Jordskredkartlegging har tradisjonelt vært en tidkrevende og ofte subjektiv prosess, mye på grunn av vegetasjon som skjuler landskapsformer og vanskeligheter med å nå alle feltområder. Videre kan eldre jordskred være modifisert av påfølgende skred og andre geomorfologiske prosesser, noe som resulterer i landskapsformer som forskjellige kartleggere kan tolke på ulike måter. Som et resultat førte feltbaserte teknikker kombinert med topografiske kart og stereoskopiske luftfoto ofte til at forskjellige kartleggere produserte forskjellige kart (Wills og McCrink, 2002). Til tross for dette har den økende tilgjengeligheten av digitale høydemodeller (DEM) med en oppløsning på rundt 1 meter, avledet fra luftbåren lidar, betydelig forbedret hastigheten og nøyaktigheten i produksjonen av geologiske jordskredkart (Schulz, 2007; Van Den Eeckhaut et al., 2007). Enkelte offentlige etater har også utviklet standardiserte protokoller for å minimere subjektiviteten blant forskjellige kartleggere (Burns og Madin, 2009; Slaughter et al., 2017).

Typisk innebærer disse prosedyrene å lage lag av topografiske avledninger, som konturlinjer, helling- eller hillshade-kart, som kartleggeren deretter bruker for å manuelt tegne jordskredfunksjoner, inkludert skrenter, avsetninger, lukkede depresjoner og hummockete topografi. I noen tilfeller kan kartleggere kvalitativt estimere jordskredalder basert på kryssende forhold og visuell tolkning av overflatens morfologi (Haugerud, 2014; Pierson et al., 2016). Imidlertid, selv med høy kvalitet på luftbåren lidar, gir eksperter ofte forskjellige tolkninger av jordskred, spesielt for store jordskredkomplekser (Van Den Eeckhaut et al., 2005). Til tross for dette har den mer standardiserte og systematiske tilnærmingen til jordskredkartlegging som lidar har muliggjort, fortsatt produsert høykvalitetsdata som er nødvendige for detaljerte fare- og risikovurderinger.

I tillegg til å bruke lidaravledede data for å bistå i manuell kartlegging av jordskred, har kvantitativ analyse av lidar-data for å karakterisere de topografiske signaturene til dyptgående jordskred muliggjort utviklingen av mer objektive, automatiserte kartleggingsteknikker. Siden jordskred ofte identifiseres ved karakteristiske overflatefunksjoner som skrenter, forskjøvede blokker, forstyrrede dalnettverk og lukkede depresjoner, baserer mange kvantitative teknikker seg på overflatens "ruhet" som en metrisk for å identifisere og karakterisere jordskred i lidar DEM-er. Ruhet kan ha mange ulike definisjoner, men generelt er det et mål som kvantifiserer variasjonen i topografien innenfor et vindu av en spesifisert størrelse. En av de første ruhetsmetrikene som ble brukt i lidar-baserte jordskredstudier, var spredningen av overflatens normale vektorer. Denne metrikken fanger variasjonen i både helling og orientering og ble brukt til å identifisere deler av et stort jordskredkompleks med ulike aktiviteter (McKean og Roering, 2004).

En ulempe ved denne teknikken er at store endringer i orientering ofte skjer på relativt flate overflater, som flomområder og terrasser, noe som får dem til å fremstå som "ru" i henhold til denne metrikken, mens de fleste geomorfologer vil beskrive slike flater som glatte. En annen gruppe vanlige ruhetsmetrikker inkluderer bruken av variansen i den topografiske gradienten eller høyde subtrahert fra en best-fittet overflate innen et bevegelig vindu (Glenn et al., 2006; LaHusen et al., 2016). Det er viktig å vurdere effekten av vindusstørrelse. Små vinduer kan bare fange ruheten av små topografiske funksjoner, mens store vinduer inkluderer både store og små funksjoner. Det kan være interessant å isolere ruheten som tilsvarer funksjoner av en spesifikk romlig skala i topografien med teknikker som Fourier-transformasjon, som konverterer topografiske data fra rom- til frekvensdomene (Rayner, 1972; Harrison og Lo, 1996; Perron et al., 2008). Denne metoden isolerer hvordan funksjoner av en spesifisert romlig frekvens (eller dens inverse, den topografiske bølgelengden) bidrar til variansen i topografien. Funksjoner med spesifikke størrelser, former og orienteringer kan derfor kartlegges kvantitativt, og funksjoner som bidrar mer eller mindre til den totale topografiske variansen kan identifiseres.

