Avvikande resultat

I Figur 20a redovisar orienteringskartan över område 4 flera opasserbara branter i figurens övre del. Dessa branter har inte upptäckts av funktionen. Vid närmare studie av området med generering av höjdkurvor samt en lutningsbild kan i Figur 22a och 22b urskiljas att hela den höjden inte finns i laserdata. Exempelvis skulle lutningsbilden indikerat på stor lutning i bilden centrala delar om hela höjden hade funnits med i laserdata.

A. B.

Figur 22. A illustrerar lutningen över område 4 och B redovisar höjdkurvor med ekvidistans 2 m genererade i OL Laser över område 4.

4 Diskussion

I resultatet av studien påvisas att funktionen med framgång hittar branter i ett område som den inte kalibrerats mot. Funktionen kalibrerades mot tre områden för att hitta

inställningarna för parametrarna: höjd, lutning och utbredning som ger så bra resultat som möjligt. Resultatet av kalibreringen medförde att funktionen kan identifiera branter i andra områden än de tre referensområdena. Med tanke på att terrängens karaktär skiljer sig mycket i världen skulle det kunna betyda att andra inställningar gör att funktionen fungerar lite bättre. Detta skulle kunna kompenseras genom att i OL Laser ha ett inställningsformulär där användaren själv kan ändra inställningarna för att få ett mer tillfredställande resultat. Ett inställningsformulär medför på så sätt att funktionen blir mer användbar globalt eftersom användaren, som förmodligen känner till terrängens karaktär i området som ska karteras, själv kan anpassa inställningarna. Detta betyder dock inte att funktionen med inställningarna vi har presenterat inte kommer att fungera globalt utan att finjusteringar av inställningarna skulle kunna ge lite bättre resultat för vissa områden. Överlag stämmer branterna som funktionen hittat bättre överens med orienteringskartans branter i områden med få branter nära varandra och sämre överens i komplexa områden med många branter i. Den främsta anledningen till detta är troligen att kartritaren

generaliserar komplexa områden för att öka orienteringskartans läsbarhet. Alltså stämmer branterna funktionen upptäckt bättre överens med verkligheten än vad orienteringskartan gör i komplexa områden. Vid generaliseringen kan branter som om de hade varit

ensamma i området redovisats på kartan inte ritas in på kartan. När kartritaren ska generalisera kan funktionen användas som hjälpmedel för att påvisa vilka branter som ser ut att vara tydligare i terrängen än andra.

Branter är väldigt oregelbundna i sin utformning, lutningen kan variera på olika ställen på branten och även brantens höjd kan skilja på olika delar av branten. Exempelvis kan en brant luta 90° över hela branten men det är endast på en liten del av branten som kravet för höjdskillnad uppfylls. Tvärtom kan det vara lutningen som endast är tillräckligt stor på en mindre sektion av branten. I dessa fall avgör kartritaren om branten redovisas på kartan eller inte. Då olika kartritare bedömer branter på olika sätt kommer branter som bara delvis uppfyller kriterierna för en brant att redovisas på olika sätt på

orienteringskartan. Att bedöma vad som är en brant kan vara svårt då det inte finns några bestämmelser för lutning och utbredning i reglerna för kartritning. Här kan vår definition

kartan eller inte. Om funktionen visar att det finns en brant där kartritaren tvekar på om en brant ska redovisas, kan kartritaren använda funktionen för att avgöra om branten ska ritas ut på kartan eller inte.

Det data som ligger till grund för resultatet är laserdata som inmätts vid flygburen laserskanning. När data erhålls från producenten är det i färdigt skick men det säger ingenting om hur bra data är. Att laserstrålarna har lättare att träffa marken där det inte finns något som skymmer sikten, t ex en trädkrona, är lätt att förstå. Orienteringskartor upprättas oftast över skogsområden och i skogen har laserskannern svårare att mäta marken än på öppna ytor som t ex åkrar. Detta påverkar resultatet på ett negativt sätt för funktionen som konstruerats. Träd kan ha dolt branter för laserskannern och gjort så att de inte mätts in. Finns inte branterna inmätta i det första steget kommer de inte att kunna hittas av funktionen, men för de branter som laserskannern registrerat kommer funktionen att identifiera. Det är alltså inte brister i funktionen som gör att en del branter inte hittas utan det beror till stor del på bristfällig laserdata.

