Publications
Planned maintenance
A system upgrade is planned for 10/12-2024, at 12:00-13:00. During this time DiVA will be unavailable.
Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Flygburen laser och digitala bilder för kartering och övervakning av akvatisk och terrester miljö
Executive, Universitet, Swedish University of Agricultural Sciences. Artdatabanken .
Executive, Universitet, Swedish University of Agricultural Sciences.
Executive, Universitet, Stockholms universitet, SU. Fiskeriverket.
Show others and affiliations
Responsible organisation
2014 (Swedish)Report (Other academic)
Abstract [sv]

Det finns ett växande behov av effektiva metoder för kartering av såväl land- som vattenmiljöer. Sådana behövs för grundläggande naturresursinventeringar, som underlag för bland annat beslut om olika former av skyddade områden samt för hållbar naturresursförvaltning i ett ekosystem- och landskapsperspektiv. Sådana metoder behövs också för uppföljning inom såväl naturresursförvaltning som på en mer strategisk nivå inom miljöövervakningen, för uppföljningen av miljömålen och för internationell rapportering. Två för dessa uppgifter viktiga teknologier som utvecklats starkt på senare tid är flygburen laserskanning och digital fotogrammetri. Med laserskanning kan mark och vegetation avbildas som ett tredimensionellt punktmoln. Det finns även system som med laser avbildar grunda havsbottnar. Syftet med forskningsprogrammet EMMA (Environmental Mapping and Monitoring with Airborne laser and digital images; http://emma.slu.se/) har varit att utveckla metoder för att tillvarata data från i första hand flygburen laserskanning för miljöövervakningens och naturvårdens behov av kartläggning av vegetation såväl på land som på grunda havsbottnar. Tolkning och fotogrammetrisk mätning av flygbilder är välkända tekniker och har därför inte varit en del av forskningen i EMMA. Däremot har användningen av färginformation från digitala flygbilder tillsammans med laserdata undersökts i EMMA-programmets akvatiska del och i den terrestra delen har automatiserad användning av tredimensionella punktmoln som kan erhållas genom matchning av flygbilder undersökts. Sammanfattning av resultat inom programmets akvatiska delar För akvatisk miljö har programmet utvecklat och visat ett antal tillämpningar som direkt kan omsättas i ett operativt sammanhang. Vi har visat att det med laserdata går att kartera ytsubstrat med hög noggrannhet (> 80 %), så att en heltäckande karta genereras som anger täckningen i procent av hårda respektive mjuka substrat ned till laserns djupräckvidd (ca 2–3 gånger siktdjupet). Utifrån dessa data kan metoden användas som stöd för att finna värdefulla marina områden och för uppföljning av marina skyddade områden (t.ex. naturtyperna Rev och Sandbankar enligt Art- och habitatdirektivet). Information om utbredningen av hård- och mjukbottnar är ett grundläggande underlag för att beskriva utbredningen av biotoper enligt det europeiska habitatklassificeringssystemet EUNIS, och HELCOM:s vidareutveckling av detta system för Östersjön (HELCOM Underwater Biotopes/Habitats, HUB). Här har laserdata en viktig funktion att fylla, eftersom detaljerade kartor över ytsubstrat i stort sett saknas för grunda havsområden. Resultaten från EMMA visar att batymetrisk laser kan vara en bra metod att samla in sammanhängande botteninformation som kan gå in som ett underlag i översiktsplanering. Djup- och bottensubstratkartor från lasermätningar är även viktiga underlag för att ta fram kartor över livsmiljöer på havsbottnen med hjälp av rumslig modellering. Heltäckande kartor över livsmiljöer är i sin tur ett viktigt delunderlag som tillsammans med annan information kan skapa underlag i det politiska arbetet som till exempel leder till en kustzonsplan eller en kommunal översiktsplan. 