Automatisert kartlegging er dermed muliggjort ved observasjonen at jordskred har en tendens til å gjøre topografien mer ujevn (Booth et al., 2009), i kontrast til andre diffusive prosesser som transport av sediment på skråninger som jevner ut topografien (Culling, 1960; Fernandes og Dietrich, 1997; Roering et al., 1999; Furbish et al., 2009). Jordskred skaper ujevnheter på spesifikke lengdeskalaer, som kan variere fra sted til sted, men pleier å være på størrelsesorden ti til flere titalls meter. Disse lengdeskalaene er lengre enn (1) lengdeskalaene forbundet med andre prosesser som forårsaker ujevnheter, som pit-mound topografi produsert ved omveltning av trær (Roering et al., 2010; Doane et al., 2021), og (2) lengdeskalaen for støy i lidar-dataene. Dette betyr at den topografiske signaturen til jordskred ofte kan isoleres fra et lite segment av et DEM og deretter brukes til å kartlegge store områder. For eksempel, i vestlige Oregon og Washington, gjorde kvantifisering av den topografiske signaturen til et enkelt jordskred det mulig å kartlegge automatisk hundrevis av nærliggende jordskred, med mer enn 80 % av pikslene klassifisert korrekt som jordskred eller ikke-jordskred (Booth et al., 2009). Dette nivået av nøyaktighet er likt det som produseres manuelt av forskjellige eksperter (Van Den Eeckhaut et al., 2005), og har blitt gjenskapt med et bredt spekter av ruhetsmetrikker på andre steder (Berti et al., 2013).

En nytilkommende teknikk som kan forbedre automatisert kartlegging av jordskred, er objektbasert analyse av topografiske og andre fjernmålingsdata, som har produsert kartleggingskart med sammenlignbar nøyaktighet som manuell kartlegging (Van Den Eeckhaut et al., 2012; Leshchinsky et al., 2015; Bunn et al., 2019). I stedet for å behandle hver piksel i et DEM individuelt, tar objektbaserte kartleggingsteknikker hensyn til likheter blant naboklynger av piksler for å definere distinkte polygonale funksjoner. Dette kan føre til mer realistiske jordskredgeometrier og letter separasjonen av jordskredet i dets bestanddeler, som hovedskrent og avsetning. Å sette restriksjoner på den romlige plasseringen av klassifiserte funksjoner, som å kreve at en jordskredavsetning ligger nedoverbakke fra en hovedskrent, kan redusere falske positiver forårsaket av ikke-jordskredfunksjoner som ser topografisk ut som deler av jordskred (Leshchinsky et al., 2015; Bunn et al., 2019).

Det er viktig å forstå at mens teknologien har ført til bedre nøyaktighet og effektivitet i kartleggingen av jordskred, krever det fortsatt en forståelse av både de tekniske aspektene ved lidar-dataanalyse og de spesifikke geomorfologiske prosessene som styrer jordskreddynamikk. Dette innebærer en kontinuerlig utvikling av metodene for å minimere feilkilder og forbedre datakvaliteten, slik at kartene som produseres kan brukes i langt mer detaljerte fare- og risikovurderinger.

