ANALYS AV MÖJLIGHETER ATT ANVÄNDA LIDAR- DATA VID REGIONAL- OCH KOMMUNAL HAVSPLANERING

Interreg IVA Botnia-Atlantica ULTRA ANALYS AV MÖJLIGHETER ATT ANVÄNDA LIDAR- DATA VID REGIONAL- OCH KOMMUNAL HAVSPLANERING Maj 2010 Umeå kommun Österbottens förbund Vasa stad Korsholms kommun 1

Innehållsförteckning 1. INLEDNING 3 2. ORGANISATIONER..3 2.1 Umeå Kommun.3 3. BEHOV AV DATA.4 4. METOD 6 4.1 Använda programvaror och verktyg.6 4.2 Indata 6 4.3 Genomförda tester och presentation av data 8 4.4 Erfarenheter...13 4.5 Slutsatser och bedömningar angående databearbetning och visualisering av LIDAR-baserat data 13 5. ANVÄNDNINGSMÖJLIGHETER 14 5.1 Flygbilder...14 5.2 LIDAR djupdata.14 5.3 Klassificerat LIDAR-data...15 5.4 Modellerat data...16 6. SAMMANFATTANDE DISKUSSION 17 2

1. INLEDNING I Sverige ha kommunerna planeringsmonopol ut till territorialvattengränsen, medan länsstyrelserna har ett mera övergripande ansvar i vissa frågor. I Finland ansvarar lansdskapsförbunden för den regionala planeringen och drar samtidigt upp gränserna för kommunerna, den nivå där planeringen omsätts i praktiken. I den integrerade kustzonsförvaltningmodell som Europeiska Unionen sedan flertalet år tillbaka lanserat kommer därför kommunerna på svenska sidan och landskapsförbunden på den finska att spela en avgörande central roll. När det gäller olika beslutsunderlag betydelse för planering är det i sista hand den planerande myndigheten som måste avgöra materialets betydelse. I många fall är också planerarna de enda som kan göra en sakkunnig bedömning. I ULTRA-projektet har därför Umeå kommun och Österbottens förbund att granskat betydelsen av både LIDAR-baserat data och modellerade dataset i avseende på samhällelig planering (ur både regionalt och kommunalt perspektiv). 2. ORGANISATIONER 2.1 Umeå kommun I Sverige är det kommunernas ansvar att planera den framtida mark- och vattenanvändningen genom att utarbeta översiktsplaner, fördjupade översiktsplaner (t.ex. kustplanen) och detaljplaner. Umeå kommun är en kommun med 114.000 invånare och ett tillväxtmål på 200.000 invånare fram till 2050. Umeås kustlinje är kring 350 km lång och en viktig resurs för boende, näringsverksamhet och friluftsliv. I kommunens planerings- och utvecklingsarbete sker en fortlöpande uppdatering och utvärdering av underlagsmaterial av betydelse för planering och kommunens strategiska utvecklingsarbete. Umeå kommun har som mål att åstadkomma en långsiktigt hållbar utveckling och tillväxt av kommunen. Umeå kommuns utvärdering av LIDAR-baserade data har skett i en arbetsgrupp med kompetenser inom fysisk planering, samhällsplanering, GIS, Miljö- och naturvård: Doris Grellmann, naturvårdsplanerare, kontaktperson för projektet Lars-Göran Boström, samhällsplanerare Marie Häggström, GIS-samordnare Jörgen Andersson, mätningsingenjör Mats Nebaeus, biolog Per Hänström, miljöinspektör 2.2 Österbottens förbund, Vasa stad och Korsholms kommun I Finland sker planeringen av markanvändningen på fyra nivåer. De riksomfattande målen för områdesanvändningen ska beaktas i landskapens och kommunernas planläggning. I landskapsplanen anges principerna för områdesanvändningen och samhällsstrukturen och anvisas områden som bedöms nödvändiga för landskapets utveckling. På kommunal nivå sker planläggningen via generaloch detaljplaner. 3