Utöver dessa operativa tillämpningar har programmet även tagit fram resultat som ger en grund för fortsatt metodutveckling inom området. Vi har visat att det med laserdata (utöver ytsubstrat och naturtyper) går att kartera högväxt vegetation. En metod som skulle kunna möjliggöra yttäckande övervakning eller detektion av förändringar till en lägre kostnad per ytenhet är användning av satellitbilder, flygbilder eller bilder från mini-UAV (Unmanned Aerial Vehicle) som kombineras med laserdjupdata insamlade vid ett tillfälle. Kombinationen av laser- och bilddata medför att bilddata kan djupkorrigeras och att flygbildernas användbarhet för bottenkartering därmed ökar. Denna flygbildsövervakning skulle kunna genomföras ned till optiska siktdjupet i området. En möjlig datakälla kan vara bilder från Lantmäteriets nationella flygfotografering. Vi har sett att det finns potential att detektera blåstång och smaltång på hårda substrat genom att kombinera data från flygburen laser och flygbilder. Vi bedömer också att det finns stora möjligheter till fortsatt utveckling inom området dels tack vare ny teknik (kameror eller lasersystem med högre spatial och spektral upplösning, t.ex. laser med flera våglängder eller fluorescenskanaler) och dels tack vare nya algoritmer för bearbetning av laser- och bilddata. De akvatiska studierna i EMMA har genomförts i samverkan med ett antal externa projekt (ULTRA, SUPERB och HISPARES). Förutom kunskapsutbyte har det medfört utökade möjligheter att utveckla och testa metoderna i flera geografiska områden och få återkoppling från användare av data. I EMMA har vi arbetat med akvatiska testområden på den svenska ostkusten, från Norra Kvarken till Skåne, men liknande resultat har även uppnåtts på den spanska Atlantkusten och metoderna bör därmed vara lika applicerbara på den svenska västkusten. Vi har generellt uppnått bra resultat i alla områden där vattnet inte varit för grumligt. Dagens operativa lasersystem kräver ett siktdjup på minst 3 m för att kunna ge bra djupdata. Det begränsar teknikens användbarhet i vissa kustnära områden av Bottniska viken, speciellt i områden med stort utflöde av humusrikt älvvatten, och i en del områden med dåligt siktdjup i andra havsområden. Sammanfattning av resultat inom programmets terrestra delar Data från flygburen laserskanning ger information om markens form, samt vegetationens höjd, slutenhet och i viss utsträckning även dess vertikala skiktning och fördelning. Vid tät skanning (mer än 5–10 returer / m2) så framträder även de flesta enskilda trädkronorna, samt många objekt på marken, som liggande trädstammar, större stenar etc. Laserdata kan relativt enkelt bearbetas i dator eftersom det utgörs av diskreta 3D-punkter. Exempelvis kan objekt nära marken bli lättare att tolka visuellt om punkterna som returnerats från krontaket tas bort och de underliggande punkterna ges olika färg beroende på höjd över marken. Relationen mellan laserdata och fältmätta mått på vegetationens egenskaper (t.ex. genomsnittlig trädhöjd eller kronslutenhet) kan dock variera något, beroende på bl.a. sensortyp och inställningar vid skanningen såsom pulsfrekvens, flyghöjd, och årstid. För att automatiskt översätta laserdata till kända storheter så behövs därför en statistisk analys där mått från laserdata kalibreras med hjälp av fältmätta provytor. Vanligen används provytor med ca 10 m radie. De skattade sambanden ellan mått i laserdata (t.ex. höjden över marken för 90 % av alla returer från trädkronorna inom en fältmätt provyta) och fältmätta mått för samma yta (t.ex. trädens medelhöjd) kan sedan användas för att göra rumsligt heltäckande rasterkartor för hela det område som laserskannats under jämförbara förhållanden. Denna teknik har utvecklats inom skogsbruket och kallas då areabaserad skattning. Inom EMMA-programmet har vi visat att den även fungerar väl för fjällbjörkskog, trots att träden där är lägre och mer oregelbundna i sin form och utbredning. Vi har