Vegetationsklassning med en kombination av

Report
Vegetationsklassning med en kombination av
SPOT-bilder och LiDAR
Karin Nordkvist, Ann-Helen Granholm, Mats Nilsson, Håkan Olsson
[email protected]
Skoglig resurshushållning
Sveriges lantbruksuniversitet
www.slu.se
I.
Bakgrund
II. Datakällor
•
Flygburen LiDAR (=laserskanning)
•
Satellitbild (SPOT 5)
•
Flygbildstolkning
III. Klassning
IV. Resultat
V. Slutsatser
Skoglig resurshushållning
Sveriges lantbruksuniversitet
www.slu.se
I.
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
Sveriges lantbruksuniversitet
www.slu.se
II.
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
Sveriges lantbruksuniversitet
www.slu.se
II.
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
Sveriges lantbruksuniversitet
www.slu.se
II.
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
Sveriges lantbruksuniversitet
www.slu.se
II.
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
Sveriges lantbruksuniversitet
www.slu.se
II.
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
Sveriges lantbruksuniversitet
www.slu.se
II.
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:
Höjdpercentil 50. Svart = lågt, vitt = högt
höjdpercentiler 50 och 100 (p50, p100),
vegetationskvot (vk)
Skoglig resurshushållning
Sveriges lantbruksuniversitet
www.slu.se
II.
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
Sveriges lantbruksuniversitet
www.slu.se
II.
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
Sveriges lantbruksuniversitet
www.slu.se
III.
Fjärranalysdata
Klassning
Referensdata
Skoglig resurshushållning
Sveriges lantbruksuniversitet
www.slu.se
III.
Maximum likelihood-klassning
Klasser
•
Enbart SPOT
Hygge
•
Enbart LiDAR
Ungskog
•
Kombination av SPOT och LiDAR
Barrskog 5-15 m
Klassningsträd (Decision tree)
•
Kombination av SPOT och LiDAR
Barrskog >15 m
Lövskog
Blandskog
Myr
Träningsdata: 2/3 av de flygbildstolkade ytorna
Utvärderingsdata: 1/3 av ytorna
Skoglig resurshushållning
Sveriges lantbruksuniversitet
www.slu.se
IV.
Resultat
Andel rätt klassade pixlar* i %.
SPOT-band
LiDAR-mått
Klass
Hygge
Ungskog
Barrskog 5-15 m
Barrskog >15 m
Lövskog
Blandskog
Myr
Totalt
B1-B4
-
p50, p100
p50, p100, vk
B1-B4
p50, vk
B1-B4
p50, vk
(klassningsträd)
55.8
66.7
29.8
57.0
70.7
63.6
76.9
55.8
4.65
50.0
68.1
87.1
0
33.3
84.6
52.3
41.9
83.3
50.9
79.6
19.5
54.5
84.6
57.8
76.7
100
66.0
72.0
65.9
27.3
69.2
70.0
67.4
66.7
59.6
72.0
70.7
63.6
76.9
68.5
*S.k. producer’s accuracies och over-all accuracy
Skoglig resurshushållning
Sveriges lantbruksuniversitet
www.slu.se
IV.
Resultat
Andel rätt klassade pixlar* i %.
SPOT-band
LiDAR-mått
Klass
Hygge
Ungskog
Barrskog 5-15 m
Barrskog >15 m
Lövskog
Blandskog
Myr
Totalt
B1-B4
-
p50, p100
p50, p100, vk
B1-B4
p50, vk
B1-B4
p50, vk
(klassningsträd)
55.8
66.7
29.8
57.0
70.7
63.6
76.9
55.8
4.65
50.0
68.1
87.1
0
33.3
84.6
52.3
41.9
83.3
50.9
79.6
19.5
54.5
84.6
57.8
76.7
100
66.0
72.0
65.9
27.3
69.2
70.0
67.4
66.7
59.6
72.0
70.7
63.6
76.9
68.5
*S.k. producer’s accuracies och over-all accuracy
Skoglig resurshushållning
Sveriges lantbruksuniversitet
www.slu.se
IV.
Resultat
Andel rätt klassade pixlar* i %.
SPOT-band
LiDAR-mått
Klass
Hygge
Ungskog
Barrskog 5-15 m
Barrskog >15 m
Lövskog
Blandskog
Myr
Totalt
Vegetationskvot och höjddata
från LiDAR hjälper till att skilja
mellan hygge och ungskog
B1-B4
-
p50, p100
p50, p100, vk
B1-B4
p50, vk
B1-B4
p50, vk
(klassningsträd)
55.8
66.7
29.8
57.0
70.7
63.6
76.9
55.8
4.65
50.0
68.1
87.1
0
33.3
84.6
52.3
41.9
83.3
50.9
79.6
19.5
54.5
84.6
57.8
76.7
100
66.0
72.0
65.9
27.3
69.2
70.0
67.4
66.7
59.6
72.0
70.7
63.6
76.9
68.5
*S.k. producer’s accuracies och over-all accuracy
Skoglig resurshushållning
Sveriges lantbruksuniversitet
www.slu.se
IV.