Utvärderingen av LIDAR-baserad data utfördes i Österbotten av Österbottens förbund, Vasa stad och Korsholms kommun. Österbottens förbund är en samkommun för de 17 kommunerna i landskapet Österbotten, ett landskap med 178.000 invånare. Österbotten är huvudsakligen en kustzon, ett av landhöjningen präglat område med en mycket lång kustlinje och en omfattande skärgård. Österbottens förbund uppgör en landskapsplan som styr den kommunala planeringen. Vasa stad är med sina 59.000 invånare den största staden i Österbotten medan grannkommunen Korsholm har 18.000 invånare. Båda har en lång kust och vidsträckt skärgård. All planläggning bör grunda sig på tillräckliga utredningar, så även planläggning av havsområden. Österbottens förbund och kommunerna i Österbotten lägger ner stora resurser på att skaffa sig den kunskap som behövs för planläggningen. Då det gäller havsområden är detta både en lång och dyr process. Analysen gjordes i en arbetsgrupp med kompetens inom samhällsplanering på landskaps-, generalplane- och detaljplanenivå inklusive grönområdesplanering samt inom GIS: Ann Holm, planläggningsingenjör, Österbottens förbund, kontaktperson för projektet Anna-Karin Pensar, planeringsingenjör, Österbottens förbund Christine Bonn, landskapsarkitekt, Vasa stad Gun-Mari back, planläggningsingenjör, Vasa stad Barbara Påfs, planläggningsingenjör, Korsholms kommun Johan Lax, fastighetstekniker, Korsholms kommun 3. BEHOV AV DATA Den låga kusten i Kvarken är flack och flikig och utsatt för en ständig landhöjning. Kustlinjen förändras kontinuerligt och varje år tillkommer flera hektar ny mark inom området. Detta skapar stora utmaningar för en långsiktigt hållbar planering längs kusten och i havsområden. Dataunderlaget för vattenområdena längs kusten och havsområdena är tyvärr ytterst begränsat. Medan stora delar av landsidan längs kusten är inventerade så finns det stora brister vad gäller vattensidan. Information om havsbottnarnas karaktär och naturvärden finns enbart för några få enstaka områden, såsom t.ex. grunda havsvikar, flador och glosjöar. Vad gäller djupkarta så är i stort sett enbart sjökort tillgänglig medan grunda områden vanligtvis bedöms utifrån flygfotografier. Behov av data och underlag för en hållbar kustplanering: Idag är i stort sett endast sjökortet tillgänglig och den ger inte tillräckligt detaljerad djupinformation för grunda kustområden. För Sävarområdet finns även data från Sjöfartsverkets digitala databas med bättre djupinformation än sjökortet, dock är dessa digitala data inte yttäckande. Även i Finland är det i första hand sjökortet som innehåller djupinformation. Denna information är inte tillräcklig för grunda områden. Trafikverket i Finland har noggrannare djupinformation för farleder som är djupare än 2-3 meter och för vissa områden i Kvarken kan noggrannare djupinformation fås av geologiska forskningscentralen. Bättre information om havsbottnarnas djupförhållanden men även om deras karaktär (hård eller mjuk), växtlighet och naturvärden med hjälp av LIDAR-teknik kan därför vara av värde i följande situationer: 4

Framtagande av lämpliga områden för båtsport, fritidsfarleder, hamnar osv. Då vanliga småbåtar har ett djup på 1.5 m är sjökartans djupkurvor för grova för att åstadkomma en bra planering för småbåtsintressen inom de grunda kustområdena. Bedömning av förutsättningar och konsekvenser för vindkraftsetableringar i kust- och havsområdet, liksom för andra större infrastrukturutbyggnader. Kartläggning av möjliga tillfälliga hamnar eller pråmangöringsplatser för transporter i samband med vindkraftsetablering eller andra större exploateringsprojekt på öar eller i havet. För tillfälliga och lokala projekt finns det oftast begränsat med tid och medel för att ta fram bra underlag som möjliggör bra bedömningar av påverkan på värdefulla havsbottnar. Bedömning av vilka strandområden som på kortare och längre sikt kommer att beröras av omfattande uppgrundning. Detta gäller även utvecklingen av flador och glosjöar samt kommande grynnor. Bedömningarna är ett värdefullt underlag inför bebyggelseplanering, men även för att planera för rekreation och friluftsliv, t ex lämpliga ställen för båt- och badplatser osv. Identifiering av sannolika reproduktionsområden för fisk samt lämpliga fiskeområden för fritidsoch yrkesfiske. Bedömning av geologiska förhållanden, t.ex. om djupet av avlagringar i mjuka bottnar. På finska sidan även information om var det kan finnas möjliga metanavlagringar och sulfidhaltiga marker på havsbotten. Bedömning av förutsättningar och konsekvenser av större infrastrukturåtgärder (t ex Kvarkenbro) men även för lokala vägar/broförbindelser eller ledningar till öar, över vikar osv. Behovet av underlag till riktigt stora infrastruktursatsningar som t.ex en Kvarkenbro skulle kunna motivera relativt kostsamma utvecklingsinsatser för ny teknik. Bedömning av klimateffekter t ex översvämningsrisker. Här behövs även bra höjdinformation av landområdena. Bedömning av recipientförhållanden för t.ex. avlopp. Underlag för att kunna beräkna vattenvolymer samt göra bedömningar om recipientens känslighet och/eller status. Bedömning av förutsättningar och konsekvenser för miljötillstånd såsom muddring, utfyllnad mm. Underlag för utarbetande av områdesskydd för värdefulla havsområden (Marina reservat) Beredskap för olyckor såsom oljeutsläpp. Var kan det finnas lämpliga lägen för att dra in läckande båtar för att minskar konsekvenserna av oljeutsläpp. Förutsättningar för oljesanering. Marinarkeologi. Identifiering av lämliga områden för grusuttag i havet (Finland) Sammanfattningsvis kan konstateras att det idag finns brister vad gäller underlag för kust- och havsplaneringen. Den absolut viktigaste informationen som behövs i alla planeringssituationer är uppgifter om batymetrin och bottenbeskaffenheten. Information om bottnarnas karaktär, dvs. mjukeller hårdbottnar samt information om naturvärden i grunda havsområden finns i dagens läge enbart i liten utsträckning och på lokal nivå. Att ta fram underlag för havsområden kräver kompetens och teknisk utrustning och är därmed kostsamma. Inom exploaterings- och planeringsprojekt som berör havsområdena finns oftast inte utrymme eller resurser för att ta fram det underlagsmaterial som projektet kräver. Idag finns i stort sett enbart sjökartan och flygfotografier som täcker hela kustområdet. Det är särskilt angeläget att få bättre uppgifter om grunda havsbottnar. 5

