Header

UZH-Logo

Maintenance Infos

Automatisierte Erkennung und Kartierung von Lawinenablagerungen mit optischen Fernerkundungsdaten


Bühler, Yves A. Automatisierte Erkennung und Kartierung von Lawinenablagerungen mit optischen Fernerkundungsdaten. 2009, University of Zurich, Faculty of Science.

Abstract

Lawinen bedrohen Gebäude sowie Verkehrsinfrastruktur im Alpenraum. Sie for- dern in der Schweiz mehr Todesopfer als jeder andere Typ von Naturkatastro- phen. Deshalb sind rasch verfügbare und präzise Informationen über die Lage und Reichweite von Lawinenereignissen wichtig für die Lawinenwarnung und die Entscheidungsfindung bezüglich der Sperrung von Strassen, Bergbahnen und Skipisten. Für die Evaluation der Gefahrenprognose, für die Erstellung von Kata- ster und Gefahrenkarten sowie für die Kalibrierung und Evaluation von Lawi- nenmodellen sind sie ebenfalls von grosser Bedeutung. Heute werden diese In- formationen vorwiegend von Beobachtern vor Ort erhoben. Aufgrund der einge- schränkten Zugänglichkeit hochalpiner Gebiete im Winter kann aber nur ein Bruchteil aller Lawinenereignisse erfasst werden. Insbesondere kleinere bis mittle- re Lawinenereignisse in abgelegenen Gebieten werden nur sporadisch kartiert. Aber gerade dieser Lawinentyp fordert die meisten Todesopfer unter der steigen- den Zahl von Wintersportlern, die sich abseits der markierten Pisten bewegen. Fernerkundungssensoren können auch über schwer zugänglichem Gebiet gross- flächig Daten erheben und sind deshalb ein potentielles Werkzeug, das zur Schlie- ssung dieser Informationslücke beitragen kann. In dieser Arbeit wird systematisch untersucht, inwiefern Lawinenkegel mit räumlich hochauflösenden optischen Fernerkundungsdaten erkannt und kartiert werden können. Anhand von Feld-Spektroradiometermessungen von neun Lawinenkegeln wird analysiert, ob allgemeingültige, substantielle spektrale Unterschiede zwischen La- winenkegel und der angrenzenden, ungestörten Schneedecke bestehen. Obwohl interessante Absorptionsfeatures im nahen Infrarotbereich des elektromagneti- schen Spektrums identifiziert werden können, sind die Unterschiede kaum ausge- prägt genug, um sie mit flugzeug- oder satellitengestützten Sensoren zu erfassen. Das direktionale Reflexionsverhalten der rauen Oberfläche eines Lawinenkegels verhält sich konträr zum Reflexionsverhalten der ungestörten Schneedecke. An- hand von Daten des Luftbildscanners ADS40, aufgenommen aus unterschiedli- chen Blickwinkeln, kann gezeigt werden, dass dieser Unterschied im Reflexions- verhalten der zwei Schneeoberflächentypen mit grosser Wahrscheinlichkeit ge- nutzt werden kann, um Lawinenkegel zu detektieren. Allerdings reicht der in die- ser Untersuchung verfügbare Blickwinkelunterschied von 16° nicht aus, um La- winenkegel allein auf Basis der direktionalen Unterschiede mit genügender Ge- nauigkeit zu kartieren. Die Texturen von Lawinenkegeln und der ungestörten Schneedecke unterschei- den sich deutlich. Eine grobe Unterscheidung ist bereits von blossem Auge mög- lich. Die Statistik zweiter Ordnung, welche die räumliche Verteilung von Intensi- tätswerten berücksichtigt, kann Texturmerkmale in digitalen Bilddaten quantitativ

