AKADEMIN FÖR TEKNIK OCH MILJÖ
Avdelningen för datavetenskap och samhällsbyggnad
Utvärdering av två digitala terrängmodeller på öppna ytor
Framställda med NRTK-GNSS och Laserdata NH
Anna Castenvall & Elin Petersson 2020
Examensarbete, Grundnivå (kandidatexamen), 15 hp Lantmäteriteknik
Lantmätarprogrammet, teknisk inriktning
Handledare: Stig-Göran Mårtensson Examinator: Mohammad Bagherbandi Bitr. examinator: Faramarz Nilfouroushan
i
Förord
Efter tre års studier på Lantmätarprogrammet, teknisk inriktning, avslutar vi nu vår utbildning med detta examensarbete.
Vi vill rikta ett stort tack till vår handledare Stig-Göran Mårtensson som har hjälpt oss med idén för vårt examensarbete samt gett oss både moraliskt och vetenskapligt stöd. Ulrika Ågren vill vi passa på att tacka för hennes engagemang, energi och positivitet under våra tre år på högskolan.
Vi vill även tacka våra vänner och familj som har gett oss ett stort stöd genom alla tre år. Våra klasskamrater ska även ha ett hjärtligt tack för att de bidragit till tre roliga och lärorika år på Högskolan i Gävle.
Gävle, Maj 2020
Anna Castenvall & Elin Petersson
ii
iii
Sammanfattning
En digital terrängmodell (DTM) representerar endast markytans form och har en bred användning inom t.ex. samhällsplanering. Det finns olika
framställningsmetoder för att skapa en DTM, där de mest använda metoderna är mark- eller flygburen laserskanning samt terrester- eller satellitbaserad mätning.
Flygburen laserskanning (FLS) använder sig av tekniken LiDAR (Light Detection And Ranging) där avstånd mäts med laser. Lantmäteriet påbörjade ett projekt 2009, vilket gick ut på att laserskanna hela Sverige med FLS och projektet blev klart 2019.
Resultatet blev Laserdata NH (Nationella Höjdmodellen) med en lägesnoggrannhet i höjd på 0,1 m. Syftet med studien är att kontrollera mätosäkerheten för Laserdata NH samt undersöka om den kan ersätta terrestra mätningar, t.ex. GNSS vid
skapande av DTM:er. Studieområdet är ca 0,85 ha och består av en gräsyta omgiven av grusvägar. Området är beläget i Teknikparken, Gävle.
För att se ifall Laserdata NH kan ersätta GNSS-mätningar skapades en DTM från Laserdata NH samt en DTM från mätningar med NRTK-GNSS. Alla inmätningar följde de krav och toleranser vilka specificeras i SIS-TS 21144:2016. För att kunna kontrollera mätosäkerheten för Laserdata NH mättes kontrollprofiler in, vilka agerade som referens. Kontrollprofilerna användes även som referens när de båda DTM:erna jämfördes mot varandra. Max- och min avvikelse, medelavvikelse, standardosäkerhet samt RMS räknades ut på varje enskild profil, per markyta och för de två modellerna. Beräkningarna utfördes för att se ifall värdena låg för högt eller för lågt i någon del av ett område samt för att kunna se sannolikheten för
systematiska avvikelser. En statistisk analys utfördes för att se ifall det finns någon skillnad mellan DTM och kontrollprofilernas medelavvikelse.
Resultatet visade att det fanns en statistisk signifikant avvikelse på medelavvikelsen mellan DTM skapad av Laserdata NH och kontrollprofiler för både grus- och gräsytorna. Detta innebär att Laserdata NH inte kan ersätta NRTK-GNSS på öppna, jämna gräsytor eller plana grusytor. Kontrollerna av de två DTM:erna klarar
toleranserna enligt SIS-TS 21144:2016 och anses vara tillförlitliga. Studien kom till slutsatsen att Laserdata NH kan användas utan komplettering till översiktliga planeringar. Detaljerade analyser med Laserdata NH behöver dock kompletteras med ytterligare mätningar eller ortofoto för att erhålla mer trovärdiga resultat.
Nyckelord: Flygburen laserskanning (FLS), Laserdata NH, GNSS, Digital terrängmodell (DTM)
iv
v
Abstract
A Digital Terrain Model (DTM) only represent the surface and has a broad
application within, for example, community planning. There are different ways of producing a DTM, with the most common methods being ground- or airborne laser scanning and terrestrial- or satellite based measurement. Airborne laser scanning (ALS) uses the technique LiDAR (Light Detection and Ranging) which measures distances with laser. Lantmäteriet, the Swedish cadastral mapping and surveying authority, began in 2009 with a project to scan entire Sweden with ALS and was finished in 2019. The outcome of the project was a new national height model that is called Laserdata NH with a positional accuracy of 0,1 m in height. The purpose of this bachelor thesis is to study the uncertainty of Laserdata NH and to investigate if it can replace terrestrial measurements, for example replacing Laserdata NH with GNSS mapping. The study area is approximately 0,85 hectares and consists of a grassland area surrounded by gravel paths. The area is located in Teknikparken, Gävle.
To see if Laserdata NH can replace GNSS-measurements a DTM was created from Laserdata NH as well as a DTM created from measurements with NRTK-GNSS. All measurements followed the requirements and tolerances according to SIS-TS 21144:2016. To control the uncertainty for Laserdata NH, control profiles were measured, which acted as a reference. The control profiles were also used as a reference when comparing the two DTMs. Max and min deviation, mean deviation, standard deviation and RMS were calculated for each profile, per ground area and using two models. The calculations were performed to see if the values were too high or too low in any part of an area and to be able to see the probability of systematic deviations. A statistical analysis was performed to see if there were any difference between the DTM and the mean deviation of the control profiles.
The result showed that there was a statistic significant deviation on the mean deviation between the DTM created by Laserdata NH and the control profile for both the gravel and the grass surface. This means that Laserdata NH cannot replace NRTK-GNSS on open, plain grass or gravel surfaces. The controls of the two DTMs are within the tolerances according to SIS-TS 21144:2016 and are considered
reliable. The study concluded that Laserdata NH can be used without supplement to do general plans. However, for detailed analysis Laserdata NH needs to be
supplemented with additional measurements or orthophoto.