4. METOD 4.1 Använda programvaror och verktyg Vid Umeå kommun har följande programvaror och verktyg används: FME - Konverterar, transformerar, integrerar och distribuerar spatialt data. LP360 - Viewer för att titta på punktdata I 2D, 3D och 3D-profil. (testversion) Quick Terrain Reader - Quick terrain erbjuder en reader och en modeller. Readern är gratis att ladda ner och gör det möjligt att titta på LIDAR data. Vertical Mapper MapInfointegrerat verktyg som transformerar punktdata till kontinuerliga linjer, ytor eller rutnät, som kan kartläggas tematiskt för att visualisera trender och samband mellan olika rutnät. AutoCad Map 3D - Skapar rasterbilder/ytor (geotif) och kan generera höjdkurvor till denna. Data kan granskas i 3D. Direktfunktioner för export till MapGuide. AutoCad Civil 3D Skapar 3D modeller och importerar Lidardata (.las-filer) MapInfo professional - Tematisering av punktdata samt skapa enklare 3Dmodell som kan draperas med annan intressant information. MapGuide enterprise - Webbbaserat kartverktyg för publicering av geografisk information i 2D. Ingen kartmotor för visning av 3D men, en känsla av 3D ges genom rasterbilder. Vid Österbottens förbund används ArcGIS Desktop med ArcView -licens. Förbundet har i dagens läge inga extensioner, som skulle möjliggöra t.ex. skapande av 3D-modeller och djupgående analyser. Vid Korsholms kommun används MapInfo och Vasa stad använder flera olika GISprogram, såsom MapInfo och ArcView. 4.2 Indata DTM-filer - 2 st. punktfiler med djupdata (bathy) och höjddata (topo) Dessa ca. 3 miljoner punkter är ett urval av det totala antalet punkter och griddat i 2x2meters rutor. Point cloud - 47 st textfiler för bathy resp. topo i xyz-form. Bathy-datat finns även i xls- format. Någon form av rensning har gjorts eftersom dessa filer inte är lika stora som de i RAW-mappen. RAW - 47 st filer för bathy resp. topo i xyz-form, helt orensade. Orthofoto - 47 st högupplösta bilder i ECW-format som är ortorektifierade vilket innebär att de fungerar som ett orthofoto och kan projiceras på kartbilden. De är även georeferrerade i WGS84 UTM zonn35 (ETRS-TM35FIN). Klassificerat Lidar-data på havsbotten (från FOI) se tabell 1. Textfil för varje klass Hard, Soft with vegetation, Soft som även innehåller attribut på sannolikheten av förekomst. 6