III erfassen. Dies ist die Voraussetzung für eine automatisierte Erkennung spezifi- scher Texturen. Anhand von RC30 Luftbildern, aufgenommen während des La- winenwinters 1999, werden in der Literatur beschriebene Texturmasse auf ihre Eignung für die Unterscheidung zwischen Lawinenkegel und ungestörter Schnee- decke getestet. Dabei werden die massgebenden Parameter systematisch variiert, um die optimalen Einstellungen zu identifizieren. Das Texturmass Entropy erweist sich als stabilster Indikator für die Differenzierung zwischen rauen und glatten Schneeoberflächen. Weil aber auch weitere raue Schneeoberflächen, wie vom Wind modellierte Schneedecken oder künstlich angehäufter Schnee an Rändern von Skipisten, vergleichbare Texturwerte wie Lawinenkegel zeigen, reichen Tex- turparameter alleine nicht aus, um Lawinenkegel eindeutig zu identifizieren. Basierend auf den Erkenntnissen aus den vorangegangenen Untersuchungen wird eine Prozessierungskette entwickelt, welche spektrale und direktionale Parameter mit Texturparametern und Informationen aus Hilfsdatensätzen kombiniert. Diese Prozessierungskette wird anhand von Daten des Luftbildscanners ADS40 im Raum Davos evaluiert und verbessert. Dabei werden 94% der in drei Testgebieten vorhandenen Lawinenkegel vom Algorithmus korrekt erkannt. Auch kleinere Ke- gel mit einer Fläche von weniger als 2000 m2 und Kegel in Schattenhängen wer- den korrekt erfasst. Dieses Ergebnis zeigt das grosse Potential des entwickelten Ansatzes für die au- tomatisierte Erkennung und Kartierung von Lawinenkegeln. Die Verfügbarkeit geeigneter Daten ist aber aufgrund der nach intensiven Schneefällen häufigen noch vorhandenen Bewölkung eingeschränkt. Zudem treten vereinzelt Fehlklassi- fikationen auf. Dies sind hauptsächlich vom Wind modellierte Schneedecken, künstlich angehäufter Schnee und von spärlicher Vegetation durchsetzte Flächen. Trotz diesen Einschränkungen kann der in dieser Arbeit entwickelte Ansatz in Zukunft zur Schliessung substanzieller Datenlücken beitragen. Besonders in Ge- birgen von Entwicklungsländern, in denen noch kaum verlässliche Informationen über Lawinenniedergänge existieren, können damit wertvolle Informationen für die Gefahrenkartierung und die Siedlungsplanung gewonnen werden.



IV Summary



Summary

Snow-avalanches kill more people in Switzerland than any other natural hazard and threaten buildings and traffic infrastructure. Rapidly available and accurate in- formation about the location and extent of avalanche events is important for ava- lanche forecasting, safety assessments for roads and ski resorts, verification of warning products as well as for hazard mapping and avalanche model calibra- tion/validation. Today, isolated observations from individual experts in the field provide information with limited coverage. Only a fraction of all avalanche events can be recorded due to restricted accessibility of many alpine terrain sections dur- ing winter season. Information on small to medium size avalanche events within remote regions is collected only sporadically. However, these avalanches notably claim most casualties within the raising number of people pursing off-slope activi- ties. Remote sensing instruments are able to acquire wide-area datasets even over poorly accessible regions. Therefore they are promising tools to close the above- mentioned information gap. This research systematically investigates the potential of spatially high resolved remote sensing instruments for the detection and map- ping of snow-avalanche deposits. Fieldspectroradiometer data of nine avalanche deposits are analysed to identify universally valid and significant spectral offsets between avalanche deposits and the adjacent undisturbed snow cover. Promising absorption features are found in the near infrared region of the electromagnetic spectrum. Nevertheless, the differ- ences are unlikely to be distinct enough for a detection using air- or spaceborne remote sensing instruments. The directional reflection of rough avalanche deposit surfaces is contrary to the directional reflection of smooth undisturbed snow covers. The potential of mul- tiangular remote sensing data for the detection and mapping of avalanche depos- its is demonstrated using multiangular data acquired by the airborne scanner ADS40. However, the difference between observation angles (16°) proves to be insufficient for accurate avalanche detection solely on the base of directional properties. Therefore, auxiliary data has to be utilised. The texture of avalanche deposits and undisturbed snow cover can already be dis- tinguished by the naked eye. Using second order statistics, comprising the spatial distribution of the variation in pixel brightness, textural characteristics in digital image data can be quantified. This is a prerequisite for an automated detection of particular textures. Different established texture measures are tested for their dis- criminating potential of avalanche deposits and undisturbed snow cover using RC30 aerial images of avalanche deposits acquired within the avalanche winter 1999 in Switzerland. The control parameters such as the size of the filter box are

