Bruk av laserdata ved ajourhold av arealressurskartet AR5

Abstract

I løpet av de siste tiårene er laserskanning fra fly blitt en akseptert datainnsamlingsmetode som stadig er under utvikling. Resultatet av laserskanning er ei punktsky med informasjon om både terreng, vegetasjon og andre objekter. Anvendelsen av laserdata blir stadig mer utbredt, men fremdeles gjenstår mange nye mulige utnyttelsesområder. Arealressurskartet AR5 er et kartdatasett som Skog og landskap tilbyr. Det skal beskrive Norges arealressurser og må derfor holdes løpende à jour siden arealer forandres med tiden. I denne rapporten oppsummeres erfaringene med bruk av laserdata til å avdekke muligheter for å støtte ajourhold av arealressurskartet AR5. Det er lagt vekt på gode beskrivelser av de ulike stegene i prosessen for at Skog og landskap skal dra nytte av denne erfaringen og kunnskapen i videre sammenhenger. Et laserskannet område i Ås kommune våren 2008 er valgt som testområde. Den gjennomsnittlige punkttettheten, inkludert overlapp mellom flystriper, er ca 2,5 punkt per m2. I LidarStat etableres det rasterbilder ut av laserdataene med 2 meters pikselstørrelse som bl.a. viser høyder, pulsreturer og intensiteter. Analysen av laserdataene blir delt i to, der den ene delen bygger på objektbasert bildeanalyse (OBBA) i eCognition Developer, mens den andre baserer seg på overlagsanalyse i ArcMap. I eCognition etableres regelsett der rasterbildene først gjennomgår en løsning av NoData for at disse verdiene ikke skal forstyrre i videre statistiske beregninger. En chessboard-segmentering for å knytte rasterne til AR5 utføres, før en multiresolution-segmentering blir gjort for å dele områder inn i homogene segmenter. Disse segmentene klassifiseres etter gitte kriterier og plasseres i de klassene som beskriver dem best. Tilslutt eksporteres et resultat med de interessante områdene til et vektorkart som kan studeres nærmere i GIS-programmer. Resultatene fra eCognition viser at høyder på fulldyrka jord blir detektert, skogområder blir delt i skog og ikke-skog, og hushøyder kan skilles fra trehøyder i mange tilfeller. eCognition klarer å klassifisere skogøyer og skogkanter uten skog, og gi forslag til sammenslåing av skogkanter med nabosegmenter. ArcMap kombinerer AR5 med de etablerte rasterbildene. Basert på kunnskap om de ulike informasjonsekstraktene fra laserdata, velges passende rastere til sine formål og en overlagsanalyse trekker ut de områdene som er av interesse. Flere visuelle betraktninger av rastere er også gjort i ArcMap der fokuset er å vise hvor gode bilder laserdataene kan gi av bakken. Resultatene av rasterkombinasjonen fra ArcMap viser at høyder skilles ut både i skog og på fulldyrka jord, og at bygninger kan ofte skilles fra vegetasjon ved å se på ulike pulsreturer. Med god punkttetthet kan intensitetsrastere likne på ortofoto, og derfor skape et godt visuelt bilde av bakken. Høydemodeller benyttes til å lage skygge- og helningsrastere som beskriver terrenget. Erfaringer fra denne oppgaven tilsier at det finnes store muligheter for å kunne bruke laserdata som hjelpemiddel ved ajourhold av AR5. Med stor nok punkttetthet vil det oppnås gode visuelle bilder som kan benyttes til tolkning av bakken. Både ved å utarbeide regelsett i eCognition og utføre overlagsanalyser i ArcMap vil forslag til mulige endringer kunne detekteres. Over the past decades, airborne laser scanning has become an accepted method of data collection. This method is continuously under development. The result of a laser scanning is a point cloud with information about the terrain, vegetation and other objects. The application of laser data is becoming more widespread, but there are still many new areas to be explored. Land resource map AR5 is a map data set that the Norwegian Forest and Landscape Institute (Skog og landskap) offers. It describes Norway's land resources and therefore must be kept up to date since land use changes with time. This report summarizes the experience with the use of laser data to identify opportunities to support the updating of land resource map AR5. The emphasis is on good descriptions of the various steps of the process so the Norwegian Forest and Landscape Institute will benefit from this experience and knowledge in a wider context. An area that was laser scanned in Ås, Norway, (spring 2008), has been selected as the test area. The average point density, including the overlap between the airstrips, is about 2.5 points per m2. LidarStat creates the raster images from the laser data with 2-meter pixel size, showing heights, pulse returns and intensities. The analysis of laser data is divided in two; where one part is based on object-based image analysis (OBIA) in eCognition Developer, while the other is based on overlay analysis in ArcMap. eCognition establishes rulesets where raster images first examine a solution of NoData. This is to ensure that these values do not interfere in the further statistical calculations. Chessboard segmentation is performed to link the raster images to AR5, then a multiresolution segmentation is done to divide areas into homogeneous segments. These segments are classified according to specified criteria and placed in the category that best describes them. Finally, the result of the interesting areas is exported to a vector map that can be studied in more detail in GIS applications. The results in eCognition show that heights on fully cultivated lands are detected, forests are divided into forest and non-forest areas, and the altitude of buildings can be distinguished from the height of trees in many cases. eCognition is able to classify forested patches on fully cultivated lands and forest edges without trees. It also provides suggestions for merging forest edges with neighboring segments. ArcMap, in contrast, combines the AR5 with the established raster images. Based on the knowledge of the various information in the laser data, raster images are selected due to suitability for their purpose and an overlay analysis draws out the areas of interest. Several visual observations of the raster images are also done in ArcMap where the focus is to demonstrate the quality of the pictures provided by the laser data. The results from the combination of raster images in ArcMap show that the heights in both forests and fully cultivated lands are detected. Buildings can also be separated from the vegetation by looking at different pulse returns. With good point density raster images including intensity can resemble orthophotos, and thus create a good visual image of the ground. Height models are used to create hillshade and slope images describing the terrain. The results of this study indicate that laser data could be a useful tool with numerous opportunities to update AR5. With sufficient point density, good visual images could be created and be used for interpreting the ground. Both by drawing up rulesets in eCognition and making the overlay analyses in ArcMap, proposals for possible changes could be detected.