Presentation laddar. Vänta.

Presentation laddar. Vänta.

Sveriges lantbruksuniversitet www.slu.se Vegetationsklassning med en kombination av SPOT-bilder och LiDAR Skoglig resurshushållning Karin Nordkvist, Ann-Helen.

Liknande presentationer


En presentation över ämnet: "Sveriges lantbruksuniversitet www.slu.se Vegetationsklassning med en kombination av SPOT-bilder och LiDAR Skoglig resurshushållning Karin Nordkvist, Ann-Helen."— Presentationens avskrift:

1 Sveriges lantbruksuniversitet www.slu.se Vegetationsklassning med en kombination av SPOT-bilder och LiDAR Skoglig resurshushållning Karin Nordkvist, Ann-Helen Granholm, Mats Nilsson, Håkan Olsson karin.nordkvist@slu.se

2 Sveriges lantbruksuniversitet www.slu.se I.Bakgrund II.Datakällor • Flygburen LiDAR (=laserskanning) • Satellitbild (SPOT 5) • Flygbildstolkning III.Klassning IV.Resultat V.Slutsatser Skoglig resurshushållning

3 Sveriges lantbruksuniversitet www.slu.se Bakgrund • Stort behov av vegetationsinformation bl.a. för ekologisk forskning • Enda rikstäckande produkten idag är GSD Marktäckedata (klassning och tolkning av Landsat-bilder) • SPOT-data för hela landet finns fritt tillgängligt årligen sedan 2007 (Lantmäteriets Saccess-databas) • Lantmäteriet arbetar sedan 2009 med en nationell laserskanning Kan laserdata användas för att förbättra noggrannheten i en satellitbildsklassning? I. Skoglig resurshushållning

4 Sveriges lantbruksuniversitet www.slu.se Två kompletterande datakällor • SPOT-bild, 2D : färg • LiDAR, 3D : höjd, täthet, vertikal struktur Referensdata för klassningen • 780 flygbildstolkade provytor II. Föröksområde: ett 25 × 50 km område väster om Gävle. Skoglig resurshushållning

5 Sveriges lantbruksuniversitet www.slu.se Flygburen LiDAR i korthet En laserpuls sänds ut och ekot registreras. Genom att mäta tid för ekot samt instrumentets position och tittvinkel får man fram xyz-koordinat för det som laserpulsen studsat mot (mark, träd, byggnad...). II. LiDAR-punktmoln i profil. Rosa punkter är klassade som mark, gula som vegetation Skoglig resurshushållning

6 Sveriges lantbruksuniversitet www.slu.se Behandling av LiDAR-datat • Punkterna klassas som mark eller vegetation • Markträffarna används för att göra en markmodell • För vegetationsträffarna beräknas höjd över marken • I rasterceller om 10 m × 10 m beräknas höjdpercentiler p10, p20,..., p100 samt vegetationskvot, vk. Endast träffar över en viss tröskel räknas här som vegetation. II. Skoglig resurshushållning

7 Sveriges lantbruksuniversitet www.slu.se Behandling av LiDAR-datat Höjdpercentil px : x% av vegetationsträffarna finns under denna höjd. Vegetationskvot: Kvoten mellan vegetationsträffar och totalt antal träffar. II. Korrelation mellan • höjdpercentiler och vegetationens höjd • vegetationskvot och krontäckning Skoglig resurshushållning

8 Sveriges lantbruksuniversitet www.slu.se Överraskning i LiDAR-datat Tunna (~1 pixel) linjer med mycket låg vegetationskvot påträffas i kanterna av skanningsstråken. I ytterkanten av skanningsstråket ser lasern ”in under trädkronorna”, och andelen markträffar blir därför hög. Bredden på detta område beror på skanningsvinkeln och vegetationens höjd. Rasterbild med vegetationskvot från LiDAR LiDAR-punktmoln i profil. Vita punkter hör till ett stråk och röda till ett annat, överlappande. Skoglig resurshushållning II.

