Airborne Laser Scanning and the Archaeological Interpretation of Ireland’s First World War Landscape”:The Case Study of Randalstown Training Camp

The training of Irish soldiers for service in the British Army during the First World War required the establishment of training camps across the island, such as at Shane’s Castle Estate, close to Randalstown in County Antrim, Northern Ireland. The camp saw active use from 1914 to 1918 but after the war it was demilitarised and returned to use as farmland. Archaeological investigations have revealed that earthwork traces of the camp can still be identified in the modern landscape. Comparison of a map of the camp from 1915, Airborne Laser Scanning data and aerial photographs has enabled the footprint of the camp to be re-established, while also helping to identify the location of specific elements such as the remains of barrack huts, stores, mess halls and officers’ quarters.

激光测深系统中大动态范围压缩技术的实验研究

分析了分通道、距离选通、光电倍增管变增益、正交偏振等多种技术相结合的方法，用以改善机载激光测深系统中激光回波的动态范围。并研制了相应的变增益部件，开展了水池试验以及海上现场试验。试验结果表明，多种方法相结合的技术可对水底信号的动态范围进行有效压缩，满足机载测深系统对浅海测量的动态范围要求；但正交偏振技术对信号测量压缩的改善效果并不明显。报道了试验过程中出现的光电倍增管后脉冲对水深测量的影响。对动态范围压缩技术进一步研究提供了有价值的参考。

用于机载激光测深系统的时间间隔测量模块

机载海洋激光测深系统不仅要求精确测量激光从海表的入射点到海底目标点之间的距离，还要精确测定飞机到海表入射，点之间的距离，为水深数据的海浪校正而确定平均海平面以及波高。为此设计和研制了一高精度时间间隔测量器，该单元基于专用时间数字转换芯片开发，采用延迟线插入法技术，双通道工作，具有高时间分辨率(最高可达250ps)和高测量重复率的特性。给出硬件和软件设计方法以及单元的测试结果。

机载激光测深系统中海面波浪影响的改正

针对研制的新型机载激光测深系统的海上飞行试验数据,进行预处理、信息提取、数据同步和坐标转换后,开展波浪改正研究.对海底高程的GPS高程信息无波浪改正、GPS高程信息改正飞机航高变化计算波浪和加速度信息改正飞机航高变化计算波浪三种技术进行了分析.数据处理结果表明,采用加速度信息改正飞机航高变化计算得到的波浪信息的方法,结果较好,可满足研制的机载激光测深系统的要求.

Remote sensing of intertidal morphological change in Morecambe Bay, U.K., between 1991 and 2007

Tidal Flats are important examples of extensive areas of natural environment that remain relatively unaffected by man. Monitoring of tidal flats is required for a variety of purposes. Remote sensing has become an established technique for the measurement of topography over tidal flats. A further requirement is to measure topographic changes in order to measure sediment budgets. To date there have been few attempts to make quantitative estimates of morphological change over tidal flat areas. This paper illustrates the use of remote sensing to measure quantitative and qualitative changes in the tidal flats of Morecambe Bay during the relatively long period 1991–2007. An understanding of the patterns of sediment transport within the Bay is of considerable interest for coastal management and defence purposes. Tidal asymmetry is considered to be the dominant cause of morphological change in the Bay, with the higher currents associated with the flood tide being the main agency moulding the channel system. Quantitative changes were measured by comparing a Digital Elevation Model (DEM) of the intertidal zone formed using the waterline technique applied to satellite Synthetic Aperture Radar (SAR) images from 1991–1994, to a second DEM constructed from airborne laser altimetry data acquired in 2005. Qualitative changes were studied using additional SAR images acquired since 2003. A significant movement of sediment from below Mean Sea Level (MSL) to above MSL was detected by comparing the two Digital Elevation Models, though the proportion of this change that could be ascribed to seasonal effects was not clear. Between 1991 and 2004 there was a migration of the Ulverston channel of the river Leven north-east by about 5 km, followed by the development of a straighter channel to the west, leaving the previous channel decoupled from the river. This is thought to be due to independent tidal and fluvial forcing mechanisms acting on the channel. The results demonstrate the effectiveness of remote sensing for measurement of long-term morphological change in tidal flat areas. An alternative use of waterlines as partial bathymetry for assimilation into a morphodynamic model of the coastal zone is also discussed.

