River ice analyses and roughness calculations using underwater drones and photogrammetric approach
Loading...
URL
Journal Title
Journal ISSN
Volume Title
Insinööritieteiden korkeakoulu |
Master's thesis
Authors
Date
Department
Mcode
Degree programme
Language
en
Pages
71 + 1
Series
Abstract
In Northern Hemisphere during winters, freshwater ice, including river ice, forms a significant part of the ice-covered areas also referred as the cryosphere. Ice cover strongly affects the hydrology of northern rivers, and the effect can last for several months a year. For instance, flow patterns, water levels, and fluvial processes in a river are affected by river ice. This effect on the other hand is dependent on characteristics of the ice, especially on roughness of the ice underside. However, ice-covered areas have typically remained unexplored due to challenging conditions and difficult access. This study focuses on developing methodology related to studying ice-covered rivers. To delve deeper, the study specifically centres on application of an under-water drone platform in studying the roughness of ice underside. The developed methodology involves the utilization of a photogrammetric approach, Structure from Motion. In addition to developing the methodology, this study aims in reconstructing an elevation model of the ice underside and analysing the ice roughness based on the reconstruction. The field work is conducted at a study site in Lapland, northern Finland. One key result of the study is a workflow for reconstructing an elevation model of the ice underside based on video data collected with a remotely operated underwater drone. The workflow was furthermore applied in reconstructing an elevation model of the river ice at the study site. Subsequently, the reconstructed elevation model was utilized in calculating under-ice roughness. Results from the roughness calculations indicated that the model can accurately represent roughness of the ice cover as the errors between reference values for roughness and computed values were low. However, based on visual inference, the reconstruction also included non-existing shapes and therefore isn’t fully representative. Based on these findings and noted uncertainties, it is stated that although the proposed method has high potential, the methodology must still be developed further before it is completely applicable. In summary, results of this study show that underwater drones can be used in studying ice-covered rivers. Additionally, it is noted that applying Structure from Motion to mapping ice-water interface can offer feasible approach in determining under-ice roughness.Pohjoisella pallonpuoliskolla merkittävä osa kryosfääristä, eli jään peittämistä alueista muodostuu talvisin makean veden jäästä kuten jokijäästä. Jääpeite vaikuttaa merkittävästi pohjoisten jokien hyrdologiaan ja jääpeitteen vaikutus kestää useita kuukausia vuodessa. Jokijää vaikuttaa esimerkiksi virtausnopeuksien jakaumaan, vedenpinnan korkeuteen sekä fluviaalisiin prosesseihin joissa. Jään peittämiä alueita on kuitenkin tyypillisesti tutkittu vain vähän johtuen haastavista olosuhteista ja vaikeasta pääsystä alueille. Tässä tutkimuksessa keskitytään kehittämään menetelmiä, joilla tutkitaan jääpeitteisiä jokia. Tarkemmin sanottuna tutkimuksen keskiössä on jokijään alapinnan karkeuden tutkiminen hyödyntämällä sukellusrobottia (underwater drone). Kehitetyssä menetelmässä hyödynnetään automatisoitua fotogrammetriaa eli niin kutsuttua Structure from Motion -tekniikkaa. Menetelmien kehittämisen lisäksi tässä tutkimuksessa pyritään rakentamaan korkeusmalli jään alapinnasta ja hyödyntämään sitä jään karkeuden analysoimisessa. Tutkimuksen kenttätyö on toteutettu Pohjois-Lapissa. Tässä työssä koostettiin menetelmä, jolla voidaan rakentaa korkeusmalli jään alapinnasta hyödyntämällä kauko-ohjatulla sukellusrobotilla (remotely operated underwater drone, ROV) kerättyä videoaineistoa ja tämä menetelmästä tehty työnkulku on yksi keskeisimpiä tuloksia. Kehitettyä prosessointitietoa sovellettiin kerättyyn videoaineistoon, jonka perusteella rakennettiin korkeusmalli, jota hyödynnettiin edelleen jään karkeusvakion laskemiseksi. Tulokseksi saadut arvot karkeusvakiolle viittaavat, että korkeusmallia hyödyntämällä pystytään tarkasti ja luotettavasti kuvaamaan jään karkeutta, sillä virheet viitearvojen ja saatujen tuloksien välillä olivat pieniä. Toisaalta silmämääräinen tarkastelu osoitti, että korkeusmalli koostui osittain muodoista, joita ei voitu havaita todellisessa ympäristössä. Tämän takia mallia ei voida pitää täysin kuvaavana. Näiden havaintojen ja muiden havaittujen epävarmuuksien perusteella voidaan olettaa, että vaikka kehitetty menetelmä tarjoaa paljon mahdollisuuksia, täytyy sitä kehittää edelleen ennen kuin se on täysin käyttökelpoinen uusissa sovelluksissa. Yhteenvetona tämän tutkimuksen tulokset osoittavat, että sukellusrobotteja voidaan käyttää jääpeitteisten jokien tutkimiseen. Lisäksi tutkimuksessa havaittiin, että jokijään alapinnan karkeuden määrittämisessä voidaan hyödyntää Structure from Motion -tekniikkaa.Description
Supervisor
Lotsari, EliisaThesis advisor
van Rooijen, ErikVälimäki, Juha-Matti