RAPPORT ÄBIN Satellit. Holger Dettki, Jonas Bodenhem

RAPPORT 7 2002 ÄBIN Satellit Holger Dettki, Jonas Bodenhem

Skogsstyrelsen juni 2002 Författare Holger Dettki och Jonas Bodenhem, Inst. för skoglig resurshushållning och geomatik, Avdelningen för fjärranalys, SLU Umeå Illustratör Katarina Ekberg Layout Barbro Fransson Papper brilliant copy Tryck JV, Jönköping Upplaga 300 ex ISSN 1100-0295 BEST NR 1714 Skogsstyrelsens förlag 551 83 Jönköping

ÄBIN-Satellit

Innehållsförteckning Förord... 1 Sammanfattning... 2 1. Bakgrund... 3 2. Material och metoder... 4 2.1. Fältinventering... 4 2.2. Manuella metoder... 5 2.3. Segmenterade knn-skattningar... 5 2.4. Träff, identifiering och avgränsning av fältbestånd... 6 3. Resultat... 8 3.1. Manuella metoder... 8 3.2. Segmenterade knn-skattningar... 9 3.3. Foderskattningar... 11 4. Diskussion... 13 4.1. Segmenterade knn-skattningar i ÄBIN... 13 4.2. Jämförelse av manuella metoder med segmenterade knn-skattningar... 14 5. Slutsatser... 16 6. Avvikelse från ansökan... 17 7. Tack... 18 8. Referenser... 19 Bilaga 1: Examensarbete Jonas Bodenhem... 20

Förord Den enkla älgbetningsinventeringen (ÄBIN) är en inventeringsrutin för att objektivt uppskatta andelen ungskog som är skadad av älgbetning. ÄBIN har utvecklats och genomförs under ledning av Skogsstyrelsen. Utvecklingen av ÄBIN har skett i samverkan med Institutionen för skoglig resurshushållning och geomatik, SLU, Umeå. För genomförandet svarar respektive Skogsvårdsstyrelse. ÄBIN har under 2000 och 2001 genomförts för stora delar av Sverige och inventeringen kommer att fortsätta under år 2002. Det har då visat sig att det nuvarande förfarandet att hitta och avgränsa ungskogsbestånd är något omständligt och om möjligt bör rationaliseras. Av denna anledning har detta tilläggsprojekt, med arbetsnamnet ÄBIN-Satellit genomförts under år 2001. Inom projektet har olika fjärranalysmetoder för att identifiera och avgränsa ungskogsbestånd jämförts. Projektet har finansierats av Rymdstyrelsen och Skogsstyrelsen. Skogsstyrelsen har varit huvudman och Institutionen för skoglig resurshushållning och geomatik, SLU, Umeå, har varit huvudsaklig utförare. Projektet har letts av en styrgrupp bestående av: Sven A. Svensson, Skogsstyrelsen (ordförande); Anders Persson, Skogsstyrelsen; Håkan Olsson, Resurshushållning och geomatik SLU, samt Lars Edenius, Skoglig zooekologi, SLU. Ansvarig för genomförandet vid SLU har Dr Holger Dettki varit. Som en del i projektet har Jonas Bodenhem utfört ett examensarbete i ämnet fjärranalys inom skogsvetarprogrammet. 1

Sammanfattning Den enkla älgbetningsinventeringen (ÄBIN) är en metod att skatta älgvinterstammens påverkan på ungskogarna. Tillsammans med modellberäkningar av fodertillgångens utveckling bör denna information utgöra ett underlag för beslut om en för flera parter acceptabel nivå av älgpopulationen, vilket kan ligga till grund för lämplig avskjutning några år framåt. Projektets mål har varit att förenkla urvalsprocessen av ungskogsbestånd inom ÄBIN-rutorna med hjälp av automatiska eller manuella fjärranalysmetoder. Idag identifieras och markeras alla bestånd som kan tänkas ha en aritmetisk medelhöjd hos huvudstammarna mellan 1-4 m. Projektets syfte är att utvärdera hur väl bl.a. analoga flygbilder, digitala ortofoton, digitala satellitbilder och segmenterade så kallade knn-skattade satellitbilder, var för sig eller i kombination med varandra kan användas för att: a) identifiera ungskogsbestånd med en trädmedelhöjd mellan 1-4 m, och b) göra en korrekt arealavgränsning av de identifierade ungskogarna. Studien genomfördes i två delar: a) Användning av manuella metoder som skärmtolkning av digitalt bildmaterial, och b) användning av en automatiserad segmentering och knn-skattning av Landsat ETM+-bilder. Två geografiska områden utnyttjades för försöket, Västerbottens kustland och Östra Götaland. I varje område inventerades 20 st 1x1 km 2 rutor. Alla ungskogsbestånd med en trädmedelhöjd av 0-8 m koordinatsattes med hjälp av GPS och inventerades enligt ÄBIN-anvisningar. Bestånd med en trädmedelhöjd av 1-4 m avgränsades med hjälp av GPS. Generellt gav användningen av ortofoto eller en kombination av ortofoton med en SPOT HRVIR satellitbild respektive med ÖSI- eller GSD-data de bästa resultaten och med dessa metoder hittades manuellt upp till 72% av alla bestånd mellan 1-4 m. När informationsinnehållet i satellitbilderna optimerades genom en noggrann balansering av bildernas kontrast och ljusstyrka, visade det sig att en liknande träffsäkerhet kunde uppnås med satellitbilder som med ortofoton. Med den automatiska metoden, knn-skattade segment av Landsat ETM+-bilder, upptäcktes upp till 80% av alla bestånd i höjdintervallet 0-5 m. Både knnskattningar och de bästa manuella metoderna tolkade bara mellan 36% och 72% av den fältmätta arealen rätt. Samtidigt överskattades den verkliga fältarealen med 50% eller mera, d.v.s. mer än hälften av all tolkad areal låg utanför den areal som hade GPS-avgränsats i fält. Segmenterade knn-skattningar i kombination med manuell tolkning av ortofoto och bakgrundsinformation kan användas för att skapa en ungskogsmask och hitta de flesta ungskogsbestånd i höjdintervallet 1-4 m. Med optimerade satellitbilder och väl utbildade tolkare kan ortofoton ersättas med Landsat ETM+ eller SPOT HRVIR-satellitscener. Eftersom användningen av fjärranalysmetoder (såväl bildtolkning som automatiska metoder) före fältbesök inte kunde avgränsa ungskogsbestånd med tillräckligt hög säkerhet är det nödvändigt att kontrollera och avgränsa de hittade ungskogsbestånden med stöd av fältobservationer innan en utläggning av provyteförband kan ske. 2

