Udvikling af et nationalt befæstelseskort

Befæstelseskortet bidrager til bedre klimatilpasning og risikovurderinger for oversvømmelse, idet kortet giver bedre muligheder for at vurdere nedsivning i jord. Dertil kommer bedre grundlag til at planlægge og budgettere, når der i fremtiden skal ske nedgravning af infrastruktur (el, vand, varme, tele).

Der er udviklet en prototype af befæstelseskortet, som i dag er tilgængelig på SDFE Labs. Prototypen er skabt på baggrund af bl.a. GeoDanmarks ortofotos og forskellige GeoDanmark vektorlag (fx sø og bygninger), og den udpeger typerne ”befæstet”, ”ubefæstet”, ”bygning” og ”sø”. Maskinlæring er i rivende udvikling, og det vurderes derfor, at der er store forbedringspotentialer, så kortet kan vise flere typer fx asfalt, grus og fliser.

Baggrund
For at gøre Danmark klar til fremtidens klima er der brug for data og viden om, hvor vand kan sive ned i jorden, afhængig af om overfladen er befæstet med fx grus eller asfalt. Maskinlæring er i rivende udvikling og giver nye muligheder for at kortlægge overflader automatisk, som ellers vil være for omkostningstungt at gøre manuelt. I dette oplæg vil Styrelsen for Dataforsyning og Effektivisering præsentere arbejdet med at udvikle et nationalt befæstelseskort, som bliver et af de første af SDFEs produkter, der bliver produceret af en selvlært algoritme.

Teknik
Detaljerede data og viden om befæstelses typer er værdifuld som grundlag for hydrologiske analyser, planlægning og vedligeholdelse af nedgravet infrastruktur. Hvert år optages Danmark i højtopløselige flyfoto og punktskyer fra laserscanning, som derefter manuelt bliver set igennem for at optegne forskellige objekter og overflader. Maskinlæringsalgoritmer og herunder især forskellige former for dybe neurale netværk kan gøre dette arbejde meget hurtigere og billigere.