9 Sveriges lantbruksuniversitet www.slu.se LiDAR-data från Lantmäteriets nationella laserskanning • Sensor : Leica ALS 50-II • Flyghöjd : ca 2000 m • Punkttätehet : ca 1.4 pt/m 2 • Datum : 29-31 maj 2009 • Använda variabler: höjdpercentiler 50 och 100 (p50, p100), vegetationskvot (vk) II. Höjdpercentil 50. Svart = lågt, vitt = högt Skoglig resurshushållning

10 Sveriges lantbruksuniversitet www.slu.se Satellitbild • SPOT 5-bild från 31 maj 2009 • 10 m × 10 m pixlar • Band : Grönt, rött, NIR, SWIR • Geometriskt korrigerad till 0.5 pixels noggrannhet II. RGB: NIR, SWIR, rött Skoglig resurshushållning

11 Sveriges lantbruksuniversitet www.slu.se Flygbildstolkning av bilder från Lantmäteriet, gjord i digital fotogrammetisk arbetsstation • DMC-bilder, stereo • Flyghöjd : ca 4800 m • 780 provytor med 10 m radie • 500 m grid • Tolkat : Trädhöjd, krontäckning, marktyp, vegetationsklass • ca 100 provytor besöktes i fält för en kvalitetskoll II. Skoglig resurshushållning

12 Sveriges lantbruksuniversitet www.slu.se III. Skoglig resurshushållning Fjärranalysdata Referensdata Klassning

13 Sveriges lantbruksuniversitet www.slu.se Klasser Hygge Ungskog Barrskog 5-15 m Barrskog >15 m Lövskog Blandskog Myr Maximum likelihood-klassning • Enbart SPOT • Enbart LiDAR • Kombination av SPOT och LiDAR Träningsdata: 2/3 av de flygbildstolkade ytorna Utvärderingsdata: 1/3 av ytorna III. Skoglig resurshushållning Klassningsträd (Decision tree) • Kombination av SPOT och LiDAR

14 Sveriges lantbruksuniversitet www.slu.se SPOT-bandB1-B4-- LiDAR-mått-p50, p100p50, p100, vkp50, vk (klassningsträd) Klass Hygge55.84.6541.976.767.4 Ungskog66.750.083.310066.7 Barrskog 5-15 m29.868.150.966.059.6 Barrskog >15 m57.087.179.672.0 Lövskog70.7019.565.970.7 Blandskog63.633.354.527.363.6 Myr76.984.6 69.276.9 Totalt55.852.357.870.068.5 IV. Resultat Andel rätt klassade pixlar* i %. *S.k. producer’s accuracies och over-all accuracy Skoglig resurshushållning

15 Sveriges lantbruksuniversitet www.slu.se SPOT-bandB1-B4-- LiDAR-mått-p50, p100p50, p100, vkp50, vk (klassningsträd) Klass Hygge55.84.6541.976.767.4 Ungskog66.750.083.310066.7 Barrskog 5-15 m29.868.150.966.059.6 Barrskog >15 m57.087.179.672.0 Lövskog70.7019.565.970.7 Blandskog63.633.354.527.363.6 Myr76.984.6 69.276.9 Totalt55.852.357.870.068.5 IV. Resultat Andel rätt klassade pixlar* i %. *S.k. producer’s accuracies och over-all accuracy Skoglig resurshushållning

16 Sveriges lantbruksuniversitet www.slu.se SPOT-bandB1-B4-- LiDAR-mått-p50, p100p50, p100, vkp50, vk (klassningsträd) Klass Hygge55.84.6541.976.767.4 Ungskog66.750.083.310066.7 Barrskog 5-15 m29.868.150.966.059.6 Barrskog >15 m57.087.179.672.0 Lövskog70.7019.565.970.7 Blandskog63.633.354.527.363.6 Myr76.984.6 69.276.9 Totalt55.852.357.870.068.5 IV. Resultat Andel rätt klassade pixlar* i %. *S.k. producer’s accuracies och over-all accuracy Vegetationskvot och höjddata från LiDAR hjälper till att skilja mellan hygge och ungskog Skoglig resurshushållning

