad och från luften Jordobservation: fjärranalys av jordytan Fotogrammetri: användning av stereografiska fjärranalysdata för skapande av höjddata m.m.
Copernicus Europas nya program för jordobservation Environmental information is of crucial importance. It helps to understand how our planet and its climate are changing, the role played by human activities in these changes and how these will influence our daily lives. http://www.copernicus. eu Cost during 1998 to 2020 is estimated to be 8.4 billion Euros
Copernicus och svenska myndigheter Idag samverkar 15 nationella myndigheter i frågor om Copernicus och fjärranalys: 1. Rymdstyrelsen 2. Myndigheten för samhällsskydd och beredskap 3. Sveriges meteorologiska och hydrologiska institut 4. Försvarsmakten 5. Lantmäteriet 6. Havs- och vattenmyndigheten 7. Jordbruksverket 8. Skogsstyrelsen 9. Sveriges lantbruksuniversitet 10. Statistiska centralbyrån 11. Sjöfartsverket 12. Kustbevakningen 13. Naturvårdsverket 14. Statens geotekniska institut 15. Styrelsen för internationellt utvecklingssamarbete
Varför använda fjärranalys? Täcker stor yta. Många karteringar omöjliga att utföra utan fjärranalys enbart p.g.a. att det tar för lång tid med fältbaserade metoder Ger överblick: vissa mönster, m.m. kan bara ses från ovan, t.ex. arkeologi, geologiska strukturer, landformer, m.m. Ger bild av förändring och dynamik Ger möjlighet till aktualitet
Bränder i Sverige 20 juli, 2018 Credit: www.esa.int/spaceinimages/images/2018/07/sweden_in_flames ESA CC BY-SA 3.0 IGO
Copernicus Emergency Management Service https://emergency.copernicus.eu
Kartprodukter https://emergency.copernicus.eu
Användning av fjärranalys (exempel) Skapa grundkartor ekonomiska, topografiska, orienteringskartor (vägar, byggnader, markanvändning, terräng) Samhällsplanering planering av städer, utbyggnadsområden, grönområden, naturreservat, byggnadsmodeller Skogsbruk avverkningar, skogsvägar, kalhyggen, upprätta skogsbruksplaner, hälsotillstånd Jordbruk skördeprognoser, precisionsjordbruk Geologi jordarter, landformationer, terrängtyper Ekologiska studier kartering av vegetationstyper, vegetationsförändringar, ädellövskog, våtmarker Väder prognoser, klimateffekter Militärt spaning, kartering av framkomlighet Forskning globala förändringar, klimat, vegetation, hav, is, atmosfär, miljöförstöring, u-landsfrågor, etc.
Flygbilder Svartvit bild pankromatisk hög geometrisk upplösning bra för mätning Färgbild multispektral lägre geometrisk upplösning bra för tolkning av markegenskaper ofta IR-bilder bra för vegetation
Flygstråk med överlappande bilder Tolkning av bilder i 3D stereo Mätning av höjder av objekt Höjdmodeller Ortofoton Image: http://www.imtcan.com/services/triangulation.htm
Bildegenskaper tolkning data (bilder) information (karta) Bildegenskaper definieras av geometrisk upplösning - pixelstorlek spektral upplösning - antal våglängdsband tidsupplösning - hur ofta bilderna kan tas radiometrisk upplösning - hur känslig en sensor är atmosfären - moln, dis, m.m. m.m.
Clemenstorget, Lund bild: www.lund.se
Clemenstorget, Lund
Inzoomning
Inzoomning
Inzoomning 25 cm 25 cm
Ales stenar
Kontrastskillnader ger ökad upplösning
Olika texturer
Ortofoton foton i ortogonalprojektion
Satelliter Navigation (t.ex. GPS) Jordobservation m.m. Kommunikation, meteorologi http://apps.agi.com/satelliteviewer/ note 50x exaggerated speed
Fjärranalys fråns satellit skillnad mot flygbildsteknik Högre flyghöjd Lägre upplösning Längre väg genom atmosfären störningar Annan geometri (ej centralprojektion, jordkurvatur påverkar) Elektronisk mätning med kalibrerad radiometer möjligt mäta fysikaliska storheter (radians, reflektans, strålningstemperatur) Multispektral registrering smalare och fler våglängdsband Fasta banor eller positioner Regelbunden återkomst Bättre tillgång till tidsserier
Olika rumslig och temporal skala 0.5 4 m 10 30 m 250 1000 m år vecka-månad dag
Satellitbanor Fjärranalyssatelliter går i geostationära eller nära-polära banor GNSS (t.ex. GPS) -satelliter: banhöjd ca. 20 000 km Harrie, L. (red.), 2013, Geografisk informationsbehandling, kap. 5
Vädersatellit Meteosat 1-3 km upplösning 12-16 våglängdsband Täta observationer (5-15 min) Meteosat-8 09 May 2003, 1215 UTC
Sahara: moln och stoftstorm http:// https://www.eumetsat.int/ Credit: Univ. of Lille Meteosat 3 March 2004
Solsynkron nära-polär satellitbana Harrie, L. (red.), 2013, Geografisk informationsbehandling, kap. 5
Nära-polära satelliter Går i en NÄRA-POLÄR BANA runt jorden. Omloppstiden är ca 100 minuter. Banan är för det mesta SOLSYNKRON, dvs. banan bibehålles i en konstant position i förhållande till solen under satellitens rörelse. Detta innebär att satelliten alltid passerar vid SAMMA LOKALA TID på samma latitud. Flyger på ca 800 km höjd. Tittar på ett begränsat område Både meteorologiska och jordresurs-satelliter.
