Grossflächige hochaufgelöste Schneehöhenkarten aus digitalen Stereoluftbildern CHRISTIAN GINZLER 1, MAURO MARTY 2 & YVES BÜHLER 3 Kenntnisse über Schneemächtigkeiten und deren räumliche Verteilung sind wichtige Informationen für eine Reihe von Anwendungen in der Schnee- und Lawinenforschung. Heute werden Schneeverteilungen üblicherweise mittels Interpolationsverfahren von punktuellen manuellen Messungen und automatischen Messstationen ermittelt. Die hohe räumliche Variabilität im alpinen Gelände ist mit dieser Methode allerdings nicht erfassbar. Terrestrisches Laserscanning (TLS) ermöglicht eine hohe räumliche Auflösung, aber die erfassbare Fläche ist klein und die Kosten dafür hoch. Mittels Airborne Laserscanning (ALS) können zwar grössere Gebiete erfasst werden, die Kosten bleiben allerdings hoch. Aktuelle optische Sensoren, wie der ADS80, erlauben durch Stereokorrelation die Berechnung von digitalen Oberflächenmodellen (DOM). Die hohe radiometrische Auflösung von 11bit und die Kombination der spektralen Bänder von Blau bis zu nahem Infrarot bieten sich für ein Bild-Matching auch unter schwierigen Bedingungen an. Für die Korrelation werden die multispektralen backward-looking und nadir-looking Sensordaten verwendet. Stehen digitale Geländemodelle (DTM) aus Sommerbefliegungen zur Verfügung, so lassen sich daraus Schneehöhen berechnen. Im Untersuchungsgebiet Davos (Graubünden, Schweiz) wurden im Winter 2009/10 und 2011/12 Flugstreifen mit Bodenauflösungen von ~25 cm akquiriert. Wir vergleichen die Ergebnisse mit differentiellen GPS Messungen und Messungen von terrestrischem Laserscanning um die erreichbare Genauigkeit der Schneehöhenkarten zu quantifizieren und mögliche Einschränkungen zu identifizieren. 1 Einleitung Schnee spielt eine wichtige Rolle im Alpinen Raum, nicht nur für den Tourismus (e.g. ELSASSER & BÜRKI 2002; RIXEN et al. 2011) sondern unter anderem auch für die Energiegewinnung und Wasserversorgung (e.g. MARTY 2008, FARINOTTI et al. 2012), die lokale Fauna und Flora (e.g. WIPF et al. 2009) und die Sicherheit im Berggebiet. Allerdings ist seit langem bekannt, dass die Verteilung des Schnees im Gebirge räumlich sehr stark variiert (e.g. ELDER et al. 1991; Schweizer et al. 2008, LEHNING et al. 2008; EGLI 2008, Grünewald et al. 2010). Allerdings kann diese räumliche Variabilität der Schneedecke bis heute noch nicht befriedigend über grosse Flächen erfasst werden. Heute wir die Schneehöhe meist anhand von Punktmessungen an automatischen Wetterstationen oder von Beobachtern an definierten Orten gemessen (BRÜNDL et al. 2004; EGLI 2008). 1) Christian Ginzler, Eidg. Forschungsanstalt für Land, Schnee und Landschaft WSL, CH-8903 Birmensdorf; christian.ginzler@wsl.ch 2) Mauro Marty, Eidg. Forschungsanstalt für Land, Schnee und Landschaft WSL, CH-8903 Birmensdorf; mauro.marty@wsl.ch 3) Yves Bühler, WSL-Institut für Schnee- und Lawinenforschung, CH-7260 Davos Dorf; yves.buehler@slf.ch 71
