Eksempler på bruk av InSAR data

Selv om InSAR-data ofte presenteres og visualiseres med enkle fargekoder, er det ikke alltid like enkelt å tolke dataene. Det er mye å huske på og mange hensyn som tas når man tolker InSAR-data. Her finner du eksempler på bruk av InSAR-data og hva som er viktig å huske på i de ulike tilfellene.

Hvordan tolke bevegelse i byområder?

Overvåking av bevegelser i byområder, bebygde områder og infrastruktur kan være nyttig for å skaffe informasjon over bevegelsesforløp både før, under og etter anleggsarbeid.

Anleggsarbeid kan påvirke omgivelsene, og ser man på dette sammen med bevegelsesmålinger med InSAR, kan man få ny informasjon om hendelsesforløp og årsakssammenhenger. Ofte er det vanskelig å forutsi hvordan byggearbeid og konstruksjoner vil påvirke grunnforholdene.

Samtidig kan det være vanskelig å vite om setningsskader er et direkte resultat av for eksempel tunneldriving eller annen byggevirksomhet i nærheten. Sammen med informasjon om grunnforholdene (bergarter og løsmasser) og grunnvannsforhold, kan man bekrefte eller avkrefte om det er en sammenheng mellom bevegelser og byggevirksomhet i det tidsrommet man har InSAR data tilgjengelig.

Oslo

Området rundt sentralbanestasjonen i Oslo er preget av bevegelser. Dette skyldes kompaksjon av sedimenter på grunn av økte laster og endrede grunnvannsforhold. Les mer om bevegelsene i Bjørvika på Oslo kommunes side.

Når man skal undersøke et område for bevegelser er det viktig å huske på at InSAR-data har flere begrensninger.

For å få en indikasjon på om InSAR-datasett viser faktiske bevegelser er det lurt å sjekke flere datasett. Les mer om hvordan du bytter datasett på siden "Hvordan fungerer InSAR Norge?"

Ser man da omtrent samme bevegelsesmønster i flere ulike datasett fra samme geometri (ascending 1 og ascending 2, eller descending 1 og descending 2), er det er tydelig tegn på at det faktisk er bevegelse til stede i området man undersøker.

Viser alle datasettene det samme, kan man anta at bevegelsen er vertikal.

Image
Fire ulike datsett viser innsynking i Oslo på kartet InSAR Norge.
Området rundt sentralbanestasjonen i Oslo er preget av bevegelser på ca 3−4 mm/år. Alle datasettene fra Sentinel-1 satellittene (ascending 1, ascending 2, descending 1. descending 3) viser omtrent det samme bevegelsesmønsteret over det samme området i Oslo sentrum. Når flere datasett fra satellittgeometri, viser det samme bevegelsesmønster tyder det på at det er reelle bevegelser. Viser datasettene fra ulik geometri (ascending og descending) samme bevegelsesmønster kan man anta at bevegelsen er vertikal (nedover når verdiene er negative og vises i rødt). Alle foto: NGU.

Skal man se på tidsserien av bevegelser er det viktig å huske at resultat kan bli svært annerledes alt etter hvilket enkeltpunkt man trykker på. Enkeltpunkter kan inneholde støy, og det er derfor bedre å bruke polygonverktøyet for å beregne gjennomsnittsbevegelsen av flere punkter.

Det er også viktig å huske at selv om grafen ofte ser lik ut for forskjellige punkter eller områder, kan skalaen (y-aksen) ha ulik skala. Det er allikevel mulig å endre om man ønsker det.

Image
Hvordan gjenomsnitthastighet på innsyking i Oslo kan sees i kartet InSAR Norge.
Ulike måter å se på gjennomsnittshastighet. A) Ved å bruke polygonverktøyet beregner man gjennomsnittshastigheten for mange punkter (her 873 punkter) i perioden 2015 til 2019. Gjennomsnittshastigheten er 3 − 4 mm/år. B) Gjennomsnittshastighet for ett enkelt punkt, som viser ca. 0,5 mm/år. For lave verdier er det vanskelig å skille mellom reel bevegelse og støy. C) Dette punktet viser en gjennomsnittshastighet på ca 8 mm/år. Legg også merke til at skalaen på y-aksen er fra -20 til + 20 mm/år. Foto NGU.

Trondheim

Image
Innsynking i Trondheim på kartet InSAR Norge.
Et gjennomsnitt av 720 punkter viser at havneområdet Brattøra i Trondheim viser en bevegelse på ca 10 mm/året. Foto NGU.

Havneområdet i Trondheim viser bevegelser på ca 10 mm/år. Dette bevegelsesmønsteret er likt i de ulike InSAR-datasettene.

Image
Fire datsett viser innsynking i Trondheim på kartet InSAR Norge.
I havneområdet i Trondheim viser datasettene fra alle ulike geometriene omtrent samme bevegelsesmønster. Dette gjør at man anta at det er faktiske bevegelser som er målt. Sammenligner man ascending- og descending-geometrier nøye, kan man se at descending viser noe høyere bevegelse i Brattøraområdet. Dette kan tyde på at det er en noe større vestlig komponent i bevegelsen. Foto NGU.

