1(12) Paper Bergen 2013 2013-08-10 Program Tema 3 Produksjonsprocessen RM/MN Stefan Svanström Stefan.svanstrom@scb.se Geografiska informationssystem som stöd i granskningen av registerdata Nyckelord: Geografiska informationssystem (GIS), geografi, registervård, census, svenska miljödataportalen (SMP), granskning Sammanfattning Geografiska informationssystem, GIS, som verktyg för att visualisera mönster o presentera statistik är idag välkänt. Men att utnyttja geografin kan också vara ett stöd vid designen av undersökningar, insamling av data, kvalitetssäkring och registervård. Föredraget kommer att lyfta fram hur Statistiska centralbyrån arbetat med geografi för att öka kvalitén på olika indata i samband med bearbetningar av register. Två olika exempel kommer att lyftas fram där det ena utgår från hur registeruppgifter kombineras med flera geografiska informationsmängder för att koppla befolkningen från 2011 års census till tätorter trots att det förekommer ofullständiga adressuppgifter. Det andra exemplet utgår från tillståndspliktiga verksamheter och då främst de vilka har en större påverkan på utsläpp till vatten. Den geografiska kvalitén avseende koordinater för anläggningar och utsläppspunkter är avgörande för att utsläppen skall belasta rätt vattenområde och här ges exempel på hur indata kan förbättras genom att använda geografi som ett stöd vid registervård. Bakgrund Sedan 2011 har SCB varit en del av Geodatasamverkan 1 både som indataleverantör och användare av geodata. Geodatasamverkan syftar till att skapa en nationell infrastruktur för geodata där ett flertal myndigheter samverkar kring dataförsörjning av landskapsinformation. Genom att göra befintliga geodata enklare att hitta och få tillgång till ökar också utbytet och användningen av geodata i samhället. SCB har arbetat med geodata och geografiska informationssystem (GIS) sedan mitten på 1970-talet då de första testerna gjordes på koordinatsatta data för fastigheter. Men de möjligheter som nu finns för att använda GIS i statistikproduktionsprocessen har för SCB:s del inneburit ett paradigmskifte i användningen av geodata och sättet att skapa mervärden med geodata. Tillgången till stora delar av Lantmäteriets, Trafikverkets, SMHI:s och Sveriges geologiska undersökning med fleras geodatabaser har möjliggjort att SCB sedan 1 Via länken geodata.se går det att läsa mer om Geodatasamverkan.
2(12) 2011 kan kombinera geodata på helt andra sätt än tidigare. Bilden nedan längst till vänster illustrerar SCB:s tidigare tillgång till geodata i form av fastighetskoordinater och de två bilderna till höger skillnaden efter inträdet i Geodatasamverkan där fastighetsgränser, byggnadskroppar och ortofoton samverkar. Källa: Bearbetningar SCB, övriga geodata Lantmäteriet Bildserien nedan illustrerar skillnaden mellan olika geografiska indatakällor som register kan matchas mot i samband med geokodning. Källa: Bearbetningar SCB, övriga geodata Lantmäteriet I bilden ovan till vänster framgår enbart fastighetskoordinater medan bilden i mitten illustrerar koordinaterna för byggnadskropparna och bilden till höger visar koordinaterna för entré- och belägenhetsadresser. Syfte Att använda geodata även för granskning är möjligt i och med att SCB är delaktig i Geodatasamverkan. I flera sammanhang ställs högre krav på att man går ner i skalnivå för redovisningen av statistiken på en finare indelning. Ett sådant exempel är 2011 års census där befolkningen grupperad efter storlek på tätort efterfrågades. Ett annat exempel är Havs- och vattenmyndigheten som efterfrågat en ökad kvalitet på modellberäkningarna i samband med punktkällors utsläpp av olika ämnen. Där finns önskemål om att kunna gå ner i skala och arbeta med en finare indelning för Sveriges avrinningsområden. I båda exemplen behöver registeruppgifter granskas och geokodas för att kunna användas i det fortsatta arbetet. Under 2012 genomfördes kopplingen av befolkningsuppgifter till tätorter grupperade efter storlek och under 2013 genomfördes en genomgång av koordinatuppgifterna för punktutsläpp som ett projekt inom konsortiet SMED 2 där SCB utgör en del. 2 SMED står för Svenska MiljöEmissionsData, och utgörs av ett konsortium inom vilket de fyra organisationerna IVL Svenska Miljöinstitutet AB, SCB (Statistiska centralbyrån), SLU (Sveriges lantbruksuniversitet), och SMHI (Sveriges meteorologiska och hydrologiska institut) samarbetar.