Danach werden die Messwerte über grosse Gebiete interpoliert und mit satellitengestützten Schneebedeckungskarten kombiniert (e.g. FOPPA et al. 2007). Dabei wird aber die kleinräumige Variabilität der Schneehöhen nicht erfasst. Zudem ist kaum bekannt, inwiefern die Messungen an den Stationen für die Einzugsgebiete repräsentativ sind. Terrestrial Laserscanning (TLS) kann benutzt werden um Schneehöhen räumlich kontinuierlich zu messen (PROKOP 2008; GRUENEWALD et al. 2010). Obwohl die Messgenauigkeit sehr gut ist (meist besser als 20 cm), können mit dieser Methode grosse Einzugsgebiete wie das Dischma Tal nicht vollständig abgedeckt werden. Die Datenerfassung ist zeitaufwändig und nur bei guten Bedingungen (Wetter, Lawinensituation) und in der Nähe von leicht zugänglichen Gebieten möglich. Zudem entstehen zahlreiche Abdeckungs-Lücken, zum Beispiel hinter Hügeln, wo der Scanner keine freie Sichtverbindung hat. Laserscanning vom Flugzeug oder Helikopter aus (Airborne Laser Scanning ALS) kann grössere Gebiete auch in heiklen Situationen abdecken, allerdings sind die Kosten bereits für kleinere Flächen sehr hoch (BÜHLER et al., 2012). In der vorliegenden Untersuchung nutzen wir den opto-elektronischen Scanner ADS80 der Firma Leica Geosystems um Oberflächenmodelle für den Sommer und Winter im Raum Davos zu berechnen. Daraus leiten wir räumlich kontinuierliche Schneehöhen über weite Gebiete (ca. 120 km 2 ) ab. Diese Methode ist für grosse Flächen (mehrere km 2 ) deutlich kostengünstiger als Laserscanning. Um die Zuverlässigkeit der photogrammetrischen Oberflächenmodelle abzuschätzen vergleichen wir diese Schneehöhen mit Handmessungen, welche zeitgleich mit dem Überflug im Feld erhoben wurden. 2 Untersuchungsgebiet Die beiden Untersuchungsgebiete befindet sich im Südosten der Schweiz, im Kanton Graubünden in der Nähe der Stadt Davos. Der Talboden befindet sich auf rund 1500 m ü. M., die höchsten Gipfel reichen bis über 3000 m ü. M.. Die Untersuchungen werden in den zwei Testgebieten Wannengrat (ca. 28 km 2 ) und Dischma (ca. 90 km 2 ) durchgeführt (Abb. 1). Beide Untersuchungsgebiete beinhalten Siedlungsgebiete im Raum Davos und den Seitentälern Sertig, Dischma und Flüela, Nadelwald, offene Matten, Geröllhalden, kleine Gletscher und felsige Blockgrate, die zu den Gipfeln führen. Das Kern -Testgebiet, wo verschiedene Untersuchungen des WSL- Institut für Wald, Schnee und Lawinenforschung SLF lokalisiert sind, liegt südwestlich des Skigebietes Parsenn im Steintälli und dem Vorder Latschüel. Wir fassen dieses Gebiet nachfolgend unter dem Begriff Wannengrat zusammen (Abb. 1). Die Daten für das Test-Gebiet Dischma sind zurzeit noch in Bearbeitung. 72
DGPF Tagungsband 22 / 2013 Dreiländertagung DGPF, OVG, SGPF Abb. 1: Fluglinien der ADS80 Zeilensensordaten für die Untersuchungsgebiete Wannengrat und Dischma und das Testgebiet am Wannengrat (rot). 3 Daten und Methoden 3.1 Luftbilder Die Luftbilddatensätze sind nahe am maximalen Stand der Schneehöhe im Frühjahr 2010 (16.04.2012), Frühjahr 2012 (20.03.2012) und als Referenz im Sommer 2010 (26.08.2012) für die Untersuchungsgebiete Wannengrat und Dischmatal aufgenommen worden. Die Aufnahmen erfolgten mit dem opto-elektronischen Zeilenscanner ADS80 durch die Herstellerfirma Leica Geosystems. Das Untersuchungsgebiet Wannengrat ist mit fünf Bildstreifen abgedeckt. Es umfasst eine von Südwest nach Nordost verlaufende Gebirgskette zwischen Arosa und Davos (ca. 28 km2). Für das Dischmatal wurden sieben Bildstreifen