
3 minute read
Arealregnskap med bildebehandling og GIS
from Posisjon 2024-2
by GeoForum
eCognition er brukt av mange tusen biologer, skogbrukere og arealplanlegger over hele verden til kartlegging av alt fra sjøgress og koraller til mineraler i fjell, skog og byområder. Alle arealer forandrer seg over tid og dette er en enkel måte å fange opp endringene og få laget et arealregnskap.
Tekst: Nils Erik Jørgensen, TerraNor
Arealregnskap forutsetter at vi har polygoner og vet hva polygonene representerer: bygninger, veier, skog, parker, vann, bratthet, rasfare osv. Tørke og næringsmangel i jorder, flom områder, trafikktetthet, antall trær i parken og hvilke treslag, er eksempler på noe vi enkelt kan kartlegge med et moderne bildebehandlingsverktøy.
Figur 1 viser Lunner kommune kartlagt med Sentinel 2 i 10m oppløsning. Nederst er originalbilde med IR og øverst er det klassifiserte bildet. Polygonene får vi ved å segmentere bildet basert på fire kanaler: rødt, grønt, blått og infrarødt (IR). Vi kan styre hvor detaljerte polygoner vi skal få laget. Ved hjelp av IR kanalen deler vi polygonene inn i vegetasjon og ikke-vegetasjon. Med lidar DTM deler vi vegetasjonen inn i skog/ikke-skog. Skogen deles deretter inn i løvskog og barskog basert på IR-kanalen. Med høydedata kan vi dele skogen inn i aldersklasser basert på høyde. Ikke perfekt, men godt nok. For en kommune gjør vi denne prosessen på noen minutter.
En mer detaljert inndeling krever bruk av maskinlæringsteknikker og Kunstig Intelligens (KI/AI). eCognition har 5 forskjellige maskinlæringsteknikker:
Decision Tree
Bayes
KNN (K nearest neighbour)
SVM (support vector machine)
Random trees (også kalt forest)
I tillegg har vi KI/AI teknikken Tensorflow som er utviklet av Google. Metodene er godt beskrevet i Wikipedia. Vi registrerer 30-40 prøveflater i hver klasse og lar maskinen klassifisere hele bildet basert på prøveflatene. KI/ AI krever flere tusen i hver klasse og forutsetter omfattende innsamling av data. eCognition har spesielle teknikker for å bistå med de største klassene som vann og skog.