V Summary

systematically varied to find the ideal settings. The texture measure Entropy is identified as the most distinct and stable indicator to distinguish between rough and smooth snow surfaces. But avalanche deposits are not the only rough snow surfaces within the Alpine winter landscape. For example wind modelled snow surfaces or artificially piled snow at the edge of roads and ski slopes show texture characteristics similar to avalanche deposits. Consequently, a classification ap- proach using texture information only is not sufficient for an accurate identifica- tion of avalanche deposits. Based on the findings described above, we develop an avalanche detection and mapping processing chain, combining spectral, directional and textural parameters with auxiliary datasets. The processing chain is tested and improved using data acquired by the airborne scanner ADS40 over the region of Davos, Switzerland. The accuracy assessment, based on ground reference data within three test sites, shows that 94% of all existing avalanche deposits are identified. Even small scale deposits (area < 2000 m2) and deposits within shadowed areas are detected cor- rectly. These results demonstrate the big potential of the proposed approach for an automated detection and mapping of avalanche deposits. Yet, cloud cover con- strains the availability of appropriate optical remote sensing data after heavy snowfall while wind modelled snow surfaces, artificially piled snow and sparsely vegetated snow surfaces cause sporadic misclassifications. Despite these constraints, the approach developed within this research shows a big potential to fill existing gaps in avalanche information. Especially within alpine areas of developing countries with almost no reliable information on past ava- lanche events, such an approach may be used to acquire valuable data for hazard mapping and settlement planning.



VI

Abstract

Lawinen bedrohen Gebäude sowie Verkehrsinfrastruktur im Alpenraum. Sie for- dern in der Schweiz mehr Todesopfer als jeder andere Typ von Naturkatastro- phen. Deshalb sind rasch verfügbare und präzise Informationen über die Lage und Reichweite von Lawinenereignissen wichtig für die Lawinenwarnung und die Entscheidungsfindung bezüglich der Sperrung von Strassen, Bergbahnen und Skipisten. Für die Evaluation der Gefahrenprognose, für die Erstellung von Kata- ster und Gefahrenkarten sowie für die Kalibrierung und Evaluation von Lawi- nenmodellen sind sie ebenfalls von grosser Bedeutung. Heute werden diese In- formationen vorwiegend von Beobachtern vor Ort erhoben. Aufgrund der einge- schränkten Zugänglichkeit hochalpiner Gebiete im Winter kann aber nur ein Bruchteil aller Lawinenereignisse erfasst werden. Insbesondere kleinere bis mittle- re Lawinenereignisse in abgelegenen Gebieten werden nur sporadisch kartiert. Aber gerade dieser Lawinentyp fordert die meisten Todesopfer unter der steigen- den Zahl von Wintersportlern, die sich abseits der markierten Pisten bewegen. Fernerkundungssensoren können auch über schwer zugänglichem Gebiet gross- flächig Daten erheben und sind deshalb ein potentielles Werkzeug, das zur Schlie- ssung dieser Informationslücke beitragen kann. In dieser Arbeit wird systematisch untersucht, inwiefern Lawinenkegel mit räumlich hochauflösenden optischen Fernerkundungsdaten erkannt und kartiert werden können. Anhand von Feld-Spektroradiometermessungen von neun Lawinenkegeln wird analysiert, ob allgemeingültige, substantielle spektrale Unterschiede zwischen La- winenkegel und der angrenzenden, ungestörten Schneedecke bestehen. Obwohl interessante Absorptionsfeatures im nahen Infrarotbereich des elektromagneti- schen Spektrums identifiziert werden können, sind die Unterschiede kaum ausge- prägt genug, um sie mit flugzeug- oder satellitengestützten Sensoren zu erfassen. Das direktionale Reflexionsverhalten der rauen Oberfläche eines Lawinenkegels verhält sich konträr zum Reflexionsverhalten der ungestörten Schneedecke. An- hand von Daten des Luftbildscanners ADS40, aufgenommen aus unterschiedli- chen Blickwinkeln, kann gezeigt werden, dass dieser Unterschied im Reflexions- verhalten der zwei Schneeoberflächentypen mit grosser Wahrscheinlichkeit ge- nutzt werden kann, um Lawinenkegel zu detektieren. Allerdings reicht der in die- ser Untersuchung verfügbare Blickwinkelunterschied von 16° nicht aus, um La- winenkegel allein auf Basis der direktionalen Unterschiede mit genügender Ge- nauigkeit zu kartieren. Die Texturen von Lawinenkegeln und der ungestörten Schneedecke unterschei- den sich deutlich. Eine grobe Unterscheidung ist bereits von blossem Auge mög- lich. Die Statistik zweiter Ordnung, welche die räumliche Verteilung von Intensi- tätswerten berücksichtigt, kann Texturmerkmale in digitalen Bilddaten quantitativ

