Sammendrag

Repeat photography is an efficient method for documenting long-term landscape changes. So far, the usage of repeat photographs for quantitative analyses is limited to approaches based on manual classification. In this paper, we demonstrate the application of a convolutional neural network (CNN) for the automatic detection and classification of woody regrowth vegetation in repeat landscape photographs. We also tested if the classification results based on the automatic approach can be used for quantifying changes in woody vegetation cover between image pairs. The CNN was trained with 50 × 50 pixel tiles of woody vegetation and non-woody vegetation. We then tested the classifier on 17 pairs of repeat photographs to assess the model performance on unseen data. Results show that the CNN performed well in differentiating woody vegetation from non-woody vegetation (accuracy = 87.7%), but accuracy varied strongly between individual images. The very similar appearance of woody vegetation and herbaceous species in photographs made this a much more challenging task compared to the classification of vegetation as a single class (accuracy = 95.2%). In this regard, image quality was identified as one important factor influencing classification accuracy. Although the automatic classification provided good individual results on most of the 34 test photographs, change statistics based on the automatic approach deviated from actual changes. Nevertheless, the automatic approach was capable of identifying clear trends in increasing or decreasing woody vegetation in repeat photographs. Generally, the use of repeat photography in landscape monitoring represents a significant added value to other quantitative data retrieved from remote sensing and field measurements. Moreover, these photographs are able to raise awareness on landscape change among policy makers and public as well as they provide clear feedback on the effects of land management.

Sammendrag

Riksantikvaren utarbeider et register over kulturhistoriske landskap av nasjonal interesse (KULA) i samarbeide med fylkeskommunene og Sametinget. Målet er at dette skal bli et verktøy for kommunene slik at de bedre kan ivareta viktige landskapsverdier i sin planlegging. Riksantikvaren ønsker å følge utviklingen i disse områdene, og på sikt er målet å etablere et overvåkingsprogram med bruk av fjernmåling/satellittdata. I denne forbindelse er det behov for å bygge kunnskap om hvilke satellittdata som er tilgjengelige i Norge og hvordan disse kan brukes. Prosjektet har vist at satellittbilder kan brukes til overvåking av arealendringer innenfor KULA-områder. En utfordring er knyttet til den romlige oppløsningen (pikselstørrelse) og nøyaktigheten. Den høye gjentaksfrekvensen og tilgang til multispektrale data gjør likevel at man kan undersøke ulike typer arealendringer samt vegetasjonsutvikling, inkludert fjerning av vegetasjon, i løpet av en vekstsesong og fra år til år. Det gjenstår likevel fortsatt noe utviklingsarbeid før et indikatorsett til bruk i en slik overvåking er fullstendig operasjonalisertbart. Hildegunn Norheim NAVN/NAME

Sammendrag

Jordbruksareal som går ut av drift gror etterhvert igjen med busker og kratt. Gjengroing medfører ikke bare tap av viktige arealressurser, men også kulturelle verdier og biologisk mangfold. Laserteknologi kan gjøre det mulig å registrere framvekst av busker og trær allerede i et tidlig stadium. Dette gir muligheter til å sette i gang tiltak for å motvirke denne utviklingen.

Sammendrag

Norway has only 3% farmland, and much of it is under strong pressure from urban development. There is a conflict of interest whether to prioritise farmland protection or minimised need for person transport when developing new areas. However, as transport has started to become increasingly climate- friendly, we argue that weighing up interests among different land use types and within farmland is advancing. To illustrate the potential of land resource and soil quality maps for that purpose, we have carried out a GIS analysis within a radius of 1 km around all railway stations in Oslo and Akershus Counties. The analysis reveals large areas of farmland close to a number of stations and a generally high share of very good soil quality. We suggest different respects for weighing up farmland protection among and within different locations, and we envision a transition from competition between urban development and farmland protection towards a partnership.

Project image

Divisjon for kart og statistikk

Farmers and the city: enhancing added value and sustainability through optimized use of urban and peri-urban farm resources (URBANFARMS)


The project aims at elaborating effective strategies for professional farmers in cities and peri-urban areas to make use of the vicinity of the city to increase added value from their production in an economically, socially and environmentally sustainable way. The project shall identify land resources that are not in optimal use, and demonstrate business models that increase the use of local nutrients and of the nearby city's market and purchasing power.

Active Updated: 26.04.2019
End: mars 2023
Start: apr 2019
Project image

Divisjon for kart og statistikk

Bønder og byen: Økt verdiskaping og bærekraft gjennom optimalisert ressursbruk i byer og bynære områder (URBANFARMS)


Hvordan kan gårdbrukere i byer og bynære strøk øke verdiskapingen fra sin produksjon på en bærekraftig måte ved å utnytte nettopp nærheten til byen? Prosjektet skal avdekke 1) hvor arealressurser ikke brukes optimalt, 2) finne frem til forretningsmodeller som utnytter byens marked og kjøpekraft i nærheten, 3) skaffe kunnskap for å redusere hindringer og flaskehalser langs verdiskapingskjeden fra produsent til forbruker og 4) gi råd om hvordan integrere gårdsdriften bedre i byens kretsløp av næringsstoffer og organisk materiale gjennom gjenvinning av organisk avfall og produksjon av nye varer.

Active Updated: 26.04.2019
End: mars 2023
Start: apr 2019