Datainsamling genom flyg- och satellitbilder.
Datainsamling för kunskap om växt- och djurliv sker mestadels genom fältinvente- ringar. De är tidskrävande och dyra, men ger detaljerad information. Inventering kan sällan vara heltäckande, utan man måste använda olika statistiska urvalstekni- ker för att kunna göra en uppskattning över ett större område som ett landskapsut- snitt.
För att kunna göra inventeringar över större landskapsområden kan man sällan eller aldrig få direkt information om enskilda arter, utan man måste i stället välja att in- ventera och kartlägga biotoper/habitat eller naturtyper och växtsamhällen. Det enda sättet idag att få sådan information på ett snabbt sätt med hög kvalitet, är att använ- da något slag av fjärranalysteknik, dvs. flygbilder eller satellitdata.
Erfarenheterna från de grundläggande metodstudierna för datainsamling genom tolkning av infraröda färgflygbilder, IRF-flygbilder, över svenska växtsamhällen gjordes under 1970-talet och gäller fortfarande (Ihse & Wastenson 1975, Ihse 1978). Dessa metoder har sedan vidareutvecklats och använts på olika landskaps- typer och ekosystem (Ihse 1987, 1996, Cousins & Ihse 1998, Robertson et al. 1990, Skånes 1992 a, b, 1995, Allard et al. 1998, Ihse 2007). IRF-flygbilderna har visat
sig vara överlägsna såväl svart-vita flygbilder som vanliga färgbilder vid inventer- ing och kartering av svensk vegetation. Även för studium av landskapsförändringar med effekter på biologisk mångfald och för övervakning av landskap är IRF flyg- bilder att föredra. Detta på grund av deras möjlighet att mycket bra särskilja olika vegetationstyper och att man kan se detaljer i biotopernas och landskapets struktur och mönster med hög rumslig upplösning, något som behövs för korrekt klassifice- ring av vegetation, biotoper och för landskapselement. IRF flygbilder möjliggör bedömning av landskapsekologiska faktorer av betydelse för den biologiska mång- falden, såsom landskapets struktur med nyckelbiotoper och värdekärnor, matrix och konnektivitet. Man ser detaljer på ca 1 – 4m2, på samma gång som man får en
överblick över ett helt landskapsavsnitt på 25 - 200 km2.
Metoderna för datainsamling genom tolkning av flygbilder (i skalan 1: 30 000- 1:60 000) är välkända och väl dokumenterade, och tolkningen kan ske snabbt och med hög säkerhet. Här ges endast en sammanfattning, för vidare information hän- visas till kapitlet ”Vegetationstolkning i Handbok för flygbildsteknik och fjärrana- lys” (Ihse et al. 1993).
Flygbilderna tolkas i ett stereoskop med zoom-möjligheter, från låg till hög för- storing, upp till 15 ggr. Vid tolkningen bedöms vegetationssamhällen utifrån färg (vilket motsvarar spektralinformationen i satellitbilderna). Dessutom tillkommer en rad klassificerare, viktiga för att urskilja element, som i sin tur är viktiga för olika växtsamhällen och biotoper – såsom struktur, mönster, vegetationshöjd och -täthet, topografiska skillnader och ekologiskt läge – som inte kan erhållas lika lätt eller inte alls från satellitdata. Ingen datainsamling genom fjärranalys i detta område kan ske utan dyra fältkontroller. Men fältkontrollerna är mycket korta och strategiskt riktade samt begränsade till svårtolkade områden och till speciellt intressanta om- råden, som väljs utifrån flygbilderna. Tolkningarna överförs sedan till topografiska kartans underlag och därefter till en tematisk vegetationskarta, uppbyggd efter spe- cifika kartografiska principer. Just nu befinner sig den tekniska utvecklingen av flygbilder i ett paradigmskifte, men de grundläggande metoderna i tolkningsmodel- len för datainsamling till tematisk inventering, eller övervakning gäller fortfarande. Lantmäteriverket, som utfört flygfotograferingarna, har nyligen övergått till foto- grafering med digital teknik och leverera nu enbart digitalt material. Detta innebär att man kommer att kunna få tätare, snabbare och därmed aktuellare bilder. Digita- liseringen gäller också de gamla historiska flygbilderna. Likaså håller tolkningen på att övergå till helt digital hantering.
