Vegetationsklassning med en kombination av SPOT-bilder och LiDAR Karin Nordkvist, Ann-Helen Granholm, Mats Nilsson, Håkan Olsson karin.nordkvist@slu.se Skoglig resurshushållning
Bakgrund Datakällor Klassning Resultat Slutsatser Flygburen LiDAR (=laserskanning) Satellitbild (SPOT 5) Flygbildstolkning Klassning Resultat Slutsatser Skoglig resurshushållning
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? Skoglig resurshushållning
Två kompletterande datakällor SPOT-bild, 2D : färg LiDAR, 3D : höjd, täthet, vertikal struktur Referensdata för klassningen 780 flygbildstolkade provytor Föröksområde: ett 25 × 50 km område väster om Gävle. Skoglig resurshushållning
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...). LiDAR-punktmoln i profil. Rosa punkter är klassade som mark, gula som vegetation Skoglig resurshushållning
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. Skoglig resurshushållning
Behandling av LiDAR-datat Höjdpercentil px : x% av vegetationsträffarna finns under denna höjd. Vegetationskvot: Kvoten mellan vegetationsträffar och totalt antal träffar. Korrelation mellan höjdpercentiler och vegetationens höjd vegetationskvot och krontäckning Skoglig resurshushållning
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. LiDAR-punktmoln i profil. Vita punkter hör till ett stråk och röda till ett annat, överlappande. Rasterbild med vegetationskvot från LiDAR Skoglig resurshushållning
LiDAR-data från Lantmäteriets nationella laserskanning Sensor : Leica ALS 50-II Flyghöjd : ca 2000 m Punkttätehet : ca 1.4 pt/m2 Datum : 29-31 maj 2009 Använda variabler: höjdpercentiler 50 och 100 (p50, p100), vegetationskvot (vk) Höjdpercentil 50. Svart = lågt, vitt = högt Skoglig resurshushållning
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 RGB: NIR, SWIR, rött Skoglig resurshushållning
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 Skoglig resurshushållning
Fjärranalysdata Klassning Referensdata Skoglig resurshushållning
Maximum likelihood-klassning Klasser Enbart SPOT Enbart LiDAR Kombination av SPOT och LiDAR Klasser Hygge Ungskog Barrskog 5-15 m Barrskog >15 m Lövskog Blandskog Myr Klassningsträd (Decision tree) Kombination av SPOT och LiDAR Träningsdata: 2/3 av de flygbildstolkade ytorna Utvärderingsdata: 1/3 av ytorna Skoglig resurshushållning
Resultat Andel rätt klassade pixlar* i %. SPOT-band B1-B4 - LiDAR-mått p50, p100 p50, p100, vk p50, vk (klassningsträd) Klass Hygge 55.8 4.65 41.9 76.7 67.4 Ungskog 66.7 50.0 83.3 100 Barrskog 5-15 m 29.8 68.1 50.9 66.0 59.6 Barrskog >15 m 57.0 87.1 79.6 72.0 Lövskog 70.7 19.5 65.9 Blandskog 63.6 33.3 54.5 27.3 Myr 76.9 84.6 69.2 Totalt 52.3 57.8 70.0 68.5 *S.k. producer’s accuracies och over-all accuracy Skoglig resurshushållning
Resultat Andel rätt klassade pixlar* i %. SPOT-band B1-B4 - LiDAR-mått p50, p100 p50, p100, vk p50, vk (klassningsträd) Klass Hygge 55.8 4.65 41.9 76.7 67.4 Ungskog 66.7 50.0 83.3 100 Barrskog 5-15 m 29.8 68.1 50.9 66.0 59.6 Barrskog >15 m 57.0 87.1 79.6 72.0 Lövskog 70.7 19.5 65.9 Blandskog 63.6 33.3 54.5 27.3 Myr 76.9 84.6 69.2 Totalt 52.3 57.8 70.0 68.5 *S.k. producer’s accuracies och over-all accuracy Skoglig resurshushållning
