Vísindamenn við HÍ þróa framsækna aðferð í fjarkönnun

Ný framsækin aðferð við úrvinnslu fjarkönnunargagna, sem vísindamenn við Háskóla Íslands hafa þróað, reynist margfalt betur við að greina gögn en hefðbundnar aðferðir. Þetta kemur fram í nýrri vísindagrein sem birt var á dögunum í tímaritinu IEEE Access. Fjarkönnunargögn eru yfirleitt byggð á flóknum myndum sem teknar eru úr flugvélum eða gervitunglum en slík gögn eru t.d. afar mikilvæg við greiningu á umhverfisbreytingum. Höfundar greinarinnar eru meistara- og doktorsneminn Burkni Pálsson, prófessorarnir Jóhannes R. Sveinsson og Magnús Ö. Úlfarsson og nýdoktorinn Jakob Sigurðsson. Þeir starfa allir við Rafmagns- og tölvuverkfræðideild Háskóla Íslands. 

Með nýju aðferðinni verður t.d. auðveldara en áður að kortleggja eftirlit með gróðri og gróðurbreytingum, landnotkun, veiðum í íslenskri landhelgi og jöklabreytingum og auðvitað með eldgosum eins og í Holuhrauni. Fjarkönnunarmyndir hafa komið að gríðarlegu gagni hér á undanförnum árum og hafa m.a. verið notaðar við að meta hita- og landhæðarbreytingar jarðhitasvæða og við eftirlit með virkum eldfjöllum auk eftirlits með hafís og hitastigi sjávar.

Greinin í IEEE Access er enn ein rósin í hnappagat vísindamanna á þessu sviði við Háskóla Íslands en Háskólinn er í sjöunda sæti yfir fremstu vísindastofnanir heims á sviði fjarkönnunar.  

Háskóli Íslands í allra fremstu röð í fjarkönnun

Háskóli Íslands hefur vakið mikla athygli alþjóðlega fyrir þróun aðferða við úrvinnslu fjarkönnunargagna, eða stafrænna myndgagna sem fengin eru með skynjurum frá flugvélum eða gervitunglum. Rannsóknirnar hafa meðal annars snúist um að þróa aðferðir til að flokka myndefnið í mismunandi yfirborðsgerðir til að draga fram mikilvægar upplýsingar úr myndefninu. Fjarkönnunargögn eru yfirleitt afar umfangsmikil og flókin í úrvinnslu enda eru komnir fram fjarkönnunarnemar sem safna gögnum samtímis á hundruðum bylgjulengdarbanda. Gögnin eru þannig bæði sýnileg mönnum en líka á bylgjulengdum sem mannsaugað fær ekki greint. Þessi gögn þarf þá að samþætta eða sambræða til að auka upplýsingamagnið þannig að upplýsingarnar komi að haldi.

Á síðustu árum hafa verið þróaðar fjölmargar sambræðsluaðferðir og aðgreiningaraðferðir en í nýju greininni kynna vísindamenn Háskóla Íslands algerlega nýja aðferð fyrir aðgreiningu fjölrásamynda sem byggist á svokölluðum djúptauganetum (e. deep learning). Aðferðir er afrakstur af verkefni sem styrkt er af Rannsóknasjóði og nefnist „Deep Learning and Big Data in Remote Sensing“ sem útleggst á Íslensku sem „Djúpur lærdómur og stór gagnasöfn í fjarkönnun“.  Í greininni í IEEE Access er nýja aðferðin borin saman við hefðbundnar aðferðir, sem hafa verið margreyndar, og kemur nýja aðferðin töluvert betur út í þeim samanburði.

Fjarkönnun – afar flókið fyrirbæri

Dæmi um fjarkönnunargögn eru myndir sem teknar eru samtímis á 224 mismunandi bylgjulengdarböndum á sýnilegu, nær- og miðinnrauðu sviði. Sagt er að slík gögn hafi mikla rófupplausn. Einnig eru til staðar skynjarar sem hafa mjög mikla rúmupplausn en með þeim má greina auðveldlega með berum augum hluti sem eru á yfirborði jarðar.

Þegar rófupplausn er há fást miklir möguleikar á því að greina hvaða efni eru á myndinni þar sem hvert og eitt efni hefur sitt einkennandi róf. Þetta auðveldar mjög greiningu á yfirborði og flokkun á því hvað er í hverri myndeiningu. Hins vegar hafa fjölrásamyndir lága rúmupplausn vegna tæknilegra takmarkana og því eru oft fleiri en eitt efni sem endurvarpa ljósinu sem mælt er í hverri myndeiningu. Til þess að ákvarða grunnefnin í fjölrásamynd og hlutföll þeirra í hverri myndeiningu þarf að beita svokallaðri fjölrása aðgreiningu sem er mjög mikið vandamál. 

Meðfylgjandi myndir sýna hlutfallslegt magn tveggja grunnefna (e. abundance maps) af fimm sem aðferðin hefur ákvarðað fyrir fjölrásamynd af svæði í grennd við Heklu ásamt hermdri litmynd af svæðinu. Fjölrásamyndin var tekin í maí 2016 og er hluti af stærra gagnasafni sem er hluti af verkefninu “Environmental mapping and monitoring of Iceland by remote sensing (EMMIRS)”.  Mynd 1 sýnir hermdu litmyndina, mynd 2 sýnir hvar gróðurlausan jarðveg er að finna, og mynd 3 sýnir útbreiðslu einnar tegundar af mosa.  Gulur litur þýðir að mikið af viðkomandi grunnefni er í hverri myndeiningu.