Aikataulu syksy Kaukokartoitus-kurssi Sisältö. Suorittamisesta GEOINFORMATIIKKA GEOINFORMATIIKKA GEOINFORMATIIKKA

Transkriptio

1 Kaukokartoitus-kurssi Sisältö Johdanto kaukokartoituksen peruskäsitteitä, havaintolaitteet havainnoinnin kohteet: maa, vesi, ilmakehä säteilyn kulku ja ilmakehä Instrumentit Kuvan käsittely Kuvaoperaatiot Satelliittikuvien luokittelu Aineiston ja tietojen hankinta Sovellutuksia Suomessa ja ulkomailla Aikataulu syksy 2008 Luennot ke 12-16, luokka ETYA2132 (atk) 1. ke 3.9. Johdanto, sähkömagneettinen säteily 2. ke Kuvausalustat ja instrumentit, aloitellaan Sähkömagneettisen säteilyn vuorovaikutus kohteen kanssa 3. ke jatketaan Sähkömagneettisen säteilyn vuorovaikutus kohteen kanssa, lisäksi Organisaatiot ja satelliittisarjat 4. ke Datan esikäsittely I: kuvakorjaukset 5. ke Datan esikäsittely II: kuvan ehostaminen 6. ke ?? Tulkinta 7. ke ?? Sovellukset?? projekti- ja harjoitustyöviikoilla, siirretäänkö II jakson puolelle? Lisäksi kuvankäsittelyharjoituksia (Jussi Sumanen), to 14-17, ETYA2132 (atk) laserkailausta (Vesa Rope)? Suorittamisesta GEOINFORMATIIKKA Sähköpostilista on aiakisempina vuosina ollut tällä ilmoitellaan koska ja mistä luentojen esitys on saatavilla tai sitten käytetään Metropolian systeemeitä Minut tavoittaa: tai Tenttimateriaali: luentojen powerpointit + luentopruju ( englannin kieltä taitavat voivat etsiä käsiinsä Lillesand & Kiefer: Remote Sensing Image Interpretation Arvosana: tentti, Sumasen harjoitukset voivat nostaa +1. Yleisnimike maahan, kasvillisuuteen, rakennuksiin ja rakenteisiin yms. liittyvien tietojen keräämiselle. Toinen nimike geomatiikka GEOINFORMATIIKKA Keskeisessä osassa paikkatietojärjestelmät (GIS) GEOINFORMATIIKKA Paikkatieto: Sijaintitieto: kohteen koordinaatit joilla se voidaan paikantaa Ominaisuustieto: kertoo kohteen ominaisuuksista (mitä, millainen) TIEDON- KERUU TULOSTEET GIS TIEDON HYÖDYNTÄMINEN TIEDON- HALLINTA Sijaintitietojen ja osin ominaisuustietojen keruu seuraavin menetelmin: Geodesia Fotogrammetria Kuvatulkinta Kaukokartoitus 1

2 FOTOGRAMMETRIA Menetelmät joilla määritetään kohteen sijainti, koko ja muoto kuvilta mittaamalla kuvamittaus Hyödynnetään kohteen ja kuvan välisiä geometrisia suhteita DIGITAALINEN FOTOGRAMMETRIA Ennen ihminen mittasi Valokuvaus Manuaalinen Prosessointi => KUVAT => mittaus II Kuvatulkinta v Videosignaali => Digitointi II v Kaukokartoitusinstrumentit DIGITAALISET => KUVAT => nykyään kone mittaa ja ihminen valvoo Automaattinen mittaus Kuva-analyysi KUVATULKINTA Luokitellaan ja analysoidaan kuvalla esiintyviä kohteita Hahmoinformaatio: muoto tekstuuri: kohteen pintakuviointi Fysikaalinen informaatio: värisävy kuvalla: millaista ja kuinka paljon kohde heijastaa tai lähettää sähkömagneettista säteilyä KUVATULKINTA Perinteisesti kuvana ilmakuva jota ihminen tulkitsee Tietokoneen suorittama hahmontunnistus: kuvapikselit tunnistetaan luokitelemalla luokkiin kuva-analyysi: kuva jaetaan yhtenäisiin alueisiin jotka luokitellaan ja yhdistetään tarvittaessa naapurialueisiin Määritelmä: KAUKOKARTOITUS Informaation hankkiminen kohteesta koskettamatta sitä (käyttäen sähkömagneettista säteilyä informaation välittäjänä) NÄIDEN YHTEYS Perinteisesti on ajateltu että kaukokartoitus tarkoittaa satelliittikuvien käsittelyä ja tietokoneavusteista tulkintaa Tosiasiassa kaukokartoitus käsittää ainakin seuraavia asioita: mittausten suorittaminen (instrumentit) näiden tulkinta (kuvatulkinta) ja kohteen muodon määrittäminen (fotogrammetria) 2

