Utvärdering av metoder för framställning och kontroll av digitala terrängmodeller

Utvärdering av metoder för framställning och kontroll av digitala terrängmodeller Erik Persson & Fredric Sjöwall 2012 Examensarbete, Kandidatnivå, 15 hp Lantmäteriteknik Handledare: Yuriy Reshetyuk Examinator: Mattias Lindman

Förord Det här examensarbetet avslutar våra studier på Lantmätarprogrammet vid Högskolan i Gävle (HiG) med inriktning mot tekniskt lantmäteri. Framför allt vill vi tacka vår vetenskapliga handledare på HiG Yuriy Reshetyuk, som med sin expertis inom området har hjälpt oss under detta arbete. Vi vill också tacka Stig-Göran Mårtensson för den hjälp vi har fått under arbetets gång. Slutligen vill vi tacka våra familjer för det stöd vi har fått under vår studietid. Gävle, juni 2012 i

Sammanfattning Användningsområden för digitala terrängmodeller (DTM) är idag många och kraven på låg osäkerhet ökar. DTM kan framställas med Global Navigation Satellite System (GNSS), terrester laserskanning (TLS), flygburen laserskanning (FLS) eller totalstation. Riktlinjer för framställning och kontroll av DTM finns i Swedish Standards Institute - Tekniska specifikationer (SIS-TS) 21144:2007 och SIS 21145:2007. Dessa framtogs i ett samarbete mellan Banverket och Vägverket, idag Trafikverket, för att tillfredsställa behoven av kravformuleringar vid framställning av DTM för planering, projektering och byggande. Syftet med detta examensarbete är att framställa DTM över Åkermans kulle, beläget väster om Högskolan i Gävle enligt SIS-TS 21144:2007. Detta med hjälp av GNSS med nätverks-rtk, TLS och FLS, samt kontroll genom profilinmätning med totalstation enligt SIS-TS 21145:2007 och ytbaserad kontroll av modellerna mot varandra. Utgående från dessa resultat utvärderades kontrollmetoderna. Området är ca 2 ha stort och består av mycket kuperad ängsmark med viss vegetation. Efterbearbetningen av inmätta data skedde i programvarorna SBG Geo Professional School 2012, Cyclone 7.3 samt Microsoft Excel. Den profilbaserade kontrollen visade att GNSS är den metod som ger lägst osäkerhet för denna typ av område, med en medelavvikelse på 0,048 m, medan TLS och FLS avvek 0,162 m respektive 0,255 m. För den ytbaserade kontrollen var de största avvikelserna mellan FLS och GNSS, med en medelavvikelse på 0,270 m och den lägsta medelavvikelsen på 0,099 m mellan FLS och TLS. Vid framställning av terrängmodeller bör syfte, osäkerhetskrav, areal och typ av terräng tas i beaktande och analyseras noggrant. Utifrån denna analys bör den mest sanningsenliga metoden väljas. För kontroll är profilmätning med totalstation mest lämpat då det ger en sanningsenlig bild av verkligheten. Våra resultat visar att för kuperade vegetationsrika områden är GNSS att föredra medan TLS och FLS passar bättre för plana områden utan vegetation. En gemensam nationell standard för framställning och kontroll av DTM bör tas fram då det i dagsläget endast finns specifikationer. ii

Abstract Today there are many applications of digital terrain models (DTM) and the requirements of low uncertainty increases. Most of the DTM are produced with Global Navigation Satellite System (GNSS), terrestrial laser scanning (TLS), airborne laser scanning (ALS) and total stations. Guidelines for the preparation and verification of DTM are found in Swedish Standards Institute Technical Specifications (SIS-TS) 21144:2007 and SIS-TS 21145:2007. These were defined in collaboration between Swedish National Rail Administration, Banverket, and Swedish Road Administration, Vägverket, to satisfy the needs of requirement formulations in the production of DTM planning, design and construction. The purpose of this paper is to produce and control DTM over Åkermans kulle, located west of the University of Gävle, according to SIS TS 21144:2007 using GNSS with network-rtk, TLS and ALS. Control of these was then performed by profile surveying with total station in accordance with SIS-TS 21145:2007 and by comparing the models against each other. Based on these results the control methods were evaluated. The area is approximately 2 ha and consists of very rough grassland with some vegetation. The post processing of the data was done in software SBG Geo Professional School, Cyclone 7.3 and Microsoft Excel. The profile-based verification showed that GNSS gives the smallest deviation from reality for this type of area, with a mean deviation of 0.048 m, while the TLS and ALS deviated 0.162 m and 0.255 m. For the surface based control the largest deviation was between ALS and GNSS with an average deviation of 0.270 m and the smallest between ALS-TLS with an average deviation of 0.099 m. In the production of DTM aim, uncertainty requirements, area and type of terrain should be taken into account and carefully analyzed. Based on this analysis, the most suitable method should be selected. Profile measurement is the most suited method for control since it generates a veracious depiction of the reality. Our results show that for hilly vegetated areas GNSS are preferable while TLS and ALS are more suited to plane areas without vegetation. A single national standard for the production and control of the DTM should be developed as only technical specifications exist today. Key words: Digital terrain models (DTM), GNSS, TLS, ALS, total station, SIS-TS 21144:2007, SIS-TS 21145:2007, profile-based control, comparison model to model iii

iv

Innehållsförteckning 1 Inledning... 1 1.1 Bakgrund... 1 1.2 Syfte, målsättning och avgränsning... 2 1.3 Terminologi... 3 1.4 Tidigare studier... 3 2 Teori... 5 2.1 DTM... 5 2.2 Terrester laserskanning... 5 2.3 Flygburen laserskanning... 6 2.4 GNSS... 6 2.5 Totalstation... 7 2.6 SBG:s Geo Professional School 2012... 7 2.7 Cyclone 7.3... 8 3 Metod... 9 3.1 Område, utrustning och programvaror... 9 3.2 Profilmätning... 9 3.3 Nätverks-RTK-mätningar... 10 3.4 Terrester laserskanning... 11 3.4.1 Mätningar... 11 3.4.2 Databearbetning... 12 3.5 Flygburen laserskanning... 13 3.6 Bearbetning av profilmätningar... 13 3.7 Ytbaserad jämförelse... 15 4 Resultat... 16 4.1 DTM... 16 4.2 Kontroll enligt SIS-TS 21145:2007... 19 4.3 Ytbaserad jämförelse... 22 v

5 Diskussion... 25 5.1 Metoder... 25 5.2 Resultat... 27 6 Slutsatser... 29 Referenser... 30 Bilaga 1 Resultat av profilberäkning FLS Bilaga 2 Resultat av profilberäkning GNSS Bilaga 3 Resultat av profilberäkning TLS vi