Hvordan GPS og GRACE-teknologi bidrar til å forstå jordsystemenes vertikale deformasjoner

Studier av vertikale deformasjoner på jordens overflate har blitt et sentralt tema i moderne geofysikk, spesielt i lys av teknologiske fremskritt som gir presise målinger av jordens bevegelser. GPS og GRACE (Gravity Recovery and Climate Experiment) har vært avgjørende verktøy for å overvåke disse deformasjonene, som kan skyldes en rekke faktorer, inkludert klimaendringer, vannmagasinering og geofysiske prosesser som påvirker jordens skorpe.

GPS-teknologi, som benytter satellittbaserte målinger for å spore bevegelsene på jordens overflate, har blitt brukt i flere studier for å måle vertikale deformasjoner forårsaket av ulike faktorer. For eksempel har studier i Island vist hvordan klimadrivene vertikale akselerasjoner på den islandske skorpen, noe som gir innsikt i hvordan isdekker og hydrologiske endringer påvirker jordens bevegelser. Det er også observert at endringer i ismassens størrelse, målt ved hjelp av kontinuerlige GPS-koordinater, kan gi verdifulle data om kortsiktige variasjoner i iskapasitet og hvordan disse endringene interagerer med jordens skjøre struktur.

En annen viktig anvendelse av GPS-teknologi er innen hydrologiske studier, der målingene av vertikale deformasjoner kan knyttes til endringer i grunnvannsnivåer og hydrologisk stress. For eksempel, i California, har forskere brukt GPS til å analysere sammenhengen mellom grunnvannsuttak og landsenkning, et fenomen som oppstår når store mengder grunnvann fjernes fra akviferer, noe som fører til en gradvis komprimering av jordens overflate. Dette fenomenet har blitt dokumentert gjennom interferometriske radarbilder og GPS-målinger, som gir et bilde av hvordan menneskelige aktiviteter påvirker jordens geodynamikk på lang sikt.

GRACE-satellittene, som er designet for å måle endringer i jordens gravitasjonsfelt, har vist seg å være et viktig verktøy for å studere de store skalaene av vannlagring og grunnvannsforbruk. Gjennom å måle endringer i gravitasjonsfeltet kan GRACE gi informasjon om variasjoner i vannlagring i både jordens overflate og i dypere lag. For eksempel har GRACE blitt brukt til å evaluere grunnvannsuttak i store områder som det sentrale dalen i California og Nord-Kina. Kombinasjonen av GRACE-data med GPS-data har gitt forskerne en dypere forståelse av hvordan klimaendringer og menneskelige aktiviteter samhandler for å påvirke jordens bevegelser.

De kontinuerlige målingene av vertikal deformasjon har også hatt stor nytte i studier av isbreenes dynamikk, spesielt i regioner som Island og Alaska. Her har forskere brukt GPS-målinger sammen med GRACE-data for å observere hvordan store iskapsler påvirker den vertikale bevegelsen på jordens overflate. Dette gir verdifulle data om hvordan klimaendringer, spesielt temperaturøkning og smelting av is, kan ha langsiktige effekter på jordens geofysiske prosesser.

Videre er studier av jordens skjøre skorpe og dens reaksjon på hydrologiske endringer ikke bare relevante for å forstå de mekaniske egenskapene til jorden, men har også implikasjoner for seismisk aktivitet og risikoanalyse. En økning i hydrologisk stress kan potensielt utløse jordskjelv eller forsterke eksisterende seismisk aktivitet, noe som kan få konsekvenser for områder som er utsatt for både naturlige og menneskeskapte farer.

En annen viktig utfordring som har blitt mer synlig med bruken av GPS og GRACE, er behovet for nøyaktige modeller for å forstå og forutsi effektene av grunnvannsforbruk og ismasseendringer på den vertikale bevegelsen av jordens skorpe. Disse modellene må ta hensyn til kompleksiteten av jordens elastiske respons på lastendringer, og krever derfor en grundig forståelse av både de fysiske prosessene og de teknologiske verktøyene som brukes til å samle inn data.