Keywords: Airborne Laser Scanning (ALS), Laserdata NH, GNSS, Digital Terrain Model (DTM)
vi
vii
Innehållsförteckning
1 Introduktion ... 1
1.1 Bakgrund ... 1
1.1.1 Flygburen Laserskanning ... 1
1.1.2 Laserdata NH ... 2
1.2 Syfte och frågeställningar ... 3
1.3 Avgränsningar ... 3
1.4 Tidigare studier ... 4
1.4.1 Flygburen laserskanning och digitala höjdmodeller ... 4
1.4.2 Användning av Laserdata NH ... 5
1.4.3 GNSS-metoder och dess användning inom fri stationsetablering ... 7
2 Teoretisk bakgrund ... 8
2.1 Olika metoder för terrängmodeller ... 8
2.2 Network Real Time Kinematic... 8
2.3 Flygburen laserskanning ... 9
2.4 Kvalitet och kontroll av höjdmodeller ... 10
2.5 Mätosäkerhet ... 11
2.6 HMK-standardnivå ... 12
3 Metod och material ... 13
3.1 Aktuella toleranskrav ... 13
3.1.1 Kontrollprofiler ... 14
3.1.2 Flygburen laserskanning ... 14
3.1.3 Beräkningar ... 15
3.2 Områdesbeskrivning ... 17
3.3 Instrument och materiel ... 17
3.4 Mätning ... 19
3.4.1 Etableringspunkter ... 19
3.4.2 GNSS-mätning för terrängmodell ... 20
3.4.3 Kontrollprofiler ... 20
3.5 Bearbetning och jämförelse av DTM ... 21
4 Resultat ... 22
4.1 Mätosäkerheter för de skapade terrängmodellerna ... 22
4.2 Användning av Laserdata NH ... 24
4.2.1 Toleranser för användning ... 24
4.2.2 Användningsområden för NH-data ... 25
5 Diskussion ... 26
5.1 Framtida studier ... 30
5.2 Hållbar utveckling och etiska aspekter ... 30
6 Slutsats ... 31
Referenser ... 32 Bilaga A ... A1
viii
Bilaga B ... B1 Bilaga C ... C1 Bilaga D ... D1 Bilaga E ... E1 Bilaga F ... F1 Bilaga G ... G1 Bilaga H ... H1
1
1 Introduktion
1.1 Bakgrund
Det är viktigt att kunna beskriva och mäta in terrängens form. Modellerna för terrängen utförs i regel med samma metod, dock är det viktigt att urskilja modellerna från varandra eftersom de representerar terrängen olika. En digital höjdmodell (DEM, Digital Elevation Model) är ett samlingsbegrepp på beskrivningen av terrängytans form och kan ge en tredimensionell överblick över ett område. En digital ytmodell (DSM, Digital Surface Model) beskriver markytan, men även allt ovan mark som t.ex. vegetation och byggnader. DSM är oftast resultatet från flygburen mätningt.ex. flygfotografering och laserskanning, men även terrester laserskanning.
En digital terrängmodell (DTM, Digital Terrain Model) beskriver däremot endast själva markytan. EU-direktivet INSPIRE (Infrastructure For Spatial Information In Europe, 2014) skriver i sin rapport att DTM har flera användningsområden. DTM är nödvändiga för dagens modelleringsbehov i många vetenskapliga aspekter,
exempelvis miljöplanering, skogsbruk, geologi, hydrologi, klimatförändringar m.m.
De olika användningsområdena kräver olika mätosäkerheter och kvalitetskrav, detta för att inte överarbeta en modell och göra den för noggrann för dess applicering.
SIS-TS 21144:2016 är den tekniska specifikationen som reglerar framställningen av en DTM samt hur dessa kontrolleras. Där beskrivs även olika metoder för insamling av data vid framställning av DTM. I SIS-TS 21144:2016 avsnitt 7.1 beskrivs möjliga insamlings- och framställningsmetoder för en DTM, där laserskanning (mark- eller flygbaserad) och geodetisk mätning (terrester- eller satellitbaserad) är exempel på användbara metoder. Vid geodetisk mätning behövs ett urval i fält utföras på vad som är viktigt att ha med i terrängmodellen, till skillnad från flygbaserad
laserskanning där allting mäts in. När all önskad data samlats in, utförs en bearbetning av data för skapande av DTM.
1.1.1 Flygburen Laserskanning
Flygburen laserskanning (FLS) registrerar terrängförändringar, terrängstrukturlinjer, byggnader, vegetation och i allmänhet allt som finns i fältet och som kan registreras av upplösningen hos FLS (Ariza-López, Rodríguez,González-Aguilera & Rodríguez- Gonzálvez, 2019). Innan FLS var möjligt att användas för skapande av DTM, använde Lantmäteriet framförallt ortofoto för modellering av DTM. Lysell (2011) beskriver att den ständiga tekniska utvecklingen för datainsamling, bearbetning, analys och även datorers prestanda medför utökade metoder och
insamlingsmöjligheter för en noggrannare analys. Detta medför att användarmålet för geografisk information ökar, men det krävs även att insamlings- och
bearbetningsmetoderna blir effektivare (Lysell, 2011).
2 1.1.2 Laserdata NH
Lantmäteriet har arbetat sedan 2009 för att få fram en ny höjdmodell över Sverige och detta slutfördes år 2019. Höjdmodellen fick namnet Laserdata NH och ersatte den föregående nationella höjdmodellen, vilken har en punkttäthet på 50 m samt en noggrannhet i höjd på 2 m. Sverige har laserskannats med en punkttäthet på 0,5–1 punkter/m2 där fotavtrycket (laserns träffyta på marken) är inom 0,4–0,9 m beroende på flyghöjd, förutom i kalfjällsområden där punkttätheten är 0,25
punkter/m2. Lägesnoggrannheten på öppna, plana hårdgjorda ytor anses vara < 0,1 m i höjd och < 0,3 m i plan (Lantmäteriet, 2020a). Mikael Henriksson, chef för Lantmäteriets bild och höjdsektion skriver i ett pressmeddelande från Lantmäteriet (2019).
“tillförlitliga höjddata efterfrågas alltmer, inte minst för olika klimatanpassningsåtgärder och beredskapsplanering för klimat- och miljöförändringar”.
Han påstår även i pressmeddelandet att höjdmodellen ger stora möjligheter att skapa moderna kartor som efterfrågas av stat, kommun och företag. Höjddata har använts till detaljplanering och projektering vid bostadsbyggande, men kan idag användas till bredare användningsområde på grund av att höjddata har blivit mer noggrant och tillgängligt. Laserdata NH kan även laddas ned som ett bearbetat, interpolerat raster vid namn Höjddata Grid 2 + och används för att enkelt kunna utföra analyser inom geografiska informationssystem (GIS). Enligt kvalitetsbeskrivningen för Laserdata NH sker ett ständigt underhåll med laserdata och flygbilder (Lantmäteriet, 2020a).
Vid mindre områden där höjdförändringar har skett sker underhållet genom bildmatchning och genom stereomodeller. Höjdmodellen uppdateras för de viktigaste höjdförändringarna från bildförsörjningsprogrammet. 2018 påbörjade Lantmäteriet en ny laserskanning av Sverige kallat Laserdata Skog, vilken kommer uppdatera Laserdata NH med en punkttäthet på 1–2 punkter/m2. Laserdata Skog kommer att ha en stor användning vid kontroll av skogsbestånd då Lantmäteriet planerar att mäta in samma område vart sjunde år (Lantmäteriet, 2020b). A.
Rönnberg (personlig kommunikation 11 maj 2020) säger att samma stöd- och kontrollpunkter ligger till grund för både Laserdata NH och Laserdata Skog.
3 1.2 Syfte och frågeställningar
Syftet med examensarbetet är att kontrollera osäkerheten i höjd på delar av det skannade data som ligger till grund för Laserdata NH. Målet med Laserdata NH är att effektivisera och kunna använda terrängmodeller i en bredare aspekt. Studien kommer att fokusera på kraven från SIS-TS 21144:2016 för att se inom vilka områden det går att använda sig av Laserdata NH istället för att mäta i fält. För att göra detta kommer två terrängmodeller att skapas, en med Laserdata NH från Lantmäteriet samt en skapad från geodetisk mätning med NRTK (Network Real Time Kinematic)-GNSS (Global Navigation Satellite Systems). Kontrollerna kommer att ske med kontrollprofiler inmätta med totalstation. Det studerade området är beläget i teknikparken utanför Högskolan i Gävle på 0,85 ha.