Photogrammetric refinement of laser-based building roof contours

In this paper a photogrammetric method is proposed for refining 3D building roof contours extracted from airborne laser scanning data. It is assumed that laser-derived planar faces of roofs are potentially accurate, while laser-derived building roof contours are not well defined. First, polygons representing building roof contours are extracted from a high-resolution aerial image. In the sequence, straight-line segments delimitating each building roof polygon are projected onto the corresponding laser-derived roof planes by using a new line-based photogrammetric model. Finally, refined 3D building roof contours are reconstructed by connecting every pair of photogrammetrically- projected adjacent straight lines. The obtained results showed that the proposed approach worked properly, meaning that the integration of image data and laser scanning data allows better results to be obtained, when compared to the results generated by using only laser scanning data. © 2013 IEEE.

Detecção de regiões de via integrando dados de varredura a LASER aerotransportado e imagens de alta resolução

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Thickness Changes on Whillans Ice Stream and Ice Stream C, West Antarctica, Derived from Laser Altimeter Measurements

Repeat airborne laser altimeter measurements are used to derive surface elevation changes on parts of Whillans Ice Stream and Ice Stream C, West Antarctica. Elevation changes are converted to estimates of ice equivalent thickness change using local accumulation rates, surface snow densities and vertical bedrock motions. The surveyed portions of two major tributaries of Whillans Ice Stream are found to be thinning almost uniformly at an average rate of similar to 1 m a(-1). Ice Stream C has a complicated elevation-change pattern, but is generally thickening. These results are used to estimate the contribution of each surveyed region to the current rate of global sea-level rise.

Digital elevation model error in terrain analysis

Digital elevation models (DEMs) have been an important topic in geography and surveying sciences for decades due to their geomorphological importance as the reference surface for gravita-tion-driven material flow, as well as the wide range of uses and applications. When DEM is used in terrain analysis, for example in automatic drainage basin delineation, errors of the model collect in the analysis results. Investigation of this phenomenon is known as error propagation analysis, which has a direct influence on the decision-making process based on interpretations and applications of terrain analysis. Additionally, it may have an indirect influence on data acquisition and the DEM generation. The focus of the thesis was on the fine toposcale DEMs, which are typically represented in a 5-50m grid and used in the application scale 1:10 000-1:50 000. The thesis presents a three-step framework for investigating error propagation in DEM-based terrain analysis. The framework includes methods for visualising the morphological gross errors of DEMs, exploring the statistical and spatial characteristics of the DEM error, making analytical and simulation-based error propagation analysis and interpreting the error propagation analysis results. The DEM error model was built using geostatistical methods. The results show that appropriate and exhaustive reporting of various aspects of fine toposcale DEM error is a complex task. This is due to the high number of outliers in the error distribution and morphological gross errors, which are detectable with presented visualisation methods. In ad-dition, the use of global characterisation of DEM error is a gross generalisation of reality due to the small extent of the areas in which the decision of stationarity is not violated. This was shown using exhaustive high-quality reference DEM based on airborne laser scanning and local semivariogram analysis. The error propagation analysis revealed that, as expected, an increase in the DEM vertical error will increase the error in surface derivatives. However, contrary to expectations, the spatial au-tocorrelation of the model appears to have varying effects on the error propagation analysis depend-ing on the application. The use of a spatially uncorrelated DEM error model has been considered as a 'worst-case scenario', but this opinion is now challenged because none of the DEM derivatives investigated in the study had maximum variation with spatially uncorrelated random error. Sig-nificant performance improvement was achieved in simulation-based error propagation analysis by applying process convolution in generating realisations of the DEM error model. In addition, typology of uncertainty in drainage basin delineations is presented.