III erfassen. Dies ist die Voraussetzung für eine automatisierte Erkennung spezifi- scher Texturen. Anhand von RC30 Luftbildern, aufgenommen während des La- winenwinters 1999, werden in der Literatur beschriebene Texturmasse auf ihre Eignung für die Unterscheidung zwischen Lawinenkegel und ungestörter Schnee- decke getestet. Dabei werden die massgebenden Parameter systematisch variiert, um die optimalen Einstellungen zu identifizieren. Das Texturmass Entropy erweist sich als stabilster Indikator für die Differenzierung zwischen rauen und glatten Schneeoberflächen. Weil aber auch weitere raue Schneeoberflächen, wie vom Wind modellierte Schneedecken oder künstlich angehäufter Schnee an Rändern von Skipisten, vergleichbare Texturwerte wie Lawinenkegel zeigen, reichen Tex- turparameter alleine nicht aus, um Lawinenkegel eindeutig zu identifizieren. Basierend auf den Erkenntnissen aus den vorangegangenen Untersuchungen wird eine Prozessierungskette entwickelt, welche spektrale und direktionale Parameter mit Texturparametern und Informationen aus Hilfsdatensätzen kombiniert. Diese Prozessierungskette wird anhand von Daten des Luftbildscanners ADS40 im Raum Davos evaluiert und verbessert. Dabei werden 94% der in drei Testgebieten vorhandenen Lawinenkegel vom Algorithmus korrekt erkannt. Auch kleinere Ke- gel mit einer Fläche von weniger als 2000 m2 und Kegel in Schattenhängen wer- den korrekt erfasst. Dieses Ergebnis zeigt das grosse Potential des entwickelten Ansatzes für die au- tomatisierte Erkennung und Kartierung von Lawinenkegeln. Die Verfügbarkeit geeigneter Daten ist aber aufgrund der nach intensiven Schneefällen häufigen noch vorhandenen Bewölkung eingeschränkt. Zudem treten vereinzelt Fehlklassi- fikationen auf. Dies sind hauptsächlich vom Wind modellierte Schneedecken, künstlich angehäufter Schnee und von spärlicher Vegetation durchsetzte Flächen. Trotz diesen Einschränkungen kann der in dieser Arbeit entwickelte Ansatz in Zukunft zur Schliessung substanzieller Datenlücken beitragen. Besonders in Ge- birgen von Entwicklungsländern, in denen noch kaum verlässliche Informationen über Lawinenniedergänge existieren, können damit wertvolle Informationen für die Gefahrenkartierung und die Siedlungsplanung gewonnen werden.