Följande frågeställningar kommer besvaras i examensarbetet:
• Vilken mätosäkerhet kan erhållas för en DTM skapad genom mätningar med NRTK-GNSS i jämförelse med Laserdata NH på öppna ytor?
• Under vilka förhållanden kan Laserdata NH ersätta terrestra mätningar med GNSS?
1.3 Avgränsningar
Studien kommer att använda sig av öppna ytor för kontroll av två olika
terrängmodeller. Det sker alltså ingen kontroll av Laserdata NH i detaljrik eller kuperad mark, såsom skogsområden, bostadsområden samt brantare terräng. I studien används GNSS i öppna ytor vilket medför goda förutsättningar för låg mätosäkerhet. I tätbebyggda områden, brantare lutningar i terräng samt mycket vegetation kan mätosäkerheten öka markant. Studieområdet skannades 2015 av Lantmäteriet och vår inmätning skedde 2020, vilket innebär att det är 5 års skillnad mellan inmätningarna. Detta kan bidra till att ändringar i höjd och vegetation kan tillkomma. Studien kommer endast fokusera på Laserdata NH och kommer inte att gå in på Laserdata Skog.
4 1.4 Tidigare studier
Följande avsnitt kommer ta upp tidigare studier inom områden som FLS, DEM och GNSS-metoder.
1.4.1 Flygburen laserskanning och digitala höjdmodeller
Klang & Burman (2006) fick i uppgift att utvärdera och kontrollera ifall FLS kunde uppnå en mätosäkerhet under 0,5 m för skapandet av den nya nationella
höjdmodellen. Laserskanningen ägde rum kring Falun i Dalarna, där man flög på 2000 m höjd över ett 25 km x 25 km område. I studien använde de sig av Delauney- triangulering för att interpolera nya punkter mellan markpunkterna. Klang &
Burman (2006) anser att det finns fyra felkällor för osäkerheterna i en DEM. Dessa fyra är höjd, plan, punkttäthet samt interpolation. Felkällan höjd påverkas av
datafångst, flyghöjd, noggrannheten i stödpunkter samt trianguleringsmetoder. Plan påverkas av lutningar i terrängen, byggnader, diken m.m. Punkttätheten spelar en stor roll inom felkällor i DEM där tät vegetation påverkar punkttätheten störst.
Slutligen påverkar valet av interpolationsmetod hur noggrann en DEM tenderar att bli (Klang & Burman, 2006). Klang & Burman (2006) påpekar även att
punkttätheten och interpolationen av punktmolnet har störst påverkan på noggrannheten av en DEM. Flera faktorer kan påverka noggrannheten i ett
punktmoln, exempelvis kan laserstrålen träffa vegetation och medföra att markytan ser ut att ligga ovanför den verkliga markytan. Material med låg reflektans,
exempelvis vatten och mörk asfalt, kan göra att den reflekterade laserstrålen har för låg intensitet och inte registreras av sensorn på skannern (Klang & Burman, 2006). I samma artikel kom de till slutsatsen att höjdmodellen kunde uppnå en noggrannhet på 0,5 m. Enligt Lantmäteriet (2020a) kan andra felkällor i Laserdata NH vara klassificeringsproblem där problem kan skapas från låga punkter, låg vegetation (buskar), skarp lutning (speciellt med plötsliga förändringar) och byggnader.
Det finns flera tidigare studier som har genomfört kontroll av osäkerheten på laserdata samt höjdmodeller. I en studie av Hodgson & Bresnahan (2004) utförde de en noggrannhetsbedömning av FLS, där slutsatserna visade att felkällor hos FLS är fel i LiDAR-systemets mätningar, förflyttningar i horisontalled, interpolationsfel samt felmätningar av mätteknikern. Höhle & Höhle (2009) skriver i sin studie hur osäkerheten på DEM kontrolleras och vad som bör tas hänsyn till vid utförande.
Kontroll av DEM ska klara av 1/3 av toleransen, vilket även är
rekommendationerna enligt HMK−Geodesi: Terrester detaljmätning (2015). Höhle
& Höhle (2009) nämner att vid en utvärdering av DEM ska medelavvikelse, RMS (Root Mean Square error) och standardosäkerhet beräknas, vilket även är kraven enligt SIS-TS 21144:2016 för utvärdering av DEM.
5
En noggrannhetskontroll av Lantmäteriets Laserdata NH utfördes i ett
examensarbete av Lundgren & Owemyr (2010). De valde ut tio olika markytor för kontroll av laserdata där bland annat asfaltsyta, gräsyta, löv-och barrskog mättes in.
Deras kontroll av gräsytan var mest intressant, då detta även är aktuellt i denna studie. De utförde noggrannhetskontroll enligt SIS-TS 21145:2007
mätningsutförande B och mätte in de öppna markytorna med GNSS-mottagare.
Resultatet visade att gräsytan hade en medelavvikelse på 0,005 m, standardosäkerhet på 0,021 m samt en RMS på 0,022 m. De nämner att Lantmäteriet har som krav att RMS max får vara 0,2 m på öppna och plana ytor, vilket gräsytan uppfyller
(Lundgren & Owemyr, 2010). Palm (2017) sammanställde i sin studie
användarerfarenheter för Laserdata NH, vad det har för brister och problem samt vem det är som nyttjar den. Hans sammanfattning består av information från Lantmäteriets hemsida samt även rapporter som skriver om användarerfarenheter.
Palm (2017) nämner att Laserdata NH har en bredare användning vid komplettering av annan data t.ex. ortofoto. Bristerna Palm (2017) nämner är bland annat att Grid 2+ har stora datamängder som tar lång tid att bearbeta.
A. Rönnberg (Personlig kommunikation, 11 maj 2020) säger att trots stråkutjämning och inpassning på stöd finns det alltid små variationer i
lägesosäkerhet inom skanningsområdet, både mellan mätsessioner och individuella stråk. Lantmäteriet brukar ange att osäkerheten i höjd är 0,1 m, då större
osäkerheter än 0,1 m är ovanligt. Det finns fler faktorer som påverkar
lägesosäkerheten, där marktäcket i kombination med årstiden är särskilt värda att beakta. På exempelvis en gräsyta är det vanligt att laserpunktmolnet ligger något för högt, helt enkelt för att laserpulsen reflekteras en bit ovan den faktiska markytan.
1.4.2 Användning av Laserdata NH
Företaget DHI använder Laserdata NH till att utföra bland annat skyfallsanalyser då upplösningen hos skanningen anses vara tillräcklig för en översiktlig studie. Dock räcker inte Laserdata NH för en detaljerad studie på kvartersnivå utan behöver kompletteras med andra inmätningar (DHI, u.å.).
6
Ahlberg & Farmanbar (2011) utförde en studie där de skulle utveckla en 3D- stadsmodell med hjälp av Laserdata NH, vilket är användbart inom projektering.
Ahlberg & Farmanbar (2011) kom fram till att Laserdata NH inte är tillräckligt noggrann för att skapa 3D-stadsmodeller utan det behövs ortofoto och vektordata från Lantmäteriet för att skapa en modell med de egenskaper som krävs. Gävle kommun (2011) utvärderade Laserdata NH där de jämförde laserdata med sina egna terrestert inmätta punkter i ett skogsområde. Resultatet de fick var att Laserdata NH låg cirka 0,16 m över de egna inmätta punkterna, vilket de ansåg berodde på att laserstrålarna inte trängt igenom vegetationen ända ner till marken. De terrestra mätningarna kunde ta upp till en vecka att samla in över ett område medan Laserdata NH snabbt kunde skapa en DEM över samma område med endast ett knapptryck. Gävle kommun (2011) ansåg att Laserdata NH hade en generellt hög höjdavvikelse från de terrestert inmätta punkterna, dock ansåg de att
tidsbesparingen vägde upp för avvikelsen.