Disse fremskrittene gir en helhetlig tilnærming til studiet av jordens deformasjoner og understreker viktigheten av tverrfaglig forskning, som kombinerer geofysikk, hydrologi og klimaforskning, for å kunne forutsi og tilpasse seg de langsiktige konsekvensene av klimaendringer og menneskelig aktivitet. Det er viktig å forstå at vertikal deformasjon på jordens overflate er et resultat av mange faktorer som påvirker hverandre på komplekse måter, og at GPS og GRACE er essensielle verktøy for å belyse disse interaksjonene.

Hvordan fungerer Lidar-teknologi for kartlegging av geohazards og naturressurser?

Lidar (Light Detection and Ranging) er en aktiv fjernmålingsmetode som benytter «time-of-flight»-måling for å fastslå avstander ved hjelp av laserlys. Et Lidar-system består av en laserutsender og en optisk mottaker. Utsenderen sender ut korte lysimpulser, og mottakeren registrerer refleksjonene som kommer tilbake etter at lysimpulsene treffer objekter i terrenget. Ved å måle tiden det tar for lyset å reise tur-retur mellom sender og reflektor, kan systemet beregne avstanden til reflektoren med høy presisjon.

Formelen d = δt * ca / 2 brukes for å konvertere toveis reisetid (δt) til avstand (d), hvor ca er lysets hastighet i atmosfæren. Denne avstanden kombineres med vinkelen til den utsendte laserpulsen og Lidar-skannerens nøyaktige posisjon og orientering, som måles ved hjelp av avanserte navigasjonssystemer som inertialsystemer (INS/IMU) og satellittbaserte posisjoneringssystemer (GNSS). Dette muliggjør tredimensjonal kartlegging med ekstrem nøyaktighet.

Lidar-data inkluderer ikke bare de tredimensjonale koordinatene til refleksjonspunktene, men også informasjon som intensiteten til refleksjonen, tidspunkt, klassifisering av retur, skanneretning og flere returmuligheter per utsendt laserpuls. Denne detaljrikdommen gir muligheter for omfattende analyse og kartlegging.

Teknologien kan deles inn i to hovedtyper: pulsbassert og fasebasert Lidar. Pulsbasert Lidar, som dominerer i geovitenskapelige anvendelser, sender ut korte laserpulser, mens fasebasert Lidar benytter kontinuerlige bølgeformmodulasjoner. Sistnevnte har begrenset rekkevidde og høyere effektbehov, noe som gjør det mindre praktisk for mange jordvitenskapelige formål.

Lidar-systemer kan operere fra forskjellige plattformer, alt fra satellitter til fly og bakkebaserte mobile enheter, og tilpasses ulike målebehov. Satellittbaserte systemer, som Geoscience Laser Altimeter System (GLAS), gir global skala, mens fly- og terrestriske systemer tilbyr detaljert lokal kartlegging. Disse teknologiene utfyller hverandre ved å tilby varierende nivåer av romlig dekning og oppløsning.

Lidar har revolusjonert kartlegging av geohazards og naturressurser ved å gi presise tredimensjonale data over store områder, som er avgjørende for å forstå terrengforandringer, erosjon, skred, vulkanaktivitet og andre geologiske fenomener. Den detaljerte datainnsamlingen muliggjør nøyaktige endringsanalyser over tid og gir grunnlag for bedre risikovurdering og ressursforvaltning.

For å utnytte Lidar-data fullt ut, må man også ha innsikt i hvordan datasettet behandles og klassifiseres. Dette inkluderer filtrering av støy, segmentering av terreng og objekter, og integrering med annen geodata for helhetlige analyser. Avanserte algoritmer og maskinlæringsteknikker blir stadig viktigere for å automatisere og forbedre denne prosessen.

Viktige aspekter å forstå er også begrensningene i Lidar-teknologien. For eksempel kan tett vegetasjon eller dårlige atmosfæriske forhold påvirke datakvaliteten. Systemenes nøyaktighet avhenger dessuten av kalibrering og plattformens stabilitet. Det er derfor essensielt å kombinere Lidar-data med annen fjernmåling og feltundersøkelser for å oppnå robuste resultater.