1. Bakgrund Syftet med den enkla älgbetningsinventeringen (ÄBIN, se www.svo.se) är att ge resultat som ska spegla om älgpopulationen inom inventeringsområdet är för liten, lagom eller för stor i förhållande till den tillgängliga mängden viltfoder i skogen. Resultaten avses användas som underlag vid beslut om älgtilldelningen. Inventeringen är en stickprovsundersökning baserad på mätningar och uppskattningar på provytor i fält. Inom ett inventeringsområde ( 20 000 ha) väljs slumpmässigt eller systematiskt 55 rutor om 100 ha. Inom dessa rutor identifieras ungskogsbestånd som är större än 0.5 ha och som har en trädmedelhöjd hos huvudstammarna som är mellan 1 m och 4 m. Identifieringen och arealberäkningen av funna bestånd baseras idag främst på flygfoton, skogskartor, avverkningsanmälningar och lokalkännedom. Även bildskärmstolkning av satellitbilder har använts. Normalt inventeras alla aktuella ungskogsbestånd i fält men om antalet bestånd i en kvadratkilometerruta är större än 5 kan urvalet begränsas till 4 eller 5 bestånd. I varje bestånd som ska inventeras läggs ett systematiskt nät av cirkelprovytor med radie 3.5 m, ett s.k. provyteförband, ut. Fältinventeringen omfattar, förutom identifikationer och beståndsuppgifter, ett fåtal obligatoriska och ett större antal frivilliga provytevariabler. De obligatoriska variablerna är i) antal tallar med respektive utan färska älgskador, ii) antal björkar med respektive utan färsk toppskottsbetning/stambrott, iii) information om provytan är röjd eller inte. Beslutsunderlaget blir ännu mera ändamålsenligt om man även kan skatta mängden viltfoder. Bland de frivilliga variablerna återfinns därför täckningsgrad för viltfoder av tall, contortatall, björk, asp, sälg, vide, rönn samt övrigt foder. Mål och syfte Urvalsförfarandet med tillhörande arealmätning av ungskogsbestånd inom ÄBIN är idag något omständligt. Det övergripande målet för projektet är att undersöka möjligheterna att med lämpliga fjärranalysmetoder effektivisera urvalsförfarandet och arealmätningen av ungskogar med en medelhöjd av 1 4 m. Projektets syfte är att utvärdera hur väl flygbilder, digitala satellitbilder och segmenterade knn-skattningar från satellitregistreringar kan användas för att i) identifiera ungskogsbestånd med en medelhöjd mellan 1-4 m, och ii) göra en korrekt arealavgränsning av de identifierade ungskogarna. 3

2. Material och metoder 2.1. Fältinventering Studien genomfördes våren och sommaren 2001 i samarbete med skogsvårdsstyrelserna i Västerbotten (SVS AC) och Östra Götaland (SVS OG) i Västerbottens kustland och i Kalmar län. Ur de ca 55 ordinarie 1x1 km ÄBIN-rutor, som valts ut för inventering enligt Holm (2001a), slumpades 20 rutor i respektive område för utvärdering inom projektet (Fig. 1). Det kontrollerades att rutorna uppfyllde följande krav: tillgång till i) molnfri satellitbild (SPOT HRVIR och Landsat ETM+) från 1999 eller yngre, ii) flygbilder från 1993 eller yngre, iii) digitala ortofoto från 1996 eller yngre, iv) förekomst av minst ett ungskogsbestånd med trädmedelhöjd mellan 0-8 m. a) N W E S b) 400 0 400 Kil ometer Fig. 1. Områden i Västerbottens län (a) och Kalmars län (b) där ÄBIN-Satellit genomfördes. Fältarbetet genomfördes sommaren 2001 av skogsvårdstyrelsens personal. Personalen följde anvisningar för fältinventeringen (Holm, 2001b). För de 20 rutor som ingick i detta projekt gjordes följande tillägg: i) Alla bestånd med trädmedelhöjd 0-8 m i varje ruta besöktes och inventerades i fält. Alla bestånd i höjdintervallen koordinatsattes med hjälp av en GPS punkt i centrum av beståndet. Bestånd med 1-4 m trädmedelhöjd avgränsades med hjälp av GPS. ii) I Västerbotten genomfördes även foderskattningar för varje provyta i alla bestånd med höjdintervall mellan1-4 m. Tolkningen av ungskogsbestånd med medelhöjden 1-4 m genomfördes på två olika sätt. Den första delstudien syftade till att utvärdera hur man med hjälp digitalt bildmaterial, satellitbilder och bakgrundsinformation om skogen från olika datakällor manuellt kan identifiera och avgränsa ungskogsbestånd genom bildskärmstolkning i ett Geografisk InformationsSystem (GIS). I den andra delstudien 4

utvärderades hur väl identifiering och avgränsning av bestånd kan ske genom automatiserade knn-skattningar och segmentering av satellitbilder. 2.2. Manuella metoder De manuella metoderna utvärderades i ett examensarbete (Bodenhem, 2002; bilaga 1). För fler detaljer om metoder, genomförandet och resultat ser bilaga 1. Den manuella tolkningen genomfördes av 10 tolkare i Östra Götaland respektive Västerbotten. Tolkarna försökte med 10 olika metoder att identifiera och avgränsa ungskog med 1-4 m trädmedelhöjd. En detaljerad överblick över de använda metoderna återfinns i tabell 2 i bilaga 1. Tolkarna använde följande bildmaterial var för sig eller i kombination med varandra: digitala ortofoton, SPOT HRVIR satellitbilder, Landsat ETM+ satellitbilder, analoga flygbilder, ÖSI-information, averkningsanmälningar och GSD-data. I Östra Götaland genomfördes en tilläggsstudie, där fyra tolkare använde optimerat satellitbildmaterial. 2.3. Segmenterade knn-skattningar 2.3.1. Segmentering För segmenteringen och knn-skattningar användes Landsat ETM+ scener från 1999 och 2000 över Västerbottens kustland respektive Västerviks kommun. Segmenteringen genomfördes med programmet SKOGIS (Hagner, 1990), implementerat i ArcInfo 8.1 (ESRI, 2000). För varje ruta skapades en segmenteringsmask med storlek 3x3 km med respektive ÄBIN-ruta i centrum. Masken innehöll permanenta gränser som inte ändrades genom segmenteringen, som vattendrag, vägar, tätortsgränser och avgränsningar mot icke-skogsmark. Informationen om de permanenta gränserna hämtades från en GSD-databas Blå karta (Lantmäteriverket, 1998). Segmenteringen genomfördes med samma parameterinställningar i SKOGIS för båda satellitbilderna (Tabell 1). Tabell 1. Parameterinställningar för segmenteringen av Landsat ETM+ bilder med SKOGIS-rutinen. För förklaring av parametrarna se Hagner (1990). Segmenteringsvariabler BMS 4 & 5 MinEnd 5 MaxEnd Null e 4.5 t 7.5 Parameterinställningar valdes efter en subjektiv, okulär bedömning av avgränsningsframgången av segmenteringen för olika parameteruppsättningar i olika delar av de två satellitbilder. Efter segmenteringen klipptes ÄBIN-rutorna ur segmentskiktet för att framställa ett polygonskikt med segmenterade ÄBIN-rutor. 2.3.2. knn-skattning Skattningsmetoden för skoglig vegetation (k Nearest Neighbor, knn; Nilsson, 1997) är en pixelvis skattning av skogliga variabler baserad på data från Riks- 5