Nordkvist, Sandström, Reese & Olsson (2013) skriver i en artikel på uppdrag av SLU att Laserdata NH är värdefullt för att pixelvis klassificera skog och på så vis hitta områden som är i behov av gallring. Med en DTM i rasterform går det även att framkalla terrängskuggning vid användning till att beräkna t.ex. sluttningar och fuktig mark, vilket krävs enligt Nordkvist et al. (2013) för att planera avverkningar.
Nackdelen med att använda Laserdata NH inom skog är att den har en öppningsvinkel på max 20˚, för inskanning av skog rekommenderas 15˚.
Vegetationskvoten är ett mått för att få en översikt av skogens relativa höjd samt täthet och vid för hög öppningsvinkel påverkas vegetationskvoten negativt (Nordkvist et al., 2013).
I en studie av Klang & Klang (2011) på uppdrag av Jordbruksverket, använde de sig av Laserdata NH för att detektera öppna diken och stenmurar i åkermark. Klang &
Klang (2011) kom till slutsatsen att Laserdata NH går någorlunda bra att använda vid detektering av diken och stenmurar men behöver komplettering av information från t.ex. flygbilder för att få en bättre klassificering.
7
1.4.3 GNSS-metoder och dess användning inom fri stationsetablering Jansson & Lundgren (2018) jämförde olika metoder för att etablera en totalstation med NRTK. Dubbelmätning, ibland även trippelmätning, innebär att samma punkt mäts in med GNSS efter ett bestämt tidsintervall. Metoden ger oberoende
mätningar, då satelliterna hinner ändra sin konstellation och är den rådande metoden för att mäta kontrollpunkter med GNSS (Jansson & Lundgren, 2018).
Odolinski (2012) förklarar att NRTK-data måste ta hänsyn till tidskorrelationen mellan mätningarna då det kan leda till mer realistiska koordinater av
osäkerhetsberäkningarna. Om detta förbises kan osäkerheterna hos koordinaterna vara för optimistiska pga. att felen är likartade. Systematiska avvikelser kan påverka en mätning som bedöms ha låg standardosäkerhet vilket bidrar till låg noggrannhet.
Det krävs därför lämplig tidsskillnad mellan mätningarna. Odolinski (2012) skriver att tidskorrelation i NRTK-data finns på grund av omodellerade flervägs- och atmosfäriska fel med kombination av långsamma förändringar i
satellitkonstellationer. Jansson & Lundgren (2018) undersökte den optimala tiden för medeltalsbildning och kom fram till att 180 sekunder (tre minuter) var en bra tidsperiod för att få en bra medeltalsbildning. En GNSS-mottagare mäter oftast en position per sekund, vilket innebär att en mätning på 180 sekunder ger 180 positioner. Mätare ute i fält ansåg även att det var en rimlig tid att mäta i, samt att de då skulle slippa återkomma till punkten vid ett senare tillfälle. Jansson &
Lundgren (2018) kom till slutsatsen att desto mer upprepade mätningar desto bättre, även om observationstiderna låg på fem sekunder. Den bästa metoden enligt studien är att mäta under 180-sekunder med en tidsseparation på 20 minuter vilket även rekommenderas enligt HMK–GNSS-baserad detaljmätning (2017). De ansåg även att de motbevisade studien av Janssen, Haasdyk, McElroy (2012), där Janssen et al. (2012) menade att det inte behövdes en längre observationstid än en till två minuter då det inte ger vidare förbättring av värden. Jansson & Lundgren (2018) menade då att genom att öka observationstiden till tre minuter, minskar avvikelsen från det ”sanna” medelvärdet samt att centreringsfelet blir mindre.
Mårtensson, Reshetyuk & Jivall, (2012) förklarar att fördröjningen av
satellitsignalerna genom troposfären är en av de viktigaste felkällorna och faktorerna att ta hänsyn till vid NRTK-mätning. Programvaran för NRTK modellerar den signalfördröjning som troposfärens innehåll av vattenånga ger upphov till. En annan felkälla är jonosfären vilken varierar beroende på solaktivitet, tid på dygnet, årstid mm. HMK–GNSS-baserad detaljmätning (2017) skriver att ett kortare avstånd till referensstationerna medför en bättre möjlighet till att felkällorna kan modelleras.
För att minimera inverkan ännu mer bör om möjligt mätningen ske när det är likartade väderförhållanden vid den egna mottagaren och närbelägna
referensmottagare. Felkällor orsakade av mätmiljön kan begränsa hur mätningen kan genomföras och kontrolleras. (HMK–GNSS-baserad detaljmätning, 2017).
8
2 Teoretisk bakgrund
I kapitlet nedan beskrivs olika metoder för terrängmodeller, NRTK-GNSS,
flygburen laserskanning samt höjdmodellens kvalitet och användning mer ingående.
2.1 Olika metoder för terrängmodeller Det finns olika metoder för att skapa höjdmodeller, exempelvis
genom Triangulated Irregular Network (TIN) vilken skapar ett nät av trianglar där hörnpunkterna representerar höjden. Det man strävar efter när en TIN-modell utförs är att trianglarna inte ska ha för spetsiga vinklar samt att tringlarna ska återge områdets topografi på ett verklighetstroget sätt (Harrie, 2017). En annan metod är att lagra höjden i en rasterstruktur där varje cell innehåller ett höjdvärde. Då cellen endast representerar höjden för mitten av området och inte medelhöjden, spelar cellstorleken en stor roll för att få ett verklighetstroget resultat (Harrie, 2017).
Rasterstrukturen är oftast vanligast och enklast att utföra samt att den tar upp minst lagringsutrymme. En TIN-genererad höjdmodell ger dock en visuellt bättre
representation av terrängen i modellen där rasterstrukturen istället ger ett blockigt utseende.
2.2 Network Real Time Kinematic
NRTK använder fasta referensstationer som är strategiskt utplacerade runt om i Sverige. Referensstationerna tar emot GNSS-satelliternas signaler och är kopplade till ett centralt kontrollcenter. Rådata från observationerna skickas till
kontrollcentret för beräkning varefter korrektionsdata skickas ut i realtid till användaren. RTK-tekniken delas ofta in i två kategorier, enkelstations-RTK och NRTK, beroende på om en eller flera referensstationer utnyttjas. NRTK
tillsammans med SWEPOS, som i denna studie baseras på en virtuell
referensposition (VRP), bygger på tvåvägskommunikation mellan användarens GNSS-enhet och driftcentralen (Lantmäteriet, u.å.). Användarens mätinstrument skickar ungefärliga positioner till driftcentralen som returnerar en geometrisk korrigerad position av närmsta referensstationsdata. Detta skapar en virtuell station i närheten av mätinstrumentet, vilken då uppfattas som en verklig referensstation. Ju tätare mellan referensstationerna, desto bättre kan felkällorna modelleras och mätosäkerheten i användarens position minskas. Om avståndet mellan stationerna har ett genomsnittligt avstånd på 35 km samt tillgång till GNSS-konstellationer med GPS och GLONASS förväntas en mätosäkerhet på 2–2,5 cm i plan respektive 1–3 cm i höjd (Lantmäteriet, u.å.).
