Nationell skogliga skattningar från laserdata Swedish University of Agricultural Sciences Forest Remote Sensing
Disposition Inledning, 3 min (Svante Larsson, projektledare) Skogliga skattningar från laserdata, 15 min (Karin Nordkvist, forskningsingenjör SLU) Distribution av skogliga grunddata och anknytande produkter, 7 min (Liselott Nilsson, GIS-specialist, Skogsstyrelsen) Swedish University of Agricultural Sciences Forest Remote Sensing
Regeringsuppdrag under 3 år (2013-2015) Totalt ca 20 MSEK till Skogsstyrelsens förvaltningsanslag för utveckling av förbättrade skogliga skattningar från laserdata Medlen användas i samråd med Sveriges Lantbruksuniversitet och efter samråd med andra relevanta intressenter. Swedish University of Agricultural Sciences Forest Remote Sensing
Skogspolitisk nytta Vilken effekt får en statlig satsning på framtagning av rikstäckande skogliga data? Effekter Myndigheter inom skog och naturvård Gynnas Missgynnas ev. initialt Arbetstillfällen på landsbygden Swedish University of Agricultural Sciences Forest Remote Sensing
Nyttor Kostnadseffektiv uppdatering av beståndsregister Ökad effektivitet och bättre kvalitet på skogsbruksplaner För att ta fram strategier för virkesflöden Kostnadseffektiva produkter nytta mot kostnad Vid virkesköp Vid bedömning av åtgärdsbehov Viktig för drivningsplanering och hänsyn Swedish University of Agricultural Sciences Forest Remote Sensing
Skogliga skattningar från laserdata Karin Nordkvist Forskningsingenjör SLU Swedish University of Agricultural Sciences Forest Remote Sensing
Skattade variabler Pixelstorlek 12.5 x 12.5 m Variabel Beskrivning Enhet HGV DGV Grundytevägd medelhöjd Grundytevägd medeldiameter dm cm GY Grundyta m 2 /ha VOL Volym m 3 sk/ha BIO Biomassa ton TS/ha Swedish University of Agricultural Sciences Forest Remote Sensing
Laserdata: Lantmäteriet, NH
Fältdata: riksskogstaxeringen Produktiv skogsmark I första hand permanenta Framskrivs till skanningsår Samma skanner och årstid Geografiskt nära skattningsområdet 200-300 provytor per skattningsområde
Skattning: linjär regression 1. Bygg modell mha provytor 2. Applicera på raster Swedish University of Agricultural Sciences Forest Remote Sensing
skanner Provyteurval Samma skanner Samma årstid Permanenta ytor Max 4 års framskrivning Avstånd årstid
Provyteurval Samma skanner Samma årstid skanner årstid
Provyteurval Samma skanner Samma årstid skanner årstid
Provyteurval Samma skanner Samma årstid skanner årstid
Provyteurval Svårare fall: skanner Leta längre bort? Tillfälliga ytor? Nöja sig med färre? Indikatorvariabler -> blanda skannrar? årstid
Utvärdering på provytenivå Oberoende provytor, 8-12 m radie
Utvärdering på provytenivå RMSE Område 1 Antal provytor Skanningsår Inv. år Relativ rmse (%) DGV GY HGV Borlänge 143 2010 2013 15.7 23.8 11.2 Gävleborg 87 2009-2011 2013 13.9 17.1 9.4 Dalarna 398 2010, 2011 2012 16.0 24.2 9.1 Dalarna, löv 13 2010, 2011 2012 13.1 34.1 10.9 Dalarna, barr 385 2010, 2011 2012 16.1 23.8 9.0 1) All skanning gjord sommartid = lövat Swedish University of Agricultural Sciences Forest Remote Sensing
Utvärdering på provytenivå Bias Område 1 Antal provytor Skanningsår Inv. år Relativ bias (%) DGV GY HGV Dalarna 398 2010, 2011 2012-4.5-0.7-2.6 Dalarna, löv 13 2010, 2011 2012-1.5 +23.2 4.9 Dalarna, barr 385 2010, 2011 2012-4.6-0.1-2.9 1) All skanning gjord sommartid = lövat Swedish University of Agricultural Sciences Forest Remote Sensing
Utvärdering av kombination med satellitdata Volym (m 3 sk/ha). Korsvalidering på provytenivå, Växjö Skanning avlövad säsong Skanning lövad säsong Bias barr n = 265 Bias löv n = 56 Bias barr n = 58 Bias löv n = 7 Laser -3,7 3,1-4,8 16,6 Laser + Landsat -3,3 2,3-4,4 14,9 Lövet skattas relativt bra vid avlövad säsong Satellitbilder (Landsat 8) gav endast marginell förbättring av lövskattningen Swedish University of Agricultural Sciences Forest Remote Sensing
Utvärdering på beståndsnivå 30 IPAK -bestånd från Sveaskog, Norrbotten RMSE (%) Skanningsår Inv. år DGV GY HGV VOL 2009 (2011) 2012 12,3 13,0 11.2 22,8 Ca 8 provytor per avdelning, 5-10 m radie Skannade under lövad säsong Genomsnittlig avdelningsstorlek 33.5 ha Mycket heterogena avdelningar uteslöts RMSE för volym 19.8 % om 10 % samplingfel i referensdata Swedish University of Agricultural Sciences Forest Remote Sensing
