Utvikling av standardiserte bakkesannheter for økosystemer på land
Research report
Åpne
Permanent lenke
https://hdl.handle.net/11250/2722738Utgivelsesdato
2021Metadata
Vis full innførselSamlinger
- NINA Rapport/NINA Report [2351]
Sammendrag
Bakkestuen, V. & Venter, Z. 2021. Utvikling av standardiserte bakkesannheter for økosystemer på land. NINA Rapport 1922. Norsk institutt for naturforskning.
Miljøforvaltningen har betydelige kartleggings- og overvåkingsbehov. Dette gjelder særlig for heldekkende overvåking av status og endringer av naturtypene som finnes i Norge. Fjernmåling er en arealdekkende teknologi som kan gjøre naturovervåkingen mer kostnadseffektiv og som gir areal- og utslippsstatistikker som er mulig å oppdatere fortløpende. Dette er nødvendig for å kunne gi et godt grunnlag for målrettet forvaltning og politikkutforming.
På tross av de mulighetene som ligger i fjernmålte produkter, så har de også en rekke utfordringer knyttet til seg når det gjelder å gjøre produktene forvaltningsrelevante. Det ligger en usikkerhet i alle fjernmålte kartprodukter. Forvaltningen er særlig avhengig av at heldekkende naturtypekartprodukter er nøyaktige nok for det gitte forvaltningsformålet med hensyn på riktig klassifisering av arealer. For de fleste forvaltningsformål vil utviklingen av gode produkter kreve tilgang til bakkesannheter av tilstrekkelig kvalitet og omfang. Tidligere rapporter har tydeliggjort at mangel på gode akkesannhetsdata er en begrensning for bruk av fjernmåling i Norge.
I denne rapporten har vi sett på hvilke eksisterende kilder til in situ kartlagte data vi har i Norge som kan brukes som gode bakkesannheter for fjernmåling (BFF). Vi har sett på mulighetene for å hente BFF som ligger i de arealrepresentative overvåkingssystemene Landsskogtakseringen (LST) og i Arealrepresentativ overvåking (ANO), som er de to eksisterende store programmene for innhenting av arealstatistikk og overvåking i Norge. I tillegg har vi høstet erfaringer fra to store internasjonale programmer, LUCAS og LCMAP, som også kan brukes i innhenting av BFF. ESA sin in-situ komponent er også kort beskrevet.
Rapporten går igjennom hvilke krav som bør settes for gode BFF, både når det kommer til de statistisk riktige metodene og de mest løsningsorienterte metodene i forhold til tilgjengelige ressurser. Rapporten har kommet fram til seks viktige krav som BFF bør oppfylle: (i) generelt krav om statistisk utlegging av BFF som oppfyller kravene i moderne samplingsmetodikk også når det gjelder representativt utvalg av prøveflater, (ii) oppfyller homogenitetskravet for BFF, (iii) oppfyller arealkravet for minstestørrelse for BFF, (iv) oppfyller kravet om tilstrekkelig antall, (v) har innebygget mulighet til å fange opp sjeldne arealtyper og (vi) at BFF ligger fritt tilgjengelig maskinlesbart et sted på nettet. Det siste er viktig med tanke på FAIR prinsippene. De aller fleste eksisterende overvåkingsprogrammene som ikke er tilpasset BFF i utgangspunktet, sliter med å oppfylle krav (ii) homogenitet og (iii) tilstrekkelig minsteareal. Dette gjelder også LST og ANO. Det er viktig at dataene er kvalitetssikret (særlig hvis man punsjer i felt).
LUCAS (Land Use/Cover Area frame Survey) er et EU-samarbeid (Eurostat) som skal gi harmonisert og sammenlignbar statistikk om arealbruk og arealtyper over hele EU. LUCAS utføres, som i LST og ANO, med feltobservasjoner i et lite sentrert areal (her i en sirkel med 1,5 m radius) på utvalgte forhåndsdefinerte prøvepunkter. LUCAS har eksistert siden 2006 og feltarbeid gjennomføres hvert 3. år. LUCAS sin kjerneprotokoll for innsamling av data hadde store begrensninger på romlig skala og representativitet når det gjaldt å bruke disse innsamlingene til kalibrering, opplæring og/eller validering av fjernmålte produkter. Derfor gjorde LUCAS en tilpasning i 2018 for å imøtekomme kravene som BFF bør oppfylle. Den viktigste endringen gjort i 2018 besto i å lage en homogent LUCAS polygon rundt kjerneområdene. En LUCAS polygon består av fire innmålte punkter i N, S, Ø, V retning i opptil 51 meter fra midtpunktet dersom arealtypen/klassen ikke endrer seg i løpet av denne distansen. Ved endring av arealtype i en eller flere av kardinalretningene settes punktet i overgangen av arealtypene/klassene.
Ved å innføre en slik liten endring som ble gjort LUCAS i 2018, ville man kunne gjøre LST og ANO mye mer anvendbare i BFF sammenheng. Om dette ikke er praktisk mulig å lage en LUCAS polygon, vil en vurdering av homogenitet i arealtype eller arealklasse i en sirkel med radius 25 meter rundt det eksisterende midtpunktet, være til stor nytte.