Männyn neulaskadon arviointi laserkeilauksella

Leaf and needle biomasses are key factors in forest health. Insects that feed on needles cause growth losses and tree mortality. Insect outbreaks in Finnish forests have increased rapidly during the last decade and due to climate change the damages are expected to become more serious. There is a need for cost-efficient methods for inventorying these outbreaks. Remote sensing is a promising means for estimating forests and damages. The purpose of this study is to investigate the usability of airborne laser scanning in estimating Scots pine defoliation caused by the common pine sawfly (Diprion pini L.). The study area is situated in Ilomantsi district, eastern Finland. Study materials included high-pulse airborne laser scannings from July and October 2008. Reference data consisted of 90 circular field plots measured in May-June 2009. Defoliation percentage on these field plots was estimated visually. The study was made on plot-level and methods used were linear regression, unsupervised classification, Maximum likelihood method, and stepwise linear regression. Field plots were divided in defoliation classes in two different ways: When divided in two classes the defoliation percentages used were 0–20 % and 20–100 % and when divided in four classes 0–10 %, 10–20 %, 20–30 % and 30–100 %. The results varied depending on method and laser scanning. In the first laser scanning the best results were obtained with stepwise linear regression. The kappa value was 0,47 when using two classes and 0,37 when divided in four classes. In the second laser scanning the best results were obtained with Maximum likelihood. The kappa values were 0,42 and 0,37, correspondingly. The feature that explained defoliation best was vegetation index (pulses reflected from height > 2m / all pulses). There was no significant difference in the results between the two laser scannings so the seasonal change in defoliation could not be detected in this study.

Hila- ja kuviotason laskennan vaikutus kuvion kokonaistilavuuteen, tallennustilaan ja laskentaaikaan teoreettista läpimittajakaumaa ja runkolukusarjaa käyttämällä

Metsäsuunnittelussa tarvittavan metsävaratiedon keräämisessä ollaan Suomessa siirtymässä kuvioittaisesta arvioinnista laserkeilaus- ja ilmakuvapohjaiseen kaukokartoitukseen. Tämän tutkimuksen tarkoitus oli selvittää kuvion kokonaistilavuuden ja läpimittajakauman ennustamisen tarkkuus koealan metsikkö- ja puustotunnuksista MSN-, PRM-, ML- ja FMM-menetelmiä sekä Weibull-jakaumaa hyödyntäen seuraavilla tavoilla: 1. PRM-menetelmällä hilatasolla, 2. PRMmenetelmällä kuviotasolla, 3. ML-menetelmällä hilatasolla ja 4. ML-menetelmällä kuviotasolla. Lisäksi kuvion kokonaistilavuuden ennustamisen tarkkuus selvitettiin hyödyntäen kuviolle tuotettua runkolukusarjaa. Tulokset laskettiin puulajikohtaisesti männylle, kuuselle, koivulle ja muille puulajeille. Puulajien tulokset laskettiin kuviotasolla yhteen. Lisäksi selvitettiin menetelmien laskenta-ajan ja tallennustilan tarve. Tutkimuksen aineistona käytettiin Hämeen ammattikorkeakoulun Evon toimipisteen metsistä mitattuja kiinteäsäteisiä ympyräkoealoja, joita oli 249 kappaletta. Hakkuukoneella mitattiin 12kuvion, joiden pinta-alat vaihtelivat välillä 0,2 – 1,94 hehtaaria, puustotiedot. Aluepohjaisen laserkeilausaineiston pulssin tiheys oli 1,8/m2 ja ilmakuvien pikselikoko 0,5 metriä. Kuvion kokonaistilavuus ennustettiin tai estimoitiin laserkeilaus- ja ilmakuva-aineiston piirteiden avulla koealojen puustotunnuksista. Tulokset laskettiin erikseen kaikille kuvioille ja kuvioille, joiden pinta-ala oli yli 0,5 hehtaaria. Yli 0,5 hehtaarin kuvioita oli 8 kappaletta. Kuvion hilojen naapureina käytettiin 1 - 10 koealaa. Menetelmästä ja naapurien määrästä riippuen kokonaistilavuuden suhteellinen RMSE ja harha vaihtelivat välillä 20,76 – 52,86 prosenttia ja -12,04 – 46,54 prosenttia. Vastaavat luvut yli 0,5 hehtaarin kuvioilla olivat 6,74 – 59,41 prosenttia ja -8,04 – 49,59 prosenttia. Laskenta-aika vaihteli menetelmien ja käytettyjen naapurien määrän mukaan voimakkaasti. Kehittyneemmällä ohjelmoinnilla ja ohjelmistolla laskenta-ajat voivat laskea merkittävästi. Tallennustila ei testatuilla menetelmillä ole rajoittava tekijä laajassakaan mittakaavassa. Läpimittajakauman perusteella PRM-menetelmä ennustaa puulajille erittäin kapean läpimittajakauman, jos koeala koostuu vain muutamasta lähes samankokoisesta puusta. Tämä vaikutti tuloksiin erityisesti menetelmällä PRM2.