aufgenommen. Sie decken ein Gebiet zwischen Davos und dem Engadin ab, welches im Osten und Westen durch das Flüela- bzw. Sertigtal begrenzt wird (Abb. 1). Die Luftbildstreifen beider Untersuchungsgebiete haben eine Querüberlappung von ca. 70 %. Die räumliche Auflösung der Bilder beträgt 25 cm (GSD). Beim Bildflug erfolgt eine simultane Aufnahme von fünf Spektralbändern (rot, grün, blau, nahes Infrarot und pan) mit einer radiometrischen Auflösung von 11 bit sowie in drei Aufnahmewinkeln (backward -16, nadir, forward +27 ). Die Orientierung mittels integriertem GNSS/IMU während der Bildaufnahme 73
und der anschliessenden Aerotriangulation ergab eine Lagegenauigkeit der Luftbildstreifen (x,y) von ungefähr einer GSD (25 cm). Ein Vorteil des ADS80 Zeilensensors im Vergleich zu Matrixkameras ist die geringere Verzerrung in Flugrichtung (Linienprojektion) und die gleiche räumliche Auflösung in allen Spektralbändern, welche durch separate CCD-Sensorlinien für jedes Spektralband ermöglicht wird. Dieser Sensor wurde bereits erfolgreich für Anwendungen wie der Berechnung von Digitalen Oberflächenmodellen im Hochgebirge (BÜHLER et al., 2012), Lawinenkartierungen (BÜHLER et al., 2009) und der Klassifikation von Baumarten (WASER et al., 2011) eingesetzt. Weitere Informationen über den ADS80 Zeilensensor können SANDAU (2010) entnommen werden. 3.2 Feldmessungen Zeitgleich mit der Befliegung wurden im Feld mit einer Lawinensonde an 15 verschiedenen Orten Plots von 5 mal 5 Messungen im Abstand von 2 Metern vorgenommen und die Eckpunkte mittels differentiellem GNSS festgehalten (Abb. 2). Somit wurden insgesamt 375 einzelne Schneehöhenmessungen von Hand erhoben. Weil die Schneehöhe aber bereits innerhalb weniger Zentimeter stark variieren kann, zum Beispiel wenn am Boden ein Felsbrocken liegt, vergleichen wir nicht die einzelnen Punkte sondern die Mittelwerte und Standardabweichungen der ganzen Plots mit den entsprechenden Gebiete aus den ADS Oberflächenmodellen. Weitere Schneehöhen-Referenzdaten, erhoben mit differentiellem GNSS, TLS und Ground Penetrating Radar GPR wurden ebenfalls zeitgleich mit dem Überflug erhoben. Diese Daten werden in den nächsten Monaten ausgewertet. Abb. 2: Messschema für die manuellen Schneehöhenmessungen mit der Lawinensonde. 3.3 Bildkorrelation Die Berechnung der Oberflächenmodelle erfolgt mit dem Softwarepaket SOCETSET 5.6 der Firma BAE SYSTEMS. Dabei finden die beiden Module NGATE ( Next Generation Automatic Terrain Extraction ) und AATE ( Adaptive Automatic Terrain Extraction ) Verwendung. 74
NGATE basiert auf einem hybriden Bildkorrelationsalgorithmus, welcher flächen- und kantenbasierende Methoden zur Bestimmung eines Ähnlichkeitsmasses für korrespondierende Punkte, kombiniert. Dieses wird mittels eines zweidimensionalen Kreuzkorrelationskoeffizienten berechnet. Ein Multi-Image Matching Algorithmus und eine Back-Matching Funktion ermöglicht eine erhöhte Redundanz von Informationen zu jedem korrelierten Punkt (DEVENECIA et al., 2007). Die Korrelation wird auf Basis der einzelnen Pixel eines Bildstreifens berechnet. Das Verhalten von NGATE kann mittels unterschiedlicher Strategien gesteuert werden. AATE ist eine Weiterentwicklung des älteren Algorithmus ATE, welcher