Rapporten foreslår å lage kartprodukter fra fjernmåling i en tre trinns prosess, alt etter hvilken presisjon som ønskes i sluttproduktet. Første trinn, som kan være en skrivebordsøvelse der man henter treningspunkter fra ekspertvurderinger og tolkninger av flyfoto/satellitt, vil kunne være utgangspunkt for et førstegenerasjonskart. Førstegenerasjonskartet kan brukes til å lage en samplingsstrategi for innhenting av bakkesannheter i felt i trinn to. Det er foreslått å hente inn 50 – 100 BFF for å lage et andregenerasjonskart. Dersom det andre generasjonskartet i trinn to virker lovende, dvs. har gode valideringsresultater fra de innhentede BFF, åpner dette for trinn tre, hvor det gjerne innhentes 500 eller flere BFF (blant annet avhengig av valideringsresultatene i trinn to) for å lage et tredje generasjonskart med høy kvalitet.
I rapporten finnes det også et forslag til en BFF app, som allerede er tatt i bruk av Miljødirektoratet i andre pågående prosjekter slik som ANO. Det er gitt konkrete forslag til hva som skal samles inn av parametere i appen.
Med muligheter for mer objektbasert klassifikasjon i pikselnaboskap, og mer fokus på mønster-analyser i framtiden, vil antagelig etterspørselen etter mer dyplæringsanvendelige BFF, som bilde chips, øke i framtiden. Bakkestuen, V. & Venter, Z. 2021. Development of standardized ground truths for terrestrial ecosystems. NINA Report 1922. Norwegian Institute for Nature Research.
The environmental authorities have significant mapping and monitoring needs. This applies in particular to comprehensive monitoring of the status and changes of the habitat types found in Norway. Remote sensing is a relatively new area-covering technology that can make nature monitoring more cost-effective, and provide area and emission statistics that are possible to update continuously. This is necessary to be able to provide a good basis for targeted management and policy formulation.
Despite the opportunities that lie in remotely measured products, they also have a number of challenges associated with them when it comes to making the products management relevant. There is an uncertainty in all remotely measured map products. The management is particularly dependent on solid nature type map products being accurate enough for the given management purpose with regard to the correct classification of areas. For most management purposes, the development of good products will require access to ground truths of sufficient quality and scope. Previous reports have made it clear that the lack of good ground truth data is a limitation for the use of remote sensing in Norway.
In this report, we have looked at which existing sources of in situ mapped data we have in Norway that can be used as good ground truths for remote sensing (BFF). We have looked at the possibilities for retrieving BFF, which are located in the area-representative monitoring systems Landsskogstaseringen (LST) and in Area-representative monitoring (ANO), which are the two existing large programs for obtaining area statistics and monitoring in Norway. In addition, we have gained experience from two major international programs, LUCAS and LCMAP, which can also be used in obtaining BFF. ESA's in-situ component is also briefly discussed.
The report reviews the requirements that should be set for good BFFs, both when it comes to the statistically correct methods and the most solution-oriented methods in relation to available resources. The report has identified six important requirements that BFF should meet: (i) general requirements for statistical interpretation of BFF that meet the requirements of modern sampling methodology also with regard to representative selection of sample surfaces, (ii) meet the homogeneity requirement for BFF, (iii) meets the area requirement for minimum size for BFF, (iv) meets the requirement for a sufficient number, (v) has a built-in ability to capture rare area types and (vi) that BFF is freely available machine readable somewhere on the web. The latter is im-portant in terms of FAIR principles. The vast majority of existing monitoring programs that are not adapted to BFF in the first place, struggle to meet requirements (ii) homogeneity and (iii) sufficient minimum area. This also applies to LST and ANO. It is important that the data is quality assured (especially if you punch in the field).
LUCAS (Land Use / Cover Area Frame Survey) is an EU collaboration (Eurostat) that will provide harmonized and comparable statistics on land use and land types throughout the EU. LUCAS is performed, as in LST and ANO, with field observations in a small centered area (here in a circle with a radius of 1.5 m) at selected predefined test points. LUCAS has existed since 2006 and fieldwork is carried out every 3 years. LUCAS 'core data collection protocol had major limitations on a spatial scale and representativeness in using these collections for calibration, training and / or validation of remotely measured products. Therefore, LUCAS made an adjustment in 2018 to meet the requirements that BFF should meet. The most important change made in 2018 was to create a homogeneous LUCAS polygon around the core areas. A LUCAS polygon consists of four measured points in the N, S, Ø, V direction at up to 51 meters from the center point if the area type / class does not change during this distance. When changing the area type in one or more of the cardinal directions, the point is set in the transition of the area types / classes.
By introducing such a small change that was made to LUCAS in 2018, one would be able to make LST and ANO much more usable in the BFF context. In principle this would maintain the information already collected in LST and ANO but make it representative and applicable to re-mote sensing methods. If this is not possible, simply verifying that LST, ANO or other existing BFF points consist of or do not consist of a homogeneous area type or area class in a circle with a radius of 25 meters around the existing midpoint, would be of great use.
The report proposes to make map products from remote measurement in a three-step process, depending on the precision desired in the final product. The first step, which can be a desk exercise where you get training points from expert assessments and interpretations of aerial photos / satellite, could be the starting point for a first-generation map. The first generation map can be used to create a sampling strategy for obtaining ground truths in field in step two. It is proposed to collect 50 - 100 BFF to make a second generation map. If the second generation map in step two seems promising, ie has good validation results from the obtained BFFs, this opens up for step three, where it is often possible to obtain 500 or more BFFs (among other things depending on the validation results in step two) to create a third generation map with high quality.
The report also includes a proposal for a BFF app, which has already been used by the Norwegian Environment Agency in other ongoing projects such as ANO. Specific suggestions have been given for what parameters are to be collected in the app.
With opportunities for more object-based classification in pixel neighborhoods, and more focus on pattern analyzes, the demand for more deep-learning BFF will probably increase in the future.