Satellitdata har i ökande omfattning använts för inventering och övervakning av miljön, framförallt för klassificering av markanvändning och övervakning i natio- nella och globala sammanhang, främst från satelliterna Landsat TM och SPOT. Vid klassificering av satellitbilder arbetar man endast med den spektrala informa- tionen, som grupperas och indelas. Multispektral registrering behövs för vegeta- tionsstudier, och den minsta enhet som registreras är en pixel 10 x 10 m respektive 20 x 20 meter för SPOT satelliterna. Det finns även 20 x 20 meter för Landsat data
i arkiven, bilder från satelliter som inte längre är i drift. Som ersättare för Landsat används ofta de indiska satelliterna IRS 1C/1D. Högupplösande satelliter som Ikonos registrerar ner till 4x4 m, men de registrerar i varje scen betydligt mindre områden och är mycket dyrare. En av nackdelarna med att använda sattelitdata för datainsamling för ett rikt växt och djurliv på landskapsnivå är såväl den geometris- ka upplösningen som strukturinformationen (tab. 3). Satellitbaserad information finns idag för den svenska delen av den gemensamma Europeiska klassningen CORINE Land Cover, i den svenska geografiska databasen för marktäckeklassifi- cering. Eftersom det är den enda sammanhållna klassificering över hela Europa, så används den också i ett antal sammanhang, där den inte alls är tillräcklig (Di Gre- gorio, muntlig uppgift). Klassificeringssystem och metoden är framtagen för be- skrivningar av markanvändning, dess status och förändring. De är oftast för grova för att använda för biotops- och landskapskartering, framförallt tematiskt. Vissa kritiska biotoper och habitat kan inte klassificeras med tillräcklig noggrannhet i CORINE, som t.ex. hagmarker och nyckelbiotoper i skog. Likaså är träffsäkerheten låg för att skilja lövskog från gräsmarker och ängsmarker.
Tidpunkten vid registreringen är avgörande för kvaliteten och säkerheten i tolk- ningarna. Registreringar från juni är vanligtvis för tidigt för fjällvegetation och bo- reala skogar. Högsommarregistreringar under juli och augusti är optimala, eftersom alla vegetationssamhällen i den subalpina björkskogen, såväl som i den låg-alpina- mellanalpina regionen och i de boreala skogarna och myrarna då är maximalt ut- vecklade. Möjligheterna att erhålla molnfria fjärranalysdata under dessa perioder är ganska stor.
Det finns i princip två helt olika metoder, ”icke styrd” (unsupervised) eller ”styrd” (supervised) klassning. Detta är viktigt att känna till, eftersom resultaten av klassi- ficeringen och noggrannheten till stor del beror på de valda metoderna och den kartskala de presenteras i (se vidare i ”Handbok för flygbildsteknik och fjärrana- lys”).
Vid icke styrd klassning utgår man från spektralinformationen i satellitens kanaler och låter sedan dataprogrammen automatiskt dela in bildens spektrala innehåll i ett antal grupper, ”cluster”. Programmet slår ihop pixel med likartad spektral reflek- tion till grupper. I efterhand jämför man vad dessa klasser liknar i verkligheten ge- nom fältkontroller eller tolkning i IRF-flygbilder. Det är inte säkert att den spektra- la variationen återspeglar variationen i växtsamhällen, enligt vedertagna botaniska principer.
