Arealregnskap med bildebehandling og GIS

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.

Figur 1: Bilder tatt over tid viser endringer i et areal. I Figur 1 er enkelte nyslåtte jorder klassifisert som “Urban”. Dersom man har GIS over landbruksområder, kan man i stedet korrekt klassifisere disse som nyslåtte jorder. I Norge har vi gode kart over vann.

Figur 2: Figur 2 viser et vann i den blå sirkelen som ikke er klassifisert som vann av programmet. Det skyldes gjengroing. Slik kan vi enkelt lage kart over vann som er i ferd med å gro igjen. Et firma vi samarbeider med i Hong Kong lager kart over parktrær som har blitt syke siden siste kartlegging. Dette for å forhindre skader på mennesker og maskiner/biler.