3 Satelliittikuva dokumentoi ympäristön tilan kuvaushetkellä Landsat MSS kuva, Inari, , kanavat 5, 7, 4 Mihin kaukokartoitusta tarvitaan? saadaan tietoa laajoilta alueilta kattavaa ja ajantasaista tietoa, jopa useita kertoja päivässä voidaan seurata maastossa tapahtuvia nopeita muutoksia kuten säätä, lumen ja jään sulamista voidaan tehdä karttoja ja päivittää karttaaineistoja (pellot, avohakkuut, metsät, korkeuskäyrät, tiet) EDUT / HAITAT Kaukokartoituksen etuja Pysyvä tallennusväline Joskus ainoa tiedonhankintamenetelmä (lämpökuvaus) "Nähdään metsä puilta" Erilaiset kuvausmittakaavat Erilaiset kuvauspaikat Eri ajankohtina otetut kuvat Sähkömagneettisen spektrin eri osien käyttö Kuvankäsittelyllä saadaan eri asioita näkyviin Kaukokartoituksen haittoja Kuvauksessa syntyvien virheiden korjaaminen voi olla hankalaa Kaukokartoituksen käyttö vaatii oman erikoisosaamisen Sääolot voi häiritä Erotuskyky saattaa olla tehtävän kannalta riittämätön Tarvitaan: 1342 Neulanreikäkamera (Eurooppa, ilmeisesti kiinalaiset tunsi jo aiemmin) 1757 Hopeakloridin valoherkkyys 1838 Varsinainen valokuvaus 1858 Ensimmäinen ilmakuva ilmapallosta käsin 1859 Mittakamera 1889 Ilmakuvatulkintaan perustuva metsätalouskartta 1901 Stereoskooppinen mittausperiaate 1909 Ensimmäinen ilmakuva lentokoneesta 1915 Kartoituskoje HISTORIAA 1. Sähkömagneettista säteilyä keräävä laite 2. Säteilyn tallennus-järjestelmä Väri - ja infrapunakuvaus Tutkat ja lämpökuvaus 1957 Sputnik 1959 Avaruudesta otetaan valokuva maasta 1960 TIROS-I luvulla valokuvia avaruuslennoilta ja vakoilusatelliiteista 1972 ERTS-1 (Landsat 1) 1973 Skylab 1975 Landsat Landsat 3, HCMM, Seasat, Nimbus, TIROS-N 1981 Space shuttle jne... Mihin kaukokartoitus perustuu? Erilaisilla maastokohteilla on erilaiset sähköiset, fysikaaliset, kemialliset ja geometriset ominaisuudet Kaukokartoitus perustuu instrumenttien kykyyn havaita ja erottaa kohteiden erilaiset ominaisuudet Hyödynnetään sähkömagneettisen taajuusalueen eli spektrin eri osa-alueita Spektri: kaikkien aallonpituuksien muodostama kokonaisuus 3

4 Landsat ETM-kuva: kanavat Eri aallonpituusalueita hyödyntämällä kohteesta saadaan esiin monipuolisempaa informaatiota kuin vain näkyvän valon aallonpituuksilla. NOAA-sääsatelliitin AVHRR-instrumentti Näkyvän valon kanavat: sininen, vihreä, punainen Infrapunakanavat: lähi-infra I ja II, keski-infra Landsat ETM-kuva: värikombinaatiot Tosivärikuva, väärävärikuva... ja infrapunakanavista tehty värikuva Kaukokartoituksen eri osa-alueet eli mitä tarvitaan? A. Säteilylähde B. Ilmakehä (väliaine) C. Energian törmääminen kohteeseen D. Instrumentti havaitsemaan säteily E. Tiedon siirto, vastaanotto, prosessointi F. Tulkinta, laskenta ja analysointi G. Soveltaminen käytäntöön A D F B E C Sähkömegneettinen säteily Sähkömagneettinen säteily Sähkömagneettinen säteily on muodostunut sähkökentän ( E ) värähtelystä, joka on kohtisuora säteilyn etenemissuuntaan nähden, sekä magneettikentän (M) värähtelystä, joka on kohtisuora sähkökenttään nähden. Sähkömagneettinen säteily kulkee säteilylähteestään aaltoliikkeen muodossa valon nopeudella c (3*108 m/s). Aaltomalli Sähkömagneettinen säteily muodostuu etenemissuuntaa vastaan kohtisuorasti kaikkiin suuntiin tapahtuvasta värähtelystä sähkö- ja magneettikentissä, jotka ympäröivät sähköisesti varattua hiukkasta. Etenee valon nopeudella Ominaisuudet: aallonpituus, amplitudi, taajuus Aaltoyhtälö: valon nopeus = aallonpituus * taajuus Aaltomalli kertoo miten sähkömagneettinen säteily liikkuu (kuva: Canada Centre for Remote Sensing) 4