Lahopuumäärän ennustaminen ja kartoitus lentokonelaserkeilauksen avulla

Lahopuun määrästä ja sijoittumisesta ollaan kiinnostuneita paitsi elinympäristöjen monimuotoisuuden, myös ilmakehän hiilen varastoinnin kannalta. Tutkimuksen tavoitteena oli kehittää aluepohjainen laserkeilausdataa hyödyntävä malli lahopuukohteiden paikantamiseksi ja lahopuun määrän estimoimiseksi. Samalla tutkittiin mallin selityskyvyn muuttumista mallinnettavan ruudun kokoa suurennettaessa. Tutkimusalue sijaitsi Itä-Suomessa Sonkajärvellä ja koostui pääasiassa nuorista hoidetuista talousmetsistä. Tutkimuksessa käytettiin harvapulssista laserkeilausdataa sekä kaistoittain mitattua maastodataa kuolleesta puuaineksesta. Aineisto jaettiin siten, että neljäsosa datasta oli käytössä mallinnusta varten ja loput varattiin valmiiden mallien testaamiseen. Lahopuun mallintamisessa käytettiin sekä parametrista että ei-parametrista mallinnusmenetelmää. Logistisen regression avulla erikokoisille (0,04, 0,20, 0,32, 0,52 ja 1,00 ha) ruuduille ennustettiin todennäköisyys lahopuun esiintymiselle. Muodostettujen mallien selittävät muuttujat valittiin 80 laserpiirteen ja näiden muunnoksien joukosta. Mallien selittävät muuttujat valittiin kolmessa vaiheessa. Aluksi muuttujia tarkasteltiin visuaalisesti kuvaamalla ne lahopuumäärän suhteen. Ensimmäisessä vaiheessa sopivimmiksi arvioitujen muuttujien selityskykyä testattiin mallinnuksen toisessa vaiheessa yhden muuttujan mallien avulla. Lopullisessa usean muuttujan mallissa selittävien muuttujien kriteerinä oli tilastollinen merkitsevyys 5 % riskitasolla. 0,20 hehtaarin ruutukoolle luotu malli parametrisoitiin muun kokoisille ruuduille. Logistisella regressiolla toteutetun parametrisen mallintamisen lisäksi, 0,04 ja 1,0 hehtaarin ruutukokojen aineistot luokiteltiin ei-parametrisen CART-mallinnuksen (Classification and Regression Trees) avulla. CARTmenetelmällä etsittiin aineistosta vaikeasti havaittavia epälineaarisia riippuvuuksia laserpiirteiden ja lahopuumäärän välillä. CART-luokittelu tehtiin sekä lahopuustoisuuden että lahopuutilavuuden suhteen. CART-luokituksella päästiin logistista regressiota parempiin tuloksiin ruutujen luokituksessa lahopuustoisuuden suhteen. Logistisella mallilla tehty luokitus parani ruutukoon suurentuessa 0,04 ha:sta(kappa 0,19) 0,32 ha:iin asti (kappa 0,38). 0,52 ha:n ruutukoolla luokituksen kappa-arvo kääntyi laskuun (kappa 0,32) ja laski edelleen hehtaarin ruutukokoon saakka (kappa 0,26). CART-luokitus parani ruutukoon kasvaessa. Luokitustulokset olivat logistista mallinnusta parempia sekä 0,04 ha:n (kappa 0,24) että 1,0 ha:n (kappa 0,52) ruutukoolla. CART-malleilla määritettyjen ruutukohtaisten lahopuutilavuuksien suhteellinen RMSE pieneni ruutukoon kasvaessa. 0,04 hehtaarin ruutukoolla koko aineiston lahopuumäärän suhteellinen RMSE oli 197,1 %, kun hehtaarin ruutukoolla vastaava luku oli 120,3 %. Tämän tutkimuksen tulosten perusteella voidaan todeta, että maastossa mitatun lahopuumäärän ja tutkimuksessa käytettyjen laserpiirteiden yhteys on pienellä ruutukoolla hyvin heikko, mutta vahvistuu hieman ruutukoon kasvaessa. Kun mallinnuksessa käytetty ruutukoko kasvaa, pienialaisten lahopuukeskittymien havaitseminen kuitenkin vaikeutuu. Tutkimuksessa kohteen lahopuustoisuus pystyttiin kartoittamaan kohtuullisesti suurella ruutukoolla, mutta pienialaisten kohteiden kartoittaminen ei onnistunut käytetyillä menetelmillä. Pienialaisten kohteiden paikantaminen laserkeilauksen avulla edellyttää jatkotutkimusta erityisesti tiheäpulssisen laserdatan käytöstä lahopuuinventoinneissa.

