Estimering av blågrønn faktor i eksisterende bymiljø ved bruk av multispektrale bilder og laserdata

Abstract

Klimaendringer bidrar til at det blir mer ekstremvær, blant annet store nedbørsmengder. Dette kan føre til overvann og oversvømmelser som igjen kan gjøre store skader på veier og bygninger. I tillegg fører urbanisering til at bakken mister sin infiltrasjonsevne ved naturinngrep som skoghogst, veianlegg og tettbebyggelse. Økt urbanisering fører også til tap av biologisk mangfold. Blågrønn faktor (BGF) ble opprettet for å sikre at bygningsprosjekter får blågrønn infrastruktur ved å stille krav til tiltak for bedre overvannshåndtering og at det biologiske mangfoldet blir bevart. BGF brukes vanligvis på nye byggesaker, men i fjor skrev Kailainathan (2019) en masteroppgave om å finne BGF på eksisterende bymiljø. I tillegg til laserdata ble brukt hyperspektrale data. Det gir en god estimering av BGF, men krever mye regnekraft. Denne masteroppgaven videreutvikler metoden fra i fjor ved å bruke multispektrale data. De finnes lett tilgjengelig over hele Norge og kan brukes på større områder uten å kreve like mye regnekraft. I tillegg har metoden for å finne noen av delfaktorene blitt forbedret og prosessen har blitt mer automatisert. Resultatene ble som forventet litt mindre nøyaktige enn metoden til Kailainathan (2019), men det er en god korrelasjon mellom resultatene av metodene. Denne metoden kan gjøre det lettere for alle kommuner i Norge å beregne BGF, som et tiltak for å unngå flom og tap av biodiversitet i byene.

Climate change contributes to more extreme weather and greater amounts of rain. This can lead to more surface water and floods that can cause major damage to roads and buildings. In addition, urbanization causes the ground to lose its infiltration capacity through natural interventions such as logging, road construction and urban development. Additionally, increased urbanization leads to loss of biodiversity. Blue-green factor (BGF) is created to ensure that building projects receive blue-green infrastructure by imposing requirements for better overlaying water management and biodiversity preservation. BGF is usually applied to new building cases, but last year Kailainathan (2019) wrote a master thesis about finding BGF in existing urban environments. In addition to laser data, hyperspectral data was used. It gives an accurate result but requires a lot of computing power. This master thesis further develops the method from last year, using multispectral data that is easily available throughout Norway. It can also be used in larger areas without requiring as much computing power. In addition, the method for detecting some of the sub-factors has been improved and the process has become more automated. As expected, the results were slightly less accurate than the method of Kailainathan (2019). Nevertheless, this method works well, and there is a good correlation the results. This method can make it easier for all municipalities in Norway to calculate BGF as a measure to avoid floods and loss of biodiversity in cities.