Resultat Andel rätt klassade pixlar* i %. Vegetationskvot och höjddata från LiDAR hjälper till att skilja mellan hygge och ungskog SPOT-band B1-B4 - LiDAR-mått p50, p100 p50, p100, vk p50, vk (klassningsträd) Klass Hygge 55.8 4.65 41.9 76.7 67.4 Ungskog 66.7 50.0 83.3 100 Barrskog 5-15 m 29.8 68.1 50.9 66.0 59.6 Barrskog >15 m 57.0 87.1 79.6 72.0 Lövskog 70.7 19.5 65.9 Blandskog 63.6 33.3 54.5 27.3 Myr 76.9 84.6 69.2 Totalt 52.3 57.8 70.0 68.5 *S.k. producer’s accuracies och over-all accuracy Skoglig resurshushållning
Resultat Andel rätt klassade pixlar* i %. SPOT-band B1-B4 - LiDAR-mått p50, p100 p50, p100, vk p50, vk (klassningsträd) Klass Hygge 55.8 4.65 41.9 76.7 67.4 Ungskog 66.7 50.0 83.3 100 Barrskog 5-15 m 29.8 68.1 50.9 66.0 59.6 Barrskog >15 m 57.0 87.1 79.6 72.0 Lövskog 70.7 19.5 65.9 Blandskog 63.6 33.3 54.5 27.3 Myr 76.9 84.6 69.2 Totalt 52.3 57.8 70.0 68.5 *S.k. producer’s accuracies och over-all accuracy Skoglig resurshushållning
Resultat Andel rätt klassade pixlar* i %. Höjddata från LiDAR hjälper till att skilja mellan barrskog av olika höjd. SPOT-band B1-B4 - LiDAR-mått p50, p100 p50, p100, vk p50, vk (klassningsträd) Klass Hygge 55.8 4.65 41.9 76.7 67.4 Ungskog 66.7 50.0 83.3 100 Barrskog 5-15 m 29.8 68.1 50.9 66.0 59.6 Barrskog >15 m 57.0 87.1 79.6 72.0 Lövskog 70.7 19.5 65.9 Blandskog 63.6 33.3 54.5 27.3 Myr 76.9 84.6 69.2 Totalt 52.3 57.8 70.0 68.5 *S.k. producer’s accuracies och over-all accuracy Skoglig resurshushållning
Resultat Andel rätt klassade pixlar* i %. Höjddata från LiDAR fungerar dåligt för att hitta hyggen, p.g.a. överståndare. Vegetationskvot fungerar bättre. SPOT-band B1-B4 - LiDAR-mått p50, p100 p50, p100, vk p50, vk (klassningsträd) Klass Hygge 55.8 4.65 41.9 76.7 67.4 Ungskog 66.7 50.0 83.3 100 Barrskog 5-15 m 29.8 68.1 50.9 66.0 59.6 Barrskog >15 m 57.0 87.1 79.6 72.0 Lövskog 70.7 19.5 65.9 Blandskog 63.6 33.3 54.5 27.3 Myr 76.9 84.6 69.2 Totalt 52.3 57.8 70.0 68.5 *S.k. producer’s accuracies och over-all accuracy Skoglig resurshushållning
Resultat Andel rätt klassade pixlar* i %. Högst klassningsnoggrannhet fås när SPOT-bilden kombineras med p50 och vk i en maximum likelihood-klassning. SPOT-band B1-B4 - LiDAR-mått p50, p100 p50, p100, vk p50, vk (klassningsträd) Klass Hygge 55.8 4.65 41.9 76.7 67.4 Ungskog 66.7 50.0 83.3 100 Barrskog 5-15 m 29.8 68.1 50.9 66.0 59.6 Barrskog >15 m 57.0 87.1 79.6 72.0 Lövskog 70.7 19.5 65.9 Blandskog 63.6 33.3 54.5 27.3 Myr 76.9 84.6 69.2 Totalt 52.3 57.8 70.0 68.5 +14% *S.k. producer’s accuracies och over-all accuracy Skoglig resurshushållning
a) SPOT-bild b) LiDAR-raster p50 c) Klassning SPOT d) Klassning SPOT, p50, vk Skoglig resurshushållning
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. Skoglig resurshushållning
Tack till... ... Rymdstyrelsen för finansiering ... Naturvårdsverkets EMMA-program för finansiering ... Lantmäteriets NNH-projekt för laserdata ... Lantmäteriets Saccess-databas för SPOT-data Skoglig resurshushållning