17 Sveriges lantbruksuniversitet www.slu.se SPOT-bandB1-B4-- LiDAR-mått-p50, p100p50, p100, vkp50, vk (klassningsträd) Klass Hygge55.84.6541.976.767.4 Ungskog66.750.083.310066.7 Barrskog 5-15 m29.868.150.966.059.6 Barrskog >15 m57.087.179.672.0 Lövskog70.7019.565.970.7 Blandskog63.633.354.527.363.6 Myr76.984.6 69.276.9 Totalt55.852.357.870.068.5 IV. Resultat Andel rätt klassade pixlar* i %. *S.k. producer’s accuracies och over-all accuracy Skoglig resurshushållning

18 Sveriges lantbruksuniversitet www.slu.se SPOT-bandB1-B4-- LiDAR-mått-p50, p100p50, p100, vkp50, vk (klassningsträd) Klass Hygge55.84.6541.976.767.4 Ungskog66.750.083.310066.7 Barrskog 5-15 m29.868.150.966.059.6 Barrskog >15 m57.087.179.672.0 Lövskog70.7019.565.970.7 Blandskog63.633.354.527.363.6 Myr76.984.6 69.276.9 Totalt55.852.357.870.068.5 IV. Resultat Andel rätt klassade pixlar* i %. *S.k. producer’s accuracies och over-all accuracy Höjddata från LiDAR hjälper till att skilja mellan barrskog av olika höjd. Skoglig resurshushållning

19 Sveriges lantbruksuniversitet www.slu.se Höjddata från LiDAR fungerar dåligt för att hitta hyggen, p.g.a. överståndare. Vegetationskvot fungerar bättre. SPOT-bandB1-B4-- LiDAR-mått-p50, p100p50, p100, vkp50, vk (klassningsträd) Klass Hygge55.84.6541.976.767.4 Ungskog66.750.083.310066.7 Barrskog 5-15 m29.868.150.966.059.6 Barrskog >15 m57.087.179.672.0 Lövskog70.7019.565.970.7 Blandskog63.633.354.527.363.6 Myr76.984.6 69.276.9 Totalt55.852.357.870.068.5 IV. Resultat Andel rätt klassade pixlar* i %. *S.k. producer’s accuracies och over-all accuracy Skoglig resurshushållning

20 Sveriges lantbruksuniversitet www.slu.se Högst klassningsnoggrannhet fås när SPOT-bilden kombineras med p50 och vk i en maximum likelihood-klassning. SPOT-bandB1-B4-- LiDAR-mått-p50, p100p50, p100, vkp50, vk (klassningsträd) Klass Hygge55.84.6541.976.767.4 Ungskog66.750.083.310066.7 Barrskog 5-15 m29.868.150.966.059.6 Barrskog >15 m57.087.179.672.0 Lövskog70.7019.565.970.7 Blandskog63.633.354.527.363.6 Myr76.984.6 69.276.9 Totalt55.852.357.870.068.5 IV. +14% Resultat Andel rätt klassade pixlar* i %. *S.k. producer’s accuracies och over-all accuracy Skoglig resurshushållning

21 Sveriges lantbruksuniversitet www.slu.se IV. a) SPOT-bild b) LiDAR-raster p50 c) Klassning SPOT d) Klassning SPOT, p50, vk Skoglig resurshushållning

22 Sveriges lantbruksuniversitet www.slu.se Slutsatser • LiDAR-data innehåller användbar information om vegetationens höjd och krontäckning... •... medan färginformationen i optiska satellitdata behövs för att klassa trädslag. • Genom att använda båda datakällorna kan man på ett enkelt sätt få betydligt högre klassningsnoggrannhet än om bara satellitbilder (eller bara LiDAR) används. Dessutom: Kompletterande flygbildstolkning skulle kunna användas för mer detaljerad kartering av särskilt intressanta områden. V. Skoglig resurshushållning

23 Sveriges lantbruksuniversitet www.slu.se Tack till...... Rymdstyrelsen för finansiering... Lantmäteriets NNH-projekt för laserdata... Naturvårdsverkets EMMA-program för finansiering... Lantmäteriets Saccess-databas för SPOT-data Skoglig resurshushållning


Ladda ner ppt "Sveriges lantbruksuniversitet www.slu.se Vegetationsklassning med en kombination av SPOT-bilder och LiDAR Skoglig resurshushållning Karin Nordkvist, Ann-Helen."

Liknande presentationer


Google-annonser