SÄVAR Class 1 "Hard" Sub-Classes Description Rock 100%, Boulder or Stone < 5%, vegetation cover < 5% Rock 100%, Boulder or Stone < 5%, Cladophora glomerata cover 10% Boulder cover >75%, Stone 0-25%, Cladophora glomerata 5-50%, Chara 0-5% 2 "Soft with 3 "Soft" Tabell1. Soft bottom 100%, Pot.Perf or Pot.Pect 25-50%, Chara aspera 0-75%, Myriophyllum sibiricum 0-25%, Vaucheria 0-50%, Chara 0-50% Vegetation" Soft bottom 100%, Vaucheria or Chara 50% Soft bottom 100%, Stone < 1%, vegetation cover < 1%, Prediktionsdata inkl. Prediktionens kvalitet samt ingående variabler (från AquaBiota) - En shape-fil för varje art/artgrupp inom alla tre insamlingsmetoder, Sjökort, Digitaliserade djupmätningar samt Lidar, som innehåller attribut för prediktionens kvalitet samt sannolikhet för förekomst, totalt 7 stycken arter/artgrupper x 3 stycken insamlingsmetoder. Se tabell 2. Art/artgrupp Prediktione ns kvalitet Grönslickar 25% täckning (Cladophora sp.) Höga kärlväxter 5% täckning Kransalger förekomst (Chara spp.) Kransalger 10% täckning (Chara spp.) Ålnate 5% täckning (Potamogeton perfoliatus) Hårdbotten 25% täckning Mjukbotten 25% täckning Tabell2. Sjökort Digitaliserade djupmätningar Lidar (batymetri) Prediktor Prediktionen Prediktor Prediktion variabler 1 s kvalitet variabler 1 ens Intermediär (AUC 0,771) God (AUC 0,887) God (AUC 0,815) Intermediär (AUC 0,798) Vågexponering, djup, siktdjup Djup, vågexponering, siktdjup Djup Djup Intermediär (AUC 0,785) Intermediär (AUC 0,755) God (AUC 0,813) God (AUC 0,839) - - Dålig (AUC 0,680) Dålig (AUC 0,553) God (AUC 0,898) AUC-värde Kvalitet 0,9-1 Utmärkt 0,8-0,9 God 0,7 0,8 Intermediär 0,5 0,7 Dålig Vågexponering, djup Vågexponering, djup God (AUC 0,806) God (AUC 0,853) Vågexponering, djup, siktdjup Djup, vågexponering, ljusexponering, kurvatur, lutning Djup, ljusexponering Djup, ljusexponering, siktdjup Djup, vågexponering, ljusexponering, siktdjup, kurvatur Vågexponering, djup, kurvatur, lutning Vågexponering, djup kvalitet God (AUC 0,814) Intermediär (AUC 0,757) Intermediär (AUC 0,784) Intermediär (AUC 0,778) Dålig (AUC 0,689) Intermediär (AUC 0,746) God (AUC 0,842) Prediktor variabler 1 Djup, vågexponering Djup, vågexponering, Djup, kurvatur Djup, kurvatur Djup, vågexponering, siktdjup Vågexponering, djup Vågexponering, djup 7

Koordinatsystem i plan: WGS84 UTM zon35n (topy, bathy, Orthofoton). RT90 2,5gV (prediktionsdata från AquaBiota), WGS84 Lat Long (klassificerat lidardata från FOI) Höjdsystem: FIN2005 (topy, bathy) geiodmodell okänd, men antas vara N2000 4.3 Genomförda tester och presentation av data LP360 En demoversion av LP360 laddades ner med huvudsyftet att läsa och visualisera LAS-filer (LIDAR dataformat). Xyz-filerna lästes först in för att sedan sparas som LAS-filer, därefter kunde datat börja studeras. Verktyget ger en bild av datat i 2 eller 3 dimensioner med olika tematiseringar; i det här fallet klassat på höjder. Man kan även göra profilsektioner var som helst i modellen. LP360 finns som en extension till ArcGIS men detta används inte idag på Umeå kommun. Vertical Mapper DTM-filerna lästes in som textfiler, för att sedan slås ihop till en enda fil, som sparades som TABformat. Av denna fil skapades en grid (variabler: TIN, 5m längd, utdata 2x2m rutor). Rutnätet används därefter som underlag för fortsatta analyser. Från rutnätet kan man sedan skapa konturer eller ytor, i detta fall höjd- eller djupkurvor (2 m). Lutningen på ytorna kan också tas fram och programmet är särskilt lämpligt för mer avancerade lägesanalysfunktioner 8

Bild 1. Grid/rutnät Bild 2. Linjer Bild 3. Grid/Rutnät i 3D MapInfo professional Ett TIN-interpolerat rutnät skapades av punkterna i topo- och bathy-filerna. Med rutnätet skapades en 3D-modell som draperades med annan information i 2D. På detta sätt kan en användare av MapInfo professional själv granska data både i 2 och 3 dimensioner, samt göra GIS-analyser. 9