3(12) Exempel 1 - Koppling av census 2011 till tätortsklass I samband med 2011 års census redovisas befolkningen utifrån variabeln ort/plats vilken indelas efter storlek (variabel B6). Med ort/plats avses ett avgränsat bosättningscentrum där invånarna har sin stadigvarande bosättning. Sedan 1960 har SCB avgränsat tätorter geografiskt. Tätorter utgörs av områden med sammanhängande bebyggelse, där avståndet mellan byggnaderna är som mest 200 meter och antalet invånare som minst 200. Vidare skall inte fritidshusandelen i tätorten vara mer än 50 procent av bebyggelsen. Gränserna dras utan hänsyn till administrativa gränser eller fastighetsgränser av SCB och utgår från bebyggelsens utbredning i kombination med folkbokförd befolkning. Tätortsgränserna uppdateras vart femte år. Senaste versionen avser 2010. Vilket är den som har använts i samband med arbetet att ta fram variabel B6 till Census 2011. Variabeln B6 har varit uppdelat på följande storleksklasser: B6-kod Klartext GE1000000 Minst 1 000 000 invånare 500000-999999 500 000 till 999 999 invånare 200000-499999 200 000 till 499 999 invånare 100000-199999 100 000 till 199 999 invånare 50000-99999 50 000 till 99 999 invånare 20000-49999 20 000 till 49 999 invånare 10000-19999 10 000 till 19 999 invånare 5000-9999 5 000 till 9 999 invånare 2000-4999 2 000 till 4 999 invånare 1000-1999 1 000 till 1 999 invånare 500-999 500 till 999 invånare 200-499 200 till 499 invånare LT200 Mindre än 200 invånare Populationen som ingick i Census utgjordes av RTB-populationen 3 för 2011 (31 december). För att möjliggöra kopplingen av RTB till adresser togs populationen ut med följande variabler: Personnummer Fokbokföringsdatum KommunKod Fastighetsbeteckning Gatuadress Adressplatskod (RNPADRPL_RIDADRPL) Församling 3 Registret över totalbefolkningen (RTB)
4(12) SQL-underlaget med variablerna gjordes om till GIS-format och kompletterades med följande variabler: B6-kod Tätortskod i fyra siffror Geokodad (kvalitetskolumn med uppgift om hur geokodningen genomförts) Uppgifterna i census matchades därefter mot uppgifter i adressplatstabellen från fastighetsregistret. Varje adressplats hade tidigare geokodats med hjälp av koordinatuppgifter. Syftet med matchningen var att geokoda befolkningen, dvs att skapa en punkt på karta för varje post i registret. Varje post som geokodats kunde sedan förses med en B6-kod genom överlagring av RTB-populationen på karta mot de digitala tätortsgränserna. Se bild nedan. Källa: Tätortsgränser SCB, övriga geodata Lantmäteriet Totalt kunde 99,6 procent av personerna i registret matchas mot kartan. Antalet som inte gick att matcha var mellan 0,2 och 0,7 procent per län, med undantag för Stockholms och Blekinge län, där andelen var 1,2 och 1,1 procent. De vilka inte gick att geokoda var antingen skrivna på en adress som inte kan matchas mot adressplatsregistret, eller så var de registrerade som på församling skrivna eller utan känd hemvist. Totalt var det 55 391 individer som inte gick att geokoda. Hantering av avsaknad av geokodning Genom att komplettera uppgifterna med digitaliserade församlingsgränser kunde de med uppgift på församling skrivna ändå ges en B6-kod. De församlingar vars ytor låg helt utanför tätorter valdes. Personer skrivna på dessa församlingar kunde därmed förses med B6-kod LT200, dvs boende utanför tätort. Därefter söktes de församlingar ut vilka är helt inom tätortsgräns. Personer skrivna på dessa församlingar kunde kodas utifrån storleken på tätorten som församlingen låg i. Flera församlingar har hela sin landyta inom tätort men med vattenyta utanför tätortsgräns. Dessa församlingar hittades genom att titta på om adressplatser helt saknas utanför tätortsgräns. Dessa antas ha hela sin landyta innanför tätortsgräns. De personer som är skrivna på dessa församlingar kunde kodas utifrån storleken på tätorten som församlingen låg i. Nedan framgår en församling i Kalmar tätort som bara innehåller tätortsyta och vatten. Tätortens avgränsning framgår i orange medan den helt inneslutna församlingen är markerad i grönt.