Eftersom det finns flera olika metoder för interpoleringen så går denna metod att i större utsträckning påverka. Men då interpolering handlar om genera nya ”påhittade” punkter mellan kända punkter kommer det aldrig bli en sann avbildning av verkligheten utan skillnader kommer alltid att finnas. Interpoleringen blir som sämst där de kända

punkterna är glest inmätta och det är som beskrivs ovan där vegetation har skymt sikten för laserpunkterna. En skreva skulle till exempel helt och hållet kunna försvinna om det finns få eller inga punkter alls vid den. Interpoleringsmetoden som funktionen använder är som presenteras i 2.1.1 IDW och denna metod finns redan programmerad i OL Laser. Anledningen till att funktionen använder just denna är att det inte faller inom

avgränsningen att avgöra den bästa interpoleringsmetoden för brantidentifiering. Lutning mellan pixlar i ett raster kan beräknas på olika sätt som beskrivs av Dunn och Hickey (1998). Olika beräkningsmetoder skulle kunna leda till olika resultat menar Srinivasan och Engel (1991). Vilken metod som skulle passa bäst för just identifiering av branter har inte studerats men vi tror inte att en annan metod för lutningsberäkning skulle göra någon väsentlig skillnad på resultatet för att pixlarnas höjdvärden har interpolerats i ett tidigare skede.

Anledningen till att en kontrollering av sammanhängande pixlar genomförs är för att en brant måste ha en utbredning. Att bestämma en exakt utbredning av en brant är svårt

Figur 23). Det beror på att en pixel redovisar en brant ifall branten täcker mer än 50 % av pixeln, och eftersom pixlarna är 1×1m innebär att en brant åtminstone vara 0,5 m bred för att redovisas. Genom att sätta parameterrn för en brants utbredning till två pixlar är det garaneterat att branterna är minst 1 m bred, vilket är gränsen för en brants utbredning. Att försöka hitta mindre branter än 1 m anser vi innebära för stora osäkerheter eftersom små objekt lätt tolkas som något helt annat. En liten brant kan till exempel vara en sten eller något annat brus. Detta minimerar risken för att funktionen hittar en brant där det inte finns en brant i verkligheten.

Figur 23. Exempel på hur två olika stora branter i verkligheten kan redovisas som lika stora i rastret.

Höjdskillnad används i beräkningarna för att det inte endast är tillräckligt att en stor lutning påträffas. Om så hade varit fallet hade funktionen hittat branter som inte ska redovisas på orienteringskartan för enligt definitionen måste en brant vara minst 1 m hög. I och med att laserdata är så pass bristfälligt att hela höjder kan saknas är laserskanningen den största felkällan. För att få ett mer tillfredsställande resultat hade ett noggrannare laserdata krävts, men att utföra en egen laserskanning kostar väldigt mycket pengar. Därför tycker vi det är värt att använda Lantmäteriets laserdata och få ett lite sämre grundmaterial än att betala stora summor för en egen laserskanning som ändå inte garanterar ett bättre grundmaterial.

Resultatet av studien antyder att branterna som funktionen hittar, inte rakt av kan användas som branter på en orienteringskarta utan mer som grundmaterial. Det är för att en orienteringskarta endast illustrerar terrängen så som den uppfattas av löpande

orienteringskarta aldrig kommer kunna göras helautomatiskt. Processen kommer kunna effektiviseras med diverse nya och bättre tekniker, men i slutändan måste alltid en kartritare verifiera resultatet och säkerställa att kartan är korrekt.

5 Slutsatser

Målet med arbetet var att skapa en funktion som automatiskt identifierar branter för tillverkning av orienteringskartor. Resultatet visar att funktionen framgångsrikt hittar branter automatiskt genom ett klick på en knapp i programmet OL Laser. Branterna funktionen hittar kan användas som grundmaterial vid framställning av

orienteringskartor. Funktionen bidrar alltså till ett noggrannare och mer innehållsrikt grundmaterial. Ett bättre grundmaterial medför att mindre tid behöver läggas på fältarbete, vilket främjar till minskade kostnader i kartframställningen.

När arbetet startade fanns inte en tillräcklig definition av branter för att skapa en funktion som automatiskt identifierar dem i laserdata. Definitionen som fanns sa endast att branten skulle vara 1 m hög. Denna definition kompletterades med begränsningar för både lutning och utbredning. De viktiga kriterierna för att automatiskt kunna hitta branter är att branten har en lutning på minst 85⁰, är minst 1 m bred och en har en höjdskillnad på åtminstone 1 m.

Det finns flera tänkbara framtida studier inom det här arbetets område. Ett är att undersöka vilka interpolerings- och lutningsberäkningar passar bäst för att identifiera branter i laserdata. Detta då funktionen bara rakt av använder de olika metoderna som redan finns i OL Laser utan någon analys om vilken som lämpar sig bäst. Ett annat tänkbart framtida arbete är att konstruera funktioner som hittar andra objekt än branter, så som beståndsgränser och diken. Det skulle säkerligen gå att finna andra objekt eftersom det går att hitta branter. En utveckling av funktionen är att i slutändan vektorisera branterna och spara dem i .ocd-format. Det skulle då direkt gå att använda branterna i kartritningsprogrammet Ocad.