Havsis i Arktis 2005 jämfört med 1979
Landsat Första jordresurssatelliten 1972 idag Sensor TM/ETM/OLI 30 m upplösning 7-9 våglängdsband återkomsttid 16 dagar
Källa: Google
Skogsavverkning Rondonia (Brasilien) 1975 1989 2001 2008 2016 ca 100 x 100 km Source: Källa: Google USGS / Google Earth
Skogsavverkning Rondonia (Brasilien) 1975 1989 2001 2008 2016 ca 100 x 100 km Source: Källa: Google USGS / Google Earth
Skogsavverkning Rondonia (Brasilien) 1975 1989 2001 2008 2016 ca 100 x 100 km Source: Källa: Google USGS / Google Earth
Skogsavverkning Rondonia (Brasilien) 1975 1989 2001 2008 2016 ca 100 x 100 km Source: Källa: Google USGS / Google Earth
Skogsavverkning Rondonia (Brasilien) 1975 1989 2001 2008 2016 ca 100 x 100 km Source: Källa: Google USGS / Google Earth
Quickbird 0.6 m upplösning, 4 våglängdsband Bild: DigitalGlobe
GeoEye 0,5 m upplösning Port-au-Prince, Haiti efter jordbävningen 12/1, 2010 (magnitud 7) Källa: GeoEye
New Orleans 2005 31 augusti, 2005, kl.10.00 Källa: Digitalglobe / Google
Typer av sensorer Aktiva sensorer har egen energikälla (laser, radar) Passiva sensorer utnyttjar solen som energikälla, man mäter reflekterad eller emitterad energi. Data registreras elektroniskt och lagras och distribueras i digitalt format. Bilder skapas som liknar rasterskikt. Dessa kan finnas i ett eller flera våglängdsband.
Laserskanning Pixelupplösning: 1.5 25 cm Höjdupplösning: +- 10 cm Källa: Nebel & Partner
SAR - Synthetic Aperture Radar Radar http://www.crisp.nus.edu.sg Oil slick, Skåne Tsunami damage - Nicobar island
Radar Mt. Vesuvio Messina strait
Elektromagnetiska spektrumet Synligt ljus är en liten del av det elektromagnetiska spektrumet. Kortare våglängder är t.ex gammastrålning, röntgenstrålning och UV-ljus. Längre våglänger är t.ex. nära-infraröd (NIR), termal-infraröd (TIR, värmestrålning), mikrovågsstrålning och radiovågor.
Elektromagnetisk strålning träffar markytan sprids och absorberas
Processer när energin interagerar med materia reflektion transmission absorption värme emission Förhållandet mellan dessa beror på materians egenskaper. Den reflekterade och emitterade energin kan registreras av satellitsensorn
Spektrala signaturer plotta reflektans mot våglängd
Bladreflektion i synligt och nära infrarött (NIR) ljus Reflektion (%) Våglängd (µm) blått grönt rött nära IR
Skillnad vanlig färgfilm mot IR-färgfilm Lillesand, Kiefer and Chipman
Botaniska trädgården, Lund Bild: Panoramio (www.panoramio.com)
Botaniska trädgården skillnad RGB mot IR-färg
Dalby söderskog : RGB IR-färg
Sensorer flygkameror satellitsensorer Harrie, L. (red.), 2013, Geografisk informationsbehandling, kap. 5 CCD (charge coupled devices) GSD (ground sampled distance) = pixelstorlek på marken
Multispektral registrering Skapa FCC (false color composite) genom att kombinera olika våglängdsband
Falska färgbilder satellitband R G B NIR R G Naturliga färger Traditionell FCC MIR NIR R Special...