5(12) Källa: Tätortsgränser SCB, övriga geodata Lantmäteriet Med stöd av församlingskoden kunde knappt 12 700 personer förses med en tätortsklass enligt B6. Län Församling helt utanför tätort Församling helt inom tätort Församling i tätort och vatten Summa Stockholms län 3 552 2 233 1 599 7 384 Uppsala län 395 226 621 Östergötlands län 11 72 36 119 Kalmar län 15 27 42 Skåne län 50 1 119 464 1 633 V. Götalands län 120 75 639 834 Värmlands län 212 53 265 Summa 6 140 3 725 2 818 12 683 De personer som ännu saknar geokodning matchades mot fastighetsregistret, som är koordinatsatt. Matchande variabel var kommunkod i kombination med fastighetsbeteckning. De personer som hittas på det här sättet geokodas mot fastighetspunkten på kartan. Knappt 32 300 ytterligare individer kunde förses med en geokodning fördelade enligt tabellen nedan.
6(12) Län Kodad utifrån fastighetsbeteckning Stockholms län 15 597 Uppsala län 1 087 Södermanlands län 760 Östergötlands län 1 463 Jönköpings län 532 Kronobergs län 223 Kalmar län 275 Gotlands län 53 Blekinge län 1 158 Skåne län 5 567 Hallands län 243 V. Götalands län 2 137 Värmlands län 352 Örebro län 365 Västmanlands län 340 Dalarnas län 549 Gävleborgs län 240 Västernorrlands län 239 Jämtlands län 403 Västerbottens län 294 Norrbottens län 404 Summa 32 281 Det ligger en viss osäkerhet i att använda fastighet för att bestämma tätortstillhörighet, eftersom tätortsgränsen inte följer fastighetsgränserna. Oftast är fastigheterna så små, att de samstämmer bra med tätortsgränsen. Men det finns större fastigheter som kan sträcka sig utanför tätorten. I de fallen går det inte att avgöra om befolkningspunkten ska ligga innanför eller utanför tätortsgräns. Det förekommer främst på landsbygden och därmed berör i första hand mindre tätorter. Totalt rör det sig om relativt få fastigheter och felet bedöms därför som litet. Felet för B6-variablen hade blivit större om vi inte hade kunnat koda med hjälp av fastighetsuppgifterna. Ytterligare 24 personer har därefter kunnat matchas genom manuella sökningar mot adressplatser och fastighetsbeteckningar då det förekommit små avvikelser i exempelvis stavning.
7(12) Resultat för matchning mot andra geodata Efter bearbetningarna mot andra geodata var 99,89 procent av befolkningen geokodad och kunde förses med en B6-kod. De 10 403 individer som inte kunnat kodas var alla på församlingen skrivna eller utan känd hemvist. Resultatet av B6-kodningen blev följande: B6-kod Antal GE1000000 1 397 908 500000-999999 555 732 200000-499999 283 589 100000-199999 466 899 50000-99999 1 002 837 20000-49999 1 113 523 10000-19999 847 724 5000-9999 713 554 2000-4999 724 842 1000-1999 401 144 500-999 311 336 200-499 249 875 LT200 1 403 479 Ej kod 10 403 Summa 9 482 855 Exempel 2 - Förbättrade koordinater för punktutsläpp I den svenska miljödataportalen (SMP) samlas allt mer och allt bättre information om tillståndspliktiga verksamheter. En av informationsmängderna som framgår via miljörapporterna är (uppgifter om) det geografiska läget för verksamheternas anläggningar med tillhörande utsläppspunkter. Kvalitén på koordinaterna för dessa punktkällor har dock inte varit känd. När beräkningar på förfinade områdesindelningar efterfrågas alltmer ställer det också högre krav på att koordinaterna i SMP är korrekta för att undvika felklassningar av områden. Utgångspunkten har varit att arbeta med kvalitetsförbättringar av främst reningsverk men även tyngre industrier vilka har direktutsläpp till havet. Dessa har sedan kopplats mot en hydrologisk indelning av avrinningsområden för vattenförekomster där landet är uppdelat på 28 000 delområden som tagits fram av SMHI. 4 Geografisk granskning Ett uttag av SMP gjordes i januari 2013. I uttaget togs en stor mängd grunddata med för samtliga anläggningar. Däribland flera identifierare utifrån geografi för att öka möjligheten till en bra kvalitetsgranskning. Totalt bestod uttaget av ca 4 Resultaten från granskningen av koordinater finns beskriven i en rapport på SMEDs webbplats. www.smed.se/vatten/rapporter/rapportserie-smed/3012