Det finns felkällor vid mätning med NRTK som kan påverka slutresultatet av mätningen. Det är viktigt att först rekognosera området för att se om det finns
9
eventuella störningar mellan satellitsignalerna och mottagaren. Exempel på störningsrisker vid rekognosering beskrivs i HMK – GNSS-baserad detaljmätning (2017), såsom flervägssfel, sikthinder och elektromagnetiska störningar. Vid flervägsfel tar inte satellitsignalen raka vägen till mottagaren utan studsar först på omkringliggande objekt så som träd, bilar etc. Flervägsfel kan medföra felaktig lägesbestämning och ökad mätosäkerhet medan sikthinder innebär att objekt skymmer sikten mellan satellitsignalen och mottagaren. Elektromagnetiska störningar innebär att exempelvis kraftledningar och mobilmaster kan störa
mätinstrumentet och det är även viktigt inom mätning med NRTK att det ska finnas ett fungerande mobilnät för datakommunikation.
2.3 Flygburen laserskanning
LiDAR (Light Detection And Ranging) är en teknik där avstånd mäts med hjälp av laser. Det går ut på att en skanner skickar ut en ljuspuls, vilken sedan träffar en yta och reflekteras tillbaka till skannerns senor. Sensorn mäter då hur lång tid det tog för pulsen att färdas från skannern och tillbaka till sensorn. Eftersom ljusets hastighet är känt, kan avståndet till ytan räknas ut. Ett laserskanningssystem som är monterat på ett flygplan tillsammans med en GNSS-mottagare samt ett
tröghetsnavigeringssystem kallas för FLS (Harrie, 2017). Ett
tröghetsnavigeringssystem, på engelska kallat INS (Inertial Navigation System), innehåller en accelerometer samt gyroskop vilka mäter hastighet, riktning och acceleration. Med informationen från INS och GNSS kan de laserinmätta punkterna kopplas ihop med koordinater (X, Y, Z) och får då en position i det valda
referenssystemet. FLS används till att mäta in höjdmodeller över större områden då man flyger på hög höjd. Flyghöjden ligger oftast mellan
1000–2000 m men flygningar med skanner kan även utföras på 4000 m höjd (D.
Klang & Burman, 2006). Punkttäthet inom flygburen laserskanning innebär de antal punkter som mätts inom en kvadratmeter. Har laserskanningen en hög punkttäthet innebär det en mer verklighetstrogen avbildning av området, medan en låg
punkttäthet ger en hög osäkerhet samt en mer förenklad representation av det skannade området (HMK–Flygburen Laserskanning 2017). Förhållandet mellan punkttäthet och punktavstånd räknas ut enligt ekvation 1.
𝑃𝑢𝑛𝑘𝑡𝑎𝑣𝑠𝑡å𝑛𝑑 = √1/𝑝𝑢𝑛𝑘𝑡𝑡ä𝑡ℎ𝑒𝑡 (1) Punkttätheten ändras beroende på om lasern träffar vegetation ovan mark eller om den träffar vatten, vilket ger en dålig reflektans (D. Klang & Burman, 2006).
Standardosäkerheten i höjd kan bli betydligt högre ifall området som ska mätas in har mycket vegetation eller lutande ytor (HMK–Flygburen Laserskanning 2017).
Mätningsnoggrannheten beror på skanningsvinkel, pulsfrekvens samt vilken
10
hastighet och höjd man flyger i. För att få bra markträffar med FLS rekommenderas det att skanna under tidig vår eller sen höst för att undvika tät vegetation samt snö (Lantmäteriet, 2020a). Då punkterna interpoleras för att fylla ut tomrum,
tillkommer osäkerheter i terrängmodellen vilket kan bidra till felaktig
höjdinformation (Lantmäteriet, 2020a). För att kunna uppskatta kvaliteten för skanningsområdet krävs det en kännedom om terrängförhållandet av det aktuella området, samt metadata för att ta del av insamlingstidpunkt och punkttäthet. Detta är dock inga öppna data idag. Lantmäteriet (2020a) skriver i ett dokument vilka förhållanden och viktiga iakttagelser som kan påverka kvaliteten i Laserdata NH och som kan vara viktiga för användaren att känna till. Laserdata NH har skannats in med två olika skanningsutrustningar, Leica och Optec. Det som skiljer dem åt är
skanningsmönstret, distribution av punkter samt intensitet-max och intensitet-min (Lantmäteriet, 2020a).
2.4 Kvalitet och kontroll av höjdmodeller
Kvaliteten och noggrannheten i en DEM är beroende av mätosäkerheten i varje inmätt punkt, terrängens form, hur tät vegetationen är, punkttätheten och val av interpolationsmetod. Lutningar i terrängen påverkar infallsvinkeln från lasern och tät vegetation leder till att laserstrålarna inte når marknivån. Vid plan yta som t.ex.
grus, asfalt och gräsmattor är den systematiska avvikelsen oftast några cm, men i grövre terräng t.ex. skog kan avvikelsen bli 0,1–0,2
m även om flyghöjden är relativt låg. I kvalitetsbeskrivningen från Lantmäteriet (2020a) står det även att cellstorleken är en avgörande faktor för positionens kvalitet i plan och höjd, mindre storlek på cellerna ger en bättre lägesnoggrannhet
(Lantmäteriet, 2020a).
Kontroll av DEM används för att bestämma modellens höjdnoggrannhet och att upptäcka eventuella systematiska fel i höjd. Den är baserad på inmätning av kontrollprofiler som fördelas jämt och representerar modellens markyta.
Klassningen av markytor är viktigt för att kunna bestämma antalet kontrollprofiler, noggrannhetskrav samt punktantal. I SIS-TS 21144:2016 anges kontrollnivåer som DTM ska kontrolleras mot och vilken nivå som ska användas beror på
användningsområde. Kontrollnivåerna genomförs med utförande A, B eller C, som även benämns provningsutförande, och genomförandet av kontroller beror på DTM:ens omfattning. Utförande A är rekommenderat vid framställning av modeller som är baserade på FLS. Kontrollen utförs av färre kontrollprofiler för att kunna ge en skattad bedömning på systematiska fel. Detta är ett enkelt provningsutförande med stickprov på leveransens osäkerhet och ger en indikation ifall en utökad provning (utförande B) behövs. Utförande B är en utökad kontroll för utvärdering av systematiska fel, modellens användbarhet för projektering och byggande samt att
11
en uppskattning av mängdfel erhålls. Utförande C är en kontroll av undantagsytor som specificeras i SIS-TS 21144:2016. Provningen kan även utföras i två olika kontrollnivåer beroende på vad modellen kommer att användas till samt vilken säkerhet som ska bedöma kvaliteten i modellen. Kontrollnivå 1 är den lägsta nivån och genomförs med utförande A, detta innebär en enklare kontroll och används för övergripande ändamål t.ex. utredningsfaser i tidiga skeden i bygg- och
anläggningsprojekt. Kontrollnivå 2 kräver en högre noggrannhet och tillämpas när det krävs en större säkerhet i kvaliteten för modellen. Detta utförs med utförande B och rekommenderas för DTM av klasserna 1–3 i SIS-TS 21144:2016 tabell 6. Här ingår även beräkning av medelavvikelser och standardosäkerhet för
kvalitetsmärkning av modellen. Lantmäteriet justerar Laserdata NH genom
stödpunkter runt om skanningsområdet och kontrollerar dessa med kontrollpunkter där avvikelser fås från metadata. A. Rönnberg (personlig kommunikation 11 maj 2020) säger att kontrollpunkterna för laserdata ska ha en osäkerhet på
centimeternivå som oftast mäts in med SWEPOS NRTK. Kontrollpunkternas vertikala noggrannhet på kontrollpunkterna ligger på 5 cm. Han berättade även att efter stråkutjämning och inpassning på stöd var RMS mot kontrollobjekt i höjd ca 4 cm, vilket är ett relativt högt värde. RMS-värdet gäller för hela skanningsområdet.
