LiDAR study - the Pasvik valley, presentation of project results.

Transkript

1 LiDAR study - the Pasvik valley, presentation of project results. Jan Ingolf Kleppe Special advisor/archaeologist Planning and Culture Department Finnmark County Authority

2 Data Data fra Geovekstprosjekt Første prosjekt vi gjennomførte var initiert av Riksantikvaren/NIKU med deltakelse fra FFK og Sametinget Gollevarre-Karlebotn i Tana/Neseby kommuner. 10 kvadratkilometer. Bidrar hvor vi ser det som interessant Utivdelser av området Økning av punkttetthet Kvalitet viktig, foreliggende data spenner fra 1,5 til 8 pkt på bakke pr kvadratmeter Skulle gjerne hatt fullstendige datasett, ikke klippet til f.eks. vegtrase eller lignende Punktmengde på bakke påvirker modelleringskvalitet Få punkt 1x1 eller 0,75x0.75 Flere punkt (3->) mulig med 0,25x0,25 eller bedre Lokale forhold vil også kunne påvirke resultatene: Vegetasjon Lagring - LAS/LAZ format Laszip komprimerer til LAZ: filstørrelse reduseres til ca en tiendedel LAZ støttes av flere og flere program - Laszip i stadig utvikling åpent! lastools.org rapidlasso.com Største enkeltprosjekt Pasvikdalen: 768Gb LAS data -> 76,8Gb LAZ lossless Modellering Quick Terrain Modeller Produseres DEM i TIF format Testing av lastools med positive resultat: batch prosessering, etc.

3 Analyseverktøy Lukket/delvis lukket programvare Lukket: Quick Terrain Modeller Delvis lukket Lastools. Laszip ÅPEN! Kan integreres i QGIS Fri programvare Relief Visualization Toolbox Enkeltstående versjon, kjører en eller flere metoder på grunnleggende DTM. Vi bruker: Multihillshade Skyview Factor Openness negative og positive Slope Quantum GIS (QGIS) Generell håndtering av resultat GRASS GIS Alle algoritmer integrert i QGIS R.param.scale, landskapstrekk SAGA GIS Alle algoritmer integrert i QGIS Håndterer punktskyer direkte GDAL Inkludert SOSI-driver og openfyba FUSION Lidar analyse Kan integreres i QGIS Cloud Compare Direkte analyse av punktsky håndterer også LAZ «On-the-fly» Delaunay triangulering

4 Analysemetoder Multihillshade Flere skyggerelieff kombinert i ett, fargekodet Sky view factor (SVF) Analyserer synlig del av himmelen over senterpkt pr rute Openness (negativ/positiv) (ON n/p) Analyserer åpenhet rundt hver rute Positiv og negativ er komplementære, ikke motsetninger. Kan kombineres. R.param.scale feature (RPSF) Analyserer landskapstrekk, det vil si, rygger, søkk, pass, topper etc. METODENE BØR BRUKES I KOMBINASJON! Også anbefalt i litteratur Multihillshade + SVF eller ON Multihillshade + SVF/ON + RPSF Slope + ON (+ RPSF) etc Terrenget avgjørende for bl.a. SVF vs ON ON takler skråninger bedre, mister ikke trekk/detaljer

5 Resultater og utfordringer Etter hvert som dekningen blir bedre tas LiDAR i bruk direkte i saksbehandlingen der det er mulig Både øst og vest Dekningen blir bedre og bedre! Største enkeltområde pr i dag Pasvikdalen fra og med Bjørnevatn til Grensefoss/Treriksrøysa Mer data lagringsutfordring! P.t. brukt 2,33 Tb av 3,99 Tb RÅDATA I tillegg kommer analyseresultat Komprimering viktig ikke minst med tanke på saksbehandling! Automatisering? Mulig med programvaren vi har, testing pågår Vi påviser kulturminner selv med 1x1 modeller bygd på 1,5 bakkepkt pr kvadratmeter Pkt pr m2, DEM oppløsning Grove modeller (1x1m e.l.) kan skjule kulturminner i et datasett med 3 pkt eller mer Grove modeller (0,75x0,75m eller 1x1m) kan vise kulturminner i et datasett med mindre enn 3 pkt noe som er et lite paradoks Testing i bl.a. Oppland har vist at man for å «se» et kulturminne trenger så lite som 0,073 pkt pr kvadratmeter Fangstgrop, dyp og bred allerede kjent Ønskelig med minimum 3 bakkepkt, gir mulighet til bedre modeller og sikrere treff samt treff på «vanskeligere» kulturminner. I modeller med 0,25x0,25m oppløsning kan vi trekke fram detaljer ved kulturminnene Vi kan identifisere gropaktige kulturminner som fangstgroper og tufter enkelt selv under dårlige forhold Røyser, ildsted etc langt vanskeligere Kan i noen tilfeller la seg løse med gode datasett og alternative data som f.eks. intensitet Kan ikke påvise strukturløse boplasser, men gir langt bedre lokale terrengmodeller for prediksjon i forhold til slike I kombinasjon med blant annet NGUs Marin Grense database/andre strandforskyvingsdata samt løsmasse data