8(12) 6 000 objekt men rampopulationen begränsades till 556 anläggningar vilka har en större påverkan på utsläpp till vatten. Genom att granska uttaget geografiskt mot andra register och andra geodatamängder har arbetet med att öka kvalitén på anläggningskoordinaterna i SMP skett i tre steg där precisionen förbättrats efter varje steg. Samtliga anläggningar har fått ärva områdesidentiteten för avrinningsområdet före och efter granskning för att studera effekter av granskningen. När anläggningspunkten matchats mot ytbildade fastigheter har även anläggningspunkten överlagrats mot förekomsterna av anläggningsområdet i de fall där sådana förekommit. Nedan framgår en principskiss för kontroll av koordinater från SMP. Avrinningsområde Fastighet Anläggning I samband med granskningen har ett antal register vilka har geografi eller matchas mot geografi nyttjats. Utifrån bearbetningarna har även ny geodata tagits fram utifrån befintligt innehåll i Lantmäteriets fastighetskarta. Datamängderna utgjordes av: Fastigheter och samfälligheter Fastighetsregistrets byggnadsdel med adresskoordinater Vatten och större vattendrag Textinformation - upplysningstext Begränsningslinje för anläggning Företagsdatabasens arbetsställen Äldre SMP-koordinater innan övergången till SWEREF99 Hydrologisk indelning i samband med PLC6 För några av geodatamängderna följer här en beskrivning hur de använts. Lantmäteriets fastighetskarta i vektorformat innehåller ytbildade fastigheter med påkopplad registerinformation vad gäller fastighetsbeteckning. Fastighetsindelningen ajourhålls kontinuerligt. Uttaget i samband med den här studien avser januari 2013 för att matcha uttaget av uppgifterna från SMP. Fastighetsbeteckningen för anläggningspunkterna från SMP kontrolleras mot fastighetskartans uppgifter om fastighetsbeteckning. I de fall uppgifterna inte stämmer efter en överlagringsanalys söks fastigheten fram via angiven fastighetsbeteckning i SMP. Där matchning inte kunnat göras mot fastighetsbeteckningen har en manuell kontroll genomförts. I de fall där fastighetsbeteckningen inte kunnat matchas har fastighetsregistrets adressdel varit stöd. Registret över adresser är kopplade mot koordinatuppgifter för entréer eller byggnad. För flera av anläggningarna härleder dock adressen i SMP till kommunkontor eller verksamhetens huvudkontor, varför det i dessa fall
9(12) varit svårt att använda adresserna för kontroller. Inom ramen för det här projektet har det inte heller funnits utrymme för en uppdatering av adresserna men däremot har fastighetsbeteckningen uppdaterats i de fall där den varit felaktigt angiven. Sjöar, vattendrag och hav finns ytbildade i fastighetskartan och har tagits ut i ett separat register. Vattenlagret täcker även in slamdammar, bassänger, deltan etc. Utsläppspunkternas läge beräknas mot vatten och vattendrag och redovisas efter träff mot vatten. Antalet matchningar för utsläppspunkterna är lägre än verkligheten då träffarna uteblir mot smala vattendrag. I fastighetskartan återges inte vattendrag under sex meter i bredd som en yta utan istället representeras de av en linje. För de utsläppspunkter vilka ej matchas mot vatten har ett kortaste avstånd till närmaste vatten beräknats. Begränsningslinjer för anläggningar har varit väldigt användbara då de anger verksamheters yttre gräns i fastighetskartan. Begränsningslinjerna har omvandlats till ytor från linjeobjekt för att därefter få upplysningstexten kopplad till sig. I de fall där anläggningspunktens koordinat placerats inom rätt fastighet men inte inom begränsningslinjen för verksamheten har koordinaten flyttats innanför begränsningslinjen. Se kartan nedan för exempel på upplysningstext och begränsningslinje (streckad linje) för verksamhet. Källa: Ortofoto Lantmäteriet Resultatdiskussion för granskning av SMP-uppgifter Efter granskning av koordinatuppgifterna för de 556 anläggningarna i urvalet framkom det att 139 anläggningar behöver förses med uppdaterade koordinater. För utsläppskoordinaterna behöver uppgifterna ändras eller kompletteras för 306 av utsläppspunkterna. Av dessa har 218 redan vid hanteringen av indata saknat koordinatuppgifter. Tabellen nedan visar hur fördelningen av rättningar är spridd mellan utsläpps- och anläggningskoordinaterna från SMP.
