Jordoverfladens tæthed – herunder graden og typen af belægning - har stor betydning for vandets mulighed for at trænge ned i jorden. Med de stigende nedbørmængder er det vigtigt, at der bliver taget højde for, hvordan regnvand kan ledes væk fra jordoverfladen.
Derfor vil Styrelsen for Dataforsyning og Effektivisering forsøge at udvikle en metode, der gør det muligt at lave en kortlægning af forskellige typer af overflader, som for eksempel græsmarker, belægningssten eller asfaltveje. Metoden skal bygges på laserscanninger fra fly og Machine Learning.
Flere anvendelsesmuligheder
Hvis det lykkes at udvikle en tilstrækkelig effektiv metode til kortlægningen af jordoverfladens tæthed, eller befæstelsesgraden, som den også kaldes, vil de nye data kunne bruges af klimaplanlæggere til fx at se, hvor der er behov at etablere yderligere afledningsmuligheder for regnvandet.
Forsyningsselskaber og andre aktører, som har rør og ledninger liggende i jorden vil også kunne bruge data til at se, hvilken overflade de skal grave i, når der skal gennemføres vedligeholdelse af rør og ledninger. Det er også nyttig viden i forbindelse med nyetablering eller udvidelse af den nedgravede infrastruktur – fx i forbindelse med grøn omstilling.
Ny metode med eksisterende data
Pilotprojektet tager delvist udgangspunkt i en allerede anvendt dataindsamlingsmetode. I en årrække har SDFE brugt de såkaldte LiDAR-scanninger til at producere Danmarks Højdemodel, som er en visualisering af højdeforskellene i det danske landskab.
Scanningen foregår ved, at man sender en laserstråle fra et fly ned mod jorden, og måler, hvor lang tid der går, før strålen når tilbage til flyet, og på den måde kan man regne højden af terrænet ud på.
SDFE’s dygtige fagfolk har så observeret, at ’udseendet’ af denne returstråle, som kommer tilbage til flyet, ændrer sig, alt efter, hvilken overflade, strålen rammer nede på jordoverfladen. På den måde kan fastslå helt præcist, om jordoverfladen består af belægningssten, asfalt, græs, grus eller noget helt femte.
Det vil naturligvis være for omfattende at gennemgå de mange millioner af stråler manuelt, så pilotprojektet går ud på at udvikle en metode, hvor en machine learning-algoritme kan trænes til at genkende de forskellige typer af overflader.
Hvis det kan lade sig gøre, har man adgang til en national kortlægning af befæstelse. En sådan kortlægning kan, alene eller i kombination med andre datasæt, som eksempelvis Danmarks Højdemodel, bruges til at lave et sammenstykket billede af, hvor vi skal sætte ind, når vi skal klimasikre danske byer eller arbejde med forsyningernes infrastruktur.
De første resultater af pilotprojektet forventes klar først i det nye år. På den baggrund skal det vurderes om der er basis for at lave en national kortlægning.