Vid styrd klassificering har man ett i förväg bestämt indelningssystem med de enheter man vill kartera. Här väljer operatören träningsytor som motsvarar de olika växtsamhällena i klassificeringsschemat. Kännedom om träningsytorna får man t.ex. genom tolkningen i IRF-flygbilder eller kännedom från fältkontroller. Varje enhet i klassificeringssystemet måste representeras av flera varianter av tränings- ytor (typytor). Dessa måste vara homogena och tillräckligt stora. Datorn tränas att känna igen vissa i förväg bestämda och önskvärda klasser. Noggrannheten i klass-
ningen redovisas oftast med hur stor säkerhet klassningen kan ske i de valda trä- ningsytorna, eller mera resurskrävande, genom jämförelser med slumpvis valda ytor från fältkontroller eller tolkning i IRF-flygbilder.
Oftast är den spektrala informationen inte ensam tillräcklig för bra klassificering. Känd information från t.ex. topografiska kartor eller vegetationskartor utnyttjas ofta för att förbättra tolkningsresultaten genom stratifierad klassificering, och ge- nom användning av s.k. masker oftast hämtade från topografiska kartan, liksom topografiska data från den digitala terrängmodellen och databaser. Satellitbilder används idag operativt i Sverige inom skogsbruket, t.ex. för Skogsstyrelsens upp- följning av avverkning och inom naturvård, t.ex. för Naturvårdsverkets klassifice- ring av naturtyper inom skyddade områden (KNAS).
Satellitklassificeringen har sin styrka i översiktliga karteringar i liten skala och med ett fåtal klasser. Svårigheten att automatiskt klassificera ökar med antalet klasser. För noggrannare kartering krävs tilläggsinformation från topografiska kartor eller höjddatabaser, atmosfäriska och topografiska korrektioner, information från vegetationskartor eller tematisk information från topografiska kartor samt hjälp från IRF-flygbilder att hitta typytor.
Diskussioner om vilken fjärranalysmetod man ska använda, flygbilder eller satel- litbilder, blir ofta en motsättning mellan flygbilder och satellitdata. I dag finns tekniska möjligheter med de digitala flygbilderna, att integrera båda datatyperna i ett och samma geografiska informationssystem, GIS, och välja den datatyp, eller en kombination av data, som svarar bäst mot det syfte man har med insamlingen och därmed den spatiala upplösning och tematiska detaljrikedom man behöver. Kombinationen av automatisk satellitklassificering och geografiska informations- system är ett mycket kraftfullt verktyg för att göra olika slag av landskapsanalyser knutna till mestadels markanvändning och ”landcover”. Inom en nära framtid kom- mer det att bli möjligt att skapa integrerade system, där såväl de nya digitala IRF- flygbilderna kan integreras, såväl som punktformiga fältdata. Ännu finns dock inga sådana system utvecklade för praktisk tillämpning inom naturvårdsbiologi eller planering.
Tabell 3 visar på en översikt av exempel för lämpliga satellit- och flygbildsproduk- ter som är användbara som rådataunderlag för vegetations- och habitatkartering samt övervakning. Det finns en mängd satelliter för olika ändamål. Tabellen visar rådatamaterial. Detta utgör en styrka, eftersom de är exakta tidsdokument, men också en nackdel eftersom de måste tolkas och analyseras genom ett geografiskt informationssystem, för att man ska kunna genomföra landskapsanalyser och pro- ducera översiktliga kartor eller situationsanpassade kartor. I tabell 4 ges en sam- manfattning av olika egenskaper.
Tab. 3. Översikt över satellit- och flygbildsprodukter, rådata, lämpliga för kartläggning av vegeta- tion och landskap.