I enkelte områder i Norge, er datasett fra Radarsat-2 satellitten tilgjengelig. Dette gjelder for eksempel i byer som Trondheim, og kan være nyttig om man ønsker en lengre tidsserie med bevegelsesmålinger og informasjon om hvordan bevegelser har utviklet seg over lang tid.

Image
Historiske InSAR datasett (Radarsat-2 i perioden 2008-2018) viser at det har vært pågående bevegelser i havneområdet i Trondheim i lang tid.
Historiske InSAR datasett (Radarsat-2 i perioden 2008-2018) viser at det har vært pågående bevegelser i havneområdet i Trondheim i lang tid. Foto NGU.

Når man tolker InSAR er det lurt å ha en liten oversikt over hva som kan være typiske feilkilder i de områdene man undersøker.

I byområder ser man ofte områder preget av støy på grunn av raske endringer på overflaten, slik som dette området i Trondheim.

Image
To bilder av ulike og feil målinger i kartet InSAR Norge.
Eksempel på et byområde påvirket av feil. Området viser punkter med mange svært ulike hastigheter. Byggevirksomhet med raske endringer, fører til støy i InSAR-dataene.

Hvordan tolke bevegelse i fjellområder?

InSAR er en velegnet metode for å oppdage, kartlegge og overvåke ustabile fjellpartier.

I dag brukes InSAR Norge blant annet til å kartlegge ustabile fjellpartier. Som i byområder og for infrastruktur overvåkes bevegelser i fjellområder med jevne mellomrom med mer tradisjonelle metoder (bevegelsesmålinger på stedet; som for eksempel GPS). Selv om InSAR ikke direkte kan erstatte slike metoder, får man med store landsdekkende datasett raskt en oversikt over områder som beveger seg. Slik kan man enklere prioritere hvilke områder som trenger ekstra undersøkelser eller oppfølging.

Piggtind og Seidi

På begge sider av Sørfjorden i Troms og Finnmark ligger to ustabile fjellpartier. Når man skal i gang med å undersøke områder som viser bevegelse i skråninger er det lurt å gjøre en antagelse om hvilken retning bevegelsen har. Uten annen informasjon, kan man anta at bevegelser i fjellområder følger nedover skråningen.

Det er også lurt å se på ulike grunnlagskart (flybilder, fjellskygge, geologiske kart) for å få mer informasjon om hvilke prosesserer som kan være til stede området som undersøkes. Les om de ulike grunnlagskartene i InSAR Norge

Datasettene viser kun bevegelse som er parallell med radarenes sikteretning (Line-of-sight). I en vestvendt skråning er det mest hensiktsmessig å ta fram descending datasett, siden radaren ser på skrå ned mot vest, altså mer eller mindre parallelt med skråningen og den antatte bevegelsen.

Motsatt, er formålet å undersøke en østvendt skråning, vil det være mest hensiktsmessig å ta fram et datasett fra ascending satellitt, som da er mest sensitiv for å måle bevegelser i en retning som er mest mulig parallell med LOS. Les mer om hvordan de ulike geometriene påvirker InSAR-dataene.

Image
De ulike datasettene, stigende og synkende, viser to vidt forskjellige bevegelsesmønstre på grunn av satellittenes ulike sikteretning.
De ulike datasettene, ascending og descending, viser to vidt forskjellige bevegelsesmønstre på grunn av satellittenes ulike sikteretning.

Når man tolker InSAR data i fjellområder er det enkelte feilkilder man finner her som kan være nyttig å huske på. Vegetasjon som fører til liten dekning.

Det kan mangle punktmålinger i områder som er i skygge fra satellitten eller i bratte områder som er vendt mot satellitten på grunn av en effekt som kalles layover.

For å identifisere disse problemene er det ofte nyttig å utnytte ulike kartgrunnlag tilgjengelige i InSAR Norge.

Image
Det er mange hull i dataene ved fjellet Piggtind fra kartet InSAR Norge.
Feilkilder på Piggtind. Her ser man at det mangler punkter der det er tett vegetasjon. Bak de høyeste og bratteste toppene er det liten dekning siden dette området er i skygge fra satellitten. Det er også områder, midt inni områder med ellers god dekning, som mangler punkter. Disse hullene betyr ikke at det ikke er bevegelse, men heller at bevegelsen er for raskt til å kunne måles med InSAR Norge-teknikken.

Ulik symbolisering kan også ha noe si for hvordan et område tolkes. Med ulik palett, eller ulik skala kan andre bevegelsesmønstre komme tydeligere fram. 

Les mer hvordan symboliseringen kan endres på siden om "Hvordan fungerer InSAR Norge?"

Image
Ulik fargeskala viser ulike bevegelser på fjellet Seidi på kartet InSAR Norge.
Eksempelet fra Seidi viser at ulik fargeskala kan gi et andre inntrykk og gjøre at ulike bevegelsmønstre kommer tydeligere fra. A) Fargeskalaen er satt fra -10 mm/år til 10 mm/år. B) Fargeskalaen er satt fra -20 mm/år til 20 mm/år.