Se upp med Områden utanför produktiv skogsmark Lövskog skannad under lövad säsong: GY, volym, biomassa överskattas Ungskog Vattenbryn: risk för orimliga volymer Dragning mot mitten underskattning av höga volymer, överskattning av låga Swedish University of Agricultural Sciences Forest Remote Sensing
Ortofoto
VOL
VOL
Status i april 2014 49 block producerade (version 0.1) Ytterligare 24 planerade i april Arbete med version 0.2: Se över modellerna Hantering av ungskog och kalmark Synpunkter från användare Swedish University of Agricultural Sciences Forest Remote Sensing
Distribution av Skogliga grunddata och anknytande produkter Liselott Nilsson GIS-specialist Skogsstyrelsen Swedish University of Agricultural Sciences Forest Remote Sensing
För nedladdning Skogliga grunddata Rasterkartor med 12.5 m upplösning. Tiff-format, 16 bit unsigned integer. Volym Grundyta Biomassa Medelhöjd Medeldiameter Anknytande produkter Att titta på Rasterkartor med 2 m upplösning. Terrängskuggning (svartvit) Terrängskuggning (färg) Lutning Trädhöjdsraster? Markfuktighetskarta? Swedish University of Agricultural Sciences Forest Remote Sensing
Skogliga grunddata Volym Grundyta Biomassa Medelhöjd Medeldiameter Skogsdataportalen Skogens pärlor Anknytande produkter Skogliga grunddata Mina sidor Terrängskuggning (svartvit) Terrängskuggning (färg) Lutning Trädhöjdsraster Silvergranen Navet karta Swedish University of Agricultural Sciences Forest Remote Sensing
Tittskåp för Skogliga grunddata https://minasidor.skogsstyrelsen.se/skogligagrunddata/
https://minasidor.skogsstyrelsen.se/skogligagrunddata/
https://minasidor.skogsstyrelsen.se/skogligagrunddata/ Äldre skog (300-500 m3sk/ha) Nytt hygge Äldre skog (> 300 m3sk/ha)
https://minasidor.skogsstyrelsen.se/skogligagrunddata/ SATELLITBILD
https://minasidor.skogsstyrelsen.se/skogligagrunddata/ ORTOFOTO
https://minasidor.skogsstyrelsen.se/skogligagrunddata/ VOLYM
https://minasidor.skogsstyrelsen.se/skogligagrunddata/ GRUNDYTA
https://minasidor.skogsstyrelsen.se/skogligagrunddata/ BIOMASSA
https://minasidor.skogsstyrelsen.se/skogligagrunddata/ HGV
https://minasidor.skogsstyrelsen.se/skogligagrunddata/ DGV
Trädhöjdsraster (2 m) 1:2 500 1:10 000 Swedish University of Agricultural Sciences Forest Remote Sensing
Skogliga grunddata Volym Grundyta Biomassa Medelhöjd Medeldiameter Skogsdataportalen Skogens pärlor Anknytande produkter Skogliga grunddata Mina sidor Terrängskuggning (svartvit) Terrängskuggning (färg) Lutning Trädhöjdsraster Silvergranen Navet karta Swedish University of Agricultural Sciences Forest Remote Sensing
Skogsdataportalen http://skogsdataportalen.skogsstyrelsen.se/skogsdataportalen/ Grundbild för kartor och bilder utan text där hela bildytan behöver användas.
Nedladdning av hela län - exempel på hur det skulle kunna se ut i Skogsdataportalen http://skogsdataportalen.skogsstyrelsen.se/skogsdataportalen/ Grundbild för kartor och bilder utan text där hela bildytan behöver användas.
Skogliga grunddata Volym Grundyta Biomassa Medelhöjd Medeldiameter Skogsdataportalen Skogens pärlor Anknytande produkter Skogliga grunddata Mina sidor Terrängskuggning (svartvit) Terrängskuggning (färg) Lutning Trädhöjdsraster Silvergranen Navet karta Swedish University of Agricultural Sciences Forest Remote Sensing
Mina Sidor https://www.skogsstyrelsen.se/aga-och-bruka/mina-sidor/
Nedladdning av data för egen fastighet/er https://www.skogsstyrelsen.se/aga-och-bruka/mina-sidor/
Skogliga grunddata Volym Grundyta xxxxxxx Biomassa Medelhöjd Medeldiameter Skogsdataportalen Skogens pärlor Anknytande produkter Skogliga grunddata Mina sidor Terrängskuggning (svartvit) Terrängskuggning (färg) Lutning Trädhöjdsraster Silvergranen Navet karta Swedish University of Agricultural Sciences Forest Remote Sensing
Nedladdning av valfritt område
Slut Tack för uppmärksamheten!! Swedish University of Agricultural Sciences Forest Remote Sensing