Kartlegging og overvåking

Satellitter for jordobservasjon har gitt oss unike muligheter til rask og gjentakende kartlegging og overvåkning av hele verden. Gjennom flere tiår har satellitter gitt informasjon om land, hav og atmosfære, samt menneskelig aktivitet, på daglig basis. Først i grov oppløsning, men nå nærmer vi oss et stadium hvor man kartlegger hele kloden hver dag med rundt én meters oppløsning.

Skal man oppnå enda bedre oppløsning, må det brukes fly og droner. Med flybårne instrumenter oppnår man bildeoppløsning ned til noen centimeter. Med droner kan man observere spesifikke områder og objekter med oppløsning på millimeter.

Fjernmålingsinstrumentene i satellitter, fly og droner gir enorme mengder med data. Det er ofte for mye data til å foreta kartlegging med rent manuelle metoder. Overvåkning er enda mer utfordrende når man løpende må undersøke data for å se etter endringer og f.eks. farer. Effektiv bruk av fjernmålingsteknikker krever kraftige datamaskiner og avanserte algoritmer som klarer å tolke fjernmålingsdataene – ofte i bildeform – for å hente ut den informasjonen man er ute etter.

Spesialister på algoritmer

På NR er vi spesialister på forskning på og utvikling av slike algoritmer. Vi gjør alt fra skogkartlegging av enorme arealer til inspeksjon av infrastruktur på detaljnivå med droner for å bestemme behov for vedlikehold og farer. Med satellitter detekterer vi snøskred, og vi kan kartlegge dannelse av svake sjikt i snøen flere uker før de eventuelt fører til snøskredfare. Vi kartlegger snødekning og snøtilstand for hydrologer for å trygge vannforvaltningen og kunne varsle om flom. Med radarsatellitter kan vi detektere flomarealer. Vi kan også følge isleggingen på innsjøer og gi en indikasjon på om isen er sikker for ferdsel. Vi kartlegger etableringen av ny infrastruktur, som skogsbilveier, som ofte ikke rapporteres godt nok på andre måter. Med flybåren laser finner vi rester av kulturminner som gravhauger, fangstgroper og kullmiler. Også i tett skog der det menneskelige øyet ofte ikke klarer å fange opp restene av kulturminner. Med kombinasjon av laser og hyperspektral sensor kan vi kartlegge treslag og estimere biomasse og hogstmodenhet. Vi kan også detektere og karakterisere skip for å gjøre kystvakten mer effektiv.

Aktuelle prosjekter

Andre prosjekter

Riksantikvaren er i samarbeid med fylkeskommunene ansvarlige for registrering og kartlegging av kulturminner i Norge. Ved planlegging av arealbruksendinger, som utbygging av veier, vindmølleparker og hyttefelt, er det viktig å vite nøyaktig hvor det fins kulturminner slik at disse ikke blir skadet. Dessverre er kulturminnekartleggingen i Norge mangelfull. Noen områder er kartlagt godt, mens de fleste områder bare har tilfeldige funn, ofte med unøyaktige posisjoner.

I dette prosjektet har NR utviklet automatiserte metoder for å oppdage og stedfeste visse typer kulturminner som forekommer i mange utmarksområder: Gravhauger fra jernalderen, fangstgroper fra jernalder og middelalder, samt kullmiler fra 1600- og 1700-tallet. Metodene baserer seg på dype nevrale nettverk som er trent opp til å kjenne igjen disse kulturminnetypene i laserskanningsdata fra fly. Slike data har blitt samlet inn for hele Norge i løpet av de siste årene. 

I takt med endringene i klimaet blir det stadig mindre havis i Arktis, og en stadig større andel av denne er tynn sesongis. Ettersom forholdene i Arktis endrer seg blir det også mer menneskelig aktivitet der, i form av bl.a. fiske, turisme, shipping og virksomhet relatert til olje- og gassutvinning. Arktis er sårbar, og ulykker kan gi store konsekvenser for miljøet. Derfor settes det stadig større krav til virksomheter som er aktive i Arktis.

Forskningsprosjektet PolarIce var finansiert av EUs syvende rammeprogram (RP7) var et samarbeid mellom 13 institusjoner i Europa og Canada med mål om å bygge opp en tjeneste som tilbyr kartinformasjon i nær sanntid om tilstanden til havisen i Arktis til forskjellige aktører.

NRs rolle var å utvikle en automatisk tjeneste som levere kart over tykkelsen til tynn havis. Dette ble gjort ved å utvikle en algoritme som estimerer istykkelsen fra termiske satellittdata. Isens overflatetemperatur blir estimert, og denne blir brukt i en fysisk modell for å beregne istykkelsen. Her er det en utfordring å ta hensyn til et ukjent lag av snø på toppen av isen. Metoden ble utviklet for satellittsensoren MODIS. Den ble så videreutviklet til å levere daglige, oppdaterte kart over istykkelse i Arktis basert på data fra satellittsensoren VIIRS. Disse iskartene ble automatisk overført til en karttjeneste som leverte produktene til mannskap om bord på skip.

Norges vassdrags- og energidirektorat (NVE) lager bl.a. varsler for naturfarer, så som flom og snøskred. NVE er også ansvarlig for forvaltningen av innsjøer og elver i Norge på nasjonalt nivå, inklusive forebygging av flomskader. Under en pågående flom har det stor nytteverdi å få overblikk over flommens utvikling gjennom deteksjon av flomdekte arealer.

Kartlegging av flomareal nær flomtoppen gir vesentlig informasjon for dokumentasjon om hvilke arealer som er flomutsatte. Flomarealkart kan også brukes som hjelpemiddel for å kartlegge og identifisere skadeflomnivå og kritisk vannstand. Post-evaluering av treffsikkerheten av flomvarsel som grunnlag for forbedring av varsling, er også viktig.

Til alt dette kan satellittbilder gi viktige bidrag. Det er imidlertid viktig å kunne kartlegge flom også i dårlig vær når optiske sensorer ikke kan se bakken. Vi har derfor, med støtte fra Norsk Romsenter, utviklet en satellittbasert flomovervåkningstjeneste for NVE som benytter radarbilder tatt med Sentinel-1-satellittene. Algoritmene vi har utviklet, foretar en endringsdeteksjon ved å sammenlikne dagens bilde med et bilde tatt for noen dager siden før flomsituasjonen. Fra dette lages det et kart over områder som står under vann. Kartet tas videre i NVEs forvaltningsoppgaver og kan også sendes ut til lokal forvaltning.

TerraTec AS utfører laserskanning og fotografering fra fly, for bruk til oppdatering av kart. Skogeiere bruker laserskanningsdata og flybilder for å beregne treslagstyper og tømmervolum for å kunne planlegge hogst.

NR utviklet metoder for treslagsklassifisering fra samtidige opptak av hyperspektrale data og laserskanningsdata fra fly med 0,5 m romlig oppløsning. Metoden er basert på et dypt nevralt nettverk som er trent opp på kjente forekomster av gran, furu og bjørk.