1 Inledning 1.1 Bakgrund En digital terrängmodell (DTM) är en digital beskrivning av terrängen framtagen med hjälp av höjddata som representerar topografin i ett område (Klang & Burman, 2003). För DTM finns det många användningsområden, de vanligaste är volymberäkning och projektering av vägar. DTM används idag av många företag, framför allt vid planering av större projekt t.ex. vid anläggning av vägar, järnvägar och byggnader, men också för att kunna skapa hydrologiska modeller för beräkning av översvämningsrisker. På senare år används också DTM ofta för maskinstyrning vid schaktning och grävning, vilket innebär att volymberäkningar i många fall görs utifrån DTM. När dessa projekt genomförs förflyttas ofta stora massor, för att undvika ekonomiska missberäkningar är kraven på DTM höga. En stor del av projekteringen i anläggnings- och byggbranschen sker idag med datahjälpmedel i olika former, vilket gör DTM användbart i många skeden av projekteringen. I takt med att instrumenten som används vid framställning av DTM utvecklats har osäkerheten för DTM blivit lägre vilket bl.a. lett till att bättre analyser kan utföras och större tillförlitlighet för DTM. Många av DTM framställs med hjälp av flygburen laserskanning (FLS) eller terrester laserskanning (TLS), men andra användbara metoder är totalstation, Global Navigation Satellite System (GNSS) och fotogrammetri. Det är viktigt att kunna besluta vilken metod som är mest lämpad för en viss typ av terräng och areal. Enligt Keim, Skaugset och Bateman (1999) beror osäkerheten för DTM av hur mycket tid som läggs ner vid datainsamlingen. Swedish Standards Institute (SIS) gav år 2004 ut två tekniska specifikationer som bl.a. behandlar framställning och kontroll av DTM, med syfte att tillfredsställa behov på kravformuleringar vid framställning av DTM för planering, projektering och byggande. När SIS-TS 21145:2004 granskades, framkom det brister bl.a. inom regler för hänvisning, upptäckanden av systematiska fel och inom beräkningsförfarandet. Detta ledde till att de tekniska specifikationerna uppdaterades och gavs ut på nytt år 2007. För att säkerställa kvalitén av DTM är det viktigt att kontroll av denna utförs. Riktlinjer för framställning och kontroll av DTM beskrivs i de svenska regelverken SIS-TS 21144:2007 respektive SIS-TS 21145:2007. Enligt SIS-TS 21145:2007 är totalstation, avvägningsinstrument, laserplangivare samt satellitmätning godkända metoder för profilbaserad kontroll av DTM. Kontroll av DTM grundas på klassning av markytan med hänsyn till markslagstyp, kuperingsgrad och ytjämnhet. Profilerna skall fördelas jämnt över markområdet och representera terrängen väl. SIS-TS 21145:2007 beskriver stegvis hur utförandet för 1

kontroll av DTM skall gå till, bl.a. att tillsyn av instrument skall utföras och mätningar skall göras utgående från stomnät i plan och höjd. Syftet med att mäta in profiler med totalstation är att ge en god representation av markytan som återspeglar den verkliga terrängen. Ytbaserad kontroll av DTM är en teknik för att jämföra modeller med varandra, genom att subtrahera två modeller från varandra genereras en differensmodell som visar hur mycket de avviker från varandra. Eftersom användandet av DTM har ökat och instrumenten som används vid framställningen utvecklats, har kraven på kontroll och osäkerhet från beställare av DTM blivit högre med åren. 1.2 Syfte, målsättning och avgränsning Syftet med examensarbetet är att jämföra och utvärdera olika metoder för kontroll och framställning av DTM. Genom att framställa tre DTM med GNSS, TLS och FLS enligt SIS-TS 21144:2007 samt utföra profilbaserad kontroll enligt SIS-TS 21145:2007 och ytbaserad kontroll i Geo, är målsättningen att kunna besvara följande frågor: Vilken framställningsmetod avviker minst från verkligheten? Vilken metod ytbaserad eller profilbaserad är bäst lämpad vid kontroll av DTM? Hur påverkas avvikelsen från verkligheten vid profilbaserad respektive ytbaserad kontroll? Området som omfattas av detta examensarbete är Åkermans kulle, ca 2 ha stort, beläget väster om Högskolan i Gävle, se figur 1.1. Figur 1.1. Översiktskarta över Åkermans kulle med omnejd (Geodata, 2012). 2

1.3 Terminologi Detta avsnitt tar upp definitioner av i denna rapport återkommande ord, vilka är hämtade ur SIS 21144:2007 och SIS 21145:2007 om inget annat anges. Brytlinje Brytlinje är en för markytan karaktäristisk linje där kuperingen eller lutningen förändras, t.ex. släntkrön eller dikesbotten. Differensmodell Den modell som bildas då två modeller över samma område jämförs med varandra. Flervägsfel Det fel som uppstår då satellitsignalerna reflekteras mot exempelvis väggar kallas flervägsfel, vilket gör att satellitmottagaren beräknar fixlösningen felaktigt eftersom signalen blir fördröjd. Genom överbestämningar av mätningar under olika tidsintervall kan flervägsfel minskas något (Henning, 2008). Triangelmodell Triangelmodell, även kallad TIN-modell, är en 3D-modell som är uppbyggd av triangelytor vilka grundar sig på alla mätta punkter i modellen. 1.4 Tidigare studier Inom området för framställning och kontroll av DTM finns ett antal tidigare studier som har behandlat arbeten likt detta. Pflipsen (2006) redogör för framställning av terrängmodeller med TLS och totalstation i programvarorna Geograf, Geo och Cyclone. Resultatet visar en märkbar skillnad mellan Cyclone och de andra programmen för volymberäkning, detta till Cyclones nackdel. Resultatet av denna studie visar en differens på 0,06 m mellan de olika terrängmodellerna. Även Bolohan (2009) har i sitt arbete framställt och jämfört terrängmodeller över ett relativt plant område med TLS och totalstation. Resultatet visar att avvikelser mellan modellerna varierar mellan -0,17 och +0,23 m och medelavståndet mellan dem uppgår till 0,05 m. Ingen kontroll av terrängmodellerna enligt de dåvarande tekniska specifikationerna SIS-TS 21145:2004 har dock genomförts, vilket gör det svårt att bedöma terrängmodellernas kvalité på samma sätt som i denna studie. 3