in (ZHANG und MILLER, 1997) beschrieben wird. Die Berechnung des Ähnlichkeitsmasses anhand der zweidimensionalen Kreuzkorrelation wird dabei durch flächenbasierte Methoden durchgeführt. Der Multi-Image Matching Algorithmus und die Back-Matching Funktion sind auch in dieser Softwareversion enthalten. Im Unterschied zu NGATE wird die Steuerung von AATE durch eine sogenannte Interference Engine gesteuert, welche anhand von Geländeeigenschaften, Flughöhe, Signalstärke und der X- und Y- Parallaxe eine automatische Parametersteuerung vornimmt. Die Bildkorrelation wird in einem regelmässigen, Abstand durchgeführt ( Post Spacing ). In der vorliegenden Untersuchung werden die DOMs mit einer räumlichen Auflösung von 1 m (4 x GSD, XU et al., 2008) gerechnet. Dabei ist jedem Punkt ein Qualitätsmass ( Figure of Merit FOM) zugeordnet, welcher Informationen über die Herkunft des Punktes enthält. In der vorliegende Untersuchung wird dieser Wert zur Unterscheidung von korrelierten (FOM 40) bzw. interpolierten (FOM < 40) Geländepunkten verwendet. Die komplexe Topographie im Hochgebirge und die zum Teil sehr kontrastarmen Bildteile mit Neuschnee erschweren die Bildkorrelation. Diese Gegebenheit führt dazu, dass die Anwendung einer einzigen Strategie nie für alle unterschiedlichen Gelände- und Illuminationsbedingungen zu befriedigenden Ergebnissen führt. Daher wurden von jedem Bildstreifen drei unterschiedliche DOMs gerechnet (2 x NGATE, 1 x AATE) und miteinander kombiniert. Mit NGATE fanden die beiden Strategien low_contrast und urban Verwendung. Die Kombination der verschiedenen DOMs erfolgte nach der Eliminierung der nicht korrelierten Punkte aus allen DOMs ( Figure of Merit < 40). Die verbleibenden Punkte wurden nach der Priorität 1. low_contrast, 2. urban, 3. AATE zusammengeführt, d.h. durch low_contrast nicht korrelierte Geländepunkte wurden, falls vorhanden, durch urban oder in einem zweiten Schritt durch AATE Informationen ergänzt. Die Schneehöhe wurde aus der Differenz des kombinierten DOM und einem DOM aus den Stereoluftstreifen der Sommerbefliegung berechnet. 4 Resultate Zur Abschätzung der Qualität eines photogrammetrischen Oberflächenmodelles ist es von zentraler Bedeutung ob Geländepunkte aus der eigentlichen Bildkorrelation oder durch eine Interpolaton von angrenzenden Punkte gewonnen werden konnte. In Abbildung 2 sind die korrelierten bzw. interpolierten Geländepunkte aus dem kombinierten DOM für das Testgebiet Wannengrat dargestellt. Insgesamt wird dieser Ausschnitt durch 2 377 014 Geländepunkte Modelliert, wobei nur 0.38% (8940) der Punkte interpoliert werden mussten. 75
DGPF Tagungsband 22 / 2013 Dreiländertagung DGPF, OVG, SGPF Abb. 2: Korrelierte und interpolierte Geländepunkte des fotogrammetrischen Oberflächenmodell vom Testgebiet Wannengrat, Winter 2012. Die qualitative Begutachtung der Schneehöhenkarten (Abb. 3) belegt die Plausibilität der Resultate. Aus GRÜNEWALD et al. (2010) bekannte Schneefallen an Luv-Seiten von Geländerücken und Wächten sind sehr schön erkennbar. Wind und Schneeverfrachtungen durch Lawinen führen zu einer gut erkennbaren Verfüllung von Rinnen und insbesondere Bachtobeln. Abb. 3: Schneehöhenkarte von einem Bildstreifen und Ausschnitt