5 Sähkömagneettinen säteily Hiukkasmalli Säteilylähde lähettää säteilyenergiaa tietyn suuruisina "paketteina", kvantteina eli fotoneina -> Sähkömagneettinen säteily etenee fotonivirtana Fotonien ominaisuuksia: energia, lepomassa Fotonin energia = Planckin vakio * taajuus Suuri aallonpituus -> pieni energia Hiukkasmalli kertoo miten sähkömagneettinen säteily on vuorovaikutuksessa kohteen kanssa Sähkömagneettinen säteily: Säteilysuureet Säteilyn energia (Radiant energy, Q): Säteilylähteen kyky tehdä työtä liikuttamalla kohdetta, lämmittämällä kohdetta tai muuttaa kohdetta jotenkin muuten, Yksikkö: Joule, J Säteilyvirta, säteilyteho (Radiant Flux, F): Säteilyn energian määrä tietyssä ajassa, Yksikkö: Watti, W tai J / s Tehotiheys, irradianssi (Irradiance, E): Tietylle alueelle saapunut säteilyteho, Yksikkö: W / m2 Tehotiheys, säteilyn eksitanssi (Radiant exitance, M): Tietyltä alueelta lähtenyt säteilyteho, Yksikkö: W / m2 Säteilyintensiteetti (Radiant intensity, I): Pistemäisestä säteilylähteestä tiettyyn suuntaan lähtevä säteilyteho, Yksikkö: W / sr (sr=steradiaani, avaruuskulma) Radianssi (Radiance, L): Tietyltä säteilylähteen alueelta tiettyyn suuntaan lähtevä säteilyteho, Yksikkö: W / m2 / sr Säteilyn lähde Säteilyn lähde (kuva: Canada Centre for Remote Sensing) Säteilyä syntyy kaikissa absoluuttista nollapistettä lämpimämmissä kappaleissa Emissio; prosessi jossa kappale säteilee kappaleen lämpötilasta johtuvaa sähkömagneettista energiaa Luonnollisia säteilynlähteitä ovat aurinko ja maa. Keinotekoisia ovat esimerkiksi hehkulamppu ja tutka Tietyltä alueelta lähtenyt säteilyteho riippuu säteilijän lämpötilasta Stefanin-Bolzmannin laki pätee mustalle kappaleelle: M = σt 4 σ= Stefanin-Boltzmannin vakio, T= lämpötila Emittoituneen säteilyn spektrinen jakauma riippuu myös lämpötilasta UV, näkyvä valo, lähi-infra, maksimikohta vihreän valon aallonpituuksilla Auringon säteily (kuva: Canada Centre for Remote Sensing) Aallonpituus ja taajuus Aallonpituus λ on yhden kokonaisen aallon pituus aaltoliikkeessä, eli kahden samanvaiheisen kohdan etäisyys. Aallonpituus ilmaistaan usein joko nanometreinä (nm, 10-9 m) tai mikrometreinä (µm, 10-6 m). Taajuus on kokonaisten aaltosyklien lukumäärä aikayksikköä kohden. Taajuuden yksikkö on hertsi, Hz, joka on sama kuin 1/s. (kuva: Canada Centre for Remote Sensing) 5