också visat att lantmäteriets förhållandevis glesa skanning med ca 1 retur / m2 ger nästan lika bra areabaserade skattningar av fjällbjörkskog som betydligt tätare skanning från helikopter. Vi har även visat att laserdata från olika registreringstillfällen kan göras jämförbara med en teknik som kallas histogrammatchning, samt att etablering av nya träd i trädgränsen eller på gräsmarker kan upptäckas med laserskanning även på ett tidigt stadium. Sistnämnda försök gjordes dock då träden fortfarande hade löv och det är därför osäkert hur användbara laserdata som registrerats utanför vegetationssäsongen kommer att vara för att upptäcka små lövträd. En del lasersystem kan spara laserljusets hela returnerade vågform. Om vågformsdatat analyseras istället för de diskreta punkter som systemet genererar från vågformen, så kan ytterligare information erhållas från lasermätningarna. Denna möjlighet är särskilt intressant då syftet är att analysera trädskiktets vertikala struktur. Bearbetningar av vågformsdata är dock mycket mer komplicerade och stöds sällan av färdiga programvaror för analys av laserdata. Dagens lasersystem stödjer sällan användning av spektral information. Det är endast ett våglängdsband som används för avståndsmätningen, och skalningen för det mått på den returnerade pulsens styrka som registreras (kallat intensitet) kan ibland ändras beroende på hur ljusa objekt sensorn ser. För att skilja olika vegetationstyper åt (t.ex. lövskog kontra barrskog) utöver vad som kan åstadkommas genom analys av deras 3D-former, så behövs spektrala data från någon annan källa. Laserdata och satellitbilder från t.ex. SPOT- eller Landsat-satelliterna är två olika datakällor som kompletterar varandra på ett utmärkt sätt. För vegetationskartering med den klassindelning som använts för skogsmarken enligt Lantmäteriets databas GSD-Marktäcke förbättras den totala klassningsnoggrannheten med ca 10 procentenheter när satellitbilderna kompletteras med laserdata. För vegetationsklassning på kalfjället så är det främst områden med något högre vegetation, såsom videbuskar, som klassas bättre då laserdata används. Då det gäller klassning av fjällvegetation så har det också visat sig att bearbetningar av data från en markmodell kan förbättra vegetationsklassningar från satellitdata väsentligt. Den nationella laserskanning som Lantmäteriet nu genomför är än så länge inte planerad att upprepas och startkostnaden för specialbeställning av laserskanningar kan vara hög. Det är därför mycket intressant att 3D-punktmoln som liknar laserdata även kan skapas genom sambearbetning av digitala flygbilder som fotograferats med stereoöverteckning. De digitala flygbilder som Lantmäteriet regelbundet registrerar över hela landet har visat sig mycket bra för detta ändamål. I jämförelse med laserdata så ger 3D-modeller från flygbilder inte mycket information om marken eller vegetationen under krontaket, men vegetationens höjd kan skattas med god noggrannhet om 3D-data från flygbilder subtraheras med t.ex. lantmäteriets markmodell som framställts genom laserskanning. 3D-data från flygbilder kan också tilldelas färginformation från bilderna. Ytterligare en fördel med att beräkna 3D-modeller från flygbilder är att flygbilderna då kan utgöra underlag för automatisk avgränsning av likartade områden (segmentering), vilket är svårt med vanliga ”2D”-ortofoton, eftersom träden framträder från olika vinklar i olika delar av en sådan bild. Lantmäteriets ambition att regelbundet fotografera hela landet öppnar också upp för nya tillämpningar där vegetationens höjdutveckling kan följas automatiskt över tiden. Inom EMMA-programmet har vi också studerat hur informationen i bearbetade laserpunktmoln kan användas för visuell tolkning. Resultaten visar att det går att tolka olika strukturer som buskar, block och liggande död ved. Tolkningsbarheten beror på en rad olika faktorer och varierar kraftigt mellan högupplösta och lågupplösta data. Andra viktiga