FME AutoCad Civil 3D AutoCad Map 3D All transformation av koordinatsystem samt konverteringar mellan olika format, för läsning i de varierande programvarorna, har gjorts med FME. I AutoCad Civil 3D skapades en terrängmodell (.dem-fil) av punktinformationen och utifrån detta skapades en rasterbild (geotiff) som lästes in i webbprogramvaran MapGuide Enterprise. Även i AutoCad Map kan man titta på datat i 2D/3D och lägga på annan information i kartan MapGuide Enterprise De filer som bearbetats enligt ovan har exporterats till MapGuide Enterprise för visualisering. I den interaktiva kartan väljer användaren själv vilken information som ska synas genom att klicka på och av de olika lagren. Ingen 3D funktion finns utan det är rasterbilder som ger en 3D upplevelse. 10

Informationen på kartan: Lidardata saknas: ungefärligt område där data från lasermätningarna saknas. Denna information är viktig för att rätt tolkning av kartan skall göras. Klassad botten: Hård, Mjuk med vegetation samt Mjuk botten (se tabell 1). Hur stor sannolikhet av förekomst presenteras tematiskt. Orthofoto Umeå kommun: relativt högupplöst orthofoto i färg. Höjdmodell i färg: Rastermodell av 3D modell ger en känsla av djup- och höjdskillnader. 11

Jämförelser av insamlingsmetod: Visar på prediktionens kvalitet, AUC och sannolik förekomst av olika arter/arttyper beroende på insamlingsmetod. (Se tabell 2). Nyckelbiotoper: AquaBiotas tolkning av nyckelbiotopsområden. 12

4.4 Erfarenheter Umeå kommun: Fokus låg på att göra data tillgängligt för så många i arbetsgruppen som möjligt, även de utan tillgång till specifika programvaror, därför har all relevant data presenterats i en webbkarta med tanken att mer avancerade programvaror används för studier och analyser av mer specifika frågeställningar. Det finns fler verktyg på marknaden, men pga den korta tiden för analys gjordes avgränsningen att i så stor utsträckning som möjligt använda sig av de verktyg som redan finns på kommunen. För att titta på erhållet data fick man pröva sig fram. Initialt ansågs point cloud data vara av störst intresse, men datatmängden var så stor att det påverkade datorernas kapacitet för mycket för att vara användbart. DTM-filerna som är generaliserade bedöms däremot vara tillräckligt bra för att bygga en modell. Punktsvärmen var inte jämt fördelad. Framförallt i norra delen av området saknas många punkter. Detta innebär att när man skapar höjdmodellen som består av många små ytor så kommer även dessa tomma områden ingå i interpoleringen vilket ger ett falskt värde på hur verkligheten ser ut. Vet man inte om detta är det lätt att feltolka höjdmodellen. Det var svårt att säkerställa i vilket koordinatsystem filerna var. Enligt den första muntliga uppgiften ska de vara i EUREF-FIN, vilket verkar vara ett populärnamn eftersom vi inte hittade hur det var definierat. Vid efterforskning fick vi veta att det var ETRS-TM35FIN. Höjdsystem för höjd- och djupdata är FIN2005. Däremot är det fortfarande oklart vilken geoidmodell som använts, men det antas vara den finska geoidmodellen N2000. Den kan appliceras på Västerbottens kust, då man slipper extrapolera i modellen. Ifall det hade varit den andra finska modellen N60 hade det kunnat orsaka höjdfel i storleksordningen decimeter till meter. En erfarenhet av detta är att man vid upphandling ska beställa data i de koordinatsystem i plan och höjd som officiellt används inom beställt område. Då undviker man dessutom förvrängningar mm på t.ex. gridinformation vilken man får då man använder fel kartprojektion för området. Österbottens förbund, Vasa stad och Korsholms kommun: Materialet som vi fick för att analysera kunde man relativt lätt hantera i ArcView. Xyz-filerna var visserligen för stora för att läsa in på en gång och lästes därför in i mindre delar. Resurserna för planläggning och GIS är väldigt varierande i Österbottens kommuner men de flesta kommuner har mycket små eller inga personresurser för GIS-hantering. Vissa kommuner sköter över huvudtaget inte planläggningen själv, utan anlitar konsulter. Dessa faktorer gör det mer eller mindre omöjligt, för de flesta kommuner, att kunna tolka och förstå LIDAR- materialet i den form det levererades. Men med rätt programvara och tillräcklig kunskap var det inga svårigheter att läsa in LIDAR-datat och använda det. Problemet ligger vid tolkningen av materialet. 13