Gámanjunni

Gámanjunni 3 er et ustabilt fjellparti som ligger i Manndalen i Troms. I dag overvåkes fjellpartiet kontinuerlig av NVE. 

Les mer om fare-og risikoklassifiseringen av Gámanjunni 3 i faktaarket på NGUs kart over ustabile fjellpartier 3  og overvåkningen og oppfølgingen av fjellpartiet på NVEs nettside.

Image
Fjellet Gamanunni med tidsserie på kartet InSAR Norge.
Gámanjunni 3 er et ustabilt fjellparti som beveger seg med ca. 5 cm i året.

Det er alltid lurt å ha en tanke om hvilke feilkilder som kan forkomme i området du studerer.

Gámanjunni 3 ligger i ei vestvendt skråning, og uten mer informasjon om fjellpartiet, vil man anta at descending datasett (der radaren har en sikte ned mot vest) vil være mest hensiktsmessing å bruke. Nedenfor ses forskjellen mellom stigende (ascending) og synkende (descending) datasett.

Image
Stor forskjell på antall målinger med stigende og synkende målinger på fjellet Gamanjunni på kartet InSAR Norge.
Ascending og descending datasett ser svært ulike ut for området rundt Gámanjunni 3. Siden skråningen er bratt og vestvendt og dermed vendt mot sikteretningen for ascending satellitt, er mange målepunkter maskert vekk på grunn av effekten som kalles layover.

Det er alltid lurt å ha en tanke om hvilke feilkilder som kan forkomme i området du studerer.

Image
Ulike feil på fjellet Gamanjunni som skygge, tett vegetasjon, snø og for rask bevegelse kan skje i kartet InSAR Norge.
Feilkilder på Gamanjunni. Her ser man at det mangler punkter der det er tett vegetasjon. Ved de bratteste skrentene er det dårlig dekning siden dette området er i skygge fra satellitten. Det er også områder, midt inni områder med ellers god dekning, som mangler punkter. Disse hullene betyr ikke at det ikke er bevegelse, men at bevegelsen er for raskt til å kunne måles med InSAR Norge-teknikken.

Hva er viktig å huske når man tolker InSAR data?

Se både på kart og tidsserier:

  • Trykk på punkter for å se på hele tidsserier.  Husk at det er mulig å bruke «tegn polygon» verktøy for å midle flere punkter.
  • Se på sikteretning informasjon på høyretoppen av tidsserie vindu for å forstå geometrien av målingen.

Sjekk flere InSAR datasett:

  • Sjekk om bevegelsesmønsteret er synlig i flere datasett fra samme satellittgeometri. Da kan man anta at bevegelsen er reell.
  • Vis både ascending og descending datasett bevegelse i samme område: hvis bevegelsen har motsatt bevegelsesretning (rød/blå farger), kan man anta at det er en betydelig horisontal komponent i bevegelsen. Hvis både ascending og descending datasett er samme bevegelsesmønster, kan man anta at bevegelsen er tilnærmet vertikal.
  • Ha en antagelse om hvilken retning bevegelsen har i området du undersøker og bruk det datasettet hvor radarens sikteretning er tilnærmet parallell med bevegelsesretningen. Er bevegelsen mot øst, bruk ascending datasett. Er bevegelsen mot vest, bruk descending datasett. 
  • Husk at satellittene er lite sensitiv til å kunne måle bevegelse som går mot nord eller sør. Bevegelse selv om mot nord eller sør er svært underestimert. Bevegelse i på nord- og sørvendte skråninger blir detektert bare om de har en tydelig vertikal komponent av bevegelser.

Se på mer enn ett punkt:

  • Husk at enkeltpunkter kan inneholde støy og dermed ha feil verdi. Skal man tolke enkeltpunkter som viser avvikende verdier sammenlignet med området rundt, må man være svært forsiktig. Enkeltpunkter er ikke alltid representativ for større områder. Derfor er det som regel alltid mer hensiktsmessig å bruke polygonverktøyet til å midle over flere punkter, da dette vil redusere effekten av en del av støyen som kan prege enkeltpunkter.

Bruk ulike grunnlagskart:

  • Husk at uten å vite noe om grunnforholdene kan det være vanskelig å avgjøre hvilken prosess som ligger bak bevegelsen. Sjekk derfor ulike kartgrunnlag som fjellskygge eller flybilder for å få informasjon om grunnforholdene (vegetasjon, løsmasser, fast fjell, myr, anleggsområder eller områder preget av lange snøsesonger).

Test ulike symboliseringer og skaler:

  • Prøv ulike kartsymboliseringer (ulike farger eller ulik fargeskala) kan framheve ulike bevegelsesmønstre.
  • Test ulike x-/y-akses skaler og grenseverdier på tidseriegrafen. Standardskala tilpasses verdien av utvalgte punkter, dvs at veldig lav hastighet vil overdrive små mønster under støynivå lave hastigheter vil se overdrevne ut i grafen.