2.5 Mätosäkerhet
JCGM 100 (2008) beskriver namnet mätosäkerhet vilket är den vanliga
benämningen enligt GUM (Guide to the Expression of Uncertainty in Measurement), en världsstandard vilken används som riktlinje för att beskriva mätkvalitet.
Mätosäkerhet är ett samlingsnamn på noggrannhet och precision där noggrannhet motsvarar avvikelsen mellan inmätt mätning och det “sanna” värdet. Precision är spridningen för medelvärdet från en serie av repeterade mätningar. Mårtensson, Ågren & Berg (2017) beskriver systematiska avvikelser, slumpmässiga avvikelser och grova fel i sitt kompendium och det är det som påverkar mätosäkerheten, det krävs då minst en överbestämning för att kunna kontrollera mätningen. En funktion att upptäcka grova fel är av antalet överbestämningar i en relation till antalet mätningar.
Detta brukar oftast upptäckas i efterhand men det är lätt att missa små misstag vilket då påverkar mätresultatet. Systematiska avvikelser kan korrigeras både innan och efter mätning men det gäller dock inte slumpmässiga avvikelser. Med slumpmässiga avvikelser är det dock möjligt att kunna kvalitetsgranska mätningen genom att se noggrannheten i utförandet. För att en mätning ska vara trovärdig krävs det att standardosäkerheten och medeltalets standardosäkerhet hamnar inom givet konfidensintervall. Enligt JCGM 100 (2008) kan utvidgad mätosäkerhet tillämpas istället för standardosäkerhet genom att standardosäkerheten multipliceras med en täckningsfaktor (k) och kan då bedöma konfidensnivån i %. När täckningsfaktorn är
12
𝑘 = 1 beskrivs mätosäkerheten som 1-sigmanivå (1σ) där den sökta mätstorheten ligger innanför konfidensintervallet 68,3 %, vilken även benämns konfidensnivå, konfidensgrad eller täckningsgrad. När täckningsfaktorn ökar blir
konfidensintervallet bredare. Enligt Mårtensson et al. (2017) är konfidensintervallet på 95 % vanligast, täckningsfaktorn blir då 1,96. Se tabell 1.
Tabell 1. Sigmanivåer och täckningsfaktorer.
Konfidensnivå (%) Sigmanivå Täckningsfaktor k
68,3 1σ 1
95 1,96
95,4 2σ 2
99 2,58
99,7 3σ 3
Vid utvidgad standardosäkerhet kan grova fel upptäckas, vilka anses vara de
mätvärden som överstiger 3σ. Mätvärden som överstiger 2σ är inte grova fel, men behöver undersökas.
2.6 HMK-standardnivå
HMK-standardnivå är ett begrepp skapat av Lantmäteriet för att beskriva vilka rekommendationer och krav som krävs för mätningar. Standardnivån bestäms efter krav från beställare, användare, tillämpningar eller produkter (HMK–
Geodatakvalitet 2017). Med hjälp av de fyra standardnivåerna kan då beställaren få hjälp med vilka krav som behöver ställas, samt styra utförarens mätmetod samt kontroll. HMK-standardnivå 0 används inte av HMK då den används vid global och nationell mätning samt kartläggning. Kraven på lägesosäkerhet enligt HMK-
standardnivå 0 ligger på meternivå eller sämre vilket inte är intressant för
Lantmäteriet. HMK-standardnivå 1 används för nationell samt regional mätning och kartläggning där kraven på lägesosäkerhet ligger på meter- och decimeternivå.
HMK-standardnivå 2 används vid mätning och kartläggning på kommunal nivå, t.ex.
detaljplanering, där kraven på lägesosäkerhet ligger på decimeternivå. HMK- standardnivå 3 används inom projektinriktad mätning samt kartläggning där kraven för lägesosäkerhet ligger på 5 cm eller bättre.
13
3 Metod och material
3.1 Aktuella toleranskrav
Som nämnts tidigare utgår denna studie från krav och toleranser enligt SIS-TS 21144:2016 samt utförande enligt rekommendationer från HMK. Klassificering av markytan ska definieras vid upprättande av en DTM. Detta klassas med hänsyn till detaljrikedom, kuperingsgrad och ytjämnhet enligt tabell 2.
Tabell 2. Kuperingsgrad och markytans ytjämnhet enligt SIS-TS 21144:2016.
Klass Kuperingsgrad Detaljrikedom Markens ytjämnhet
J1 Plan mark 1 Detaljfattig a) Jämn b) Ojämn
J2 Kuperad mark 2 Detaljrik a) Jämn b) Ojämn
J3 Mycket kuperad mark 3 Mycket detaljrik a) Jämn b) Ojämn
Undersökningsområdet klassificeras till J2b-1, ojämn kuperad mark och detaljfattigt område. Enligt SIS-TS 21144:2016 tabell 8 ska en DTM med beteckningen J2b-1 innehålla minst 150 punkter per hektar. Detta innebär att området behöver innehålla ca tolv punkter per hundra meter med max åtta meters mellanrum.
Kvalitetskraven för markytorna bestäms i medelavvikelse i höjd genom en generell klassning av DTM samt markslag enligt SIS-TS 21144:2016 tabell 6 och tabell 7.
Tabell 3 i denna studie visar undersökningsområdets noggrannhetsklassning.
Tabell 3. Kvalitetskrav för DTM:s användningsområde samt marktyp enligt SIS-TS 21144:2016.
Klass Maximal medelavvikelse i höjd (m) Användningsområde
2 0,05 Mängdberäkning på jämna markytor
3 0,1 Mängdberäkning på övriga ytor
Markslag
B 0,03 Grus- och asfaltsytor
D 0,1 Parkmark, gräsytor
Kvalitetskraven för undersökningsområdet är klass 2B för grusytan, där kravet för maximal medelavvikelse i höjd är 0,05 m respektive 0,03 m. Kraven för gräsytan är klass 3D, där kravet för maximal medeavvikelse i höjd är 0,1 m.
14 3.1.1 Kontrollprofiler
Kontroll av DTM utförs med utförande A och kontrollnivå 1 enligt SIS-TS 21144:2016, vilka är avsedda för kontroll vid flygskanning. Vid utförande av kontrollprofiler krävs det beräkning av totalt antal kontrollprofiler, vilket utförs i hänsyn till modellens innehållande marktyper samt area enligt ekvation 2.
3𝑁 + √𝐴 (2) Där N är antalet marktyper och A motsvarar arean på området. Profilerna ska ha en längd på minst 20 m, innehålla minst 20 punkter med ett maximalt avstånd på 3 m mellan kontrollpunkterna. Noggrannheten vid inmätningen av kontrollprofilerna ska klara av 1/3 av toleransen (HMK– Geodesi: Terrester detaljmätning, 2015). För att klara av 1/3 av toleransen vid kontrollmätning för NRTK-GNSS krävs det därför en inmätning med totalstation.