skogstaxeringen (Ranneby m.fl., 1987). knn-skattningar erhölls för två Landsat ETM+ scener från 1999 och 2000 för k = 10 i programmet MUNIN (Nilsson, 1997). Totalt beräknades skattningar för 16 olika skogliga variabler. I denna studie användes variabeln grundytevägd beståndsmedelhöjd, i fortsättningen kallad medelhöjd. Eftersom felet (RMSE) på pixelnivå ligger på ca 30%, beräknades medianvärdet av medelhöjden per segment. Medianvärdet användes istället för medelvärdet för att undervika felskattningar på segmentnivå genom några få pixlar med starkt avvikande värden i kantzoner mellan segment. 2.4. Träff, identifiering och avgränsning av fältbestånd För en bedömning av knn-skattningarnas tillförlitlighet utvärderades överlappen av knn-segment i höjdintervall 1-4 m och 0-5 m trädhöjd med både fältbeståndens gränser och fältbeståndens mittpunkt. Ett fältbestånd definierades som träffat när knn-segmentet och fältbeståndet överlappade till någon del (Fig. 2a). Ett bestånd var identifierat när överlapparealen mellan fältbestånd och knnsegment var lika eller större än 80% av fältbeståndets yta (Fig. 2b). För att ett bestånd definierades som rätt avgränsat måste både den över- och undertolkade arealandelen vara mindre än 20% av knn-segmentet respektive fältbeståndet (Fig. 2c). Den undertolkade arealandelen är den del av fältbeståndet som knnskattningarna missade. 6

a) Fältbestånd Överlapp 0% knn-segment b) Överlapp 80% knn-segment c) Fältbestånd Överlapp 80% knn-segment 20% Fig. 2. Schematisk skiss av träffade (a), identifierade (b) och avgränsade fältbestånd (c). För avgränsade fältbestånd (c) måste andelen av knn-segmentet som inte överlappar med fältbeståndet vara lika eller mindre än 20% av hela segmentet. Den överskattade arealandelen beräknas som procentandel av alla knn-segment som helt eller delvis ligger utanför ett fältbestånd. Både den över- och underskattade arealen är således netto -arealen, eller den delen av fältarealen respektive knn-segmentet som inte överlappa med varandra. 7

3. Resultat 3.1. Manuella metoder De manuella metoderna utvärderades i ett examensarbete (Bodenhem, 2002; bilaga 1). För fler detaljer om metoder, genomförandet och resultat ser bilaga 1. 3.1.1. Träff av fältbestånd Vid jämförelse av andelen träffad areal visade sig att i Västerbotten var metoderna Ortofoto+SPOT, Ortofoto och Ortofoto+bakgrundsinformation de som träffade störst andel av arealen, medan metoden Ortofoto+Landsat träffade minst andel av arealen (Tabell 6 i bilaga 1). I Östra Götaland var det metoderna Ortofoto+bakgrundsinformation, Flygbild+Landsat och SPOT+bakgrundsinformation som gav högst andel träffad areal, medan metoden Landsat träffade minst andel av arealen. De bästa metoderna i Östra Götaland och Västerbotten träffade 82% respektive 93% arealandel av fältbeståndet. Om man jämför antal bestånd som träffades av tolkarna visar de bästa metoderna att 70% respektive 72% av alla fältbestånd träffades i Östra Götaland och Västerbotten (Tabell 7 i bilaga 1). Ingen signifikant skillnad kunde hittas mellan de bästa metoderna i respektive försöksområde. I tilläggsstudien i Östra Götaland, där optimerade satellitbilder användes, kunde med metoden SPOT+bakgrundsinformation 64% av alla fältbestånd hittas. Vid utökningen av tolkningsintervallet från 1-4 m till 0-5 m steg antalet hittade bestånd till 79% (Tabell 9 i bilaga 1). 3.1.2. Identifiering och avgränsning av fältbestånd Antalet fältbestånd som identifierades i Östra Götaland respektive Västerbotten låg mellan 5% och 43%. Den bästa metoden i Östra Götaland var kombinationen Ortofoto+SPOT med 43% av identifierade bestånd. I Västerbotten var identifieringen bäst (38%) med metoden Ortofoto (Tabell 7 i bilaga 1). Avgränsningen i Östra Götaland och Västerbotten fungerade bäst med metoden Ortofoto+bakgrundsinformation, där i genomsnitt 30% respektive 28% av alla fältbestånd kunde avgränsas (Tabell 7 i bilaga 1). I tilläggsstudien i Östra Götaland fungerade metoden SPOT+bakgrundsinformation bäst för identifiering och avgränsning av ungskogsbestånd. I höjdintervallet 1-4 m identifierades 31% och avgränsades 18% av fältbestånden. En utvidgning av höjdintervallet till 0-5 m höjde antalet identifierade och avgränsade bestånd till 48% respektive 21% (Tabell 9 i bilaga 1). 8

a) Andel mittpunkter av fältbestånd inom knn-segment (%) 100 80 60 40 20 OG AC 0 0-1 m 1-4 m 4-8 m b) Andel mittpunkter av fältbestånd inom knn-segment (%) 100 80 60 40 20 0 0-1 m 1-4 m 4-8 m Höjdklasser av fältbestånd Fig. 3. Andel av GPS-koordinatsatta beståndsmittpunkter i 3 olika höjdklasser som ligger inom knn-segment med medelträdhöjd 1-4 m (a) och 0-5 m (b) för både Östra Götaland (OG) respektive Västerbotten (AC). OG AC 3.1.3. Över- och undertolkning Den arealmässiga över- och underskattningen av fältbestånden beräknades från tabell 5 i bilaga 1 för att få jämförbara siffror med över- och underskattningen av knn-skattningarna. I Östra Götaland uppnåddes den minsta underskattningen av 36% med metoden Ortofoto+bakgrundsinformation, medan i Västerbotten missade metoden Ortofoto 28% av ungskogsarealen. Med metoden SPOT i Östra Götaland och metoden Ortofoto+SPOT i Västerbotten överskattades ungskogsarealen med 49% respektive 47% av den tolkade arealen. Med andra ord låg nästan hälften av den tolkade arealen utanför de verkliga fältbestånd. Ingen sådan jämförelse gjordes för tilläggsstudien i Östra Götaland. 3.2. Segmenterade knn-skattningar 3.2.1. Träff av punkter 0-8 m I Östra Götaland och Västerbotten registrerades 81 respektive 75 mittpunkter av bestånd mellan 0 m och 8 m. I höjdintervallet 1 4 m återfanns 39 respektive 32 punkter som kunde jämföras med medelträdhöjden från knn-skattade segment. 9