6 Resultater og utfordringer 2 Analysemetodene som er valgt krever maskinkraft for å produsere resultat Standard oppsett er prosessering av 5 deriverte datasett pr DEM fil med 0,25x0,25m oppløsning tilsvarer dette i snitt 3200x2400 ruter pr fil. Avhengig av områdets størrelse kan det være nødvendig å kjøre fra 1 til hundrevis av filer gjennom prosessen. TAR TID! For et gitt LiDAR prosjekt blir det derfor utarbeida oversiktsfiler som viser hvilke DEM filer som er tilgjengelig, og gir lett tilgang til aktuelle filer for videre prosessering Videre prosessering kan med oppsettet vist ovenfor produsere massive deriverte datasett. Arbeidsmåten gir samtidig rom for at datasett kan tas med ut i felt for feltkontroll.

7 Examples and results 3 examples of housepits from Gropbakkengen, Nesseby county 7 examples of housepits and hunting-pits from Gollevarre, Tana/Nesseby counties 3 tests on known housepits in the Pasvik valley, different analysis methods. 4 examples hunting-pits, Pasvik valley. Different analysis methods, known and new pits.

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24 -Original registrering: 11 enkeltminner -LiDAR registrering: Over 120 groper inklusive gammel registrering -Rekka delvis dekket av den gamle registreringen alene er ihvf 80 groper (før feltkontroll) -To/tre nye rekker påvist Askeladden ID nr 17202: Lengst i NØ: Fornminne 1: Forsenkning, oval, klart markert, noe voll i SØ. NV-SØ gående sauegjerde passerer graven. Lengde NV-SØ 2 m, bredde NØ-SV 1,5 m, dybde 0,9 m. 9 m SSØ for fornminne 1: Fornminne 2: Ditto forsenkning. Klart markert, kraftig voll, lengde NV-SØ 3 m, bredde NØ-SV 2 m, dybde 1,5 m. Vollens bredde 1 m. 14 m SSØ for fornminne 2: Fornminne 3: Ditto forsenkning. Klart markert, kraftig voll, lengde NV-SØ 4 m, bredde NØ-SV 3 m, dybde 1,5 m. Vollens bredde 1 m. 12 m SV for fornminne 3: Fornminne 4: Ditto forsenkning, klart markert, kraftig voll, lengde NNØ-SSV 4 m, bredde NV-SØ 3 m, dybde 1,5 m. Vollens bredde 1 m. 17 m SØ for fornminne 4: Fornminne 5: Ditto forsenkning, klart markert, lengde N-S 4 m, bredde Ø-V 3 m, dybde 1,7 m. 16 m SSØ for fornminne 5: Fornminne 6: Ditto forsenkning, klart markert, lengde Ø-V 4 m, bredde N-S 3 m, dybde 1,2 m. 31 m S for fornminne 6: Fornminne 7: Ditto forsenkning, uklart markert, lengde Ø-V 1,5 m, bredde N-S 1 m, dybde 0,8 m. 15 m SSV for fornminne 7: Fornminne 8: Ditto forsenkning, uklart markert, lengde SØ-NV 2 m, bredde SV-NØ 1 m, dybde 0,3 m. 12 m SSV for fornminne 8: Fornminne 9: Ditto forsenkning, klart markert, einer i bunnen,lengde SØ- NV 3 m, bredde NØ-SV 2 m, dybde 0,6 m. 8 m SSV for fornminne 9: Fornminne 10: Ditto forsenkning, klart markert. Ung furu i bunnen, lengde SØ-NV 3 m, bredde NØ-SV 2 m, dybde 1 m. 15 m NV for fornminne 4: Fornminne 11: Ditto forsenkning, klart markert, lengde Ø-V 4 m, bredde N-S 3 m, dybde 1,6 m.

25

26