Sammenfatningsvis gir Lidar en kraftfull og fleksibel metode for nøyaktig terreng- og objektkartlegging, som har blitt et uunnværlig verktøy i geovitenskap, geohazards overvåkning og naturressursforvaltning.

Hvordan Satellittsensorer Kan Brukes til å Målere Jordbevegelse og Deformasjon

Satellittbaserte observasjoner av jordoverflaten har i de siste årene blitt et viktig verktøy for overvåkning av jordbevegelse og deformasjoner. Denne teknologien gir en mulighet til å samle inn data med høy nøyaktighet over store geografiske områder, noe som er essensielt for å forstå dynamiske prosesser som jordskjelv, vulkansk aktivitet, og endringer forårsaket av menneskelig aktivitet, som gruvevirksomhet eller bygging. I denne sammenhengen spiller sensorene på satellittene en avgjørende rolle, og det er flere faktorer som påvirker kvaliteten på de innsamlede dataene.

Sensorer med medium oppløsning, som de på Landsat-8 og Sentinel-2, har en stor fotavtrykk som dekker et bredt område. Landsat-8 dekker for eksempel et område på 120 km, mens Sentinel-2 dekker 290 km. Denne egenskapen gjør det mulig å raskt og effektivt måle jordbevegelser uten behov for å sette sammen flere bilder, noe som forenkler prosessen. Sensorenes synsvinkel er vanligvis nær vertikal (nadir), noe som reduserer topografiske forvrengninger i bildet. Men på grunn av det brede synsfeltet kan synsvinkelen på kantene av bildet bli skjev, spesielt på bilder fra Sentinel-2, hvor vinkelen kan være mer enn 10 grader. Dette kan føre til topografiske forvrengninger som kan påvirke nøyaktigheten av bildene og kreve etterbehandling som ortorektifisering.

Ortorektifisering bruker digitale høydemodeller (DEM), men disse kan være grov og mangelfulle, spesielt når de er basert på lavoppløselige SRTM-data. Dette kan føre til feilaktige tolkninger av jordbevegelser, spesielt i områder med mye topografisk variasjon. Heldigvis kan feilene reduseres hvis både før- og etterbildene har lignende skjevheter, noe som kan minimere topografisk støy i sluttresultatet.

Til tross for disse utfordringene er hyppig global tilgang til data fra satellitter som Landsat-8 og Sentinel-2, samt høy kvalitet på førbehandlingen (inkludert radiometrisk korrigering, global justering, ortorektifisering osv.), svært verdifulle for å overvåke jorddeformasjoner på global skala. Dette gjør disse datasettene uunnværlige for geodesi og jordbevegelsesovervåkning.

Høyoppløselige sensorer, som de på WorldView-1–3 og Pleiades, har en betydelig mindre fotavtrykk sammenlignet med medium-oppløsningssensorene. Dette kan gjøre det utfordrende å måle deformasjoner over store områder, spesielt i øst-vest-retning. For å dekke større områder kreves det flere bilder, noe som øker både kostnader og risiko for skyer eller sesongmessige endringer i reflektans. Dessuten kan den høyere oppløsningen føre til en betydelig økning i skråvinkelen, og dermed en mer kompleks topografisk forvrengning. Når satellittene ser på bakken under en skjev vinkel, kan det oppstå områder som ikke er synlige i bildet på grunn av occlusjon, der bakken er skjult bak høyere terreng.

For å korrigere slike forvrengninger er det nødvendig med en DEM med høy oppløsning, gjerne generert ved hjelp av stereo-bilder fra flere ulike vinkler. Dette kan forenkle resampling og gi mer presise målinger av jordbevegelser. Høyoppløselige satellittbilder som er riktig prosessert, kan gi nøyaktige målinger med stor detaljrikdom sammenlignet med medium-oppløsningssensorene. Bruken av DEMs i differensialmålinger mellom før- og etterbilder kan gi 3D-deformasjoner, som gir en mer helhetlig forståelse av endringene.