4.5 Slutsatser och bedömningar angående databearbetning och visualisering av LIDAR-baserat data Några olika ansatser att använda data till mer avancerade och djupare analyser av specifika frågeställningar har gjorts med lovande resultat, men det ställer även stora krav på tillförlitligt och kontinuerligt data vilket inte erhålls inom hela testområdet. Det går att få ut en hel del information i både 2D och 3D med LIDAR-baserat data. Den stora datamängden tynger dock lätt ner många system och lämpar sig i dagsläget kanske bäst för studier och analyser av mindre områden. Gratisversioner av programvaror är många gånger bara en slimmad version och för mer avancerade funktioner och analysmöjligheter är denna oftast inte tillräcklig. Quick Terrain Reader fick vi inte att fungera tillfredställande så inga testanalyser gjordes med detta program. För att lätt kunna sprida informationen till fler vore en helt internetbaserad 2D och 3D-viewer önskvärd. Programvaran bör vara kompatibel med de dataformat och koordinatsystem som används i det dagliga arbetet, för att få ett så smidigt och effektivt arbetssätt som möjligt. All indata bör kunna beställas i det koordinatsystem som man officiellt använder inom kommun/myndighet som därmed blir lätthanterligt och känt för beställaren. Ska djupare och mer omfattande analyser göras krävs god GIS-kompetens samt en tydlig beställning med information om viktiga ingående data, kvalité och omfattning vilket kanske inte finns på de mindre kommunerna. 5. ANVÄNDNINGSMÖJLIGHETER 5.1 Flygbilder Orthofotona användes inte för visualisering eller analyser, eftersom orthofotona var i fel koordinatsystem jämfört med övriga data och transformation av bilderna är mycket tids- och kapacitetskrävande. De var även mycket högupplösta vilket påverkar filstorleken som i sin tur påverkar kapaciteten på programvaran samt att de var väldigt mörka vilket skulle dölja de små terrängförändringarna, så bedömdes att dessa bilder är bäst lämpade för studier på mindre områden. 5.2 LIDAR djupdata Inom planeringen finns det ett klart behov av bättre och noggrannare djupdata längs kustområdena. Kartor med djupdata som har 1 m ekvidistans är ett värdefullt planeringsunderlag inom kust- och havsplaneringen och särskilt 3D-kartor ger en bra överblick över de rumsliga förhållandena under vattenytan. LIDAR-djupdata ger generellt en mycket mer detaljerad 14

information om djupförhållandena än sjökartan. Det finns dock en viss risk att de inger en falsk trygghet. För det första saknas data för stora delar av undersökningsområdet och för det andra består LIDAR-djupdata av mätta punkter på ca 1,6 m:s avstånd från varandra varför det finns en viss risk att mindre block (< 1.6 m) förblir oupptäckta. Detta bör man vara medveten om inom blockiga kustområden. Eventuellt borde punkttätheten ökas i sådana områden. Däremot tillhandahåller LIDAR-data värdefull information för projekt där inventeringarna och utredningarna inte behöver vara så noggranna, t ex översiktsplanering eller framtagandet av intressanta områden för planeringsprojekt på en mera översiktlig skala. En klar brist är att de LIDAR-baserade djupdata vi nu erhållit inte innehåller information från väldigt grunda områden, dvs vid övergång mellan hav och land. På grund av denna brist är det tveksamt hur användbara LIDAR-data är för att t.ex. bedöma vilka strandområden som kommer att beröras av uppgrundning. Djupdata saknas även på områden som ligger på mer än ett 15 meters djup. Ett annat problem i dagens läge är att LIDAR genererar väldigt stora datamängder. Omfattningen av datamängden kräver en stor datorkapacitet och ett stort kunnande som alla kommuner inte har, särskilt inte de mindre kommunerna på den finska sidan. LIDAR-data borde förädlas och förenklas till ett standardiserat format som är lätt att använda för kommuner, landskapsförbund och andra aktörer som arbetar med planeringsfrågor. En annan viktig fråga är hur tillförlitlig datainsamlingen är. Det faktum att det saknas djupinformation i betydande delar av kartläggningsområdena, särskilt för Sävarområdet, indikerar att metoden kan ha en betydande svaghet och hög känslighet för vattenförhållandena, grumling och/eller färg i vattnet. Detta skapar osäkerhet om teknikens användbarhet. Tekniken förefaller behöva utvecklas mer och ett system för en kvalitetscertifiering utarbetas. Men det finns trots allt en stor utvecklingspotential i LIDAR-tekniken som på sikt, om tekniken blir bättre och stabilare och enklare att hantera, kan användas för att ta fram värdefullt underlag vid planering av kust- och havsområden även på lokal/kommunal nivå. I dagens läge är dock djupdata från Sjöfartsverkets digitala databas i Sverige och i Finland ett lika bra alternativ. På mindre områden finns även de traditionella metoderna som trallning, ekolodning, dykning osv. En viktig aspekt för att bedöma teknikens användbarhet är kostnaderna. Projektet har dock inte kunna närmare belysa vilken kostnadsbild som framtagande av LIDAR-data kan ha i praktiskt bruk. Detta är en brist. Utan god uppfattning om kostnaderna kommer det att vara mycket svårt att få beslut om användning av tekniken på bredare front. 5.3 Klassificerat LIDAR-data LIDAR-data har också studerats för att se om man kan kategorisera bottnarna med avseende på hårdhetsgrad och typ av växtlighet. För undersökningsområdet i Sävar har följande klassindelningar använts: klass 1 med hårda bottnar klass 2 med vegetationsklädda mjuka bottnar och klass 3 med mjuka bottnar utan vegetation. 15