Resultat
Andel rätt klassade pixlar* i %.
SPOT-band
LiDAR-mått
Klass
Hygge
Ungskog
Barrskog 5-15 m
Barrskog >15 m
Lövskog
Blandskog
Myr
Totalt
B1-B4
-
p50, p100
p50, p100, vk
B1-B4
p50, vk
B1-B4
p50, vk
(klassningsträd)
55.8
66.7
29.8
57.0
70.7
63.6
76.9
55.8
4.65
50.0
68.1
87.1
0
33.3
84.6
52.3
41.9
83.3
50.9
79.6
19.5
54.5
84.6
57.8
76.7
100
66.0
72.0
65.9
27.3
69.2
70.0
67.4
66.7
59.6
72.0
70.7
63.6
76.9
68.5
*S.k. producer’s accuracies och over-all accuracy
Skoglig resurshushållning
Sveriges lantbruksuniversitet
www.slu.se
IV.
Resultat
Andel rätt klassade pixlar* i %.
SPOT-band
LiDAR-mått
Klass
Hygge
Ungskog
Barrskog 5-15 m
Barrskog >15 m
Lövskog
Blandskog
Myr
Totalt
Höjddata från LiDAR hjälper
till att skilja mellan barrskog
av olika höjd.
B1-B4
-
p50, p100
p50, p100, vk
B1-B4
p50, vk
B1-B4
p50, vk
(klassningsträd)
55.8
66.7
29.8
57.0
70.7
63.6
76.9
55.8
4.65
50.0
68.1
87.1
0
33.3
84.6
52.3
41.9
83.3
50.9
79.6
19.5
54.5
84.6
57.8
76.7
100
66.0
72.0
65.9
27.3
69.2
70.0
67.4
66.7
59.6
72.0
70.7
63.6
76.9
68.5
*S.k. producer’s accuracies och over-all accuracy
Skoglig resurshushållning
Sveriges lantbruksuniversitet
www.slu.se
IV.
Resultat
Andel rätt klassade pixlar* i %.
SPOT-band
LiDAR-mått
Klass
Hygge
Ungskog
Barrskog 5-15 m
Barrskog >15 m
Lövskog
Blandskog
Myr
Totalt
Höjddata från LiDAR fungerar
dåligt för att hitta hyggen, p.g.a.
överståndare. Vegetationskvot
fungerar bättre.
B1-B4
-
p50, p100
p50, p100, vk
B1-B4
p50, vk
B1-B4
p50, vk
(klassningsträd)
55.8
66.7
29.8
57.0
70.7
63.6
76.9
55.8
4.65
50.0
68.1
87.1
0
33.3
84.6
52.3
41.9
83.3
50.9
79.6
19.5
54.5
84.6
57.8
76.7
100
66.0
72.0
65.9
27.3
69.2
70.0
67.4
66.7
59.6
72.0
70.7
63.6
76.9
68.5
*S.k. producer’s accuracies och over-all accuracy
Skoglig resurshushållning
Sveriges lantbruksuniversitet
www.slu.se
IV.
Resultat
Andel rätt klassade pixlar* i %.
SPOT-band
LiDAR-mått
Klass
Hygge
Ungskog
Barrskog 5-15 m
Barrskog >15 m
Lövskog
Blandskog
Myr
Totalt
Högst klassningsnoggrannhet fås
när SPOT-bilden kombineras
med p50 och vk i en maximum
likelihood-klassning.
B1-B4
-
p50, p100
p50, p100, vk
B1-B4
p50, vk
B1-B4
p50, vk
(klassningsträd)
55.8
66.7
29.8
57.0
70.7
63.6
76.9
55.8
4.65
50.0
68.1
87.1
0
33.3
84.6
52.3
41.9
83.3
50.9
79.6
19.5
54.5
84.6
57.8
76.7
100
66.0
72.0
65.9
27.3
69.2
70.0
67.4
66.7
59.6
72.0
70.7
63.6
76.9
68.5
*S.k. producer’s accuracies och over-all accuracy
+14%
Skoglig resurshushållning
Sveriges lantbruksuniversitet
www.slu.se
IV.
a) SPOT-bild
b) LiDAR-raster
p50
c) Klassning
SPOT
d) Klassning
SPOT,
p50, vk
Skoglig resurshushållning
Sveriges lantbruksuniversitet
www.slu.se
V.
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
Sveriges lantbruksuniversitet
www.slu.se
Tack till...
... Rymdstyrelsen för
finansiering
... Naturvårdsverkets EMMA-program för finansiering
... Lantmäteriets NNH-projekt för laserdata
... Lantmäteriets Saccess-databas för SPOT-data
Skoglig resurshushållning
Sveriges lantbruksuniversitet
www.slu.se

similar documents