3.1.2 Flygburen laserskanning
HMK–Flygburen laserskanning 2017 tar upp HMK-standardnivå vid insamling av data med hjälp av flygburen laserskanning. Enligt tabell 2.3.1 i samma HMK dokument tar de upp rekommendationer för punkttäthet och lägesosäkerhet i plan och höjd. Enligt tabellen bör HMK-standardnivå 1 ha en punkttäthet på 0,5–2 punkter/m2 samt en lägesosäkerhet på 0,3 m i plan och 0,1 m i höjd. Den nationella höjdmodellen räknas generellt som standardnivå 1 enligt HMK. HMK-standardnivå 2 bör ha en punkttäthet på 6–12 punkter/m2 samt en lägesosäkerhet på 0,15 m i plan och 0,05 m i höjd. HMK-standardnivå 3, vilken är den högsta nivån, bör ha en punkttäthet på 20–30 punkter/m2 samt en lägesosäkerhet på 0,05 m i plan och 0,02 m i höjd. Enligt kvalitetsbeskrivning av Laserdata NH ska terrängmodeller som skapats från Laserdata NH enligt klassificeringsnivå 2 även ha manuellt tillagda punkter (Lantmäteriet, 2020a). Vid broar och strandkanter kompletteras
punktmolnet med manuellt inmätta punkter vid strandkanten och underliggande vägbana, detta för att en bra TIN-modell ska kunna skapas. Vid klassificeringsnivå 3 ska även brytlinjer göras utifrån nykarterade strandlinjer när vatten ska klassas i laserdata, vattnet blir då plant med en och samma höjd. Detta gäller dock inte för laserdata som är producerat före år 2017 och för vattendrag som är mindre än 6 m och sjöar som är mindre än 0,25 km2, hav ingår inte (Lantmäteriet, 2020a).
15 3.1.3 Beräkningar
Enskilda profiler
I studien kommer kontrollprofiler att upprättas som ”sanna” höjder. Beräkningar för höjdavvikelser mellan DTM samt kontrollprofilernas enskilda punkter beräknas enligt ekvation 3 i enlighet med SIS-TS 21144:2016:
𝐴ℎ𝑖 = 𝑇ℎ𝑖 − 𝐾ℎ𝑖 (3) Där 𝐴ℎ𝑖 är avvikelse i kontrollpunkt 𝑖, 𝑇ℎ𝑖 är höjd för DTM vid kontrollpunkten och 𝐾ℎ𝑖 är kontrollpunktens höjd.
Medelavvikelsen för varje profil beräknas enligt SIS-TS 21144:2016 (ekvation 4) detta för att kunna utvärdera om höjdavvikelserna ligger för högt eller för lågt i någon del av ett område:
𝐴ℎ𝑚 =∑ 𝐴ℎ𝑖
𝑛𝑖=1
𝑛 (4) 𝐴ℎ𝑚 är medelavvikelsen, 𝐴ℎ𝑖 är höjdavvikelsen (med sitt tecken) i varje punkt och 𝑛 är antalet punkter i profilen.
Standardosäkerheten 𝑆𝑝 beräknas också enligt SIS-TS 21144:2016 och visar mätosäkerheten i en enskild profil enligt ekvation 5:
𝑆𝑝 = √∑𝑛𝑖=1(𝐴ℎ𝑖−𝐴ℎ𝑚)2
𝑛−1 (5)
𝐴ℎ𝑖 är enskild höjdavvikelse i profilen, 𝐴ℎ𝑚 är medelavvikelsen i den enskilda profilen och 𝑛 är antalet bestämda höjdavvikelser (kontrollpunkter) i profilen.
Profiler på en marktyp
Medelavvikelsen 𝑀𝑎𝑝𝑡 och standardosäkerheten 𝑆𝑝𝑡beräknas enligt SIS-TS 21144:2016, se ekvation 6 och 7:
𝑀𝑎𝑝𝑡 =∑𝑛𝑖=1𝐴ℎ𝑖
𝑛 (6)
16
𝑆𝑝𝑡 = √∑𝑛𝑖=1(𝐴ℎ𝑖−𝑀𝑎𝑝𝑡)2
𝑛−1 (7) Där 𝑛 nu är antalet kontrollpunkter inom marktypen. Storleken och tecknet på medelavvikelsen 𝑀𝑎𝑝𝑡 indikerar på om det finns systematisk avvikelse mellan DTM och kontrollprofiler inom en marktyp.
Mätosäkerheten kan även beräknas som ett RMS-värde då det är ett spridningsmått runt ett sant eller önskvärt värde, t.ex. 0 (noll) i vår studie, då det är önskvärt att höjdavvikelsen mellan DTM och kontrollprofil är 0. Om RMS är större än standardosäkerheten i studien finns sannolikt en systematisk avvikelse i den undersökta marktypen. RMS beräknas enligt ekvation 8:
𝑅𝑀𝑆 = √∑𝑛𝑖=1(𝐴ℎ𝑖−0)2
𝑛 (8) Där (𝐴ℎ𝑖 − 0) är i vårt fall skillnaden mätt värde och det önskvärda värdet 0. 𝑛 är antalet kontrollpunkter inom marktypen.
Statistisk testning
Om 𝑀𝑎𝑝𝑡indikerar på systematisk avvikelse, kan dess belopp statistiskt testas för att fastställa om det finns någon sådan som förklarar skillnaden mellan DTM och kontrollprofilerna. Tecknet på 𝑀𝑎𝑝𝑡 avgör om DTM ligger över eller under kontrollprofilerna. Under antagandet att höjdavvikelserna har tillkommit
slumpmässigt kan ett ensidigt z-test användas för att undersöka skillnaden (ekvation 9). Teststatistikan för detta är:
𝑧𝑜𝑏𝑠 = 𝑀𝑎𝑝𝑡
𝑆𝑝𝑡/√𝑛 (9) Det 95 %-iga konfidensintervallet inom vilket 𝑀𝑎𝑝𝑡 kan hamna blir då:
0 ≥ 𝑀𝑎𝑝𝑡 ≥ −1,645𝑆𝑝𝑡/√𝑛 för negativ höjdavvikelse (10) 0 ≤ 𝑀𝑎𝑝𝑡 ≤ +1,645𝑆𝑝𝑡/√𝑛 för positiv höjdavvikelse (11) Hamnar 𝑀𝑎𝑝𝑡 innanför endera av intervallen, finns ingen statistisk signifikant skillnad mellan DTM och kontrollprofiler.
17 3.2 Områdesbeskrivning
Mätningen utfördes i en del av Teknikparken belägen i västra delen av Gävle, Sverige (figur 1). Området är täckt av kortare gräs och har en area på ca 8500 kvadratmeter, vilket motsvarar 0,85 hektar. Terrängen är lätt kuperad i södra delen och övergår till en flackare del där det finns en liten upphöjd kulle med flaggstänger.
Väster om området ligger en bilväg och runt området finns promenadstråk med grusunderlag. Vädret under mätningen var delvis soligt med inslag av hagel och snö.
Det blåste även mycket där det kunde uppstå kraftigare vindbyar.
Figur 1. Studieområdets belägenhet i Gävle, Sverige. Bakgrundskarta hämtad från SLU.