För ytterligare 3 punkter i Västerbotten kunde inga knn-skattningar erhållas p.g.a. små moln i satellitbilden. knn-skattningarna stämde överens för 14 respektive 18 mittpunkter i Östra Götaland respektive Västerbotten (Fig. 3a). När höjdintervallet i knn-skattningarna utökades till 0-5 m, ökade antalet av identifierade mittpunkter med höjdintervall 1-4 m med 121% och 55% till 31 och 28 i Östra Götaland resp. Västerbotten (Fig. 3b). 3.2.2. Arealmässig knn-identifierung av fältbestånd Av totalt 38 bestånd med medelhöjd 1-4 m överlappade 17 bestånd med pixelvis knn-skattade segment 1-4 m med mer än 20% av den totala fältarealen i Östra Götaland (Tabell 2). För en överlappareal av 80% eller mer sjönk siffran med ca 70% i Östra Götaland och 82% i Västerbotten. Tabell 2. Antal fältbestånd som överlappar knn-segment i höjdklass 1-4 m resp. 0-5 m med mer än 20% respektive 80% av fältarealen i Östra Götaland (OG) och Västerbotten (AC). Ingen hänsyn har tagits till gränser mellan knn-segment av samma klass. knn-medianhöjd (m) 1-4 0-5 Arealandel av fältbestånd OG AC Antal bestånd % Antal bestånd % 20% 17 44.7 20 57.1 80% 10 26.3 11 31.4 20% 32 84.2 29 82.9 80% 32 73.7 26 74.3 Vid en utvidgning av höjdintervallen i knn-skattningarna till 0-5 m ökade antalet bestånd som överlappade med knn-skattningsintervallen med 80% av arealen eller mera med 180% och 136% i Östra Götaland respektive Västerbotten jämfört med knn-höjdarealen 1-4 m (Tabell 2). 3.2.3. Träff, identifiering och avgränsning av fältbestånd En jämförelse av överlapparealen mellan knn-skattade segment i höjdintervallen 1-4 m och GPS-avgränsade ungskogsbestånd i fält med samma höjdintervall visade att minst 2/3 av alla fältbestånd överlappade till någon del med knnsegmenten med samma höjdintervall (Tabell 3a). Tabell 3. Antalet av knn-segment i höjdintervallet 1-4 m (a) och 0-5 m (b) som träffade,identifierade och avgränsade fältbestånd med trädmedelhöjd 1-4 m i Östra Götaland (OG) och Västerbotten (AC). a) OG AC Antal % Antal % Träffat 26 68.4 26 74.3 Identifierat 11 28.9 11 31.4 Avgränsat 3 7.9 1 2.9 b) OG AC Antal % Antal % Träffat 33 86.8 29 82.9 Identifierat 29 73.3 24 68.6 Avgränsat 5 13.2 1 2.9 10

Både i Östra Götaland och i Västerbotten låg procentandel av fältbestånd som hade varken överskattats eller underskattas med mera än 20% av fältarealen under 8%. En utvidgning av knn-segment-höjdintervall till 0-5 m medförde ingen förändring i Västerbotten, men i Östra Götaland ökade antalet avgränsade bestånd från 3 (Tabell 3a) till 5 (Tabell 3b). Ökningen av antalet identifierade bestånd vid utökning av höjdintervallet ligger i samma storleksordning som i tabell 2. Till skillnad från den arealmässiga identifieringen av fältbestånd (Tabell 2), där överlappet utvärderades pixelvis för hela pixlar (25x25 m), användes här (Tabell 3) de exakta polygongränserna, vilket resulterade i små areella skillnader jämfört med resultaten i tabell 2. Antalet träffade bestånd ökade med 27% resp. 12% i Östra Götaland och Västerbotten (Tabell 3b). En logistisk regression hittade inget signifikant samband mellan beståndsvariabler som träslagssammansättning, medelåldern och -höjden eller med ägarförhållanden. 3.2.4. Över- och undertolkning Generellt visade knn-skattningarna en tendens att över- och underskatta fältarealen i höjdintervallet 1-4 m (Tabell 4). Bara 36% och 42% av fältarealen överlappade med knn-skattningarna i Östra Götaland respektive i Västerbotten, vilket ger en underskattning av 64% i Östra Götaland och 58% i Västerbotten. Vid utökningen av knn-segment-höjdintervall till 0-5 m minskas underskattningen till ca 25% både i Östra Götaland och Västerbotten. Tabell 4. Genomsnittsöver- och underskattning samt överlapp av fältareal med knn-segment i två höjdintervaller för Östra Götaland (OG) och Västerbotten (AC). Procentsifforna för underskattningen och överlappet är baserad på fältbeståndens storlek, överskattningen på knn-segmentets storlek. OG AC knn-höjdintervall (m) 1-4 0-5 1-4 0-5 (ha) (%) (ha) (%) (ha) (%) (ha) (%) Underskattning 2.3 64.0 0.4 25.6 3.1 57.6 0.4 25.4 Överlapp 1.2 36.0 3.1 74.4 1.8 42.4 4.5 74.6 Överskattning 1.5 62.5 2.7 50.8 2.6 58.7 5.3 59.7 Överskattningen av fältarealen är i samma storleksordning både i Västerbotten och Östra Götaland. I båda fallen ligger mer än hälften av arealen av alla knnsegment i höjdintervallet 1-4 m utanför de verkliga fältbestånden i detta höjdintervall. Överskattningen ökar marginellt vid ökning av höjdintervallet till 0-5 m i Västerbotten (Tabell 4). I Östra Götaland däremot minskar överskattningen från 63% till 51%. Jämför man däremot den totala arealen av knn-segment i respektive höjdintervall med fältarealen i varje ruta erhölls en överskattning av arealen med faktor 1.4 och 1.8 i Östra Götaland och Västerbotten för höjdintervallet 1-4 m. För höjdintervallet 0-5 m ökade den totala areella överskattningen med faktorn 2.8 och 3.5 i Östra Götaland respektive Västerbotten. 3.3. Foderskattningar I Västerbotten insamlades viltfoderskattningsdata för alla provyteförband i de inventerade fältbestånden med trädmedelhöjd 1-4 m i syfte för att undersöka sambandet mellan knn-segment och mängd älgfoder. Eftersom avgränsningen av fältbestånd med knn-segment inte gav tillfredställande resultat gjordes inga för- 11

sök att använda data från punkter i fältbeståndet för att modellera foderdata i knn-segment. Mätt som fodertäckning dominerade glasbjörk (5.67%), tall (3.83%) och vårtbjörk (0.83%). Övriga foderarter (contorta-tall, asp, sälg och rönn) utgjorde tillhopa 1.17%. Färsk betning på tall förekom i 11 av de 30 bestånden med provytevärden. Det fanns ingen signifikant korrelation mellan mängden tall, glas- och vårtbjörk i bestånden. Det fanns heller inte någon korrelation mellan den färska betningen på tall och spektrala data (Landsat ETM+ band 1, 2, 3, 4, 5, 7 samt NDVI, där NDVI är ett index baserat på spektralvärden från band 3 och 4). Signifikanta korrelationsvärden mellan fodervärden och spektrala data erhölls för tall (band 1, 2, 3, 5 och 7) och glasbjörk (band 2, 3, 5, 7 och NVDI), men inte för vårtbjörk. Den starkaste korrelationen var den mellan mängd glasbjörk och band 7 (r = -0.477). Detta innebär att enskilda spektralband som bäst skulle kunna förklara ca 23% av variationen i fodermängd. 12