Alikasvoksen mittaus ja kartoitus laserkeilauksella

Tasaikäisen metsän alle muodostuvilla alikasvoksilla on merkitystä puunkorjuun, metsänuudistamisen, näkemä-ja maisema-analyysien sekä biodiversiteetin ja hiilitaseen arvioinnin kannalta. Ilma-aluksista tehtävä laserkeilaus on osoittautunut tehokkaaksi kaukokartoitusmenetelmäksi varttuneiden puustojen mittauksessa. Laserkeilauksen käyttöönotto operatiivisessa metsäsuunnittelussa mahdollistaa aiempaa tarkemman tiedon tuottamisen alikasvoksista, mikäli alikasvoksen ominaisuuksia voidaan tulkita laseraineistoista. Tässä työssä käytettiin tarkasti mitattuja maastokoealoja ja kaikulaserkeilausaineistoja (discrete return LiDAR) usealta vuodelta (1–2 km lentokorkeus, 0,9–9,7 pulssia m-2). Laserkeilausaineistot oli hankittu Optech ALTM3100 ja Leica ALS50-II sensoreilla. Koealat edustavat suomalaisia tasaikäisiä männiköitä eri kehitysvaiheissa. Tutkimuskysymykset olivat: 1) Minkälainen on alikasvoksesta saatu lasersignaali yksittäisen pulssin tasolla ja mitkä tekijät signaaliin vaikuttavat? 2) Mikä on käytännön sovelluksissa hyödynnettävien aluepohjaisten laserpiirteiden selitysvoima alikasvospuuston ominaisuuksien ennustamisessa? Erityisesti haluttiin selvittää, miten laserpulssin energiahäviöt ylempiin latvuskerroksiin vaikuttavat saatuun signaaliin, ja voidaanko laserkaikujen intensiteetille tehdä energiahäviöiden korjaus. Puulajien väliset erot laserkaiun intensiteetissä olivat pieniä ja vaihtelivat keilauksesta toiseen. Intensiteetin käyttömahdollisuudet alikasvoksen puulajin tulkinnassa ovat siten hyvin rajoittuneet. Energiahäviöt ylempiin latvuskerroksiin aiheuttivat alikasvoksesta saatuun lasersignaaliin kohinaa. Energiahäviöiden korjaus tehtiin alikasvoksesta saaduille laserpulssin 2. ja 3. kaiuille. Korjauksen avulla pystyttiin pienentämään kohteen sisäistä intensiteetin hajontaa ja parantamaan kohteiden luokittelutarkkuutta alikasvoskerroksessa. Käytettäessä 2. kaikuja oikeinluokitusprosentti luokituksessa maan ja