Seco Meneses, Ramírez Chasco, Garcia, Cabrejas och Gonzales-Audícana, (2006) skriver att en av de traditionella metoderna för kontroll av DTM är att använda en referensmodell. De menar dock att i många fall finns inte en sådan att tillgå vilket gör metoden svår att använda. Författarnas syfte med studien var att hitta ett nytt sätt att uppskatta kvaliteten på DTM med krav på låg osäkerhet, detta genom att enbart mäta terrängens karaktäristiska punkter, alltså brytlinjer. De kom bl.a. fram till att med metoden går det att bestämma kvalitén för en DTM utan att behöva jämföra den med en referensmodell, istället studeras förhållandet mellan punkttäthet och volymens osäkerhet. Författarna anser att brytlinjerna skapar en referensyta som representerar den verkliga terrängen. Guarnieri, Vettore, Pirotti, och Marani, (2009) använder TLS för skapandet av en DTM över ett område i Venediglagunen med vegetation som i största del är relativt låg och gles. Författarna belyser problemet av att kunna urskilja markytan från vegetationen när DTM skapas med TLS. Målet med artikeln är att lösa problemet vid klassificeringen för att skilja på vegetation och vad som är den verkliga markytan. Detta genom att hitta en metod som filtrerar bort vegetationen för att DTM skall representera markytan korrekt. Eftersom TLS inte tränger igenom vegetationen har också ca 500 punkter mätts in med GNSS för att kunna jämföra TLS skanningarna mot en mer korrekt markyta. Området har skannats med en upplösnings på 0,05 m mellan punkterna, vilket gav en genomsnittlig punkttäthet på 3000 punkter per m 2 för modellen framställd med TLS. Efter databearbetningen visar resultaten en genomsnittlig avvikelse mellan TLS och GNSS på -0,009 m och en osäkerhet på 0,021 m. Författarna ger förslag på att framtida studier inom området kan vara att utveckla fler metoder för att skilja mark från vegetation. Även Hyyppä et al (2005) skriver i sin rapport om hur bl.a. vegetation, tidpunkt, flyghöjd och terräng påverkar osäkerheten vid framställning av DTM med FLS. Skanningarna har utförts vid tre olika tidpunkter på året med varierande täthet på vegetationen. Med flyghöjder på 400, 800 och 1500 m. De slumpmässiga felen ökade med 50 % vid framställning av DTM när flyghöjden ökade från 400 m till 1500 m. Författarna kom även fram till att osäkerheten ökar med 0,4 m från plan mark till terräng där marken lutar >30. 4

2 Teori 2.1 DTM För att skapa en DTM krävs data vars position är bestämda i tre dimensioner, genom att sammanbinda data med ett nätverk av triangulära ytor skapas terrängmodellen. Vanligtvis lagras en DTM i triangel- eller gridnät. Det finns många olika metoder för datainsamling vid skapandet av en DTM, vanliga instrument och metoder som används är GNSS, FLS och TLS. Enligt Gomes Pereira och Janssen (1999) är flygburen laserskanning en av de mest använda metoderna för ändamålet. 2.2 Terrester laserskanning Den teknik som med laser mäter avstånd och vinklar till objekt kallas TLS och är en metod för att samla in 3D data genom att instrumentet sänder ut en laserstråle vars hastighet är känd vilket gör att avstånd mellan objektet och instrumentet beräknas (Jaboyedoff et al, 2009). Speglar som sitter i skannern sprider laserstrålen i horisontaloch vertikalled för att få ett större mätningsområde. Mätningarna bildar ett punktmoln, och för varje punktmoln skapas ett inre koordinatsystem. För varje enskild mätning skapas en punkt, punkten representerar ytan på objektet och har koordinater i X-, Y- och Z- led. Även intensiteten för varje reflekterad lasersignal återges. TLS är en reflektorlös mätmetod och beroende av att den reflekterade strålen inte sprids eller absorberas av det mätta objektet samt att strålens intensitet inte försämras ansenligt (Lichti, Gordon & Stewart, 2002). Inom TLS finns det två olika metoder för avståndsmätning; fasskillnadsmätning och pulsmätning. Vid fasskillnadsmetoden moduleras den sända signalen av en samstämd våg, avståndet R beräknas utifrån skillnaden mellan den utsända och mottagna signalen (Boehler & Marbs, 2002), enligt formeln (2.1): (2.1) där = fasskillnaden = antalet hela våglängder = moduleringsvåglängden 5

Vid pulsmätning beräknas avståndet med hjälp av tiden det tar för laserpulsen att träffa ytan och reflekteras tillbaka till sensorn (Time of flight, ToF) (Lichti et al. 2002) enligt formlen (2.2): (2.2) där = ljusets hastighet = ToF = avståndet För att koordinatbestämma objektet i ett yttre koordinatsystem krävs direkt- eller indirekt georeferering. Vid direkt georeferering horisonteras och centreras laserskannern över en punkt med kända koordinater och riktas sedan mot en annan känd punkt. Fri stationsetablering innebär att laserskannern ställs upp och horisonteras på en lämplig plats med fri sikt till två eller fler kända punkter och dessa skannas sedan för att instrumentet och punktmolnet skall bli georefererade. På dessa två olika sätt erhålls koordinaterna för all insamlad data direkt i fält, medan det krävs efterarbete för att få fram koordinaterna vid indirekt georeferering. För att få de olika punktmolnen att stämma överens med varandra i ett och samma koordinatsystem vid indirekt georeferering utförs registrering (Lantmäteriet et al, 2011). Osäkerheten vid mätningar med TLS påverkas av många faktorer, dessa är viktiga att ta i beaktande eftersom de kan ha en stor inverkan på resultatet. Enligt Boehler, Bordas och Marbs (2003) är några av de vanligaste felkällorna när mätningar utförs med TLS väderförhållanden, de skannade objektens material och yta, samt infallsvinkel och avstånd till det mätta objektet. 2.3 Flygburen laserskanning Flygburen laserskanning (FLS) fungerar i princip lika som TLS, däremot sitter skannern vanligtvis monterad i ett flygplan eller en helikopter. För att kunna lägesbestämma skanningarna registreras skannerns position med GNSS, samtidigt som flygplanets acceleration och rotation registreras i ett tröghetssystem. Faktorer som har betydelse för punkttätheten är flyghöjd samt laser- och skanningsfrekvens (Petrie, 2011). 2.4 GNSS Global Navigation Satellite Systems (GNSS) är ett samlingsnamn för satellitbaserade navigations- och positionsbestämningsmetoder där de främsta är amerikanska Global Positioning System (GPS), ryska Globalnaya Navigatsionnaya Sputnikovaya Sistema 6

(Glonass) och europeiska Galileo (Lantmäteriet, 2012a). För att uppnå centimeternoggrannhet används idag i Sverige SWEPOS nätverks-rtk-tjänst som förmedlar RTK-data via en virtuell referensstation. Observationstider på minst 1 minut med uppnådd fixlösning ger osäkerheter på mindre än 10 mm i plan och 16 mm i höjd (Mårtensson, Reshetyuk & Jivall, 2012). Kommunikationen mellan tjänsten och instrumentet kan ske med antingen GSM eller GPRS. Vid initialisering krävs mätning mot minst sex gemensamma GNSS-satelliter för användaren och referensstationen då både GPS och Glonass används (Lantmäteriet, 2010). 2.5 Totalstation Att bestämma ett objekts position i både plan och höjd sker idag enkelt med hjälp av totalstation. Genom att instrumentet mäter vertikalvinkel, horisontalvinkel samt längd till det sökta objektet beräknas den tredimensionella positionen ut automatiskt i instrumentets dator. Enligt HMK-Ge:D (1996) lanserades de första totalstationerna under 1970-talet och kallades elektroniska takymetrar. Detta var en kombination av teodoliter vilka enbart mäter vinklar samt elektroniska avståndsmätare. Det går i dagsläget att få en osäkerhet för vinkelmätning i både horisontal- och vertikalled på 0,3 mgon, och i längd 1 mm (Leica, 2010). Vid framställning och kontroll av DTM över ett mindre område, används vanligtvis totalstation för kartering eller om kontrollprofiler ska mätas in. Enligt SIS-TS 21145:2007 skall mätpunkter anpassas så att profilen innebär en god representation av markytan. 2.6 SBG:s Geo Professional School 2012 Svensk Byggnadsgeodesi (SBG) har utvecklat programvaran Geo Professional School 2012 (Geo) som behandlar design och redovisning inom geodetisk mätning för inmätning, utsättning, volymberäkning, nätutjämning och framställning av digitala terrängmodeller (SBG, 2012). Med hjälp av dess många olika funktioner är det möjligt att framställa och redigera DTM på ett smidigt sätt. 7