FCC Landsat TM 5 bands
Landsat ETM - våglängdsband Landsat TM Reflectance (%) 60 3 1 2 4 5 7 50 40 30 Senescent leaves 20 10 Yellowing Green leaves leaves 0.6 1.0 1.4 1.8 2.2 2.6 visible NIR MIR Wavelength (micro meter)
Landsat 7 Enhanced Thematic Mapper (ETM) 990803 band R G B
Landsat ETM enskilda våglängdsband 1 2 3 4 5 7
Rött Nära infrarött
Landsat ETM FCC NIR Rött Grönt
Spectral reflectance Vegetationsindex Aritmetiska kombination av olika våglängder Enkel differens = R NIR - R red NDVI = (RHomogeneous vegetation NIR R red) / (R NIR + R red ) 0.50 0.40 Soil LAI 1 LAI 3 0.30 0.20 0.10 0.00 400 600 Red 800 Near-IR 1000 1200 Utnyttjar denna skillnad jord lite vegetation mycket vegetation Uttrycker vegetationens grönska och minskar effekt av störande bakgrund, atmosfär, m.m. 1400 1600 1800 2000 2200 2400
NDVI visar mängd vegetation FCC Sentinel-2 150819 NDVI
Hur vi analyserar fjärranalysdata Bildtolkning / mätning av olika objekt. Kontrast och färgförstärkningar FCC Rumsliga bilder kantskärpning etc.
Hur vi analyserar fjärranalysdata, forts. Automatisk klassificering av multispektrala bilddata - maskininlärning Övervakad klassificering: användaren tränar datorn med statistik från träningsytor Bildstatistik i n våglängdsband för varje klassd Jämför alla pixlar med träningsdata Multispektrala data Klassad bild
Hur vi analyserar fjärranalysdata forts. Oövervakad klassificering: Datorn delar in bilden i olika klasser användaren undersöker vad dessa motsvarar i verkligheten Multispektrala data klustring Tilldelning av klassattribut 1 2 5 3 4
Hur vi analyserar fjärranalysdata forts. Mätning av egenskaper Kräver omräkning av bilddata till fysikaliska storheter (radians) Kan också bygga på empiriska relationer ofta med hjälp av spektrala index (t.ex. NDVI) - Temperatur - Energibalans Vegetationens struktur (bladyta, trädtäthet, biomassa etc.) Vegetationsprocesser (fotosyntes, avdunstning etc.) Markfuktighet - Föroreningar - Atmosfärsegenskaper - m.m. Förändringsprocesser Multitemporala data Analys av fjärranalysdata i GIS
Havsytetemperatur NOAA Juli 1984
Atmosfäriskt Ozone ERS-2 GOME
Vattenånga Meteosat-7 20 Oct 98, 1200 UTC
Hantering av stora datamängder Global kartering innebär processering av tusentals satellitscener alla med olika radiometri, atmosfärsförhållanden, geometri etc. Big data HPC (high performance computing) molnlösningar Image: Metria
Vår forskning med satellitdata Effekt av klimatförändringar i olika områden Beräkning av kolupptag i vegetation med satellitdata Övervakning av skogsskador pga. stormar och insektsangrepp. Studier av torka och ökenspridning Interaktionen mellan människa-miljö Studier av växtlighetens säsongsdynamik (fenologi) Biodiversitet Vattenkvalitet Jordbruk - skogsbruk
Sentinel-2: 10 m upplösning var 5:e dag
Vegetationsdynamik från Sentinel-2 NDVI Built-up area
Tillgänglighet till satellitdata Kommersiella data köpes från t.ex. Metria Nationell databas med gratis svenska satellitdata: SACCESS saccess.lantmateriet.se Arkiv med gratis LANDSAT-data http://glovis.usgs.gov/ Gratis tillgänglighet till globala satellitdata från NASA https://wist.echo.nasa.gov/ Copernicus Open Access Hub EU/ESA https:// scihub.copernicus.eu
UAV (drönare) för fjärranalys på nära håll 3DR Solo Multispektralkamera www.micasense.com RGB-kamera www.sony.com Pitchup Explorian Termisk kamera www.flir.se Lund University / Department of Physical Geography and Ecosystem Science
UAV: programmerade flygningar Lund University / Department of Physical Geography and Ecosystem Science
Drönarkartor med cm-precision Ca 300 bilder bygger upp denna scen
Inzoomning
Tack! http://www.nateko.lu.se E-post: lars.eklundh@nateko.lu.se