6 Aaltoyhtälö: λ = c*f Spektrikaikkien aallonpituuksien muodostama kokonaisuus Taajuus ja aallonpituus ovat kääntäen verrannollisia; mitä pidempi on säteilyn aallonpituus, sitä pienempi on sen taajuus. (kuva: Canada Centre for Remote Sensing) Gammasäteily Aallonpituusalue: <0.03 nm Auringosta tuleva säteily absorboituu ilmakehän ylimmissä kerroksissa täysin Radioaktiivisten mineraalien lähettämää gammasäteilyä voidaan kuitenkin mitata matalalla lentävistä lentokoneista (X-rays) Röntgensäteily 0.03nm - 3 nm Tuleva säteily absorboituu täysin ilmakehään. Ei käyttöä maanpinnan kaukokartoituksessa Lääketiede Ultravioletti 3nm -0.4µm Auringon UV-säteet, joiden aallonpituus on alle 0.3 µm, absorboituvat täysin ilmakehään µm alueella säteily läpäisee ilmakehän, mutta ilmakehässä tapahtuva sironta on voimakasta. Instrumentteina käytetään kameraa ja UV-herkkiä ilmaisimia. Voidaan hyödyntää mineraalien ja kivien tutkimisessa. Näkyvä valo nm µm Näkyvän valon alue on varsin pieni osa spektriä. Punaisella valolla on pisin aallonpituus, ja violetilla lyhyin. Violetti: µm Sininen: µm Vihreä: µm Keltainen : µm Oranssi: µm Punainen: µm (kuva: Canada Centre for Remote Sensing) 6

7 Näkyvä valo Tallennettavissa valokuvauksella ja valoherkillä ilmaisimilla Maanpinnan heijastushuippu on noin 0.5 µm Useimmissa satelliittiinstrumenteissa on ainakin yksi ellei useampikin kanava näkyvän valon aallonpituudella. (kuva: Canada Centre for Remote Sensing) Infrapunasäteily Infrapunasäteily nm ( µm) lähi-infra µm keski-infra µm terminen infra µm ja 8-14 µm Vain tietyt osa-alueet infrapunasäteilystä läpäisevät ilmakehän. Alueella µm havainnot ovat lähinnä auringon heijastunutta säteilyä. Kaukokartoituksessa sovellutukset ovat paljolti samoja kuin näkyvän valon alueella. Termisen infrapunan havaittava säteily on kohteen emittoimaa lämpösäteilyä. Mikroaalto cm Mikroaallot läpäisevät ilmakehän lisäksi myös pilvet ja sumun. Voidaan mitata myös kohteen pinnan alla olevia ominaisuuksia, koska mikroaalloilla on hyvä tunkeutumiskyky. Voidaan tehdä mittauksia vuorokaudenajasta riippumatta. Satelliitti Landsat (kuva: Canada Centre for Remote Sensing) Instrumentti Kaukokartoitusinstrumentit voidaan jaotellaan eri tavoin toimintatapansa tai aallonpituusalueensa mukaisesti: 1. kuvaavat ja kuvaa muodostamattomat 2. aktiiviset ja passiiviset instrumentit 3. optisen ja infrapuna-alueen sekä mikroaaltoalueen instrumentit Kuvaavat vrs. kuvaa muodostamattomat Kuvaavat instrumentit keräävät havaintoja laajoilta alueilta Satelliiteissa sekä myös lentokoneissa olevat instrumentit ovat useimmiten kuvaavia. Kuvaa muodostamattomia instrumentteja käytetään, kun halutaan tarkkaa aineistoa pieneltä alueelta. Tällöin kuvan sijasta kohteesta saadaan yksi havainto (yksi pikseli), kuitenkin usealta eri aallonpituusalueelta. 7

8 Passiiviset instrumentit Havaitsevat joko kohteen emittoimaa säteilyä tai kohteesta heijastunutta auringon säteilyä Esimerkiksi kamerat, keilaimet, radiometrit sekä spektrometrit ovat passiivisia instrumentteja Näkyvän valon, infrapunan ja termisen alueen kaukohavainnoinnissa käytetään lähinnä passiivisia instrumentteja (kuva: Canada Centre for Remote Sensing) Aktiiviset instrumentit Lähettävät kohteeseen sähkömagneettista säteilyä tietyllä aallonpituusalueella. Mittaavat takaisin tulevan säteilyn, joka on joko heijastunut tai sironnut kohteesta. Mikroaalto- ja laser-tutkat ovat aktiivisia instrumentteja. (kuva: Canada Centre for Remote Sensing) Erotuskyky eli resoluutio Ilmoittaa sen alueen koon, jonka sisältä saadaan yksi havainto. Spatiaalinen resoluutio on siis yhden pikselin koko maastossa. Instrumenttien resoluutio vaihtelee paljon, useista kymmenistä kilometreistä yhteen metriin. Alueellinen erotuskyky Esimerkkejä instrumenttien alueellisista erotuskyvyistä vs. jenkkifutiskenttä Kanava (channel/band) Satelliitissa oleva instrumentti havaitsee usein maata usealla eri aallonpituusalueella. Näitä eri aallonpituusalueita kutsutaan kanaviksi. Kanavien lukumäärä ja aallonpituusalue vaihtelevat eri instrumenteissa, kanavia on usein 4 tai enemmän. Instrumentin eri kanavat (kuva: Canada Centre for Remote Sensing) 8