2.7 Cyclone 7.3 Cyclone 7.3 innehåller en rad applikationer vilka är anpassade för olika ändamål. Programmet är utvecklat av Leica Geosystems och är särskilt framtaget för att kunna bearbeta laserdata. Scan-modulen används för att kunna styra skannern vid insamlingen av data, Model används för att kunna visualisera, redigera och modellera data (Leica Cyclone Technical Specifications, 2010). Programmet är uppbyggt enligt figur 2.1. Figur 2.1. Strukturen i Cyclone. 8

3 Metod 3.1 Område, utrustning och programvaror Åkermans kulle är anlagd på 1960-talet av schaktmassor från byggandet av bostadsområden söder om staden. Syftet var att skapa en träningsplats för de värnpliktiga och namnet kommer från officeren Sven Åkerman som var mannen bakom idén (Gävle kommun, 2012). Enligt SIS-TS 21145:2007 klassas det ca 2 ha stora området som 2dg/- /J3 vilket är mycket kuperad ängsmark med äldre gräsvegetation och enstaka buskage. Mätningarna under detta arbete utfördes med Leica totalstation TS15, Leica GNSS GS15 och Leica laserskanner ScanStation C10. Databearbetning utfördes i programvarorna SBG Geo 2012 Professional School 2012 (Geo), Cyclone 7.3, Microsoft Office Excel 2007 samt AutoCad Mechanical 2012 DWG True view. 3.2 Profilmätning Åkermans kulle klassades enligt SIS-TS 21145:2007 till typ 2 (ängsmark) med äldre gräsvegetation och yta med enstaka buskage (2dg). Kuperingsgraden är generellt sett J3b över hela kullen vilken innebär mycket kuperad ojämn mark. Antalet punkter i modellen bestämdes enligt tabell 9 i SIS-TS 21144:2007. Området fick beteckningen J3b-3 som avser mycket kuperad mark (J3), ojämn markyta (b) och mycket detaljrikt område (3), vilket resulterade i minst 225 punkter per hektar. Detta innebär i detta fall minst 450 punkter för hela området. Enligt tabell 9 skall antalet kontrollprofiler i utförande C, för ett 2 ha stort område där terrängen är mycket kuperad (J3), vara minst 15 st. Längden av profiler skall enligt utförande C i SIS-TS 21145:2007 vara 21 ±0,5 m. Med totalstation mättes enligt figur 3.1 25 profiler in för att få en så god representation av markytan som möjligt. Eftersom den första inmätta profilen (P1) hamnade utanför GNSS-modellen är den utesluten ur beräkningen för den modellen. 9

Figur 3.1. Översiktskarta tagen från GNSS-modellen över området med kuperingsgrad och inmätta profiler markerat i rött. 3.3 Nätverks-RTK-mätningar Nätverks-RTK-mätningarna genomfördes 2012-04-18 i SWEREF 99 16 30 (plan) och RH 2000 (höjd) med SWEN08_RH2000 som geoidmodell med Leica GNSS-mottagare (GS15) och handenhet (CS15), se figur 3.2. Enligt SIS-TS 21144:2007 skall avståndet vid upprättande av DTM med GNSS-utrustning mellan två närliggande punkter inte understiga 0,5 m och ej heller överstiga 10 m. Under mätningarna användes stakkäpp som hjälpmedel för att hålla stången med GNSS-antennen lodrät. Sammanlagt mättes ca 1500 punkter in och dessa importerades till programvaran Geo där överflödiga punkter raderades, brytlinjer skapades och en DTM framställdes genom triangulering. Figur 3.2. Leica antenn (GS15) och handenhet (CS15). 10

3.4 Terrester laserskanning 3.4.1 Mätningar Arbetet började i fält med att planera var nya stompunkter skulle placeras för att skanningen skulle kunna utföras med georeferering i fält. Det framgick att sju nya stompunkter behövdes runt området. Utgående från Högskolan i Gävles kända punkter 2012 och 2015 i SWEREF 99 16 30 mättes med totalstation ett fullständigt anslutet polygontåg runt Åkermans kulle och sju nya punkter etablerades, enligt figur 3.3. Figur 3.3 Polygontåget med de kända punkterna, markerade med trianglar, de nyetablerade stompunkterna är markerade med cirklar (Fromto, 2012). Under skanningen upptäcktes att de nya stompunkterna inte räckte till för att utföra georeferering i fält på toppen av Åkermans kulle. För att lösa det användes nätverks-rtk och fem hjälppunkter mättes in tre gånger vardera och ett medelvärde räknades ut för punkternas koordinater. Sammanlagt 15 uppställningar med skannern gjordes utgående från de nyetablerade stompunkterna. För att skanningarna från varje uppställning skulle täcka så stor del av området som möjligt, samt för att undvika hög vegetation, var dessa punkter placerade för att få fri sikt till andra kända punkter. En bedömning av hur hög punkttäthet som skulle användas gjordes för att undvika att datamängden skulle bli för stor, men också för att undvika onödig förlust av data för det skannade området. Resultatet blev en punkttäthet med avståndet 0,05 0,10 m mellan punkterna på ett avstånd av 10 meter från skannern. Punkttätheten varierade mellan uppställningarna beroende på markens lutning och mängden vegetation. Tolv uppställningar gjordes över 11