För Rönnskärsområdet blev klassindelningen på grund av skillnader i de naturliga förutsättningarna annorlunda klass 1 hårda bottnar med blåstång, klass 2 hårda vegetationsklädda bottnar och klass 3 mjuka bottnar med filamentösa alger. Kartor med förekomster av mjuka och hårda havsbottnar är av stort värde i planeringssammanhang. Exempelvis vid planering av havsbaserade infrastrukturåtgärder som broar, vägbankar, ledningar och båtleder samt havsbaserade vindkraftområden, är det av stort värde att ha information om bottnarnas karaktär. Uppgifter om bottnarnas beskaffenhet gör det också lättare att kalkylera möjligheter och kostnader för grävning, stabiliserade åtgärder eller sprängning samt att bedöma dessa åtgärders miljöpåverkan och därmed ge bättre underlag för att ta fram de mest lämpliga lägen. Än så länge förefaller det dock finnas brister i hur tillförlitligt man kan modellera förekomster av hårda och mjuka bottnar. Den totala noggrannheten för klassificeringen av LIDAR data är 63% för undersökningsområdet i Sävar och något högre (88 %) för Rönnskärområdet. Skillnaden kan möjligen bero på skillnader i på vattnets färg, eller grumlighet. Klassificeringen av bottnarna utifrån LIDAR-data bedöms dock ge en viss information och en bra första indikation på var man kan ha hänsynskrävande bottnar med högre sannolikhet för höga naturvärden, som t.ex. vegetationsrika mjukbottnar i Sävar och hårdbottnar med blåstång i Rönnskär. Noggrannheten är dock inte hög och det finns stora felmarginaler vilket gör att man måste överväga hur tillförlitligt dataunderlaget är för planeringssyften. Det är också svårt att skilja på mjuka bottnar från hårda bottnar med mycket växlighet. I planläggningen är det också av stor vikt att veta mäktigheten av de mjukna bottnarna och på denna fråga har inte LIDAR något svar. Kan LIDAR-data användas för miljöuppföljning? För att kunna se miljöförändringar i ett område måste informationen vara tillförlitlig och felmarginalerna små. Fördelen med LIDAR-data är att man kan jämföra relativ stora ytor vilket medför att förändringar syns rätt fort. Men variablerna måste kunna urskiljas tydligt i LIDARbaserad data. Detta verkar inte vara möjligt med de klassificeringar som gjordes för t.ex. Sävarområdet. 5.4 Modellerat data Information om bottensubstrat och havsbottnar med naturvärden samt viktiga lekplatser för fisk är av stort intresse som underlag för kustplaneringsarbetet. Här bedömdes användbarheten av modellerade data för olika artgrupper och bottensubstrat som kan indikerar områden med potential för naturvärden. Modelleringar baserades på sjökortets djupinformation, digitaliserade djupmätningar och LIDAR-baserade data. För LIDAR-data användes främst kurvaturen av laserresponsen som prediktorvariabel medan i de traditionella djupmätningar tillkom siktdjup och vågexponering som prediktorvariabler (se tabell 2 under kap. 4). För Sävarområdet så indikerar förekomst av kransalger men även vissa högre kärlväxter på grunda områden att det finns en potential att området har naturvärden Förekomsten av högvuxen bottenvegetation skulle också kunna vara intressant när det gäller värdefulla miljöer för fisk. 16