Bildmaterial Negativ skala Täcknings- område/ storlek på scenen Största lämpliga kartskala för Pixel storlek Km2 presentation ()m Satellitbilder: - Landsat TM - 185x185 km (34 225) 1:50 000 30x30 IRS 1C/1D, LISS 140x140 23,5x23,5 SPOT 4 XS - 60x60 (3 600) 1:50 000 20x20 SPOT 5 HRG 60x60 10x10 Ikonos multispektral - 11x11 (121) 1:10 000 4x4 Flygbilder (IRF): flyghöjd (m) 13 200 1:150 000 1190 1:100 000 3x3 9 200* 1:60 000 190 1:50 000 2x2 4 600* 1:30 000 49 1: 10 000 1x1 4 800** 6,6*3,7 km Ca 0,5*0,5
*IRF-bilder är tillgängliga heltäckande över hela Sverige. ** Digitala bilder från flygkamera, DMC
Lantmäteriet genomför flygfotografering av ca 1/3 av landet varje år, s.k. omdrevs- fotografering. Fotografering sker med digitalkamera (DMC), vilket gör att det går att ta fram pankromatiska färg- eller IRF-bilder. Säsongen för fotografering är från början av april till slutet av september. För att vara säker på att flygbilder tagna un- der denna period är lämpliga för tolkning måste en särskild beställning, eller avtal med Lantmäteriet ske. En sammanställning av befintliga flygbilder finns tillgäng- liga på internet via Geolex (http://www.geolex.lm.se). Utöver Lantmäteriets foto- grafering finns ett antal konsulter som genomför flygbildsfotografering.
Satellitdata heltäckande över Sverige kommer under 2008 att finnas från olika år- tal och källor 1970 (Landsat MSS), 1985 (Landsat 5), 2000 (Landsat 7), 2007 (Spot 5). Dessa data blir nedladdningsbara från Internet och kommer att tillhandahållas kostnadsfritt för egen användning från Lantmäteriet. Satellitbilder och s.k. mosai- ker (sammanfogade molnfria data) kommer att tillhandahållas.
Tab. 4. Jämförelse mellan olika egenskaper, viktiga för tematisk datainsamling från flygbilder och satellitdata, viktiga för vegetations- och biotopkartläggning och regional landskapsplanering för ett rikt växt- och djurliv.
Faktorer IRF-flygbildsregistrering Konventionell satellitregistrering
Minsta enhet 1 m2 (1:30 000) 100 m² (Spot 5)
4 m2 (1:60 000) 600 m²- (Landsat TM) – 4800 m²
(Landsat MSS) Spektral upplös-
ning
PAN + Infrarött PAN, multispektral Repetitionstid på beställning Var 16:e/18:e dag
Textur visuell tolkning lätt Automatisk klassning svår Topografi Direkt stereomodell Måste kompletteras med DTM
2 m höjdintervall 5 m höjdintervall täta punkter 50 m punkter Klassning Stort (>25) antal biotop-
och vegetationstyper
Begränsat antal (<25) mark- och vegetationstyper
Tidsperiod Optimal, valfri Begränsad, styrd Hanterbarhet Enkel
Stereomodeller/ Digitala bilder
Digitala bilder
IRF-flygbilder är bäst på fyra områden riktade mot vegetations- och biotopkar- tering. De är: 1) upplösning, 2) textur, struktur och mönster 3) den mycket goda topografiska information som man får direkt i flygbildernas stereomodell samt 4) möjligheten att snabbt få överblick över ett större område och små detaljer, som t.ex. nyckelbiotoper eller vissa strukturer.
Mycket god upplösning, dvs. möjligheter att se små detaljer är viktig såväl för övervakning som för inventering av småbiotoper och landskapselement. Den be- hövs för upptäckt av små detaljer och förändringar av små punkt- eller linjeobjekt, nödvändiga landskapselement som behövs för att se såväl små ”Patches”, som konnektivitetszoner, och bedöma kvalitet samt skötsel och hävd i jordbruksland- skapet eller nyckelbiotopernas element i skogen. För detta behövs flygbildens goda upplösning på 1x1 m, medan satellitdata inte ger samma information (Ihse 1995b). Bara den senaste generationens satelliter ger en liknande god upplösning. De mul- tispektrala band som behövs för bedömning av biotoper har en pixelstorlek på 4 meter. Automatisk klassificering av dessa är inte lika enkel som med de medelupp- lösande satelliterna, av flera orsaker. Däremot är visuell tolkning i enkelbilderna av textur, dvs. mönster och strukturer i flygbilden, en framkomlig väg för datain- samling, men man kan inte använda lika detaljerade klassificeringssystem som för
flygbilder. Därmed missar man en del av den information som behövs för kvali- tetsbestämningar av kriterier för biotoper med hög biologisk mångfald, som död ved och bredkroniga träd i skog, naturliga gräsmarker med god hävd eller områden utan erosion i fjällen (Allard et al.1998, Allard 2003, Ihse & Wastenson 2003, Groom et al. 2006). Texturanalys är däremot svårt att automatiskt utföra med tradi- tionell satellitbearbetning. Bedömningar av omgivningen är mycket enkelt vid visuell tolkning och man kan ta med helheten, medan detta är svårt i satellitklassi- ficering, som har sämre upplösning. Datorprogrammen för texturanalys är, trots mycket utvecklingsarbete, ännu otillräckliga medan människan är mycket bra på att upptäcka detta.