kända punkter med minst en känd bakåtsikt, samt tre uppställningar med två kända bakåtsikter. Detta möjliggjorde georeferering av varje skanning i fält. Skanningarna resulterade i sammanlagt 11 745 477 punkter. 3.4.2 Databearbetning Data från skanningarna importerades i Cyclone 7.3 och varje punktmoln bearbetades först enskilt där vegetation och andra överflödiga punkter togs bort. Alla skanningar sammanfördes sedan i ett gemensamt punkmoln med 6 052 937 punkter vilket ger en genomsnittlig punkttäthet på ca 300 punkter per m 2. SIS-TS 21144:2007 saknar krav för minsta antal punkter per ha gällande TLS och FLS, men det antas att det är väsentligt fler än vad som anges som minsta antal punkter för GNSS och totalstation. I Cyclone finns det två metoder för reducering av punktmoln, en direkt, Reduce point cloud och en indirekt metod som kallas Unify. Metoderna använder olika algoritmer för beräkning, vilket gör att resultaten varierar. Reduce point cloud kan enbart göras med enskilda punktmoln. Detta kan genomföras med en punktreduktion på exempelvis 50 % i vertikalled och 50 % i horisontalled. Däremot innebär inte detta att 50 % av punktmolnet reduceras, utan i områden nära skannern där punkttätheten är högre behålls fler punkter än i områden längre ifrån skannern där punkttätheten inte är lika hög. Detta gör att denna metod resulterar i väldigt hög punkttäthet nära skannern och mycket låg längre bort från instrumentet (Cyclone, 2011). I detta projekt skapades 15 punktmoln med relativt stor datamängd. Detta gör att bearbetningen tar upp stor processkraft av datorn, vilket leder till att bearbetningen av punktmolnen går långsamt. Metoden Unify gör det möjligt att förena flera punktmoln till ett enda, vilket gör databearbetningen lättare. Med denna metod går det att ställa in ett genomsnittligt mellanrum mellan punkterna, vilket sattes till 0,1 m, detta eftersom punktmolnen överlappar varandra vilket gör att punkttätheten är högre för dessa områden än vad som ställts in för skanningen. Däremot är inte avståndet mellan punkterna i det reducerade punktmolnet alltid exakt det värde som angivits, utan avståndet är ofta mindre. Metoden Unify användes i denna studie, eftersom denna metod ansågs passa bättre p.g.a. den jämnare punktreduktionen jämfört med Reduce point cloud. Region grow Smooth Surface används för att ta bort punkter vilka kan klassas som brus, t.ex. äldre gräsvegetation. Metoden fungerar bättre på områden som är plana än kuperade, även fastän vinkeln för det behandlade området går att ställa in. Detta medförde att punktmolnet fick delas upp i 42 punktmoln för att kunna genomföra denna process. 12

Intervallet för bruset som redigerades bort sattes till 0,03 m och sedan genomfördes Unify igen, men denna gång utan någon punktreduktion. En del oönskade punkter blev kvar vilka redigerades bort manuellt. Slutligen framställdes en terrängmodell i form av en TIN och grova fel i TIN-modellen redigerades även de bort manuellt. TIN-modellen skapades i Cyclone och exporterades via AutoCad till Geo där en terrängmodell framställdes. 3.5 Flygburen laserskanning TIN för den flygburna laserskanningen erhölls från Gävle kommun via vår handledare Yuriy Reshetyuk. Data för TIN-modellen kommer ursprungligen från den nya nationella höjdmodellen (NNH) som tagits fram av Lantmäteriet (Lantmäteriet, 2012b), skanningen utfördes under juni 2010. Eftersom Cyclone 7.3 använder ett högerhandssystem (y-axeln pekande uppåt) och Geo ett geodetiskt vänsterhandssystem (x-axeln pekande uppåt), ändrades detta i vid exporten av data från Cyclone så att koordinatsystemen överensstämde med varandra. 3.6 Bearbetning av profilmätningar Efterbearbetning gjordes i Geo för att bestämma höjdskillnaderna mellan de inmätta profilerna och digitala terrängmodellerna framställda med hjälp av FLS, GNSS och TLS. Alla de följande numrerade beräkningarna har utförts i Excel enligt SIS-TS 21145:2007 kapitel 8.7: Beräkning, där även terminologin är hämtad från. Beräkning av höjdavvikelse mellan terrängmodellens höjd och kontrollmätt höjd enligt ekvation (3.1): Ah=Th-Kh (3. 1) där Ah = avvikelse i kontrollpunkt med sitt tecken Th = terrängmodellens höjd i kontrollpunkten i meter Kh = kontrollpunktens höjd i meter För att beräkna medelavvikelsen i varje profil användes ekvation (3.2): (3. 2) där avvikelsevärden Ah är summerad med sitt tecken. Ahm = medelavvikelsen i profilen med sitt tecken i meter. n = antalet mätpunkter i profilen. 13

För att sedan bestämma standardosäkerheten för varje enskild profil användes ekvation (3. 3): (3. 3) där Sp är standardavvikelsen för höjdavvikelserna i den enskilda profilen i meter. Maxavvikelsen Maxp i respektive profil beräknades för att visa de största avvikelserna mellan DTM och profilmätningarna. Beräkningarna utfördes och behandlades separat för varje enskild profil. Avvikelserna som erhölls redovisas med sina tecken. Beräkning av medelavvikelsen för profilerna utfördes enligt ekvation (3. 4): (3.4) där Mapt = medelavvikelsen i höjd för profiler uttryckt i meter med sitt tecken. Map = enskild profils medelavvikelse uttryckt i meter med sitt tecken. n = antalet kontrollprofiler inom provytan eller i provet. För att beräkna standardavvikelsen för medelavvikelsen i grupp av kontrollprofiler användes ekvation (3.5): (3.5) Där Spt = standardavvikelsen för kontrollprofilernas medelavvikelse i meter. Mapm = medelvärdet för medelavvikelsen i respektive provyta, uttryckt i meter med sitt tecken. n = antalet kontrollprofiler inom provytan eller i gruppen. Mängdbalansen är ett avvikelsemått för volymen. Skattning av mängdbalansen för området gjordes enligt ekvation (3.6). (3.6) Där Mb = skattade mängdbalansen i provytan uttryckt i m 3 med sitt tecken Mapt = medelavvikelsen i höjd för provytan uttryckt i meter med sitt tecken. Ka = provytans area uttryckt i m 2. Områdets areal tagen från Geo. 14

För att beräkna avståndet mellan punkterna i profilen användes ekvation (3.7): (3.7) Där N och E är koordinaterna för respektive punkt. 3.7 Ytbaserad jämförelse Ytbaserad jämförelse mellan modellerna gjordes i Geo. För beräkningen användes funktionen Volymberäkning, modell mot modell med triangelmodell då den använder samtliga punkter och linjer från utgångsmodellerna. Den andra metoden, rutnätsmodell, ger enligt programmet en högre osäkerhet då viktig information kan komma att missas om rutnätet är för glest och användes därför inte. Resultatet är en differensmodell som visar höjdskillnaden mellan modellerna. De beräknade areorna och volymerna delas upp i två kategorier, schakt och fyll där schakt innebär att area och volym för differensmodellen är större än noll och fyll områden där differensmodellen är mindre än noll. Då DTM skapad med GNSS var minst, sett till arean, skapades en gränspolygon utgående från koordinatfilen för DTM skapad med GNSS, detta för att alla differensmodeller skulle bli lika stora. I Geo finns ingen funktion som automatiskt ger en numerisk vy för differensmodeller. Utgående från DTM skapad med GNSS redigerades därför höjderna för den koordinatfilen till 0,000 m, denna fil subtraherades sedan från differensmodellen vilket gav en numerisk vy över höjdskillnaderna, se tabell 4.5 för en sammanställning. 15