yleisimmän puulajin välillä oli ennen korjausta 49,2–54,9 % ja korjauksen jälkeen 57,3–62,0 %. Vastaavat kappa-arvot olivat 0,03–0,13 ja 0,10–0,22. Tärkein energiahäviöitä selittävä tekijä oli pulssista saatujen aikaisempien kaikujen intensiteetti, mutta hieman merkitystä oli myös pulssin leikkausgeometrialla ylemmän latvuskerroksen puiden kanssa. Myös 3. kaiuilla luokitustarkkuus parani. Puulajien välillä havaittiin eroja siinä, kuinka herkästi ne tuottavat kaiun laserpulssin osuessa puuhun. Kuusi tuotti kaiun suuremmalla todennäköisyydellä kuin lehtipuut. Erityisen selvä tämä ero oli pulsseilla, joissa oli energiahäviöitä. Laserkaikujen korkeusjakaumapiirteet voivat siten olla riippuvaisia puulajista. Sensorien välillä havaittiin selviä eroja intensiteettijakaumissa, mikä vaikeuttaa eri sensoreilla hankittujen aineistojen yhdistämistä. Myös kaiun todennäköisyydet erosivat jonkin verran sensorien välillä, mikä aiheutti pieniä eroavaisuuksia kaikujen korkeusjakaumiin. Aluepohjaisista laserpiirteistä löydettiin alikasvoksen runkolukua ja keskipituutta hyvin selittäviä piirteitä, kun rajoitettiin tarkastelu yli 1 m pituisiin puihin. Piirteiden selitysvoima oli parempi runkoluvulle kuin keskipituudelle. Selitysvoima ei merkittävästi alentunut pulssitiheyden pienentyessä, mikä on hyvä asia käytännön sovelluksia ajatellen. Lehtipuun osuutta ei pystytty selittämään. Tulosten perusteella kaikulaserkeilausta voi olla mahdollista hyödyntää esimerkiksi ennakkoraivaustarpeen arvioinnissa. Sen sijaan alikasvoksen tarkempi luokittelu (esim. puulajitulkinta) voi olla vaikeaa. Kaikkein pienimpiä alikasvospuita ei pystytä havaitsemaan. Lisää tutkimuksia tarvitaan tulosten yleistämiseksi erilaisiin metsiköihin.

尘埃粒子计数器中光源对传感器光通量的影响分析

在Mie散射理论基础上，由单分散射的光强表达式导出在偏振光的入射条件下一定立体角内的散射光通量的表达式，并与自然光入射作比较。计算了在相同强度不同光源入射下，尘埃粒子计数器的两种常用散射光收集系统收集的散射光通量。结果表明：采用近前向散射光收集系统得到的光通量相等；而采用直角方向散射光收集系统时两者并不相等，且在平面偏振光入射时，收集的散射光通量还跟探测器中心与入射光偏振方向夹角有关。用MATLAB编程计算，得出了在探测器中心与偏振方向的夹角成90°或270°位置时，收集的散射光通量有极值的结论，为激光尘