IV Summary



Summary

Snow-avalanches kill more people in Switzerland than any other natural hazard and threaten buildings and traffic infrastructure. Rapidly available and accurate in- formation about the location and extent of avalanche events is important for ava- lanche forecasting, safety assessments for roads and ski resorts, verification of warning products as well as for hazard mapping and avalanche model calibra- tion/validation. Today, isolated observations from individual experts in the field provide information with limited coverage. Only a fraction of all avalanche events can be recorded due to restricted accessibility of many alpine terrain sections dur- ing winter season. Information on small to medium size avalanche events within remote regions is collected only sporadically. However, these avalanches notably claim most casualties within the raising number of people pursing off-slope activi- ties. Remote sensing instruments are able to acquire wide-area datasets even over poorly accessible regions. Therefore they are promising tools to close the above- mentioned information gap. This research systematically investigates the potential of spatially high resolved remote sensing instruments for the detection and map- ping of snow-avalanche deposits. Fieldspectroradiometer data of nine avalanche deposits are analysed to identify universally valid and significant spectral offsets between avalanche deposits and the adjacent undisturbed snow cover. Promising absorption features are found in the near infrared region of the electromagnetic spectrum. Nevertheless, the differ- ences are unlikely to be distinct enough for a detection using air- or spaceborne remote sensing instruments. The directional reflection of rough avalanche deposit surfaces is contrary to the directional reflection of smooth undisturbed snow covers. The potential of mul- tiangular remote sensing data for the detection and mapping of avalanche depos- its is demonstrated using multiangular data acquired by the airborne scanner ADS40. However, the difference between observation angles (16°) proves to be insufficient for accurate avalanche detection solely on the base of directional properties. Therefore, auxiliary data has to be utilised. The texture of avalanche deposits and undisturbed snow cover can already be dis- tinguished by the naked eye. Using second order statistics, comprising the spatial distribution of the variation in pixel brightness, textural characteristics in digital image data can be quantified. This is a prerequisite for an automated detection of particular textures. Different established texture measures are tested for their dis- criminating potential of avalanche deposits and undisturbed snow cover using RC30 aerial images of avalanche deposits acquired within the avalanche winter 1999 in Switzerland. The control parameters such as the size of the filter box are

V Summary

systematically varied to find the ideal settings. The texture measure Entropy is identified as the most distinct and stable indicator to distinguish between rough and smooth snow surfaces. But avalanche deposits are not the only rough snow surfaces within the Alpine winter landscape. For example wind modelled snow surfaces or artificially piled snow at the edge of roads and ski slopes show texture characteristics similar to avalanche deposits. Consequently, a classification ap- proach using texture information only is not sufficient for an accurate identifica- tion of avalanche deposits. Based on the findings described above, we develop an avalanche detection and mapping processing chain, combining spectral, directional and textural parameters with auxiliary datasets. The processing chain is tested and improved using data acquired by the airborne scanner ADS40 over the region of Davos, Switzerland. The accuracy assessment, based on ground reference data within three test sites, shows that 94% of all existing avalanche deposits are identified. Even small scale deposits (area < 2000 m2) and deposits within shadowed areas are detected cor- rectly. These results demonstrate the big potential of the proposed approach for an automated detection and mapping of avalanche deposits. Yet, cloud cover con- strains the availability of appropriate optical remote sensing data after heavy snowfall while wind modelled snow surfaces, artificially piled snow and sparsely vegetated snow surfaces cause sporadic misclassifications. Despite these constraints, the approach developed within this research shows a big potential to fill existing gaps in avalanche information. Especially within alpine areas of developing countries with almost no reliable information on past ava- lanche events, such an approach may be used to acquire valuable data for hazard mapping and settlement planning.



VI

Statistics

Downloads

297 downloads since deposited on 19 Feb 2010
22 downloads since 12 months
Detailed statistics

Additional indexing

Item Type:Dissertation (monographical)
Referees:Itten Nikolaus I, Itten Klaus I
Communities & Collections:UZH Dissertations
Dewey Decimal Classification:910 Geography & travel
Language:German
Place of Publication:Zürich
Date:2009
Deposited On:19 Feb 2010 13:45
Last Modified:24 Sep 2019 16:45
Number of Pages:156
OA Status:Green
Related URLs:https://www.recherche-portal.ch/primo-explore/fulldisplay?docid=ebi01_prod005942817&context=L&vid=ZAD&search_scope=default_scope&tab=default_tab&lang=de_DE (Library Catalogue)

Download

Green Open Access

Download PDF  'Automatisierte Erkennung und Kartierung von Lawinenablagerungen mit optischen Fernerkundungsdaten'.
Preview
Filetype: PDF
Size: 13MB