Kartlegging av våtmark med dype nevrale nettverk (LAVDAS)

I LAVDAS-prosjektet utvikler NR metoder for automatisk kartlegging av våtmark ved hjelp av bildeanalyse og dype nevrale nettverk.

Målet er å oppdage, klassifisere og avgrense våtmarksområder basert på satellittbilder og høydedata fra flybåren laserskanning. Dette kan bidra til å unngå naturinngrep i myr ved arealbruksendringer, til støtte for for både klima og naturmangfold.

Vassmyra i Sørkedalen, Oslo, mellom Skansebakken og Lysedammene. Den bakre delen av myra har spredte trær, mens det utenfor myra er tettere skog. Midt i myra er det en åpen vannflate.
Vassmyra i Sørkedalen, Oslo. Myrer nedenfor tregrensen består gjerne av ulike soner, og ved Vassmyra kan man se spredte trær, tett skogvekst og vegetasjon, samt en åpen vannflate. Bilde: NR.

Hvorfor bevare myr?

Myrer er blant naturens viktigste karbonlagre. Når de bygges ned, tørker torvlaget ut, og det fører til utslipp av karbondioksid (CO₂) til atmosfæren. Dette bidrar til global oppvarming.

For å unngå ødeleggelser må myrene kartlegges slik at utbyggere kan unngå dem ved arealbruksendringer.

I dag er imidlertid kartleggingen mangelfull, særlig i områder over tregrensen.

Myr under og over tregrensen

Myrer under tregrensen har ofte tydelige soner: en åpen midtparti, spredte trær i overgangen, og tett skog i randsonen.

Over tregrensen er vegetasjonsmønsteret mindre markert, men artssammensetningen endres. Dette kan gjøre automatisk kartlegging mer utfordrende.

Dype nevrale nettverk og satellittdata

Vi tester ulike typer nevrale nettverk for å automatisk identifisere våtmarksområder. Resultatene fra U-Net og grunnmodeller er lovende.

Modellene trenes på data fra Sentinel-2-satellitten (10 meters romlig oppløsning), kombinert med høydedata fra flybåren laserskanning.

Vil du vite mer om prosjektet?

Ta kontakt:

Øivind Due Trier

Seniorforsker

Prosjekt: Landsdekkende vårtmarksdatasett (LAVDAS)

Partnere: Statens kartverk (prosjektleder), Miljødirektoratet, Norsk institutt for naturforskning (NINA), Norsk institutt for bioøkonomi (NIBIO)

Finansiering: Norges forskningsråd

Periode: 2024 – 2027

Flere ressurser:

Oppløftende testresultater om myrdata (Kartverket.no, ekstern side)

Prosjektbanken (forskningsradet.no, ekstern side)

Hva satellittdata kan fortelle oss om myr?

Sentinel-2 registrerer både synlig lys og infrarødt lys, som ikke er synlig for mennesker. Begge typer lys inneholder verdifull informasjon.

Ved å analysere disse kanalene kan vi blant annet:

  • Skille våte myrområder fra tørrere fastmark.
  • Oppdage forskjeller i vegetasjonstype og aktivitet.
  • Kartlegge fuktighet og endringer over tid.

Når man benytter satellittbilder vil det ofte forekomme skyer. For å håndtere dette kan man enten lage skyfrie mosaikker basert på mange bilder, eller slå sammen kartlegginger fra de skyfrie delene av hvert enkelt bilde (se figur 2 og 3).

Satellittbilde som viser hvordan skyer dekker deler av myren og dermed gjør det vanskelig å kartlegge.
Figur 2: Satellittbilde fra Sentinel-2 over Roancejávri (6. august 2020). Skyer
og skygger vanskeliggjør kartlegging av myr. Bildet viser kortbølget infrarødt som rødt, nærinfrarødt som grønt og synlig grønt som blått. Figur: NR.
Sammensatt, skyfri mosaikk fra Sentinel-2 (2016–2024) over Roancejávri. Bildene er kombinert til ett helhetlig bilde uten synlige skjøter, og vegetasjonen er tydelig i hele området.
Figur 3: Sammensatt, skyfri mosaikk fra Sentinel-2 (2016–2024), Roancejávri. Bilder fra flere år er kombinert til ett helhetlig bilde uten synlige skjøter. Vegetasjonen er godt synlig over hele området. Figur: NR.