9 Kaukokartoitusmittausten esittäminen Mitataan kohteesta heijastuneen tai emittoituneen sähkömagneettisen säteilyn voimakkuutta Eri aallonpituusalueilla Mittauksen paikantaminen, ts. sidottu koordinaatistoon Lähestymistapoja: Kuva-avaruus (image space / domain) Spektriavaruus (spectral space / domain) Piirreavaruus (feature space / domain) Kuva: mittaukset järjestetään kaksiulotteiseksi hilaksi Matemaattisesti g = f(x,y) jossa x ja y ovat paikkakoordinaatit ja g mitattu säteilyn voimakkuus Kunkin aallonpituusalueen mittaukset muodostavat oman kuvansa Kutsutaan myös nimellä kanava (band / channel) Kuva-avaruus Kuva-avaruus Landsat ETM-kuvan kanavat Yhdistämällä eri kanavat värijärjestelmän avulla saadaan värikuvia Yleisesti käytetään RGB-järjestelmää Red, Green ja Blue ovat päävärejä joita yhdistämällä muut värit muodostuvat R: Ch3, G: Ch2, B: Ch1 Kanava 1 (B): µm Kanava 2 (G): µm Kanava 3 (R): µm Kanava 4 (NIR): µm Kanava 5 (NIR): µm Kanava 7 (MIR): µm Spektriavaruus Tarkastelun kohteena on sähkömagneettinen spektri, etenkin miten mitattu säteilyn määrä muuttuu aallonpituuden vaihtuessa R: Ch4, G: Ch3, B: Ch2 R: Ch7, G: Ch4, B: Ch3 Piirreavaruus Mittauksia, piirteitä, tarkastellaan kahden tai useamman kanavan muodostamassa avaruudessa Kohteiden tunnistaminen eli luokittelu tarkoittaa tämän avaruuden jakamista osiin siten että kullakin luokalla on oma alueensa Eri materiaaleilla erilainen spektri Spektrejä vertailemalla voidaan tehdä päätelmiä materiaaleista ja näiden ominaisuuksista 9

10 ESIMERKKEJÄ Vasen: Landsat ETM kanava 3 (R) Oikea: Kanavien 3 ja 4 muodostama piirreavaruus Vaaka-akseli: kanava 3 Pystyakseli: kanava 4 Väritetyt alueet: kuvalta löytyvät pikselikombinaatiot, punaisia eniten, magentaa vähiten Meteosat-8 sääsatelliitin kuvaamat näkyvän valon ja infrapuna-alueen kuvat Vasen: Landsat kanava 4 (NIR) Oikea: Kanavista 3 ja 4 tehty RGB-kuva R: Ch3, G: Ch4, B: Ch3 Globaali merien pintalämpötila Spot Vegetation Intia,

11 TIR: Meriveden pintalämpötila (SYKE) Lumikarttoja keväältä 2000 (SYKE) Huhtikuu 09 Huhtikuu 27 Toukokuu 01 Toukokuu NOAA-16 AVHRR yökuvia Kanavat 4 (11 µm) ja 5 (12 µm) Pinnassa olevat levälautat heinäkuu 2002 Terra MODIS (SYKE) IRS IRS WiFS: Channels: RED and NIR Spatial resolution: 188m Jään lähtö, Toukok Landsat MSS Satelliittikuva dokumentoi ympäristön tilan kuvaushetkellä Landsat MSS kuva, Inari, , kanavat 5, 7, 4 11