Vid modellering av grunda bottnars organismer så anses djupet vara den enskilt viktigaste prediktorn. I detta avseende ger modelleringar som baseras på traditionella djupmätningar intryck av att ha en god förutsägbarhet för förekomsten av t ex kransalger. Den stora skillnaden verkar vara upplösningen. Sjökortets djupmätningar är rätt grova med 10m ekvidistans medan digitaliserade djupmätningar verkar vara mera noggrann dock inte så yttäckande. Här har LIDAR-data en potential att ge information om artförekomster på en relativ detaljerad nivå inom en 10*10m rutnät. Däremot är prediktionskvalitén inte lika bra för LIDAR-baserade data. Därmed är det svårt att bedöma vad LIDAR-baserade modelleringar tillför utöver de traditionella bedömningarna. Inom Sävarområdet så påverkas siktdjupet och därmed ljustillgången, som begränsar utbredningen av gröna växter i vattnet, av grumling och det tidvis kraftig bruna vattnet som rinner ut från Sävarån. Förutsättningar för siktdjupet antas därför att variera beroende på nederbörd, årstid och andra faktorer. Frågan är hur tillförlitliga data om siktdjup är. Enligt Aquabiotas rapport så hade siktdjupsmätningar gjorts under året 2008 på 54 olika stationer inom Sävarområdet och ett kontinuerligt siktdjupskikt tagits fram med hjälp av interpolation. För Lidardata däremot verkar minskad siktdjup under mätflygningar ge mindre tillförlitliga eller inga data alls vilket gör det svårt att få en tillförlitlig bild om förekomster av vattenvegetationen. Överhuvudtaget så var det svårt att jämför de olika metoder på kartan eftersom området täcks av rutor som visar olika klasser för sannolikheten av artförekomsterna. För att kartorna skulle vara intressanta i planeringssammanhang bör det finnas tydlig information om vilka klasser som är intressanta och hur tillförlitliga de påstådda artförekomsterna är. Det är i planeringssammanhang orealistiskt att långsiktigt skydda alla grunda områden på grund av att det kan finnas t ex kransalger och därmed eventuella naturvärden, utan här behövs kartunderlag som möjliggör en prioritering av områdena. I det här sammanhanget är de levererade tabeller med nyckelbiotoper (kranslager och högre kärlväxter) en början till ett bra underlag för att ta fram en naturvärdeskarta som visar särskilt viktiga områden för skyddsvärda vegetationstyper och havsmiljöer. För att bedöma betydelsen av artgruppernas förekomst för naturvärden behövs det ekologisk och biologisk kompetens som inte alltid finns tillgänglig inom kommunala förvaltningar. För en bra integrerat kustplanering är det viktigt att det levereras tolkade naturvärdeskartor med en tydlig information om vad värdena innebär och hur man på bäst sätt kan ta hänsyn till dem i olika planeringssammanhang. För planering av havsområden behövs uppgifter om vilka områden som har höga naturvärden och som bör bevaras och vilka områden som inte har naturvärden och därigenom får exploateras. 6. SAMMANFATTANDE DISKUSSION LIDAR-data bedöms ha potential att bli en metod för att skapa bra djup- och andra underlagskartor vid planering av kust- och havsområden. Under förutsättning att tillförlitligheten för datainsamlingen blir bättre, och kostnaderna är rimliga kan LIDAR bli en bra teknik för att på ett effektivt sätt ta fram bra djupdata, information om havsbottnarnas karaktär och naturvärden över stora havsarealer. Sannolikt är att tekniken är bättre lämpad för kartläggning av stora områden. Då det gäller mindre havsområden är LIDAR troligtvis inte ett ekonomiskt konkurrenskraftigt alternativ till de mer traditionella metoderna ss. trallning, lodning, dykning. 17

Än så länge verkar dock metoden vara förhållandevis dyr, kvalitén osäker, databearbetningen kunskapskrävande och modelleringarna inte tillräcklig tillförlitliga för att utgöra ett realistiskt alternativ vid anskaffning av underlagsmaterial för planering av kust- och havsområden för enskilda kommuner. Ytterligare teknikutveckling behövs. Det bör även utredas om det kan finnas samordningsvinster genom att skapa en övergripande databank med havsbaserade data. Då kan man ha bättre möjligheter att kontinuerligt utveckla LIDAR- metoden och ta fram lättåtkomliga tematiska presentationer samt tillhandahålla information om djup, havsbottnarnas karaktär och naturvärden på ett mer lättförståeligt och standardiserad sätt och till ett rimligt pris. Sammanfattningsvis finns det en god utvecklingspotential för LIDAR-metoden. Om man dessutom kombinerar LIDAR-material med t.ex. flygbilder och annan kartläggning kan man få riktigt bra basmaterial vid planering av havsområden. Men för att man direkt ska kunna använda sig av materialet i kommunerna bör det vara mer förädlat (tolkat). Materialet borde helst levereras i sådan form att det bara är att öppna och avläsa dem. Idealet skulle vara en karta som består av polygoner, t.ex. olika polygoner för olika sannolikheter av högt naturvärde. 18