4 Resultat 4.1 DTM De inmätta punkterna för framställandet av DTM med GNSS som inmätningsmetod resulterade i en koordinatfil bestående av 1489 punkter. Triangelmodellen skapades utgående från dessa punkter och består av 2920 trianglar. I terrängmodellen som skapades och visas i figur 4.1 syns relativt få detaljer p.g.a. det förhållandevis låga punktantalet jämfört med figur 4.2 och 4.3. Figur 4.1. Terrängmodell över Åkermans kulle framställd med GNSS och skapad genom triangulering i Geo. Enhet: m. 16

Modellen skapades i Cyclone från 270 998 punkter och exporterades via AutoCad till Geo där den visualiserades på samma sätt som de andra DTM enligt figur 4.2. Modellen består av 45 537 trianglar. Det höga punktantalet som uppnås vid inmätning med TLS leder automatiskt till en högre detaljrikedom vilket syns tydligt i figur 4.2. Figur 4.2. Terrängmodell framställd med TLS och skapad i Geo. Enhet: m. 17

Data från FLS importerades till Geo och visualiseras enligt figur 4.3. Modellen framställdes utifrån 31 759 punkter vilket resulterade i ca 1 punkt per m 2 och relativt hög detaljrikedom. Modellen omfattade ett större område än modellerna i figur 4.1 och 4.2, därför beskars den för att lättare kunna jämföras med dessa. Modellen består av 26 785 trianglar. Figur 4.3. Terrängmodell över Åkermans kulle framställd med FLS och skapad i Geo. Enhet: m. 18

4.2 Kontroll enligt SIS-TS 21145:2007 I tabell 4.1 4.3 redovisas sammanställning av profilberäkningarna för de olika terrängmodellerna skapade med FLS, GNSS och TLS. Profil 8, 9 och 23 är uteslutna ur beräkningarna då terrängen inom dessa profiler avvek från den generella klassningen. Tabell 4.1 visar sammanställning av profilberäkning för DTM framställd med FLS. Tabell 4.1. Sammanställning av provyta Åkermans kulle: (FLS) Profil nr Medelavvikelse, Ahm [m] Maxavvikelse, Maxp [m] Standardavvikelse Sp ± i meter för enskild profil Profillängd [m] P1 0,215 0,369 0,084 20,928 P2 0,190 0,414 0,107 20,974 P3 0,190 0,346 0,110 20,928 P4 0,215 0,399 0,094 20,985 P5 0,215 0,408 0,122 20,854 P6 0,227 0,360 0,104 21,054 P7 0,240 0,437 0,091 20,897 P10 0,287 0,434 0,094 21,031 P11 0,310 0,407 0,074 20,879 P12 0,142 0,331 0,085 21,013 P13 0,312 0,493 0,122 21,153 P14 0,290 0,801 0,220 20,988 P15 0,403 0,928 0,274 20,897 P16 0,372 0,751 0,157 20,829 P17 0,112 0,289 0,098 20,895 P18 0,462 0,600 0,108 20,789 P19 0,375 0,461 0,067 20,828 P20 0,208 0,340 0,089 20,998 P21 0,273 0,514 0,157 21,137 P22 0,222 0,382 0,093 20,856 P24 0,122 0,261 0,075 20,941 P25 0,223 0,431 0,097 21,002 Medelvärde [m] Maxvärde [m] Spt [m] Summa längd [m] +0,255 +0,928 ±0,090 460,855 För enskilda resultat i kontrollprofiler, se bilaga 1. 19

Utöver profil 8, 9 och 23 är även profil 1 borttagen ur denna beräkning då den hamnade utanför terrängmodellen. Tabell 4.2 visar sammanställning av profilberäkning för DTM framställd med GNSS. Tabell 4. 2. Sammanställning av provyta Åkermans kulle: (GNSS) Standardavvikelse Profil nr Medelavvikelse, Ahm [m] Maxavvikelse, Maxp [m] Sp ± i meter för enskild profil Profillängd [m] P2 0,064 0,139 0,046 20,974 P3 0,079 0,180 0,059 20,928 P4 0,053 0,171 0,051 20,985 P5 0,059 0,170 0,048 20,854 P6 0,041 0,095 0,028 21,054 P7 0,038 0,090 0,030 20,897 P10 0,034 0,082 0,027 21,031 P11 0,079 0,177 0,071 20,879 P12 0,065 0,132 0,034 21,013 P13 0,025 0,057 0,018 21,153 P14 0,062 0,191 0,055 20,988 P15 0,028 0,062 0,022 20,897 P16 0,051 0,086 0,019 20,829 P17 0,053 0,148 0,051 20,895 P18 0,043 0,097 0,031 20,789 P19 0,017 0,033 0,009 20,828 P20 0,038 0,081 0,025 20,998 P21 0,046 0,095 0,034 21,137 P22 0,065 0,092 0,023 20,856 P24 0,037 0,077 0,022 20,941 P25 0,032 0,075 0,021 21,002 Medelvärde [m] Maxvärde [m] Spt [m] Summa längd [m] +0,048 +0,191 ±0,017 439,927 För enskilda resultat i kontrollprofiler, se bilaga 2. 20

Tabell 4. 3. Sammanställning av provyta Åkermans kulle:(tls) Profil nr Medelavvikelse, Ahm [m] Maxavvikelse, Maxp [m] Standardavvikelse Sp ± i meter för enskild profil Profillängd [m] P1 0,184 0,272 0,044 20,928 P2 0,179 0,246 0,049 20,974 P3 0,141 0,252 0,044 20,928 P4 0,169 0,233 0,049 20,985 P5 0,147 0,235 0,090 20,854 P6 0,138 0,256 0,065 21,054 P7 0,178 0,310 0,073 20,897 P10 0,162 0,248 0,050 21,031 P11 0,244 0,400 0,099 20,879 P12 0,223 0,496 0,146 21,013 P13 0,142 0,232 0,060 21,153 P14 0,188 0,313 0,061 20,988 P15 0,140 0,253 0,068 20,897 P16 0,212 0,266 0,037 20,829 P17 0,028 0,067 0,027 20,895 P18 0,191 0,275 0,063 20,789 P19 0,189 0,240 0,033 20,828 P20 0,169 0,256 0,050 20,998 P21 0,209 0,328 0,079 21,137 P22 0,085 0,124 0,038 20,856 P24 0,110 0,241 0,062 20,941 P25 0,136 0,350 0,126 21,002 Medelvärde [m] Maxvärde [m] Spt [m] Summa längd [m] +0,162 +0,496 ±0,048 460,855 För enskilda resultat i kontrollprofiler, se bilaga 3. Provningen har för alla DTM omfattat ca 2 ha och 21-22 profiler med en ungefärlig längd på 21 m. Resultaten visar att alla modeller i medeltal ligger mellan 0,048 och 0,255 m ovanför verklig markyta. Modellen framställd med GNSS håller låg medelavvikelse och hamnar enligt SIS-TS 21144:2007 tabell 7 i klass 3 vilket innebär att den kan användas vid detaljprojektering för bygghandling, väg och järnväg samt mängdberäkning på övriga ytor och järnvägsbank. Då laserstrålarna inte kan penetrera genom det äldre vegetationstäcket leder detta till att de två andra modellerna ligger ovanför den verkliga markytan. TLS hamnar därför i klass 6 som innebär översiktlig projektering i jämn terräng och FLS i klass 7 vars användningsområde är översiktlig projektering i ojämn terräng. Sammanställning av de skattade mängdavvikelserna för DTM redovisas i tabell 4.4. Tabell 4.4. Den skattade mängdavvikelsen för de olika modellerna. Enhet m 3. FLS GNSS TLS 5 100 960 3 240 21