4. Diskussion 4.1. Segmenterade knn-skattningar i ÄBIN Den automatiska segmenteringen av satellitbilder med efterföljande segmentsvis klassning i höjdklasser med hjälp av knn-metoden visade två generella tendenser. För det första återspeglar knn-höjdklassen 1-4 m sämre den verkliga fördelningen av antal ungskogsbestånd i en ÄBIN-ruta jämfört med höjdklassen 0-5 m. Detta gäller både för antal träffade mittpunkter (Fig. 3) och träffade fältbestånd (Tabeller 2 och 3). I bästa fall kunde knn-segmenteringsmetoden hitta strax över 80% av alla ungskogsbestånd i höjdintervallet 1-4 m. Om man bara tar knnhöjdklassen 1-4 m i beaktande blir resultatet påtagligt sämre. Detta har delvis sin förklaring att satellitbilderna som användes var en till två år gamla. Detta blir speciellt tydligt för Östra Götaland, där Landsat-bilden var två år gammal och skogen har en snabbare tillväxt än i norra Sverige. Eftersom många bestånd har hunnit växa in i eller ut ur intervallen 1-4 m under två år, är förbättringen större när man övergår till höjdintervallet 0-5 m jämfört med Västerbotten, där bilden var bara ett år gammal och skogen växer långsammare. Samma mönster gäller för den totala arealen av rätt klassad skog. Medan bara mindre än hälften av alla bestånd identifierades med knn i höjdklassen 1-4 m (Tabell 2), kunde antalet ökas till över 80% med ett utvidgat höjdintervall (0-5 m). Bortser man från enskilda bestånd och jämför endast arealsifforna, visade det sig att knn-segmenteringsmetoden klassade ca 75% av ungskogsarealen rätt (Tabell 4). Även här är arealen av rätt klassad skog påtagligt större, när höjdintervallen 0-5 m användes. En annan tendens är den relativt stora andelen av över- och underskattad areal (Tabell 4). Detta innebär att segmenteringen kan ha svårigheter att korrekt avgränsa ungskogsbestånden (Tabell 3). Segmenteringen som utförs automatiserad på en satellitbild saknar i praktiken möjligheten att kalibrera segmenteringsparametrarna mot de verkliga förhållandena på marken. Den enda kontrollmöjlighet förutom fältkontrollen är en subjektiv, okulär bedömning av segmenteringsresultatet direkt mot satellitbilden eller annat bildmaterial. Eftersom skillnader i resultaten mellan olika parameterinställningar kan vara små, är det svårt att bedöma sanningen i segmenteringen. Dessutom varierar överensstämmelse med förhållanden på marken även för samma parametrar när satellitbilder från olika tidpunkter över samma område, eller från olika områden tagen vid samma tidpunkt, segmenteras. När ett segmentsmedianvärde för trädhöjden utifrån pixelvisa knn-skattningar beräknas, kan detta medföra en felklassning av segmentet. Detta är särskild påtagligt för små höjdintervaller som intervallet 0-1 m. Ett sätt att förbättra avgränsningen kan vara att segmentera de pixelvisa knn-skattningar istället för satellitbilderna. Detta testades inte i denna studie. Andra orsaker för en låg överensstämmelse med förhållandet på marken kan bland annat vara en för låg upplösning av fasta gränser som skogsbilvägar och vattendrag i Metrias GSD-databas som motsvarar informationsmässigt en Blå karta (skala 1:100 000). Även konverteringen mellan raster- och vektorformat mellan olika program som ArcInfo Grid och SKOGIS kan ha medfört en rumslig noggrannhetsförlust som är svårt att bedöma. Överskattningen av ungskogsareal i medeltal per ruta är alltid större än 50% av den totala segmentarealen i respektive höjdklass (Tabell 4). Detta betyder med 13

andra ord att mera än hälften av knn-segmentarealen i verkligheten har en annan medelhöjd än den knn- skattade. Att använda knn-skattade segment som ensamt underlag för fältinventeringen i ÄBIN måste därför betraktas som olämpligt, eftersom avgränsning av bestånd i många fall inte kommer stämma överens med verkligheten. Även om överskattningen i sig inte är ett större problem, kommer detta dock kräva en noggrann fältkontroll innan inventeringen kan inledas. Det är således tveksamt om detta skulle medföra en tidsvinst jämfört med dagens system. Ännu allvarligare ter sig en underskattning med mera än en fjärdedel av fältbeståndens areal även för ett utvidgat höjdintervall av 0-5 m, d.v.s. knn-skattade segment missar att upptäcka mera än 25% av ungskogsarealen i fält (Tabell 4) och mellan 13% och 17% av alla enstaka bestånd (Tabell 3b). För att göra ett statistiskt korrekt urval av bestånd som ska inventeras per ruta är det nödvändigt att inget bestånd missas (Holm, 2001a). I det perspektivet kan segmenterade knnskattningarna som fristående metod inte rekommenderas för identifiering och avgränsning av ungskogar inom ÄBIN. Eftersom det grundläggande problemet är själva segmenteringen i nuvarande form är några förbättringar eller alternativa metoder tänkbar för att förbättra själva avgränsningen av skogsbestånd. För att minska introducerade konverteringsfel mellan datatyper och program borde segmenteringsrutiner integreras direkt i ett GISprogram som t.ex. ArcGIS (ESRI, 2000). Bakgrundsdata med hög upplösning för fasta gränser som vägar och vattendrag kan ytterligare reducera felsegmenteringarna. Även en segmentering av pixelvisa knn-skattningarna eller höjdklasser istället för själva satellitbilden kan ev. förbättra avgränsningsnoggrannheten. Som alternativa fjärranalysmetoder kan skillnadsbilder (Olsson, 1994) eller ev. alternativa segmenteringsmetoder (kantdetektion; Joyce, 1998) användas för att få korrekt avgränsade segment. Avgränsningen av ungskogar med hjälp av skillnadsbilder i kombination med identifieringen med hjälp av knn-skattningar är en lovande metod i framtiden som borde studeras närmare. En kombination med olika typer av digitala beståndsregister kan ytterligare skärpa upp avgränsningen och klassningen. Själva knn-skattningar borde ge en god bild av beståndets egenskaper som t.ex. trädmedelhöjd under förutsättningen att beståndet är korrekt avgränsat. 4.2. Jämförelse av manuella metoder med segmenterade knn-skattningar Generellt är resultaten för de bästa manuella metoder i samma storleksordning som resultaten från knn-skattningarna. Både de manuella metoderna för att hitta träffa ungskogsbestånd och knn-skattningarna i Östra Götaland och Västerbotten i höjdintervallen 1-4 m låg runt 70%. knn-skattningsmetoden fungerar avsevärt bättre när höjdintervallet utvidgas till 0-5 m och hittar då 17% fler bestånd i Östra Götaland och 11% fler bestånd i Västerbotten än den bästa manuella metoden i detta avseende i respektive område. Eftersom de manuella metoderna bara använde ett höjdintervall (1-4 m), är det inte förvånande att resultatet för knn-skattningar blir bättre vid en utvidgat höjdintervall. Den enda jämförelsen som kan göras är med resultaten från tilläggsstudien i Östra Götaland, där samma utvidgat höjdintervall användes i de manuella tolkningarna. Här ligger resultatet med 79% nära resultaten från knn-skattningarna med 82%. I det praktiska arbetet kan det således vara till hjälp göra ett första urval av ungskogsbestånd mellan 0-14