3.3 Instrument och materiel
Laserdata NH är hämtat från Lantmäteriet som har samlats in genom laserskanning från flygplan år 2015. Laserskannern är tillverkad av Leica och är av modellen ALS60. Området skannades 4,7 och 9 maj 2015. Efter stråkutjämning och
inpassning på stöd var RMS mot kontrollobjekt i höjd cirka 4 cm. RMS-värdet gäller för hela skanningsområdet och det finns inga stöd- eller kontrollobjekt i närheten av Gävle (A. Rönnberg, personlig kommunikation 11 maj 2020). Se tabell 4 angående information om laserdata för området.
18
Tabell 4. Information om laserdata för området med beteckning 15C051.
Skanningsområde 15C051
Lägsta punkttäthet 0,5 punkter/m²
Flyghöjd 2200 m
Flyghastighet 135 knop Pulsfrekvens 104 100 Hz Skanningsfrekvens 40 Hz
Skanningsvinkel Max ± 20°
Stråkövertäckning 10–20 % Fotavtryck på
marken 0,5 m vid 2200 m flyghöjd Referenssystem i
plan SWEREF 99 TM
Referenssystem i
höjd RH2000
Geoidmodell SWEN08_RH2000 Inskanningsdatum 4,7 och 9 Maj
RMS ca 0,04 m
Tillgängliga
höjdstöd 8 st
NRTK-GNSS-mätningarna utfördes med en Leica Viva GS14 antenn och
mätningarna av kontrollprofilerna utfördes med en Leica Viva TS15 totalstation.
Båda instrumenten samt annat material lånades av Högskolan i Gävle.
Avståndsmätningens osäkerhet för TS15 är 1 mm + 1,5 ppm och vinkelmätningsosäkerheten är 0,3 mgon (Leica Geosystems, u.å.a).
Initialiseringstiden för Leica Viva GS14 anses var omkring fyra sekunder och
mätningsosäkerheten vid NRTK är 8 mm + 0,5 ppm horisontellt och 15 mm + 0,5 ppm vertikalt (Leica Geosystems, u.å.b). Eftersom Lantmäteriet använde sig av referenssystemet SWEREF 99 TM och geoidmodellen SWEN08_RH2000, användes även dessa i studien för att kunna jämföra data.
19 3.4 Mätning
3.4.1 Etableringspunkter
Fyra etableringspunkter placerades ut för den fria stationsetableringen (se figur 2).
Punkterna markerades med plastspik i gräs och stålspik på grusvägarna. Leica Viva GS14 användes för att mäta in punkterna och monterades på en GNSS lodstång med en höjd på 2 m. GNSS-antennen centrerades över den utsatta punkten med hjälp av signalkäppar som stöd. Den valda metoden för att mäta in punkterna var 180-
sekundersmetoden kombinerad med tre återbesök på 20–30 minuters tidsseparation enligt rekommendation från Jansson & Lundgren (2018) samt HMK–GNSS-baserad detaljmätning (2017). Punkterna medeltalsbildades där differensen mellan alla mätningarna var godkänd. Fixlösning erhölls vid samtliga mätningar. Alla nödvändiga inställningar ställdes in på GNSS fältdatorn vilka var enligt rekommendation från HMK–GNSS-baserad detaljmätning (2017) och SIS-TS 21144:2016. Avskärningsvinkel på 15°, PDOP värdet sattes till <3, max avvikelse i höjd och plan 0,03 m respektive 0,05 m, CQ (koordinatkvalitet) på max 0,03 m och satelliter från GPS, GLONASS samt Galileo användes.
Figur 2. Bild över området. Det rödmarkerade visualiserar gränsen för området, den blå punkten visar stationsetableringen och de gröna prickarna visualiserar etableringspunkterna. Bakgrundskarta hämtad från SLU.
20 3.4.2 GNSS-mätning för terrängmodell
Kontroll av GNSS-mottagare utfördes på en känd stompunkt i det nationella
referensnätet i höjd, RH2000. Punkten mättes in med 180-sekunder. Kontrollen var godkänd, se vidare i Bilaga E.
Enligt HMK–GNSS-baserad detaljmätning (2017) ska varje punkt mätas in under minst fyra sekunder för att kunna utföra en bra medeltalsbildning av positionerna.
Området mättes in med fem positioner per inmätning. Gräsytan mättes in med tätare punkter där det var kuperat och med glesare punkter där det blev flackt och detaljfattigt. Alla punkter hade dock max åtta meters avstånd emellan. Grusvägen mättes in med punkter på bägge kanter samt vägmitt. För att se tillgängligheten för satelliterna GPS, GLONASS och Galileo under mätningen samt jonosfärpåverkan hämtades information in från SWEPOS internettjänster. Ingen avvikande störning påträffades, se Bilaga F.
3.4.3 Kontrollprofiler
I studien användes kontrollprofiler till att bestämma noggrannheten i
höjdmodellerna. För inmätningen av dessa användes en totalstation av modellen Leica Viva TS15. Totalstationen etablerades med metoden fri station där de fyra tidigare inmätta etableringspunkterna P1, P2, P3 och P4 användes som bakåtobjekt.
Inmätningen av etableringspunkterna utfördes med ett Leica 360º-prisma monterat på en prismastång på 1,6 m, på grund av vindbyarna, och horisonterades över punkterna med hjälp av stödkäppar. Efter att alla fyra punkter mätts in, beräknades etableringen och kvaliteten kontrollerades. Stationsetableringen klarade toleranserna för fri stationsetablering enligt HMK–Geodesi: Terrester Detaljmätning (2017) avsnitt 3.1.3, se Bilaga D. Minsta antal kontrollprofiler beräknas enligt avsnitt 3.1.1 ekvation 2.Mätområdet ansågs ha två marktyper; jämna grusytor samt ojämn terräng. Antal kontrollprofiler som behövdes för området var då sex. Inmätningen av kontrollprofilerna utfördes även det med ett Leica 360º-prisma monterat på en prismastång, vilken horisonterades med hjälp av stödkäpp. Tre kontrollprofiler mättes in på gräsytan och tre kontrollprofiler mättes in på grusvägen, då minst tre profiler måste mätas in på varje markyta enligt utförande A (se figur 3).
21
Figur 3. Visualisering av kontrollprofiler på ortofoto (vänster) samt kontrollprofilerna på DTM:en skapad från Laserdata NH (höger).
3.5 Bearbetning och jämförelse av DTM
Lantmäteriets Laserdata NH hämtades från SLU:s digitala nedladdningstjänst GET (Geodata Extraction Tool). Punktmolnet importerades till programvaran FME Workbench 2019 där vegetation såsom träd filtrerades bort med hjälp av en
filteralgoritm för att endast ha kvar markpunkter. Filtreringen utfördes med hjälp av FME Help (Safe Software, 2019). Punktmolnet importerades sedan till SBG Geo där höjderna från Laserdata NH och inmätningen med NRTK-GNSS jämfördes med kontrollprofilernas höjder. För att visualisera området från både Laserdata NH och inmätningen med NRTK-GNSS, skapades en terrängmodell av båda punktmolnen genom triangulering. Resultatet från jämförelsen av de två terrängmodellerna och kontrollprofilerna fördes in i Excel där min- och maxavvikelse, medelavvikelse, standardosäkerhet samt RMS beräknades för varje profil, markyta samt för hela modellen. Ett z-test utfördes för att statistiskt testa medelavvikelsen inom varje marktyp och på så sätt ta reda på ifall det fanns en skillnad mellan DTM och kontrollprofilers medelavvikelse.
