Torbjörn Westin, Spacemetric AB Simon Ahlberg, FORAN Remote Sensing AB
Introduktion Korta företagspresentationer Motiv och bakgrund Bilder, ljusberoende Frikoppla laserdata från bilder Metod Laserdata, högupplösta, lågupplösta Simulering av referensbild Korrelera med satellitbild Överlagra bilder Genomförande Implementation Resultat och slutsatser Diskussion
FORAN Remote Sensing AB Spacemetric AB
Privatägt småföretag Del av FORAN Group Grundat 2007 20 års forskning och utveckling av laserdataanalysmetoder för svenska försvaret Insamling, analys, hantering och presentation av fjärranalysdata FORAN SingleTree Laser Method Världens första storskaliga system för analys och hantering av enskilda träd
Privatägt småföretag Grundat 1999 Världsledande bilddatahantering Keystone Image Management System Katalog, arkiv, processning samt distribution av bilddata Stödjer satellitbilder, flygburna kameror och video Lättåtkomligt genom 3D-klient, öppna standarder och API:er Fotogrammetrisk teknik som grund Rigorös geometrisk modellering Uppnå bästa möjliga noggrannhet för givna indata
Använda satellitbilder i stället för flygbilder vid skoglig inventering med (högupplösande) laserbaserade metoder Klassning av träd för SingleTree-inventering Ger kostnadseffektivisering Nya möjligheter med Lantmäteriets NNH-data Storskalighet Arealbaserade laserinventeringsmetoder (ForestGrid)
God bildupplösning Kräver goda och stabila ljusförhållanden Ljusförhållandena ändras under en mätdag Begränsar tillgänglig tid för samtidig insamling av laser- och bilddata Ineffektivt utnyttjande av mätsystem
Stor yttäckning Jämnt ljus, konstant solposition Annan spektral information än flygbilder Ex Landsat, SPOT (Relativt) låg upplösning (jfr flyg) Lägre kostnad per ytenhet
Frikoppla bildregistrering från laserdata Ökar tillgänglig tid för laserdataregistrering Årligen (längre säsong) Per dag (fler flygpass) Ökad kostnadseffektivitet Bättre utnyttjande av mätsystem
Den lägre upplösningen hos satellitbilder (jfr flygbilder) kräver mycket god passning av bilddata för att associera rätt spektralinnehåll till terrängen.
Använda laserdata av olika upplösning för att rektifiera satellitbilder Utvärdera noggrannhet i rektifiering Bedöma användbarhet för olika tillämpningar Två olika områden Hylte Gästrikland
Framtagning av filtrerad ytmodell Lämplig upplösning vald efter bilddatakälla Intensitetsbild (reflekterad laserenergi)
Satellitbilden är alltför olik laserdatat för att en direkt samregistring ska vara möjlig Andra källor till referensdata saknar ofta tillräcklig noggrannhet En simulerad referensbild tillverkas därför för att kunna matchas mot satellitbilden
Laserhöjddata Intensitetsbild från lasermätning Satellitens betraktningsvinklar i olika delar av bilden Solens belysningsvinklar i olika delar av bilden Ovanstående information integreras i en process som automatiskt genererar en simulerad referensbild som är optimerad för en specifik satellitscen
1. Simulering av referensbild 2. Automatisk eller manuall korrelation av positionen i ett antal stödpunkter utspridda över satellitbilden 3. Optimering av satellitbildens geometriska parametrar för att passa stödpunktsmätningarna 4. Bedömning av passningsnoggrannhet genom restfelen i stödpunktsmätningarna.
Satellitbilden överförs till laserdatats geometri genom pixelvis rektifiering Genom den optimerade satellitbildens geometriska modell kan man finna sub-pixel positionen i satellitbilden för varje höjddatapunkt Spektralvärdet för höjddatapunkten kan sedan interpoleras i satellitbilden med bikubisk interpolation
Område: Hylte Laser: Punkttäthet: 8-10 pkt/m 2 Mål inventeringsmetod: SingleTree Satellitbilder: Quickbird (2,4m)
Högupplöst ytmodell Simulerad skuggbild Korrelation Rektifiering Koppling av spektralt innehåll till trädkronor Utvärdering av klassningsresultat
Område: Gästrikland Laserdata: NNH-data (0,5-1 pkt/m 2 ) Mål inventeringsmetod: Arealmetoden (ForestGrid) Satellitbilder: SPOT 5 + Landsat
Medelupplöst ytmodell Simulerad skuggbild Korrelation Rektifiering Koppling av spektralt innehåll till rutor Utvärdering av klassningsresultat
Scene Pixel size RMS X RMS Y QuickBird Pan 0.6 m 0.41 m 0.49 m QuickBird Msi 2.4 m 0.51 m 0.59 m
Bildernas relativt låga upplösning gav inte nämnvärt bättre resultat avseende klassning av enskilda träd Endast ett fåtal pixlar per trädkrona Tänkbara användningsområden Stöd vid klassning av trädslag för större områden
Scene Pixel size RMS X RMS Y SPOT5 HRG2 054-225 10 m 1.39 m 1.46 m SPOT5 HRG2 054-226 10 m 1.21 m 1.83 m Landsat5 TM 194-017 30 m 2.96 m 2.88 m
Användning av rektifierad satellitscen för klassning av dominerande trädslag och homogena trädområden Stämmer relativt väl överens med andra uppgifter (gammal beskrivning)
Möjlighet till drapering av satellitbild på laserdata Direkt metod, behöver inte flygbilder som stöd Simulerade referensbilder undviker de problem som flygbilder har om de är ortorektifierade mot en markmodell Generering av referensbilder ur laserdata onthe-fly som stöd för allmänna rektifieringstjänster
Spacemetric AB Torbjörn Westin tw@spacemetric.com FORAN Remote Sensing AB Simon Ahlberg simon.ahlberg@foranrs.se