5 m i en ruta med hjälp av knn-skattningarna och skapa en ungskogsmask. Därefter måste manuella metoder ta vid för att identifiera och avgränsa ungskogsbestånd. Detta skulle antagligen både förenkla för tolkaren, automatisera processen och säkerställa att så många bestånd som möjligt i höjdintervallen 1-4 m hittas i fält. För identifiering och avgränsning var de bästa manuella metoder alltid bättre än knn-skattningarna: I Östra Götaland identifierade metoden Ortofoto+SPOT 43%, medan knn-skattningarna identifierade bara 29% av alla bestånd. För avgränsningen i Västerbotten var resultatet för metoden Ortofoto+bakgrundsinformation 28%, medan bara 3% av alla bestånd avgränsades korrekt av knnskattningsmetoden. Det är dock mindre meningsfull att jämföra resultaten för knn-skattningar i höjdintervallen 0-5 m med resultaten från de manuella metoder när det gäller avgränsningen, eftersom just avgränsningen syftar till att ta fram beståndsstorlekar av bestånd mellan 1-4 m för en korrekt utläggning av provyteförband. En jämförelse av den totala rätt tolkade arealen i höjdintervallet 1-4 m visar att metoden Ortofoto+bakgrundsinformation i Östra Götaland tolkar 64% och metoden Ortofoto i Västerbotten tolkar 72% av arealen rätt. knn-skattningarna däremot tolkar bara 36% och 42% rätt i Östra Götaland respektive Västerbotten. Vid en utvidgning av höjdintervallen till 0-5 m sjunker den missade arealen till runt 25% i knn-skattningarna. Även dessa siffror tyder på att en kombination av knn-skattningar i höjd-intervallet 0-5 m med manuella metoder som använder höjdintervallet 1-4 m kan snabba på identifieringen av ungskogsbestånd. För avgränsningen däremot är det tveksam om manuella metoder eller knnskattningarna är en framkomlig väg. De bästa manuella metoderna i respektive område överskattar fältarealen med 47% respektive 49%, medan överskattningen med knn-skattningarna ligger på 63% och 59%. Detta betyder med andra ord att hälften eller mera av den arealen som tolkades som ungskog i höjdintervallet 1-4 m i verkligheten är någonting annat. Att använda metoden således för en första identifiering av ungskogsbestånd mellan 1-4 m respektive 0-5 m med åtföljande fältbesök kan underlätta arbetet avsevärd för inventeraren, medan en manuell eller automatisk avgränsning av fältbestånd med de testade metoderna är för osäkert för att direkt använda arealuppgifter för att lägga ut provyteförband. 15

5. Slutsatser Segmenterade knn-skattningarna i höjdintervallet 0-5 m kan vara ett bra hjälpmedel i ÄBIN för att identifiera ungskogsbestånd som ska besökas och kontrolleras i fält. Medan manuella metoder i regel ger sämre resultat när de används var för sig, kan en kombination av knn-skattningarna i höjdintervallet 0-5 m med t.ex. tolkningsmetoden Ortofoto+bakgrundsinformation underlätta för en tolkare att hitta de flesta ungskogsbestånden i höjdintervallet 1-4 m i en ÄBIN-ruta. Segmenterade knn-skattningarna bildar en ungskogsmask som är mindre än själva 100-ha-rutan, vilket spara tid och förenkla den manuella tolkningen. Varken de manuella metoderna eller segmenterade knn-skattningar klarar däremot att avgränsa ungskogsbestånd i höjdintervallet 1-4 m med tillräckligt noggrannhet så att en utläggning av provyteförband utan föregående fältbesök av beståndet blir möjligt. Träning och utbildning av tolkare för att tolka optimalt sträckta satellitbilder behövs för att göra det möjligt att använda t.ex. Landsat ETM+ eller SPOT HRVIR bilder i stället för ortofoto med samma träffsäkerhet. Detta medför en kostnadsbesparning vid inköp av bilder och en högre noggrannhet p.g.a. den årliga uppdateringen av bildmaterialet. Det avgörande hinder för en mera automatiserad ÄBIN-design är idag avsaknaden av tillförlitliga avgränsningsmetoder av bestånd. Alternativa eller kompletterande fjärranalysmetoder som framförallt användning av skillnadsbilder måste utvecklas mera för att kunna avgränsa skogsbestånd med hög säkerhet. Att identifiera skogstyp och höjdklass kan ske redan idag inom avgränsade bestånd med relativ hög tillförlitlighet med antingen manuella tolkningsmetoder eller knnskattningar. 16

6. Avvikelse från ansökan I ansökan för projektet angavs två mål som inte har uppnåtts under genomförandet av projektet. Ett mål var att undersöka sambandet mellan satellitbildens spektralband på segmentnivå och mängden viltfoder enligt ÄBIN. Som ovan nämndes kunde segmentena inte avgränsa faktiska fältbestånd, där viltfodret var inventerat i, med tillräckligt hög noggrannhet. Därför är det ej meningsfullt att försöka undersöka en samband på segmentsnivå. Eftersom signifikanta samband saknas har inget försök gjorts att framställa kartor som visar fördelningen av vildfoder i rummet. Det har heller inte varit möjligt att göra beräkningar av förbättringar av foderskattningar med hjälp av satellitbilder. Som möjliga automatiska avgränsningsmetoder nämndes i ansökan användning av skillnadsbilder från CORINE-produktionen eller SVOs ENFORMA-systemet. Skillnadsbilder har inte används i denna studie. Detta beror delvis på förseningar i CORINE-projektet, delvis på tids- och resursbrister i projektet och delvis på att lämpliga tidsserier av satellitbilder för båda undersökningsområden inte var tillängligt på SVO. Om lämpliga tidsserier över 10-15 år blir tillgängliga på SVO, det vill säga satellitbilder över samma område av samma kvalité, kan en avgränsning med hjälp av skillnadsbilder vara ett framkomligt alternativ för identifiering av beståndsgränser. 17

7. Tack Vi vill tacka Olle Hagner, Tina Pahlen-Granström och Heather Reese för hjälp med segmenteringen och knn-skattningarna. Mats Nilsson, Lars Edenius och Håkan Olsson gav värdefulla synpunkter till manuskriptet. Fältarbetet genomfördes av personal från skogsvårdsstyrelserna i Östra Götaland och Västerbotten och den manuella tolkningen genomfördes både av skogsvårdstyrelsens personal och personal på inst. f. skogl. resurshushållning och geomatik, SLU, Umeå. Projektet samfinansierades av Skogsstyrelsen och Rymdstyrelsen. 18

8. Referenser Bodenhem, J. 2002. Tillämpning av olika fjärranalysmetoder för urvalsförfarandet av ungskogsbestånd inom den enkla älgbetesinventeringen (ÄBIN). Examensarbete. Inst. f. skogl. resurshushållning och geomatik. Rapport 92, Sveriges Lantbruksuniversitet, Umeå. ESRI, 2000. ArcGis 8.1. Environmental Systems Research Institute, Inc., Redlands, CA. Hagner, O. 1990. Computer aided forest stand deliniation and inventory based on satellite remote sensing. In: Robert Sylvander and Simo Poso (eds.). The usability of remote sensing for forest inventory and planning. Proceedings from SNS/IUFRO workshop in Umeå 26-28 February 1990. Rapport 4. Remote Sensing Laboratory. Swedish University of Agricultural Sciences. Umeå, Sweden. pp. 94-105. Holm, S. 2001a. Instruktioner för urvalet i ÄBIN. http://www.svo.se/fakta/invent/algbete/blanketter/äbinurval01.doc. Holm, S. 2001b. Fältinstruktion för älgbetesinventering (ÄBIN). http://www.svo.se/fakta/invent/algbete/blanketter/äbin- Fältinstruktion2001A.doc. Joyce, S. 1998. Automatic detection of forest edge features in remote sensing images. RESE joint workshop on the role of remote sensing in natural resources management: modelling relationships between animal, plants and their habitats. Umeå, Sweden. Lantmäteriverket. 1998. Allmän beskrivning: GSD Blå kartan. Version 2.3. Landskapsinformationsenheten inom verksamhetsområdet Landskaps- och fastighetsdata, Lantmäteriverket, Gävle. 11 pp. Nilsson, M. 1997. Estimation of forest variables using satellite image data and airborne Lidar. Doctoral Thesis, Swedish University of Agricultural Science, Umeå, Sweden. Olsson, H. 1994. Monitoring of local reflectance changes in boreal forests using satellite data. Doctoral dissertation. Dept. of Biometry and Forest Management. Swedish University of Agricultural Sciences. Ranneby, B., Cruse, T., Hägglund, B., Jonasson, H., Swärd, J. 1987. Designing a new national forest survey for Sweden. Studia Forestalia Suecica, No. 177. 29 p. 19