faktorer är tätheten för krontak från buskar och träd, om detta domineras av barrträd eller lövträd samt vilken tidpunkt under vegetationssäsongen som registreringen har skett. Kustzonen Idag utförs kartering av land- och vattenmiljöer oftast separat från varandra, vilket begränsar möjligheterna att behandla kustzonen som en integrerad övergångszon mellan land och vatten. Eftersom EMMA-programmet omfattat kartering med 3D-tekniker i både akvatiska och terrestra miljöer så har även genomförts en studie i ett kustzonsavsnitt vid Åhus, där sömlös kartering av hav och land demonstrerats. Syftet har varit att ta fram en integrerad databas över kustzonen som beskriver såväl akvatiska som terrestra biotoper och illustrera hur integrerade kartor kan tas fram. Dessa kan bland annat användas för att simulera effekter av havsnivåhöjning på exempelvis erosion och översvämningar och för att studera förändringar av strandzonen för bedömning av naturvärden, pågående erosion och risk för framtida erosion. Karteringen utgjordes av två produkter, dels en sömlös kombination av en markmodell från Lantmäteriets skanning (nationella höjdmodellen, NH) och en bottenmodell från batymetrisk laserskanning, dels en likaledes sömlös naturtypskartering för land och havsbotten. För naturtypskarteringen har förutom höjddata från laserskanning även spektrala data från digitala flygbilder använts. Genom att kombinera resultat från laserskanning och tolkning av flygbilder finns möjligheter att presentera information på ett antal kartor som kan användas för naturvård, fysisk planering och klimatanpassning av befintlig bebyggelse och infrastruktur. Det finns också möjligheter till vidareutveckling av klassningsmetoder och att kombinera automatiska, semiautomatiska och manuella metoder där den tekniska utvecklingen inom fjärranalysområdet tas till vara. Sammanfattning av möjligheter Sammanfattningsvis så finns nu ett antal nya tekniker vilka möjliggör en effektivare och mer automatisk kartering av vegetationen, såväl i havet, som på land. Detta inbegriper 3D-data från laserskanning, spektral information och 3D-data från regelbundna flygfotograferingar med digitalkamera, samt ett allt bättre flöde av fria satellitdata. För att omsätta dessa data till definierade klasser eller skattningar så krävs även referensdata. Förutom framställning av heltäckande kartor, så kan dessa data även ligga till grund för stickprovsbaserade undersökningar där sampelområden följs över tiden. Det senare kan vara effektivt om målet är att i regional skala kvantifiera miljöförändringar över tiden. På den terrestra sidan finns redan det stickprovsbaserade programmet Nationell Inventering av Landskapet i Sverige (NILS), vilket skulle kunna ha nytta av några av de studerade teknikerna. På den akvatiska sidan så kan det finnas skäl att skapa ett program som liknar NILS för att kunna följa trender över tiden. 

Place, publisher, year, edition, pages
Stockholm: Naturvårdsverket, 2014. , p. 97
Series
Rapport / Naturvårdsverket, ISSN 0282-7298 ; 6633
National Category
Environmental Sciences
Identifiers
URN: urn:nbn:se:naturvardsverket:diva-9164ISBN: 978-91-620-6633-8 (print)OAI: oai:DiVA.org:naturvardsverket-9164DiVA, id: diva2:1610454
Available from: 2021-11-11 Created: 2021-11-11 Last updated: 2021-11-11Bibliographically approved

Open Access in DiVA

fulltext(3265 kB)283 downloads
File information
File name FULLTEXT01.pdfFile size 3265 kBChecksum SHA-512
2a64d3145286ff9ee48a3708f6c5eab300b677bcc43cc7c25bd012dbc7b845b984c5ae362bbc4ccff079f33ef559b5263cf590441fd06ecbe8702d7d4c015126
Type fulltextMimetype application/pdf

By organisation
Swedish University of Agricultural SciencesStockholms universitet, SUUmeå universitet, UmU
Environmental Sciences

Search outside of DiVA

GoogleGoogle Scholar
Total: 283 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

isbn
urn-nbn

Altmetric score

isbn
urn-nbn
Total: 240 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf