Toimintasuositukset dronen käytölle metsätalouden toimenpiteiden ilmakuvauksessa

Transkriptio

1 1 (7) Toimintasuositukset dronen käytölle metsätalouden toimenpiteiden ilmakuvauksessa Lauri Haataja Antti Nevalainen

2 2 (7) Yleistä Kun dronepalvelua ryhdytään tilaamaan tai dronelentoa lähdetään suunnittelemaan, on tiedettävä tarkkaan mitä kuvamateriaalilta halutaan. Keskeisimmät metsänhoidon työvaiheet maanmuokkauksesta ja koneelliseen harvennushakkuuseen ovat luonteeltaan hyvin erilaisia ja tämä on myös huomioitava kuvauskalustoa ja menetelmiä valittaessa. Metsänuudistamisessa työnjälki on paljon tarkkapiirteisempään kuin harvennushakkuussa ja tämän takia se myös vaatii kuvaamiselta enemmän. Drone-kuvaajalle on tilausta tehtäessä selvitettävä kuvauskohde, mitä asioita kuvalta pitää voida nähdä ja mikä on varsinainen lopputuote. Dronella voidaan kuvata esimerkiksi videokuvaa tai yksittäisiä stillkuvia. Stillkuvista voidaan yhdistellä ortomosaiikkeja tai käyttää 3Dpistepilven pohjana. Nämä suositukset perustuvat oletukselle, että lopputuotteeksi on mahdollista tuottaa 2Dortomosaiikki ja kasvillisuuden pintamalli (DSM = digital surface model) sekä 3D-pistepilvi. Dronen kuvaaman kuvamateriaalin on oltava riittävän laadukasta, jotta aineistosta voidaan prosessoida ortomosaiikki ja tunnistaa yksittäiset puut, niiden sijainnit ja pituudet (yksinpuintulkinta). Kun kohteelta otetaan runsaasti georeferoituja (paikkaansidottuja) kuvia, voidaan kohteelle muodostaa pistepilvi, josta taas voidaan muodostaa digitaalinen kasvillisuuden latvustoa kuvaava pintamalli (DSM). Kuvatulle alueelle lasketaan kasvillisuuden korkeusmalli (CMH) 1 metrin resoluutiolla DSM:n ja Maanmittauslaitoksen maanpintamallin (2m resoluutio) erotuksena. Puille pitää pystyä tuottamaan sijaintien ympärille latvussegmentointi. Myös automaattinen puulajitulkinta on kyettävä tekemään kaikille puille esimerkiksi maastoreferenssiä opetusaineistona käyttämällä. Puiden pituuden, puulajin ja latvuksen koon perusteella puille johdetaan puittaiset läpimitat, pohjapinta-alat sekä tilavuudet olemassa olevien mallien pohjalta. Tämän jälkeen lasketaan kuviokohtaiset metsikkötunnukset hyödyntäen yksittäin tunnistettujen puiden joukkoa. Tärkeimpiä metsikkötunnuksia ovat esimerkiksi puuston keskipituus (m), keskiläpimitta (cm), pohjapinta-ala (m 2 /ha), tilavuus (m 3 /ha), puulajijakauma (männyn, kuusen ja lehtipuiden %- osuus) ja koko puuston runkoluku (kpl /ha). Eri tunnuksien tärkeys vaihtelee hieman riippuen, minkä kokoisesta puustosta on kyse. Lisää tietoa metsävaratiedoista ja yleisesti käytetyistä termeistä:

3 3 (7) Kuvauskalusto ja kameran säädöt Ilmakuvaus- ja dronekalusto on nykyisin monenkirjavaa. Oleellista on käytettävän kuvauslaitteiston ja sen tuoman aineiston sopivuus kartoitettavaan kohteeseen nähden. Itse drone voi olla joko kopterimallinen tai kiinteä siipinen lennokki. Kuvauskalustolle ei ole syytä asettaa vähimmäisvaatimuksia. Oleellista on, että ilmasta otettujen kuvien laatu täyttää vaatimukset ja mahdollistaa asianmukaisen jatkoprosessoinnin. Yleissuositukseksi voidaan antaa kameran säätöjen manuaalinen asettaminen kuvausolosuhteiden mukaan. Tärkeimmät säädettävät asiat ovat valoherkkyys (ISO), suljinaukon koko ja suljinaika. ISO määrittää kuinka herkkä kameran kenno on valolle. Valoisissa olosuhteissa ISO-arvo tulisi olla pieni, kun taas pimeämmällä tarvitaan suurempaa ISO arvoa. Koska suuri ISO-arvo saattaa aiheuttaa kohinaa kuvassa, on suositeltavaa käyttää arvoa 200 tai alle. Suljin aukon koko yhdessä suljinajan kanssa määrittävät kuinka paljon valoa pääsee kennolle. Pimeässä aukon koko ja suljinaika tulee olla niin suuri, että valoa pääsee tarpeeksi kennolle. Kartoituskuvissa suljinajan tulisi olla mahdollisimman lyhyt, koska pienetkin liikkeet valotusaikana aiheuttavat sumeutta kuvaan. Ilmakuvauksessa lyhyestä suljinajasta ja pienestä ISO-arvosta johtuen aukon koko tulisi olla sen mukainen, että saavutetaan terävä kuva. Normaalisti optimaalinen aukon koko saavutetaan välillä f/4 f/5.6. Kuvan formaatti Monet prosessointiohjelmat eivät tue pakkaamattomassa raakamuodossa otettujen valokuvien prosessointia. Tällä on monta syytä. Raakakuvat vievät paljon enemmän muistia ja vaativat täten prosessoinnilta enemmän. Pilvipalveluissa toimivat prosessointiohjelmat, kuten Dronedeploy ja Maps made easy eivät ainakaan lähitulevaisuudessa ole lisäämässä raakakuvien prosessointiominaisuuttaa juuri suuren muistin käytön ja hitaamman prosessoinnin takia suhteessa raakakuvien avulla saavutettavan hyödyn vuoksi. Agisoftin Photoscan prosessoi raakakuvia, mutta pitää muistaa myös raakakuvia prosessoitaessa laitevaatimusten ja prosessointiajan kasvu verrattuna jpg-kuvien prosessointiin. Prosessoitu ortomosaiikki on tiedostokooltaan myös paljon suurempi.

