Maanpinnan mallinnus hulevesien kannalta

Optechin Titan-laserkeilausjärjestelmän pistepilviaineistoa poikkeaa hiukan muista laserkeilausaineistoista siten, että Titan-instrumentissa keilaus tapahtuu samanaikaisesti jopa kolmella erillisellä aallonpituudella ja niistä saadaan talteen erilliset laserpulssit kaikilta kolmelta kanavalta. Titanin tuottamat aallonpituustaajuudet ovat 1064 nm (lähi-infra) ja 532 nm (vihreä). Nämä tuotetaan samalla lasertykillä, hyödyntämällä beam-splitter tekniikkaa. Erillisellä lasertykillä tuotetaan aallonpituus 1550 nm, mikä vastaa pidempiaaltoisen lähi-infravalon aallonpituutta. Eri kanavien keskinäiset lasersäteet tuottavat maanpinnalle mahdollisimman kattavan sekä yhteneväisen peittokuvion. Titanin nauhoittamasta intensiteettivasteesta voidaan tehdä vastaavanlainen kolmikanavainen kuvamateriaali mitä perinteisestä ilmakuvauksesta saatavat ortokuvat edustavat. Titanin tuottamaa intensiteetti-informaatiota käytetään kaupunkialueen eri maanpintaluokkien tunnistamisessa tai luokittelussa.

Laserkeilausaineistosta luokiteltiin automaattisesti maanpinta, rakennukset ja vesi TerraScan-ohjelmistolla. Maanpinnan pisteiden avulla luotiin maanpintamalli valuma-analyysia varten. Maanpintamallista poistettiin rakennukset Maanmittauslaitoksen rakennuspolygonien avulla, jotta virtaamat eivät kulje rakennuksien läpi. Valuma-analyysi tehtiin Terrasolidin ohjelmistoilla. TerraModelerin työkaluilla määritettiin sadepisaroiden kulku pintamallia pitkin. Työkalu piirtää virtaamaelementit ja valuma-alueet dgn-tiedostoon.

Laserpistepilvestä tehtiin kasvillisuuden korkeutta kuvaava kasvillisuuden pintamalli. Tämä tuotettiin vähentämällä laserpisteiden korkeuksista maanpintamallin korkeudet ja interpoloimalla kasvillisuuden korkeutta kuvaavista pistekorkeuksista rasteripinta. Tätä kasvillisuuden pintamallia (korkeusrasteria) hyödynnettiin kohdealueen automaattiluokittelussa erottelemaan erikorkuisia kohteita eri luokkiin. Intensiteettirasteria hyödynnettiin kohteiden luokittelussa niiden heijastaman säteilyn perusteella.

Luokittelua varten ensin kohdealueelle luotiin automaattiluokittelua varten eri kohdeluokkia sisältävä opetusaineisto, joka tehtiin etsimällä alueelta kartta-, katunäkymä- ja kaukokartoitusmateriaaleja hyödyntäen erilaisia kohteita: pelto, nurmikko, asfaltti, hiekka, paljas maa, matala kasvillisuus, korkea kasvillisuus ja erilaiset kattomateriaalit (useita eri luokkia). Opetusaineisto koostui yhteensä noin 200 havainnosta.

Tämän jälkeen kohdealueelle tehtiin Trimblen eCognition kuva-analyysiohjelmistolla automaattikuviointi, jolla kuva saatiin jaettua sävyarvoiltaan homogeenisiin alueisiin (mikrokuvioihin). Opetusaineistoa ja eCognitionin ohjattua luokittelua hyödyntämällä jokainen mikrokuvio luokiteltiin johonkin opetusaineistosta löytyvään luokkaan. Valuma-analyysiä varten luokittelua yksinkertaistettiin siten, että vettä läpäisemättömäksi luokiteltiin asfaltti- ja hiekka-alueet. Muut luokat määritettiin vettä läpäiseväksi luokaksi.

Terrasolidilla analysoiduista virtaama-alueista ja -viivoista suodatettiin pois pienimmät alueet ja virtaamapätkät. Tämän jälkeen virtaama-alueista- ja viivoista valittiin ne, joiden matalin kohta oli automaattiluokittelun perusteella vettä läpäisemättömällä alueella. Näin saatiin etsittyä ne paikat, joissa esiintyy mahdollisesti hulevesiongelmia, koska kohteeseen virtaava vesi ei pääse imeytymään maaperään.

Data and Resources

Additional Info

Field Value
Author Reeta Vinter
Maintainer Reeta Vinter
Last Updated January 4, 2019, 18:05 (CET)
Created January 4, 2019, 18:05 (CET)