4.3 Ytbaserad jämförelse I detta avsnitt redovisas resultaten för den ytbaserade jämförelsen. Figur 4.6-4.8 visar höjdskillnader mellan DTM framställda med FLS, GNSS och TLS. Figur 4.6 visar avvikelsen mellan terrängmodellerna framställda med FLS och GNSS. De områden där avvikelserna är stora, blått och rött i bilden, beror på hög vegetation som inte är bortfiltrerad i databearbetningen och mycket kuperad terräng. Ett tydligt tecken på att DTM för FLS ligger ovanför DTM för GNSS är där områdena saknar vegetation, d.v.s. vägarna som har en blå nyans i figur 4.6. Figur 4.6. Höjdskillnader mellan DTM framställda med FLS och GNSS. Enhet: m. 22

Figur 4.7 visar avvikelsen mellan terrängmodellerna för TLS och GNSS. De gröna områdena i figur 4.7 visar att avvikelserna mellan DTM är mindre jämfört med figur 4.6 men även här finns stora avvikelser där vegetationen är hög och marken mycket kuperad vilket gör att interpolationen gör resultatet missvisande för dessa områden. De gröna områdena på toppen och vägarna visar att modellerna överensstämmer väl med varandra. Figur 4.7. Höjdskillnader mellan DTM framställda med TLS och GNSS. Enhet: m. 23

Figur 4.8 visar avvikelsen mellan terrängmodellerna för FLS och TLS. Differensmodellen visar att TLS-modellen ligger ungefär 0,1 m under FLS-modellen. Detta bekräftas även i den numeriska jämförelsen i tabell 4.4. Det finns även flera områden där avvikelserna är större, detta kan bero på de olika infallsvinklarna från TLS och FLS. Figur 4.8. Höjdskillnader mellan DTM framställda med FLS och TLS. Enhet: m. Sammanställning av resultatet för den ytbaserade jämförelsen i siffror, enligt tabell 4.4 Tabell 4.5. Numerisk sammanställning av den ytbaserade jämförelsen. FLS - GNSS TLS - GNSS FLS - TLS Max [m] 1,198 0,843 1,088 Min [m] -0,718-1,060-0,607 Medel [m] 0,270 0,167 0,099 Schakt [m 3 ] 5 086,33 3 338,38 2 231,69 Fyll [m 3 ] 82,06 68,92 507,57 Totalt [m 3 ] 5 168,39 3 407,30 2 739,26 24

5 Diskussion 5.1 Metoder Det finns olika metoder för framställning av DTM, tre av dem TLS, FLS och GNSS har undersökts i vår studie. Den största fördelen med TLS är en snabb datainsamling, vilket gör att stora mängder punkter genereras på förhållandevis kort tid. Den stora mängden punkter som laserskanning genererar, gör att variationer i terrängen framgår mycket tydligt och ger en nästintill fullständig avbild av verkligheten. För skapandet av DTM över ett relativt stort kuperat område med hög vegetation är metoden dock inte att föredra i jämförelse med andra. Detta p.g.a. att ett punktmoln inte representerar den faktiska markytan, då lasern inte kan penetrera igenom vegetationen, vilket gör att det blir en ytmodell på de ställen där vegetationen är tät, istället för en DTM som beskriver terrängen. Data som samlats in med TLS över ett område som Åkermans kulle behöver reduceras och filtreras, vilket är mycket tidskrävande. De automatiska processerna som t.ex. Region grow i Cyclone fungerar bra över plana områden, men där marken är kuperad är funktionen inte att föredra. Klang (2006) skriver att det generellt genereras ett bättre resultat när processer utförs manuellt istället för automatiskt. Detta innebär att manuell redigering är att föredra för punktmolnen för att få önskvärt resultat. Laserskannern är otymplig att förflytta över kuperade områden, då hjulen på lådan till laserskannern endast går att använda på asfalt gör att skannern hela tiden måste bäras mellan uppställningarna. Insamling av data med hjälp av FLS är väldigt dyrt och är inget att rekommendera för detta syfte. Däremot om DTM skall framställas över en hel stad kan det bli billigare och mindre tidskrävande än TLS eller GNSS. Vid framställning av DTM över stora områden är GNSS en relativt snabb metod jämfört med TLS eftersom ingen stationsetablering behöver genomföras. Enligt Mårtensson et al. (2012) ger observationstider på minst en minut mätosäkerheter på mindre än 10 mm i plan och 16 mm i höjd. Nackdelen med mätmetoden är att bl.a. hög vegetation stör fixlösningen och kan leda till flervägsfel vilket ger en hög osäkerhet i mätningarna. Vid totalstationsmätningarna utförs stationsetablering, vilket tar lite tid men gör att osäkerheten på mätningarna blir väldigt låg om de utgår från punkter i ett stomnät. Genom att använda sig av realtidsuppdaterad fri station minskas tiden i fält eftersom stationsetableringen är mindre tidskrävande (Horemuz, 2008). 25

Eftersom databearbetning kan ha en stor inverkan på resultatet, samt är relativt tidskrävande, är det önskvärt om programvarorna Cyclone och Geo skulle kunna utvecklas. Detta gäller framför allt Cyclone där många applikationer behöver förbättras, dels för att göra det möjligt att jämföra terrängmodeller, men även redigeringsverktygen, t.ex. redigering av grova fel skulle behöva utvecklas, samt algoritmerna för de automatiska processerna, Pflipsen (2006) påpekar även hon brister i Cyclone i sin studie. I Geo bör skalstocken utvecklas för att möjliggöra manuell redigering av nivåerna eftersom den nu utgår från högsta och lägsta punkt i modellen, detta för att möjliggöra redovisning av en noll-nivå på skalstocken vilket gör modellen lättare att tolka. Enligt SIS-TS 21145:2007 skall prisma- eller antennstång förses med en plan fot på 0,05 m i diameter för att inte sjunka ner i marken vid mätning. Någon sådan fanns inte tillgänglig, vilket i teorin innebär att punkterna inmätta med nätverks- RTK och totalstation kan ligga något under marknivå eftersom marken vid inmätningstillfällena var relativt mjuk. Detta var något som vi hade i åtanke vid inmätningstillfällena och försökte således undvika genom att försiktigt placera stängerna på marken. Ingen av SIS-TS 21144:2007 eller 21145:2007 är en svensk standard. Troligen är det mestadels Trafikverket som följer tekniska specifikationerna eftersom det är de som ligger bakom utgivningen. SIS-TS 21144:2007 och 21145:2007 hänvisar ofta till varandra vilket ibland gör specifikationerna svårlästa, därför skulle strukturen och upplägget behöva ändras. Möjligtvis skulle detta leda till att fler aktörer t.ex. inom byggbranschen skulle använda sig av specifikationerna, då tanken att höja kravet på formuleringar är god. Om privata och statliga aktörer tillsammans tog fram en nationell standard skulle det underlätta alla delar av projektering och anläggande. Ingen av de tekniska specifikationerna tar heller upp ytbaserad kontroll, vilket skulle vara något att lägga till i kommande upplagor. Tekniska specifikationerna är bra att använda som underlag och innehåller goda riktlinjer vid framställning samt kontroll av DTM. Utan dem vore det svårt att organisera utförandet av momenten. 26