im Testgebiet Wannengrat mit eingezeichneten Plots. Um auch quantitative Aussagen über die Qualität der photogrammetrischen Schneehöhenkarten machen zu können, vergleichen wir die Resultate mit den von Hand gemessenen Plots (Tab. 1.). Allerdings konnte die Schneehöhe nicht an allen Plots manuell korrekt erhoben werden, da die Schneehöhe teilweise die Länge der Lawinensonde von 3.10 m überstiegen hat. Der Korrelationskoeffizient R zwischen den mittleren Schneehöhen der ADS- und Referenzdaten beträgt 0.95. 76
Tab. 1: Gemessene Schneehöhenwerte an den einzelnen Plots sowie die Differenzen des Mittelwertes und der Standardabweichung verglichen mit den ADS Schneehöhen. Plots mit Messungen über 3.10 m sind grau eingefärbt. Name Min Max Mean STD Min ADS Max ADS Mean ADS STD ADS Mean STD Plot1 1.80 > 3.10 2.81 0.42 1.96 4.4 3.16 0.62-0.36-0.19 Plot2 0.85 2.50 1.43 0.53 0.83 2.48 1.68 0.35-0.25 0.17 Plot3 1.20 1.75 1.43 0.16 0.62 2.16 1.24 0.35 0.19-0.19 Plot4 0.35 0.90 0.50 0.15 0.00 0.67 0.15 0.18 0.34-0.03 Plot5 0.55 1.75 1.01 0.34 0.00 1.44 0.51 0.39 0.48-0.05 Plot6 0.75 1.75 1.19 0.29 0.19 1.98 1.18 0.40 0.01-0.11 Plot7 1.35 2.90 2.32 0.47 1.98 2.88 2.53 0.21-0.21 0.26 Plot8 1.85 2.80 2.33 0.25 1.92 2.99 2.43 0.27-0.09-0.02 Plot9 1.40 2.20 1.71 0.23 1.35 2.25 1.72 0.23-0.01 0.00 Plot10 0.55 2.35 1.34 0.56 0.47 2.31 1.15 0.45 0.19 0.11 Plot11 0.65 > 3.10 2.28 0.67 0.05 3.05 1.78 0.72 0.49-0.04 Plot12 0.15 0.35 0.22 0.06 0.00 0.44 0.22 0.10 0.00-0.04 Plot13 2.30 > 3.10 2.59 0.33 2.35 4.47 3.59 0.52-1.00-0.20 Plot14 0.70 2.00 1.37 0.41 0.59 1.50 1.27 0.34 0.09 0.07 Plot15 0.35 1.60 0.97 0.33 0.03 2.11 1.12 0.39-0.15-0.06 5 Diskussion In dieser Untersuchung wurde erstmals erfolgreich mittels digitaler photogrammetrischer Oberflächenmodelle eine grossflächige und räumlich kontinuierliche Kartierung der Schneehöhen in einem hochalpinen Einzugsgebiet durchgeführt. Entgegen der weit verbreiteten Meinung, dass über schneebedeckten Flächen die Korrelation von Bildpunkten problematisch ist, konnten wir sehr gute Resultate erzielen. Dies obwohl die Befliegung unmittelbar nach dem letzten Schneefall stattfand und die Oberfläche sehr homogen war. Der Vergleich mit Handmessungen, welche zeitgleich mit dem Überflug im Feld erhoben worden sind, zeigt eine hohe Übereinstimmung (R = 0.95). Daraus leiten wir ab, dass die vorgeschlagene Technologie für die räumlich hochaufgelöste und kontinuierliche Kartierung der Schneehöhe in Alpinen Einzugsgebieten erfolgreich eingesetzt werden kann und dies deutlich kostengünstiger als mit ALS. Als Einschränkung ist zu nennen, dass bestockte Flächen nicht ausgewertet werden können. Allerdings können aus den ADS Luftbildern Bäume und apere Flächen klassiert, und vor der Schneehöhenberechnung ausgeschieden werden. Wir werden weitere Referenzdatensätze (dgnss, TLS & GPR) verwenden um die Qualität der ADS-Schneehöhenmessungen in weiteren Gebieten (Dischma, Steintälli) zu analysieren. Zudem werden wir Befliegungen verschiedener Winter, 2010/11 (unterdurchschnittliche Schneemengen) und 2011/12 (überdurchschnittliche Schneemengen), vergleichen können. Die generierten Schneehöhenkarten sollen in Zukunft weitere wichtige Untersuchungen in der Schneehydrologie, Schneeklimatologie, Ökologie, Lawinenforschung und weiteren Alpinen Forschungsgebieten ermöglichen. 77
