Vi vil lave befæstelseskort, der altid er up-to-date
- New releases
Sidste år udgav vi et befæstelseskort for Danmark i høj opløsning og med høj nøjagtighed. Kortet blev skabt ved hjælp af machine learning, som giver mulighed for landsdækkende og omkostningseffektiv kortlægning.
Kortet blev godt modtaget og har været flittigt brugt i byplanlægning samt til analyse og design af løsninger til håndtering af regnvand. Sammenlagt har de danske SCALGO Live brugere brugt mere end 1600 timer på at kigge på befæstelseskortet, siden det blev frigivet.
Figur 1. Sidste år udgav vi et befæstelseskort for Danmark i høj opløsning og med høj nøjagtighed.
Siden da har vi arbejdet på at forbedre metoden yderligere.
"På det første kort brugte vi luftfotos fra 2015 og 2016, fordi disse billeder mest lignede de Lidar data, der var tilgængelige i vores træningsområder" siger Jonas Tranberg, machine learning ekspert hos SCALGO.
Kombinationen af to forskellige typer af inputdata, luftfotos fra 2015-2016 og Lidar data, muliggjorde banebrydende ydeevne inden for automatiseret befæstelseskortskortlægning. Men denne kombination introducerede også nogle problemer.
”I Danmark indsamles Lidar data med en 5-årig cyklus. Det betyder, at nogle af Lidar dataene ikke stemmer overens med de valgte luftfotos, simpelthen fordi byområder udvikler sig hurtigt”, forklarer Jonas. "Dette forvirrer modellen og reducerer ydeevnen i nogle områder. Desuden er en 5-årig opdatering af data ikke god nok, hvis vi vil levere ajourførte befæstelseskort”.
Figur 2. Ørestaden, en del af København i rivende udvikling. På det første kort (til venstre) resulterede et misforhold mellem Lidar data og luftfotos i et dårligt resultat. I det opdaterede kort (til højre) kortlægges de befæstede arealer med høj nøjagtighed.
Gennem det sidste år har vi i SCALGO arbejdet på at skabe et nyt kort, baseret udelukkende på luftfotos, men samtidig med forbedret ydeevne sammenlignet med den tidligere model.
”Luftfotos bliver opdateret hvert år i Danmark. Hvis vi kan blive uafhængige af Lidar data, kan vi lave kort, der er mere up-to-date”, siger Jonas.
Figur 3. Byområder udvikler sig hurtigt. Lidar dataindsamling kan ikke følge med i denne udvikling.
Den nye machine learning model er trænet ved hjælp af luftfotos fra forskellige år, hvilket giver mulighed for at træne modellen til at forstå forskellige slags skygger, lysstyrke i billederne, farver og andre detaljer i billederne. Ved at bruge dette har vi udviklet en model, der er meget mere robust.
Den nye model har forbedret ydeevnen på flere områder, på trods af at der er brugt færre inputdata. Et eksempel er bynære områder, hvor den nye model kortlægger indkørsler bedre end tidligere.
Figur 4. Eksemplet til venstre er fra den gamle model, mens eksemplet til højre er fra den nye model. På trods af brug af færre inputdata er ydeevnen forbedret på mange områder i den nye model, f.eks. indkørsler.
Sådan arbejder du med de nye data
Et opdateret befæstelseskort, der bruger luftfotos fra 2020, er nu udgivet og er tilgængeligt for alle SCALGO Live brugere. Her er lidt inspiration til, hvordan du får glæde af de nye data i dit arbejde.
Befæstelse i vandoplande, kloakoplande og på matrikler
Kortet er, som tidligere, koblet sammen med vores vandoplandsværktøj, hvilket giver mulighed for at få et hurtigt overblik over befæstelsesgraden i forskellige vandoplande.
Figur 5. Det nye befæstelseskortet er koblet sammen med vandoplandsværktøjet.
Desuden er befæstelsesgraden beregnet for alle matrikler og kloakoplande baseret på polygoner fra GeoDanmark og Plandata. Denne information kan bruges, for eksempel, i sagsbehandling og spildevandsplanlægning.
Figur 6. Befæstelsesgraden er beregnet for alle kloakoplande og matrikler.
Fandt du en fejl? Redigér i kortet med vores nye værktøjer
Der findes fortsat unøjagtigheder i det opdaterede kort. I eksemplet nedenunder er det et grønt areal, der delvist er klassificeret som befæstet pga. en stor skygge, som machine learning modellen har haft svært ved at tolke.
Hvis du finder fejl i dit projektområde, kan du hurtigt skabe et arbejdsområde i SCALGO Live og bruge vores nye arealediteringsværktøj til at rette kortet.
Figur 7. Editér kortet hvis du finder vigtige unøjagtigheder. I luftfotoet ses tydeligt at arealet er ubefæstet, men i befæstelseskortet er arealet delvist kortlagt som befæstet. Med arealediteringsværktøjet kan du ændre kortlægningen så det passer med luftfotoet.
Byudvikling
Arbejder du med byudvikling eller lokalplanlægning? Du kan også bruge arealediteringsværktøjet til at opdatere befæstelseskortet for et helt lokalplansområde, enten ved at tegne konturerne af nye bygninger og befæstelser selv, eller ved at trække polygoner fra tegningsmateriale ind i editeringsværktøjet.
Figur 8. I byplanlægning kan der være behov for at lave et opdateret befæstelseskort. Dette kan du lave meget hurtigt med hjælp af arealediteringsværktøjet.
Sådan kommer du i gang!
Vil du lære mere, om hvordan du kan arbejde interaktivt med vores befæstelseskort? Se vores webinar ”Infiltration og arealanvendelse”.
For hurtigt overblik tjek videoen ”Infiltration and Land use” i vores Kom godt i gang-arkiv.