Detaljerad topografisk information, som man får vid tolkning i stereomodeller av flygbilder underlättar och är viktig för att kunna skilja ut t.ex. biotoper av olika fuktighetsgrader, exponerade växtsamhällen, olika topografiska läge mm. Fjärranalysdata har många fördelar vid vegetationsinventering och övervakning. De flesta gäller för såväl satellitdata som flygbildsdata från IRF-flygbilder. De är välkända och har beskrivits tidigare, men det kan vara värdefullt att sammanfatta dem här:
1. De ger en objektiv, icke sorterad information.
2. De ger översikt och detaljinformation på samma gång, för flygbilder från 20 km² ner till 1 m², för satellitscener från 34.000 km² till 100 till 16 m². 3. De är exakta tidsdokument. Dagens flygbilder och satellitscener blir mor-
gondagens historiska dokument, oftast av information som inte finns kart- lagd på annat sätt.
4. Svåråtkomliga områden blir ”lättåtkomliga” och kan övervakas med liten ansträngning. Fältkontroller för översiktlig kartering utgår ofta från vägar och områden långt ifrån en väg blir mindre ofta besökta.
5. De möjliggör en datainsamling och mätning som kan samlas in upprepade gånger med olika fokus.
6. De ger möjlighet till noggrannhetskontroll genom att de kan tolkas obe- gränsat antal gånger och av flera personer.
7. De ger information om olika vegetationstyper och biotoper, skiljer väl vegetation från barmark utan vegetations- eller snötäcke, exponerad eller eroderad jord och från bebyggelse och hårdgjord mark, skiljer väl olika fuktighetstyper, skiljer frisk från skadad vegetation, liksom levande vegeta- tion från död.
8. Informationen är lättåtkomlig. Flygbilderna är billiga, lättlagrade, kan lätt kopieras och handhas ute i fält, vilket också möjliggör stereobetraktning i fält för snabbare och bättre fältkontroll. De nya digitala flygbilderna kan ännu inte fås i sådan utskriftskvalité att de motsvarar de gamla filmbasera- de flygbilderna.
9. De ger noggrann topografisk information. Stereobilder ger en tredimensio- nell bild över landskapet, vilket ger möjlighet att förbättra vegetationstolk-
ningen, eftersom många vegetationstyper har stark koppling till topogra- fiskt läge, lutning och exposition. Avskärmning och beskuggning i skog och branta bergssidor är och kommer att vara ett problem för all fjärr- analys.
10. RF-flygbilderna är lätthanterliga och informationen tillgänglig med kort inlärning.
Som den största fördelen med satellitregistreringarna brukar anges att data finns i digital form, geometriskt korrigerade, vilket underlättar främst att få arealuppgifter samt att den periodiskt upprepade registreringen underlättar att få arealuppgifter och data för jämförelser från olika tidpunkter. Nackdelar är de fasta registrerings- perioderna, där vi i områden som Norden, med hög molnighet riskerar att inte kunna få användbara registreringar som är molnfria under flera år, trots periodiska registreringar, eftersom satelliten passerar Sverige under mycket kort tid. Det finns idag flera satelliter, förutom de vanligast använda Landsat och SPOT, vilket gör att man lättare har möjlighet att få molnfria registreringar. För att säkert få registrering över ett visst område vid en viss tidpunkt, måste man långt i förväg beställa att registrering ska ske och betala för det, även om bilden har dålig kvalitet ur moln- synpunkt. Fotografering från flygplan kan fritt företas i molnfria perioder och flyg- ningen kan utföras med kort varsel under en i förväg bestämd längre vegetations- period.