4 4 (7) Raakakuvissa on hyötynsä. Värien ja valkotasapainoisuuden manuaalisen säädön avulla voidaan saada asioita paremmin esille varsinkin varjoisissa kohdissa. Yksi keino on säätää jokainen kuva ja tallentaa se jpg-muodossa ennen prosessointia. Tämä on tosin aikaa vievää. Toinen syy, miksi raakakuvia ei tueta on kameran ominaisuudet tallentaa raakakuvia. Raakakuvia voidaan ottaa todella paljon harvemmin kuin pakattuja jpeg-kuvia. Tällöin lento tulee suorittaa hitaammin ja kuvattavan kohteen ala yhdellä akulla pienenee. Monet lentosuunnitteluohjelmat eivät myöskään tue raakakuvien tallennusta. Jpeg-muodossa tallennetut valokuvat ovat tällä hetkellä suositeltava valokuvien tallennusmuoto koko prosessi huomioon ottaen. Kuvan kiinnittäminen koordinaatistoon (sijaintitarkkuus) Sijaintitarkkuus jaotellaan relatiiviseen ja absoluuttiseen tarkkuuteen. Relatiivinen tarkkuus on kuinka kohteet ovat sijoittuneet suhteessa toisiinsa kartassa verrattuna todellisuuteen. Absoluuttinen tarkkuus viitta eroon rekonstruoidussa mallissa olevien kohteiden sijainnin ja niiden todellisen sijainnin välillä maapallolla. Georeferointi voi tapahtua suoralla georeferoinnilla, jolloin prosessointiohjelma käyttää geokoodatuissa kuvissa olevaa exif-dataa georeferointiin. Toinen tapa on käyttää maatarkistuspisteitä (GCP), joiden sijainti on mitattu tarkkuus- GPS:n avulla. Jos mitataan pelkästään suoraan ortomosaiikista tunnuksia, riittää että ortomosaiikki on relatiivisesti tarkka, joka onnistuu ilman maatarkistuspisteiden (GCP) käyttöä, ainakin uudistusaloilla. Puustoisilla alueilla epätarkkuutta voi esiintyä enemmän, koska prosessointiohjelman on vaikea löytää kuvista yhteneviä piste-esiintymiä (tiepoints). Ilman maatarkistuspisteiden käyttöä absoluuttinen tarkkuus saattaa poiketa todellisuudesta useita metrejä. Suurinta virhe on Z-akselissa, johtuen GPS toimintaperiaatteesta. Kun aineiston mittaamisessa käytetään muuta aineistoa, esimerkiksi maan pintamallia, niin mallin tulisi olla myös absoluuttisesti tarkka. Absoluuttinen tarkkuus saavutetaan käyttämällä maatarkistuspisteitä, joiden sijainti mitataan tarkkuus-gps:n avulla. Tarkoissa GPSlaitteissa synkronointivirheet korjataan. Kun tiedetään maatarkistuspisteiden tarkka sijainti, voidaan 3d-malli tai 2d-kartta korjata absoluuttisen tarkaksi. Maatarkistuspisteitä tulisi olla vähintään neljä kappaletta. PPK-GPS (Postprocessed kinematic) avulla voidaan päästä millimetriluokan tarkkuuteen, kun taas RTK (Real time kinematic) päästään senttimetriluokan tarkkuuteen. Markkinoilla on myös dronemalleja, joissa on sisäänrakennettu RTK-GPS, jolla päästään senttimetriluokan tarkkuuteen ilman maatarkistuspisteiden käyttöä. Yleisesti voidaan suositella, että dronessa on oltava mukana tarkka GPS-paikannuslaitteisto, jotta otettujen kuvien numeerinen tulkinta on luotettavaa. Kuvan resoluutio (maapikseli) Kuvista koottavan mosaiikin ja sen jatkoprosessoinnin kannalta yksittäisten kuvien resoluutiolla on suuri vaikutus. Resoluution kasvaessa yksittäisen maapikselin (GSD = ground sampling distance) koko pienenee ja samalla kuva tarkentuu. Maapikseli tarkoittaa kahden vierekkäisen pikselin keskikohtien etäisyyttä toisistaan maanpinnalta mitattuna (cm). LaatuKuva-hankkeessa kertyneiden kokemusten perusteella maapikselin koolle on syytä asettaa erilaiset vähimmäisvaatimukset kuvattavan kohteen mukaisesti. Metsänuudistamiskohteilla 5 x 5 cm pikselikoko ei