En annen interessant utvikling innen satellittobservasjon er Planet Labs, som opererer en flåte av CubeSats kalt "Doves" og "SuperDoves", som gir 3–5 meter oppløsning. Planet Labs har fordelen av daglige revisittider for ethvert punkt på jorden, noe som gjør det mulig å bygge opp tette tidsserier med optiske bilder for å overvåke jorddeformasjon. CubeSats, som de fra Planet Labs, er relativt billige og små, og kan derfor settes i bane som sekundærlast. Dette gjør dem til et kostnadseffektivt alternativ for å overvåke jordbevegelser over tid.

En utfordring med disse små satellittene er imidlertid den relativt dårlige registreringen mellom påfølgende bilder. Dette er et resultat av at bildene tas som enkeltbilder, uten den kontinuerlige skanningsteknologien som brukes på høyoppløselige sensorer som WorldView. Dette kan føre til problemer med mosaikkbygging, hvor det er vanskelig å få en sømløs sammenføyning av bildene, og feil kan oppstå i korrelasjonen mellom bildene. Dette krever at man bruker svært presis global justering av bildene for å oppnå nøyaktighet.

Høyoppløselige satellittbilder kan imidlertid gi mer detaljert informasjon om jordbevegelse, og de kan brukes i en rekke geodetiske applikasjoner, som kan utvikles videre i fremtiden, spesielt når det gjelder optisk geodesi. Den økte tilgjengeligheten og lavere kostnadene for slike satellittdata åpner nye muligheter for nøyaktig og effektiv overvåkning av jordbevegelser globalt.

Endringene i jordens overflate er ofte små, men ved å bruke satellittdata kan vi få en detaljert og systematisk oversikt over disse endringene, noe som er essensielt for å forstå prosessene som påvirker planetens dynamikk. Det er viktig å merke seg at ulike satellittsystemer har ulike styrker og svakheter, og derfor bør valg av system tilpasses spesifikke behov og forhold på bakken.

Hvordan kan geodetiske data brukes til å modellere vulkansk deformasjon?

Deformasjon ved vulkaner kan beskrives gjennom endringer i geometri og trykk i kilden som forårsaker overflatebevegelser. Overflatedisplasementer opptrer ikke bare under selve utbruddene, men også i rolige perioder mellom utbrudd, med signaler som kan strekke seg fra dager til flere århundrer. De raskeste og mest markante deformasjonene skjer imidlertid i tilknytning til utbrudd, hvor vulkanen kan gjennomgå hurtig oppblåsing og sammentrekning i løpet av minutter til dager. Under de stille periodene avslører episoder med oppblåsing og sammentrekning utviklingen av spenningstilstanden i den omgivende jordskorpen og magma som lagres i dypet, mens deformasjonen under utbrudd reflekterer jordskorpens respons på gass- og materialutslipp.

Geodetiske data kan også anvendes til andre formål ved vulkaner, som for eksempel å modellere nedkjøling og sammentrekning av utkastede materialer, kartlegging av atmosfæriske forhold, generering av digitale terrengmodeller eller å påvise endringer i dielektriske egenskaper. Fjernmålte data, både termiske og aerosolemisjoner, gir videre innsikt i både undergrunns- og overflatestrukturer ved vulkaner. Modeller som estimerer varme- og gassutslipp under rolige perioder brukes til å anslå magmaens dybde, beliggenhet og sammensetning, noe som er essensielt for prognoser om kommende utbrudd. Analyse av tidserier kan indikere magmaens bevegelse mot overflaten og varsle om et nært forestående utbrudd.

Observasjoner under utbrudd, særlig av aerosoler og termiske utslipp, gir innsikt i de komplekse dynamikkene i pyroklastiske strømmer og utbruddsplumer. Disse vulkanske farene utgjør de mest alvorlige truslene mot menneskeliv og økonomi, og derfor er modellering av utslippshastighet,