12 Landsat ETM-kuva: värikombinaatiot Landsat, Sortavala (MSS 76/83, TM 86, ETM 99) Tosivärikuva, väärävärikuva... ja infrapunakanavista tehty värikuva Esimerkki: Landsat TM Landsat-5 Thematic Mapper Etna, Italia, otettu Kanavat 321 ja 453 IRS LISS Etna, : pun SWIR, vih IR, sin RED Esimerkki: tulivuori SPOT 4 monikanavakuva, SWIR kanava mukana Popocatepetl, Mexico, otettu Kraaterin kuuma kohta näkyy vihreänä Esimerkki: Tulva SPOT 5 monikanavakuva, alueellinen erotuskyky 10 m Bands: R: XS3 (NIR), G: XS2 (Red), B: XS1 (Green) Ebro-joki, Espanja, otettu

13 Esim.: SPOT-kuva maastopaloista SPOT-kuva Portugal, otettu palaneet alueet mustia Vesi: Spot esimerkki Spot kuva Portugalista Vedet tumman sinisiä Rannassa näkyy pohjahiekka Hiekka kirkas Spot: Porvoo Spot 5 Pankromaattinen Porvoo, Esimerkki: lentokenttä Le Bourget Airport, otettu SPOT 5 monikanavakuva, alueellinen erotuskyky 2.5 m IRS Pan Frankfurtin lentokenttä, IRS Pan + Monikanava Amsterdam 13

14 Quickbird IKONOS Kerava Pankromaattinen, 1m Helsinki, Malmi, Quickbird Helsinki, Malmi, Esimerkki: SAR-interferometria Esimerkki: SAR + tulva ERS-2 tutkakuvat, otettu ja Havel-joki Saksassa tulvan alla olevat alueet sinisiä SAR-interferometria, yhdistelmä kahdesta ERS-tutkakuvasta Izmit, Turkki, otettu 12. ja R: interferometrinen koherenssi, G: kahden kuvan minimi-intensiteetti, B: kahden kuvan välinen intensiteettimuutos Vihreät alueet metsiä tai varjoja, siniset vettä, punaiset paljas kallio ja osa pelloista, keltaiset asutusta Esimerkki: SAR + öljypäästö ENVISAT ASAR, otettu Tankkeri Prestige uppoaa 14

15 Esimerkki: SAR-aikasarja La Rochelle, Ranska R: G: B: Peltojen muutos ajan kuluessa Esimerkki: visualisointi DEM + Landsat ETM-kuvasta tehty tulkinta Syyria, Eufrat-joki Sininen vastaa vettä, vihreä kasvillisuutta, keltainen vähäkasvillista peltoa ja muut värit enemmän tai vähemmän kasvittomia alueita Landsat MSS, Qasr-al-Hair, Syyria, Corona-kuva Landsat MSS, , ympäristö Landsat MSS

16 Landsat MSS, , ympäristö Landsat MSS Landsat MSS , ympäristö Landsat TM, Landsat TM , ympäristö Landsat ETM,

17 Landsat ETM, , ympäristö Esimerkki: AISA-spektrometri Datakuutio, esitys AISA-spektrometrin 17 kanavasta (Juho Lumme, TKK/Foto) Esimerkki: AISA-spektrometri AISA-kuvan tulkinnan periaate (Juho Lumme, TKK/Foto) Esimerkki: AISA-spektrometri Luokiteltu AISA-kuva ja kasvillisuusindeksikuva (Juho Lumme, TKK/Foto) Esimerkki: Laserkeilaus Mittausperiaate Esimerkki: Laserkeilaus Metsikkö Pisteistä muodostettu pintamalli ja puuston korkeusmalli Maanpinnan korkeusmalli ja metsikön 3-D malli 17

18 HUTSCAT: profiloiva sirontamittari TOPOGRAFINEN KARTOITUS Venäläinen TK-350 kuva ja stereoparista tehty topografinen kartta VIDEOKUVAUS Videokuvaus lentokoneesta kuvamosaiikki + pintamalli VIDEO- KUVAUS EnsoMOSAIC: forestconsulting/eng/ ensomosaic/ensomosaic. html VTT:n GLORE-projekti: 3D KAUPUNKIMALLIT Zürichin Teknillisen korkeakoulun CyberCity Modeler Rakennukset mallinnetaan ilmakuvilta Julkisivut maakuvilta Esimerkki Torontosta Rakennusten lisäksi myös kasvillisuus ja maanpinta mallinnettu ja teksturoitu 3D KAUPUNKIMALLIT 18

19 LASERPROFILOINTI (TKK/Foto) 19