5.2 Resultat Resultatet av profilberäkningarna visar att alla modeller ligger ovanför den verkliga markytan som representeras av profilerna. Gällande terrängmodellen framställd med FLS (tabell 4.1) låg den, i medeltal, 0,255 m över varje profil, med en standardavvikelse på ±0,090 m, vilket var bättre än förväntat (jfr Hyyppä et al, 2005) eftersom skanningen utförts i juni månad då gräset var högt och flyghöjden 2500 m. I de fall där avvikelsen endast låg mellan 0,01-0,02 m beror det på att dessa profiler ligger på toppen av kullen där marken bitvis är relativt jämn samt gräset kortare och tillhör då inte samma provyta, de profilerna uteslöts därför ur beräkningarna. Om resultatet från FLS var bättre än väntat var terrängmodellen framställd med TLS sämre än vad som hade förväntats. Enligt de tekniska specifikationerna för Leica ScanStation C10 är det möjligt att uppnå en positionsosäkerhet på 0,006 m, därför var förhoppningen att skanningen av Åkermans kulle skulle hålla lägre avvikelse relativt kontrollprofilerna än 0,1 m. När fältarbetet började framkom det dock ganska snabbt att det var omöjligt att uppnå den nivån. Gammalt gräs som låg kvar sedan vintern gjorde att laserstrålarna inte kunde penetrera igenom det och avståndet mellan den reflekterande ytan, d.v.s. det liggande gräset, och den verkliga terrängen var mellan 0,1-0,4 m. Guarnieri et al. (2009) belyser samma problem med låg vegetation vid framställning av DTM med TLS. Efter mycket dataredigering av punktmolnen blev den slutgiltiga medelavvikelsen relativt kontrollprofilerna 0,162 m och standardavvikelsen för medelavvikelsen ±0,048 m. Eftersom metoden är väldigt tidskrävande i både fält och efterbearbetning, samtidigt som den resulterar i ett förhållandevis dåligt resultat anser vi den inte lämplig för framställning av DTM för den här typen av områden. Profilberäkningen för DTM framställd med GNSS gav ett medelvärde för medelavvikelsen på 0,048 m med standardavvikelsen ±0,017 m. Den ytbaserade jämförelsen mellan de resultatmässigt sämsta (FLS) och bästa (GNSS) visar en differens på 5 168,40 m 3, vilket i praktiken innebär ca 260 vändor för en normalstor lastbil vars flak rymmer 20 m 3. DTM framställd med GNSS avviker minst från profilerna och den skattade mängdavvikelsen är 960 m 3, vilket innebär att 48 vändor med lastbil måste köras. För projektering av t.ex. en väg kan denna skillnad få stora konsekvenser. När Bolohan (2009) framställde DTM över ett 27

plant område visade differensmodellen en skillnad på ca 80 m 3 vilket är avsevärt mycket mindre än differenserna i vår studie. Detta tyder på att TLS som framställningsmetod för DTM lämpar sig bättre för plana områden än för kuperade. Vid jämförelse av den skattade mängdavvikelsen för profilerna med den ytbaserade metoden överensstämmer den skattade mängdavvikelsen för FLS mycket bra med schaktvolymen för FLS-GNSS i tabell 4.4, med en differens på ca 14 m 3. Detsamma gäller den skattade mängdavvikelsen för TLS och schaktvolymen för TLS-GNSS som avviker ca 98 m 3. Detta visar att även GNSS skulle gå bra att använda vid profilbaserad kontroll av DTM. Dock ligger alla DTM över den verkliga markytan, vilket är viktigt att tänka på vid jämförelsen. I Geo går det endast att grafiskt se höjderna för alla differensmodeller, dessa varierade mellan ca +1,20 m och -1,10 m. För att exakt kunna se vad höjdskillnaderna var, skapades en ny koordinatfil utgående från punkterna inmätta med GNSS. Höjderna för punkterna sattes till 0,000 m och denna fil subtraherades sedan från differensmodellen vilket gjorde att maximal-, minimaloch medelavvikelse för differensmodellerna kunde räknas ut. Där avvikelserna var förhållandevis höga eller låga är marken i de allra flesta fall belagd av tätt buskage. Gränspolygonen som skapades i ytterkanten av GNSS-terrängmodellen ledde till att alla differensmodellerna blev lika stora och arean påverkar därför inte resultaten för schakt och fyll. Då det inte finns några rekommendationer för hur ytbaserad kontroll skall utföras, är profilmätning med totalstation att föredra då denna metod stämmer bäst med verkligheten eftersom profilerna ger en bättre representation av terrängen och interpolationen vid ytbaserad kontroll kan ge en förvrängd bild av verkligheten. 28

6 Slutsatser För framställning av DTM över ett kuperat område av Åkermans kulles storlek är GNSS den metod som ger lägst medelavvikelse relativt inmätta kontrollprofiler och kräver minst efterbearbetning. TLS lämpar sig bättre för framställning av DTM över plana områden med lite vegetation medan FLS är en bra metod då DTM skall skapas över större områden med lägre krav på osäkerheten. Då användningen av DTM med tiden ökar, höjs också kraven på osäkerheten för den färdiga produkten. Ett stort fel i volymberäkningen av massorna som skall flyttas kan få stora kostnadskonsekvenser, därför är det viktigt att DTM ger en korrekt bild av verkligheten. För att spara tid och få ett resultat som kan avgöra vilken modell som bäst överensstämmer med verkligheten är profilbaserad kontroll att föredra. Användningen av DTM kommer förmodligen att fortsätta öka. Därför bör krav finnas för användning av tekniska specifikationer gällande framställning och kontroll. Detta är något som statliga aktörer och privata företag bör enas om. Eftersom utvecklingen av instrument och metoder för framställning och kontroll av DTM går snabbt framåt bör kontinuerliga studier göras för att utvärdera de tekniska specifikationernas aktualitet. En undersökning gällande om det finns ett intresse bland statliga och privata aktörer att tillsammans utveckla en gemensam standard som berör framställning och kontroll av DTM, skulle kunna genomföras. 29