Halvard Bjerke

     25 år fra Larvik Fem års utdannelse fra Universitetet for miljø- og biovitenskap (UMB) på Ås Studert geomatikk med fordypning innafor fotogrammetri Leverte masteroppgaven like før sommeren Jobber nå på Krigsskolen i Oslo som høyskolelektor ved ingeniørutdannelsen

   Var et samarbeid med Blom Geomatics på Skøyen og Skog og landskap på Ås Oppsummerer erfaringene med bruk av laserdata til å avdekke muligheter for å støtte ajourhold av arealressurskartet AR5 Det er lagt vekt på gode beskrivelser av de ulike stegene i prosessen for at Skog og landskap skal dra nytte av denne erfaringen og kunnskapen i videre sammenhenger

  Arealressurskartet AR5 er et kartdatasett som Skog og landskap tilbyr Det skal beskrive Norges arealressurser og må derfor holdes løpende à jour siden arealer forandres med tiden

http://kilden.skogoglandskap.no/

   Et laserskannet område i Ås kommune våren 2008 er valgt som testområde Den gjennomsnittlige punkttettheten er god (ca 2,5 punkt per m 2 ) Programvare fra Blom (LidarStat) etablerer rasterbilder ut av laserdataene med 2 meters pikselstørrelse som bl.a. viser høyder, pulsreturer og intensiteter

Analysen av laserdataene blir delt i to 1.

2.

Objektbasert bildeanalyse (OBBA) i eCognition Developer Overlagsanalyse i ArcMap

 En Chessboard segmentering knytter rasterne til AR5

  En chessboard-segmentering knytter rasterne til AR5 En multiresolution-segmentering deler områder inn i homogene segmenter

   En chessboard-segmentering knytter rasterne til AR5 En multiresolution-segmentering deler områder inn i homogene segmenter Disse segmentene klassifiseres etter gitte kriterier og plasseres i de klassene som beskriver dem best

    En chessboard-segmentering knytter rasterne til AR5 En multiresolution-segmentering deler områder inn i homogene segmenter Disse segmentene klassifiseres etter gitte kriterier og plasseres i de klassene som beskriver dem best Tilslutt eksporteres et resultat med de interessante områdene til et vektorkart som kan studeres nærmere i GIS-programmer

 Høyder på fulldyrka jord (nDOM_eneste-retur)

 Skog og ikke-skog (nDOM)

 Skogøyer på fulldyrka jord (nDOM)

 Bygninger i skogområder (nDOM_eneste-retur - fil)

   ArcMap kombinerer AR5 med de etablerte rasterbildene Basert på kunnskap om de ulike informasjonsekstraktene fra laserdata, velges passende rastere til sine formål og en overlagsanalyse trekker ut de områdene som er av interesse Flere visuelle betraktninger av rastere er også gjort i ArcMap der fokuset er å vise hvor gode bilder laserdataene kan gi av bakken

 Endring på fulldyrka jord

  Endring av fulldyrka jord Høyder på fulldyrka jord Skog og ikke-skog

   Endring av fulldyrka jord Høyder på fulldyrka jord Skog og ikke-skog Bygninger i skog

  Resultatene fra eCognition viser at høyder på fulldyrka jord blir detektert, skogområder blir delt i skog og ikke-skog, og hushøyder kan skilles fra trehøyder i mange tilfeller. eCognition klarer å klassifisere skogøyer

   Resultatene av rasterkombinasjonen fra ArcMap viser at høyder skilles ut både i skog og på fulldyrka jord, og at bygninger kan ofte skilles fra vegetasjon ved å se på ulike pulsreturer Med god punkttetthet kan intensitetsrastere likne på ortofoto, og derfor skape et godt visuelt bilde av bakken Høydemodeller benyttes til å lage skygge- og helningsrastere som beskriver terrenget

   Erfaringer fra denne oppgaven tilsier at det finnes store muligheter for å kunne bruke laserdata som hjelpemiddel ved ajourhold av AR5. Med stor nok punkttetthet vil det oppnås gode visuelle bilder som kan benyttes til tolkning av bakken. Både ved å utarbeide regelsett i eCognition og utføre overlagsanalyser i ArcMap vil forslag til mulige endringer kunne detekteres.