Bilaga 1: Examensarbete Jonas Bodenhem Tillämpning av olika fjärranalysmetoder för urvalsförfarandet av ungskogsbestånd inom den enkla älgbetesinventeringen (ÄBIN) 20

Av Skogsstyrelsen publicerade Rapporter: 1985 Utvärdering av ÖSI-effekter mm 1985:1 Samordnad publicering vid skogsstyrelsen 1985:2 Beskärning i tallfröplantager 1986:1 Bilvägslagrat virke 1984 1987:1 Skogs- och naturvårdsservice inom skogsvårdsorganisationen 1988:1 Mallar för ståndortsbonitering; Lathund för 18 län i södra Sverige 1988:2 Grusanalys i fält 1988:3 Björken i blickpunkten 1989:1 Dokumentation Storkonferensen 1989 1989:2 Bok, ek och ask inom svenskt skogsbruk och skogsindustri 1990:1 Teknik vid skogsmarkskalkning 1991:1 Tätortsnära skogsbruk 1991:2 ÖSI; utvärdering av effekter mm 1991:3 Utboträffar; utvärdering 1991:4 Skogsskador i Sverige 1990 1991:5 Contortarapporten 1991:6 Participation in the design of a system to assess Environmental Consideration in forestry a Case study of the GREENERY project 1992:1 Allmän Skogs- och Miljöinventering, ÖSI och NISP 1992:2 Skogsskador i Sverige 1991 1992:3 Aktiva Natur- och Kulturvårdande åtgärder i skogsbruket 1992:4 Utvärdering av studiekampanjen Rikare Skog 1993:1 Skoglig geologi 1993:2 Organisationens Dolda Resurs 1993:3 Skogsskador i Sverige 1992 1993:4 Av böcker om skog får man aldrig nog, eller? 1993:5 Nyckelbiotoper i skogarna vid våra sydligaste fjäll 1993:6 Skogsmarkskalkning Resultat från en fyraårig försöksperiod samt förslag till åtgärdsprogram 1993:7 Betespräglad äldre bondeskog från naturvårdssynpunkt 1993:8 Seminarier om Naturhänsyn i gallring i januari 1993 1993:9 Förbättrad sysselsättningsstatistik i skogsbruket arbetsgruppens slutrapport 1994:1 EG/EU och EES-avtalet ur skoglig synvinkel 1994:2 Hur upplever "grönt utbildade kvinnor" sin arbetssituation inom skogsvårdsorganisationen? 1994:3 Renewable Forests - Myth or Reality? 1994:4 Bjursåsprojektet - underlag för landskapsekologisk planering i samband med skogsinventering 1994:5 Historiska kartor - underlag för natur- och kulturmiljövård i skogen 1994:6 Skogsskador i Sverige 1993 1994:7 Skogsskador i Sverige nuläge och förslag till åtgärder 1994:8 Häckfågelinventering i en åkerholme åren 1989-1993 1995:1 Planering av skogsbrukets hänsyn till vatten i ett avrinningsområde i Gävleborg 1995:2 SUMPSKOG ekologi och skötsel 1995:3 Skogsbruk vid vatten 1995:4 Skogsskador i Sverige 1994 1995:5 Långsam alkalinisering av skogsmark 1995:6 Vad kan vi lära av KMV-kampanjen? 1995:7 GROT-uttaget. Pilotundersökning angående uttaget av trädrester på skogsmark 1995:8 The Capercaillie and Forestry. Reports No. 1-2 from the Swedish Field Study 1982-1988 1996:1 Women in Forestry What is their situation? 1996:2 Skogens kvinnor Hur är läget? 1996:3 Landmollusker i jämtländska nyckelbiotoper 1996:4 Förslag till metod för bestämning av prestationstal m.m. vid själverksamhet i småskaligt skogsbruk. 1996:5 Skogsvårdsorganisationens framtidsscenarier 1997:1 Sjövatten som indikator på markförsurning 1997:2 Naturvårdsutbildning (20 poäng) Hur gick det? 1997:3 IR-95 Flygbildsbaserad inventering av skogsskador i sydvästra Sverige 1995 1997:4 Den skogliga genbanken (Del 1 och Del 2) 1997:5 Miljeu96 Rådgivning. Rapport från utvärdering av miljeurådgivningen 1997:6 Effekter av skogsbränsleuttag och askåterföring en litteraturstudie 1997:7 Målgruppsanalys 1997:8 Effekter av tungmetallnedfall på skogslevande landsnäckor (with English Summary: The impact on forest land snails by atmospheric deposition of heavy metals) 1997:9 GIS metodik för kartläggning av markförsurning En pilotstudie i Jönköpings län