6 Literaturverzeichnis BRÜNDL, M.; ETTER, H.-J.; STEINIGER, M.; KLINGLER, C.; RHYNER, J. & AMMANN, W. 2004: IFKIS - a basis for managing avalanche risk in settlements and on roads in Switzerland Natural Hazards and Earth System Sciences, 4, 257 262. BÜHLER, Y.; MARTY, M. & GINZLER, C. 2012: High Resolution DEM Generation in High-Alpine Terrain Using Airborne Remote Sensing Techniques. Transactions in GIS, 2012, 16 (5), 635 647 DEVENECIA, K.; WALKER, S.; ZHANG, B. 2007: New approaches to generating and processing high resolution elevation data with imagery. Proceedings of Photogrammetric Week, 2007, Heidelberg, Germany: 297-308. EGLI, L. 2008: Spatial variability of new snow amounts derived from a dense network of Alpine automatic stations. Annals of Glaciology, 49, 51-55. ELDER, K.; DOZIER, J. & MICHAELSEN, J. 1991: Snow accumulation and distribution in an alpine watershed. Water Resources Research, 27, 1541-1552. ELSASSER, H. & BÜRKI, R., 2002: Climate change as a threat to tourism in the Alps. Climate Research. 20, 253-257. FARINOTTI, D.; USSELMANN, S.; HUSS, M.; BAUDER, A. & FUNK, M. 2012: Runoff evolution in the Swiss Alps: Projections for selected high-alpine catchments based on ENSEMBLES scenarios. Hydrological Processes, 26, 1909-1924. FOPPA, N.; STOFFEL, A. & MEISTER, R. 2007: Synergy of in situ and space borne observation for snow depth mapping in the Swiss Alps. International Journal of Applied Earth Observation and Geoinformation, 9, 294-310. GRUENEWALD, T.; SCHIRMER, M.; MOTT, R. & LEHNING, M. 2010: Spatial and temporal variability of snow depth and ablation rates in a small mountain catchment. Cryosphere, 4, 215-225. LEHNING, M.; LÖWE, H.; RYSER, M. & RADERSCHALL, N. 2008: Inhomogeneous precipitation distribution and snow transport in steep terrain. Water Resources Research, 44. MARTY, C. 2008: Regime shift of snow days in Switzerland. Geophysical Research Letters, 35. PROKOP, A. 2008: Assessing the applicability of terrestrial laser scanning for spatial snow depth measurements. Cold Regions Science and Technology, 54, 155-163. RIXEN, C.; TEICH, M.; LARDELLI, C.; GALLATI, D.; POHL, M.; PÜTZ, M. & BEBI, P., 2011: Winter tourism and climate change in the Alps: An assessment of resource consumption, snow reliability, and future snowmaking potential. Mountain Research and Development, 31, 229-236. WIPF, S.; STOECKLI, V. & BEBI, P. 2009: Winter climate change in alpine tundra: Plant responses to changes in snow depth and snowmelt timing. Climatic Change, 94, 105-12. SCHWEIZER, J.; KRONHOLM, K.; JAMIESON, J. B. & BIRKELAND, K. W. 2008: Review of spatial variability of snowpack properties and its importance for avalanche formation. Cold Regions Science and Technology, 51, 253-272. XU, F.; WOODHOUSE, N.; XU, Z.; MARR, D.; YANG, X. & WANG, Y. 2008: Blunder elimination techniques in adaptive automatic terrain extraction. International Archives of the Photogrammery, Remote Sensing and Spatial Information Sciences, Bejing, China, Vol. XXXVII, Commission III: 1139-1144. ZHANH, B. & MILLER, S. 1997: Adaptive Automatic Terrain Extraction. SPIE Proceedings, Volume 3072 78