1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73 77 81 85 89 93 97 101 105 109 113 117 121 125 129 133 137 10(12) Utsläppskoordinat intakt Utsläppskoordinat förändrad Anläggningskoordinat intakt Anläggningskoordinat förändrad 196 54 250 221 85 306 417 139 556 För de 139 anläggningskoordinater vars geografiska läge korrigerats har lägesfelet rättats upp från drygt 20 meter till som mest 14 600 meters felangivelse. Diagrammet nedan visar fördelningen av rättade anläggningspunkter efter granskning. 16 000 14 000 12 000 10 000 8 000 6 000 4 000 2 000 0 Flyttad anläggning i meter I nio fall har koordinaterna varit lokaliserade över 1 000 meter fel. Ytterligare 78 anläggningspunkter hade felaktiga koordinater mellan 100 och 990 meter. För 52 av anläggningspunkterna var felet mellan 22 och 90 meter. Via en geografisk granskning har det också framkommit hur siffror växlats vid inskrivningen i SMP då koordinater rättats i rakt östlig eller nordlig led. I 18 av fallet har anläggningskoordinaten förväxlats med utsläppskoordinaten vilket framgått med all tydlighet då anläggningen legat i vatten vid kontroll. Utsläppspunkten från anläggningen skall normalt ligga i vatten för den typ av verksamhet som granskats. Det kan vara vattendrag, sjöar, hav, slamdammar etc. En första kontroll har varit om utsläppspunkten legat inom en vattenyta. Träff mot vattenyta för utsläppspunkten behöver dock kompletteras med avstånd till anläggning för rimlighetskontroll då en felaktigt angiven koordinat kan få träff mot en annan vattenyta. I 192 fall av 338 förekommer utsläppspunkter vilka ligger inom polygoner för vatten. Av dessa har 12 koordinatpar varit i behov av rimlighetskontroll från uppgiftslämnarens sida. Främsta anledningen är långa avstånd mellan anläggning och utsläppspunkt.
11(12) Av de 338 utsläppskoordinaterna som fanns i SMP är 146 lokaliserade utanför en vattenyta. Dessa studerades manuellt för beräkning av avstånd till närmaste vatten. Vattendragen har visat sig svåra att fånga geografiskt då objekt under sex meter i bredd inte återges som en yta i fastighetskartan utan istället representeras av en linje. De utsläppspunkter vilka ligger inom 20 meter från vattendrag eller övrigt vatten har klassats som att utsläppet ändå sker i vatten. Dels för att även täcka in träffar mot mindre vatten och dels med hänsyn till att vattenkarteringen från fastighetskartan avser medelvattenståndslinjen vars uppdatering sker med långa intervall. För 21 av utsläppspunkterna var lägesfelet över 1 000 meter. Se bild nedan på placeringen av Åsele reningsverks utsläppspunkt enligt SMP. Avståndet mellan anläggningspunkten och utsläppspunkten var här cirka 8 800 meter. Källa: Hydrologisk indelning SMHI, Tätortsgränser SCB övrig geodata Lantmäteriet
12(12) Referenser Braun, H., Svanström, S. (2013). Förbättrade koordinater av tillståndspliktiga anläggningar i svenska miljörapporteringsportalen. SMED rapport Nr 119 2013 Europeiska Unionen. (2009). Om tillämpning av Europaparlamentets och rådets förordning (EG) nr 763/2008 om folk- och bostadsräkningar i fråga om tekniska specifikationer för variablerna och deras indelningar Kommissionens förordning (EG) nr 1201/2009 Hedeklint, K. (2012). B6 - Dokumentation. SCB Internt dokument i samband med beräkningar av Census 2011. Information from geodataportalen: http://www.geodata.se Lantmäteriet, (2009). Ajourföring Byggnadsdelen i Fastighetsregistret. Handbok Byggnadsdelen Dokumentversion 1.2 Lantmäteriet Lantmäteriet, (2011). Produktbeskrivning GSD-Fastighetskartan. GSD Geografiska Sverigedata Dokumentversion 1.2 Lantmäteriet Lantmäteriet, (2011). Överföringsformatet i Fastighetsregistret Termkatalog ÖFF 10.00 Rev 3 Lantmäteriet Svanström, S. (2013). Geodatasamverkan Att skapa mervärde ur geodata. Kartdagarna 2013. Konferenspresentation i Jönköping, Sverige