Referenser

Baltsavias, E. P. (1999). Airborne laser scanning: basic relations and formulas.

Photogrammetry & Remote Sensing, 54, 199–214. doi:10.1016/S0924-2716(99)00015-5

Boman, J. (2011). Personlig kommunikation, 20 april 2011.

Ditz, R. & Gartner, G. (2005). Applying laser scanning as a basis for deriving orienteering maps of Vienna. Proceedings of the 22nd International Cartographic

Conference. A Coruña.

Dunn, M. & Hickey, R. (1998). The Effect of Slope Algorithms on Slope Estimates within a GIS. Cartography, 27(1), 9-15.

Engblom, K. E. (2011). Personlig kommunikation, 18 april 2011.

Franke, R. (1982). Scattered Data Interpolation: Tests of Some Methods. Mathematics of

Computation, 38(157), 181-200.

Gartner, G., Ditz, R., Briese, C., Mücke, W. & Pfeifer, N. (2007). Laser scanning Data for Cartographic Data Modelling of Orienteering Maps. Proceedings of the 23rd

International Cartographic Conference. Moskva.

Klang, D. (2009). Flygburen laserskanning. HMK Datainsamling, Fotogrammetri. Hämtad den 18 april 2011 från

http://www.lantmateriet.se/upload/filer/kartor/HMK/nyaHMK/pdf/Datainsamling/Flygbu ren_laserskanning.pdf

Lantmäteriet (2009). Flygburen laserskanning. Infoblad n:o 14. Hämtad den 18 april 2011 från

http://www.lantmateriet.se/upload/filer/kartor/geodesi_gps_och_detaljmatning/Nytt_refer enssytem/Infoblad/info_blad-14.pdf

Lantmäteriet (2011a) Projektet Ny nationell höjdmodell - Presentation. Hämtad den 19 april 2011 från http://www.lantmateriet.se/templates/LMV_Page.aspx?id=18115

Lantmäteriet (2011b) Tvådimensionella system - SWEREF 99, projektioner. Hämtad den 25 maj 2011 från http://www.lantmateriet.se/templates/LMV_Page.aspx?id=4219 Lantmäteriet (2011c) Terrängkartan. Hämtad 18 maj från

https://butiken.metria.se/digibib/index.php

Levsky, M. A., Cohen, W. B., Parker, G. G & Harding, D. J. (2002). Lidar Remote Sensing for Ecosystem Studies. Bioscience, 52(1), 19-30. doi:10.1641/0006-3568(2002)052[0019:LRSFES]2.0.CO;2

Lundberg, M. (2007). Kartan - vår idrottsplats. DOLbladet. Hämtad den 10 maj 2011 från http://www1.idrottonline.se/ImageVaultFiles/id_13871/cf_103291/Dolbladnov07.pdf OL Laser (2011). OL Laser. Hämtad den 20 april 2011 från

http://oapp.se/Applikationer/OL_Laser.html

Riksidrottsförbundet. (2011). Idrott i skolan, Orientering. Hämtat den 18 april 2011 från http://www.rf.se/Arbetsrum/Idrottiskolan/Sidstruktur/Orientering/

Shepard, D. (1968). A Two-Dimensional Interpolation Function for Irregularly Spaced Data. Proceedings of the 23rd National Conference Association for Computing

Machinery. Princeton, 517-524. doi:10.1145/800186.810616

Skolverket (2011). Kursplan i idrott och hälsa i grundskolan. Hämtat den 18 april 2011 från http://www.skolverket.se/content/1/c6/02/38/94/Idrott_och_halsa.pdf

Srinivasan, R. & Engel, B. A. (1991). Effect of slope prediction methods on slope and erosion estimates. Applied Engineering in Agriculture, 7(6), 779-783.

Svenska Orienteringsförbundet (2008). Internationella Kartnormen i svensk bearbetning. Hämtat den 18 april 2011 från http://orientering.se/Arrangor/Karta/Kartnormen/

Svenska Orienteringsförbundet (2011). Vad är orientering? Hämtat den 18 april 2011 från http://www.orientering.se/Historia-och-statistik/Orientering-i-over-hundra-ar/ Wehr, A. & Lohr, U. (1999). Airborne laser scanning — an introduction and overview.

Zentai, L. (2009). New Technologies in making orienteering maps. Scientific Journal of

Bilagor