Behovet och syftet måste dock vara avgörande för valet av teknik och metod, an- tingen det är satellitbilder, flygbilder, direkt flygspaning eller fältarbete. Om kvali- teten är godtagbar och behovet och målsättningen med registreringen uppfylls, kommer priset att i många fall leda till att den satellitbaserade metodiken föredras. Den geometriska upplösningen kan vara avgörande för valet av metod och behov, och måste avvägas mot priset på produkt och bearbetning samt storleken på det område som ska kartläggas. För översiktlig kartläggning av markanvändning torde priset i många fall leda till att satellitbaserade metoder väljs. Alla fjärranalysmeto- der måste kompletteras med fältarbete för att få hög kvalitet på karteringen. Data som samlats in med fjärranalysmetoder digitaliseras och handhas i geogra- fiska informationssystem för analys och kartframställning, där de vanligaste pro- gramvarorna är ArcInfo och ArcGis från ESRI.
För övervakning och bedömning av miljöpåverkan och bevarande av biologisk mångfald räcker ofta inte den tematiska eller geometriska upplösningen i dagens satellitbild, medan den från IRF-flygbilderna ger tillräcklig och god information. Kunskapssammanställningen har inte fokus på övervakning och monitoring, varför den rikhaltiga litteratur som finns inom dessa områden inte refereras här.
Marktäckeklassificering (”Land cover classification”)
Marktäckeklassificering, en direkt översättning av det engelska begreppet ”Land cover classification” (till vilket det saknas ett bra svenskt begrepp) ger en aktuell bild av en sammantagen del av vegetation och markanvändning, ofta samlad från satellitdata. Det kan sägas representera en vegetationsfysiografisk bild, som åskåd- liggör vegetationens fysiografi i de olika vegetationslagren, träd, buskar, fältskikt med ris eller gräs samt bottenskikt med lavar eller mossor. Oftast utnyttjas bara de två första, med registrering av skog eller öppen mark, och med höjd och korntäck- ning av träd och buskar som den viktigaste parametern. Det finns en rad begräns- ningar mot att använda marktäckedata (Land cover) för att göra bedömningar med avseende på biologisk mångfald. Ett flertal EU-projekt har undersökt alternativa möjligheter. Liknande arbete har skett för att finna indikatorer för olika miljöfakto- rer i jordbrukslandskapet i det Europeiska Aembacprojektet. Den internationella standardiseringskommittén, ISO, arbetar för tillfället med liknande modeller, med målet att kunna göra dem globalt användbara, utifrån de generella idéer som ligger bakom FAO’s Land cover Classification System (LCCS). Dock återstår mycket arbete, innan man nått målet att finna standardiserade modeller för vegetationsklas- sificering som kan harmoniseras och vara globalt användbara – inte bara för för- ändringar gällande markanvändning, utan också för information om landskap och bevarande av den biologiska mångfalden.
Vad gäller kvaliteten och noggrannheten i marktäckedata (”Land cover”), så vore det önskvärt att kunna differentiera den tydligare. Beroende på målsättningen med kartering, så kan dessa marktäckedata i vissa fall användas som underlag för land- skapsekologisk tolkning och värdering. Framförallt är de användbara vid betraktel- se av stora utvecklingslinjer och trender av markanvändning och förändringar mel- lan skog och jordbruksmark samt bebyggd mark. Dock med tydlig begränsning vad gäller biotoper/habitat och biologisk mångfald på landskapsnivå, utom för vissa organismgrupper, framförallt för djur med stora revir. För analys av landskaps- strukturen kan man studera tydliga skillnader avseende dynamik och riktning av storskaliga förändringar.