5 5 (7) riittänyt maanmuokkauksen laadun arviointiin puhumattakaan istutettujen taimien laskentaan. Pikselikoolla 1,3 x 1,3 cm istutustaimet havaittiin välttävästi. Maanmuokkausjälkien määrä pystyttiin laskemaan hyvin tällä pikselikoolla. Metsänuudistamiskohteille suositellaan vähintään 1,3 cm pikselikokoa. Taimikonhoitokohteilla pikselikoolla 5 x 5 cm taimet pystyttiin laskemaan visuaalisesti ortomosaiikilta, mutta tietokonetunnistaminen löysi taimista vain noin 60 %. Tähän on voinut vaikuttaa myös muita tekijöitä, kuten kameran muut asetukset tai sääolosuhteet. Voidaan kuitenkin suositella 5 x 5 cm tarkempaa pikselikokoa varsinkin pienemmissä taimikoissa. Harvennushakkuukohteilla 5 x 5 cm pikseli koko oli riittävä. Lentokorkeus Kohteet kannattaa lähtökohtaisesti kuvata mahdollisimman korkealta, jotta ortomosaiikkia varten otettujen kuvien määrä pysyy kohtuullisena (lakiraja kuitenkin 150 m). Mitä matalammalla lennetään, sitä pienemmän maastopintaalan yksi kuva kattaa ja enemmän kuvia joudutaan ottamaan. Matalalla lennettäessä ja kuvamäärän kasvaessa myös kameran linssistä johtuva kuvien reunavaikutus korostuu; enemmän kuvia, enemmän epätarkkoja kuvien reunoja. Toisaalta lentokorkeudesta ei voi tinkiä kuvan tarkkuuden (maapikselin koko) kustannuksella. Lentokorkeuden valinta onkin aina tapauskohtaisen optimoinnin tulos, jossa vähimmäisvaatimuksia ei voida antaa. Kuitenkin on suositeltavaa, että uudistamisaloillakin lennetään vähintään 40 m korkeudessa. Tällöin kuvien määrä ei nouse kohtuuttoman suureksi ja vältetään törmäämästä jättöpuihin. Sivu- ja pituuspeitto Edellisessä kappaleessa esitetyn reunavaikutuksen minimoinniksi kuvat täytyy voida asettaa osittain päällekkäin ortomosaiikkia muodostaessa. Jokaisen kuvan keskusta on tarkin, ja tätä varten ortomosaiikki rakennetaan niitä hyödyntäen. Metsäkohteiden ortomosaiikeilta vaaditaan tarkkuutta, joten myös sivu- ja pituuspeiton on oltava verrattain suuri. Metsäkeskuksen LaatuKuva-hankkeessa käytetty 80 % peitto voidaan asettaa minimivaatimukseksi. Kuvausolosuhteet Sääoloilla voi olla suuri vaikutus kuvauksen onnistumiseen. Ennen kaikkea on tärkeää huolehtia siitä, että valoa on riittävästi ja kuvausolosuhteet ovat tasaiset kuvattavalla kohteella. Esimerkiksi kumpupilvet voivat aiheuttaa epätarkkuutta luomalla osalle kohteelle varjoja. Istutustaimien visuaalisessa laskennassa sivusta paistavan auringon takia muodostuvat varjot voivat helpottaa taimien laskennassa, mutta muutoin varjoista voi olla enemmän haittaa kuin hyötyä. Pilvipouta on suositeltavin kuvaussää. Kameran säädöt on myös syytä asettaa manuaalisesti olosuhteisiin sopivaksi, jotta varmistutaan parhaasta mahdollisesta kuvanlaadusta. Jotkut drone-mallit kestävät sadetta, mutta suositeltavaa sateella lennättäminen ei voi olla jo pelkästään kuvan laadun takia. Myös kova tuuli voi heilutella dronea ja kameraa siinä määrin, että kuvista tulee tärähtäneitä.

6 6 (7) Suositukset taulukossa Vähimmäisvaatimus Suositus Lennokki ja malli ei ei Kameran malli ja säädöt ei ISO <= 200 suljinaukon koko f/4 f/5.6 Kuvan formaatti jpeg, tiff jpeg Kuvan paikkatieto absoluuttinen tarkkuus (yksittäisiä senttimetrejä) absoluuttinen tarkkuus (yksittäisiä senttimetrejä) Kuvan resoluutio Uudistamisalat 1,3 x 1,3 cm alle 1,3 x 1,3 cm Taimikot 5 x 5 cm alle 5 x 5 cm Harvennushakkuut 5 x 5 cm alle 5 x 5 cm Lentokorkeus Max. 150 m (lakiraja) m Sivu- ja pituuspeitto, % 80 % Yli 80 % Kuvaussää tasaiset ja valoisat olosuhteet vältä tuulista säätä, sadetta, hämärää Yleiset lentotyötoiminnan vaatimukset Lentotyöllä tarkoitetaan kaikkea muuta drone-toimintaa kuin harraste- tai urheilutoimintaa. Tähän liittyvät säädökset ja vaatimukset on esitetty Liikenne- ja viestintävirasto Traficomin Droneinfo.fi -sivuilla:

7 7 (7)