1998:1 Miljökonsekvensbeskrivning (MKB) av skogsbränsleuttag, asktillförsel och övrig näringskompensation 1998:2 Studier över skogsbruksåtgärdernas inverkan på snäckfaunans diversitet (with English summary: Studies on the impact by forestry on the mollusc fauna in commercially uses forests in Central Sweden 1998:3 Dalaskog - Pilotprojekt i landskapsanalys 1998:4 Användning av satellitdata hitta avverkad skog och uppskatta lövröjningsbehov 1998:5 Baskatjoner och aciditet i svensk skogsmark - tillstånd och förändringar 1998:6 Övervakning av biologisk mångfald i det brukade skogslandskapet. With a summary in English: Monitoring of biodiversity in managed forests. 1998:7 Marksvampar i kalkbarrskogar och skogsbeten i Gotländska nyckelbiotoper 1998:8 Omgivande skog och skogsbrukets betydelse för fiskfaunan i små skogsbäckar 1999:1 Miljökonsekvensbeskrivning av Skogsstyrelsens förslag till åtgärdsprogram för kalkning och vitalisering 1999:2 Internationella konventioner och andra instrument som behandlar internationella skogsfrågor 1999:3 Målklassificering i Gröna skogsbruksplaner - betydelsen för produktion och ekonomi 1999:4 Scenarier och Analyser i SKA 99 - Förutsättningar 2000:1 Samordnade åtgärder mot försurning av mark och vatten - Underlagsdokument till Nationell plan för kalkning av sjöar och vattendrag 2000:2 Skogliga Konsekvens-Analyser 1999 - Skogens möjligheter på 2000-talet 2000:3 Ministerkonferens om skydd av Europas skogar - Resolutioner och deklarationer 2000:4 Skogsbruket i den lokala ekonomin 2000:5 Aska från biobränsle 2000:6 Skogsskadeinventering av bok och ek i Sydsverige 1999 2001:1 Landmolluskfaunans ekologi i sump- och myrskogar i mellersta Norrland, med jämförelser beträffande förhållandena i södra Sverige 2001:2 Arealförluster från skogliga avrinningsområden i Västra Götaland 2001:3 The proposals for action submitted by the Intergovernmental Panel on Forests (IPF) and the Intergovernmental Forum on Forests (IFF) - in the Swedish context 2001:4 Resultat från Skogsstyrelsens ekenkät 2000 2001:5 Effekter av kalkning i utströmningsområden med kalkkross 0-3 mm 2001:6 Biobränslen i Söderhamn 2001:7 Entreprenörer i skogsbruket 1993-1998 2001:8A Skogspolitisk historia 2001:8B Skogspolitiken idag - en beskrivning av den politik och övriga faktorer som påverkar skogen och skogsbruket 2001:8C Gröna planer 2001:8D Föryngring av skog 2001:8E Fornlämningar och kulturmiljöer i skogsmark 2001:8F Ännu ej klar 2001:8G Framtidens skog 2001:8H De skogliga aktörerna och skogspolitiken 2001:8I Skogsbilvägar 2001:8J Skogen sociala värden 2001:8K Arbetsmarknadspolitiska åtgärder i skogen 2001:8L Skogsvårdsorganisationens uppdragsverksamhet 2001:8M Skogsbruk och rennäring 2001:8N Ännu ej klar 2001:8O Skador på skog 2001:9 Projekterfarenheter av landskapsanalys i lokal samverkan (LIFE 96 ENV S 367) Uthålligt skogsbruk byggt på landskapsanalys i lokal samverkan 2001:10 Blir ingen rapport 2001:11A Strategier för åtgärder mot markförsurning 2001:11B Markförsurningsprocesser 2001:11C Effekter på biologisk mångfald av markförsurning och motåtgärder 2001:11D Urvalskriterier för bedömning av markförsurning 2001:11E Effekter på kvävedynamiken av markförsurning och motåtgärder 2001:11F Effekter på skogsproduktion av markförsurning och motåtgärder 2001:11G Effekter på tungmetallers och cesiums rörlighet av markförsurning och motåtgärder 2001:11H Ännu ej klar 2001:11I Ännu ej klar 2001:12 Forest Condition of Beech and Oek in southern Sweden 1999 2002:1 Ekskador i Europa 2002:2 Gröna Huset, slutrapport 2002:3 Project experiences of landscape analysis with local participation (LIFE 96 ENV S 367) Local participation in sustaina ble forest management based on landscape analysis 2002:4 Landskapsekologisk planering i Söderhamns kommun 2002:5 Miljöriktig vedeldning - Ett informationsprojekt i Söderhamn 2002:6 White backed woodpecker landscapes and new nature reserves 2002:7 ÄBIN Satellit

Av skogsstyrelsen publicerade Meddelanden: 1985:1 Fem år med en ny skogspolitik 1985:2 Eldning med helved och flis i privatskogsbruket/virkesbalanser 1985 1986:1 Förbrukningen av trädbränsle i s.k. mellanskaliga anläggningar/virkesbalanser 1985 1986:3 Skogsvårdsenkäten 1984/virkesbalanser 1985 1986:4 Huvudrapporten/virkesbalanser 1985 1986:5 Återväxttaxeringen 1984 och 1985 1987:1 Skogsvårdsorganisationens årskonferens 1986 1987:2 Återväxttaxeringen 1984 1986 1987:3 Utvärdering av samråden 1984 och 1985/skogsbruk rennäring 1988:1 Forskningsseminarium/skogsbruk rennäring 1989:1 Skogsvårdsorganisationens årskonferens 1988 1989:2 Gallringsundersökningen 1987 1991:1 Skogsvårdsorganisationens årskonferens 1990 1991:2 Vägplan -90 1991:3 Skogsvårdsorganisationens uppdragsverksamhet Efterfrågade tjänster på en öppen marknad 1991:4 Naturvårdshänsyn Tagen hänsyn vid slutavverkning 1989 1991 1991:5 Ekologiska effekter av skogsbränsleuttag 1992:1 Svanahuvudsvägen 1992:2 Transportformer i väglöst land 1992:3 Utvärdering av samråden 1989-1990 /skogsbruk rennäring 1993:1 Skogsvårdsorganisationens årskonferens 1992 1993:2 Virkesbalanser 1992 1993:3 Uppföljning av 1991 års lövträdsplantering på åker 1993:4 Återväxttaxeringarna 1990-1992 1994:1 Plantinventering 89 1995:1 Skogsvårdsorganisationens årskonferens 1994 1995:2 Gallringsundersökning 92 1995:3 Kontrolltaxering av nyckelbiotoper 1996:1 Skogsstyrelsens anslag för tillämpad skogsproduktionsforskning 1997:1 Naturskydd och naturhänsyn i skogen 1997:2 Skogsvårdsorganisationens årskonferens 1996 1998:1 Skogsvårdsorganisationens Utvärdering av Skogspolitiken 1998:2 Skogliga aktörer och den nya skogspolitiken 1998:3 Föryngringsavverkning och skogsbilvägar 1998:4 Miljöhänsyn vid föryngringsavverkning - Delresultat från Polytax 1998:5 Beståndsanläggning 1998:6 Naturskydd och miljöarbete 1998:7 Röjningsundersökning 1997 1998:8 Gallringsundersökning 1997 1998:9 Skadebilden beträffande fasta fornlämningar och övriga kulturmiljövärden 1998:10 Produktionskonsekvenser av den nya skogspolitiken 1998:11 SMILE - Uppföljning av sumpskogsskötsel 1998:12 Sköter vi ädellövskogen? - Ett projekt inom SMILE 1998:13 Riksdagens skogspolitiska intentioner. Om mål som uppdrag till en myndighet 1998:14 Swedish forest policy in an international perspective. (Utfört av FAO) 1998:15 Produktion eller miljö. (En mediaundersökning utförd av Göteborgs universitet) 1998:16 De trädbevuxna impedimentens betydelse som livsmiljöer för skogslevande växt- och djurarter 1998:17 Verksamhet inom Skogsvårdsorganisationen som kan utnyttjas i den nationella miljöövervakningen 1998:18 Auswertung der schwedischen Forstpolitik 1997 1998:19 Skogsvårdsorganisationens årskonferens 1998 1999:1 Nyckelbiotopsinventeringen 1993-1998. Slutrapport 1999:2 Nyckelbiotopsinventering inom större skogsbolag. En jämförelse mellan SVOs och bolagens inventeringsmetodik 1999:3 Sveriges sumpskogar. Resultat av sumpskogsinventeringen 1990-1998 2001:1 Skogsvårdsorganisationens Årskonferens 2000 2001:2 Rekommendationer vid uttag av skogsbränsle och kompensationsgödsling 2001:3 Kontrollinventering av nyckelbiotoper år 2000 2001:4 Åtgärder mot markförsurning och för ett uthålligt brukande av skogsmarken 2001:5 Miljöövervakning av Biologisk mångfald i Nyckelbiotoper 2001:6 Utvärdering av samråden 1998 Skogsbruk - rennäring 2002:1 Skogsvårdsorganisationens utvärdering av skogspolitikens effekter - SUS 2001 2002:2 Skog för naturvårdsändamål uppföljning av områdesskydd, frivilliga avsättningar, samt miljöhänsyn vid föryngringsavverkning 2002:3 Recommendations for the extraction of forest fuel and compensation fertilising 2002:4 Action plan to counteract soil acidification and to promote sustainable use of forestland