Hva høydedata kan avsløre?

Fra flybåren laserskanning kan vi trekke ut detaljerte terrengdata. Vi beregner blant annet:

  • Bratthet
  • Helningsretning
  • Vegetasjonshøyde
  • Topografisk vannindeks (oversikt over hvor vannet vil samle seg etter nedbør)

Automatisk kartlegging med terrengdata og satellittbilder

Den detaljerte terrengmodellen for Norge er basert på laserskanning under tregrensen og bildematching av overlappende flyfoto i høyfjellet.

Kombinert med skyfrie satellittbilder og terrengindekser (bratthet, vegetasjonshøyde og vannindeks), danner disse dataene grunnlaget for vår automatiske kartlegging med dype nevrale nettverk (se figur 4 og 5).

Fargekodet kart over Roancejávri-området som viser bratthet i rødt, vegetasjonshøyde i grønt og topografisk vannindeks i blått.
Figur 4: Terrenginformasjon fra Roancejávri-området.
Bratthet (rød), vegetasjonshøyde (grønn) og topografisk vannindeks (blå) er vist som fargekodede lag.
Kart som viser foreløpige resultater fra automatisk myrkartlegging. Lysegrønt viser korrekt identifisert myr, mørkegrønt korrekt identifisert ikke-myr, rødt falske positive, gult falske negative, blått eksisterende vannflater, og hvitt/svart områder uten fasit.
Figur 5: Foreløpige resultater fra automatisk myrkartlegging.
Lysegrønt: korrekt myr, mørkegrønt: korrekt ikke-myr, rødt: falske positive, gult: falske negative. Blått viser vannflater fra eksisterende kart. Hvitt og svart angir områder uten fasit. Figur: NR.

Foreløpige resultater

Metoden gir lovende resultater, men har fortsatt forbedringspotensial:

  • 59 % av eksisterende myr blir korrekt identifisert (sanne positive)
  • 41 % blir oversett (falske negative)
  • 9 % blir feilaktig klassifisert som myr (falske positive)

Resultatene varierer med område og datagrunnlag. På Finnmarksvidda, i området rundt Roancejávri (figur 5), fikk vi:

  • 55 % sanne positive
  • 18 % falske positive

Når vi bruker bilder fra kun ett år (2020), forverres resultatene (figur 6 og 7):

  • 25 % sanne positive
  • 50 % falske positive
Mosaikkbilde fra 2020 over Roancejávri med store sky- og snøområder som gir ufullstendig dekning og redusert bildekvalitet.
Figur 6: Mislykket mosaikk fra kun ett år (2020). Forsøk på å lage en skyfri og snøfri mosaikk for 2020 førte til ufullstendig dekning og dårlig bildekvalitet. Figur: NR.
Kartleggingsresultater basert på snø- og skyutsatt mosaikk fra 2020. Snødekte myrområder er ikke kartlagt.
Figur 8: Kartleggingsresultat fra snø- og skyutsatt mosaikk (2020).
Snødekte myrområder blir utelatt.

Resultatene understreker viktigheten av å bruke satellittbilder fra flere år for å sikre en robust og nøyaktig kartlegging.

Veien videre

Vi arbeider videre med å forbedre de nevrale nettverkene. Målet er å øke andelen riktig klassifisert myr (sanne positive), og samtidig redusere feilkategoriseringer (falske positive og negative).

Forbedringene er viktige for å utvikle pålitelige verktøy som kan støtte bedre arealforvaltning og bidra til å beskytte sårbare myrområder.

  • Du er her:  Hjem
  • Prosjekter
  • Kartlegging av våtmark med dype nevrale nettverk (LAVDAS)