Epsilon Archive for Student Projects

Abstract

Regeringen har givit Skogsstyrelsen i uppdrag att ta fram bättre data om det svenska skogarna baserat på laserdata. Den här studien behandlar betydelsen av referensytors positionering och effekt på skattning av skogliga variabler.
Riksskogstaxeringens (RT) provytor är positionerade med GPS, men under 2013 har ett antal av dessa ytor givits en förbättrad koordinat med DGPS. GPS och DGPS koordinatangivelserna har kopplats samman med motsvarande yta i laserdata från den nya nationella höjdmodellen. Med statistik från laserdata har regressionsmodeller använts för att skatta skogliga variabler genom att utnyttja RTs provytor som referensytor.
Medelfelet för skattningarna beräknades på regionnivå och fördelat på höjdklasser. Differensen mellan skattningarnas medelfel, baserade på skattningar med GPS och DGPS koordinaterna, beräknades. Den förbättrade koordinatangivelsen resulterade i förbättrade skattningar av de skogliga variablerna i det flesta fall. Förbättringen på regions nivå är i storleksordningen 0,06 till 0,83 procentenheter för höjdskattningen, för grundytan -0,74 till 1,72 procentenheter, för diametern 0,38 till 1,25 procentenheter, för volymen -0,78 till 2,56 procentenheter och för biomassan -0,67 till 1,77 procentenheter.
Ett begränsat provyteunderlag i studien kan ha påverkat resultatet. Den viktigaste slutsatsen är att de förbättrade koordinaterna har förbättrat skattningarna i de flesta fall, om än ytterst lite. Med stöd av tidigare studier anser vi resultatet förväntat.

The government commissioned the Swedish Forest Agency to produce improved wall-to-wall data of the Swedish forests based on laser data. The objective of this study was to examine the effects on the estimations of forest variables due to the quality of the positioning of the reference sample plots.
The National Forest Inventory (NFI) sample plots are positioned with GPS. In 2013, a number of these plots coordinates were improved with DGPS measurements. The GPS and DGPS coordinates were linked together to the corresponding plots of the laser data from the new National Elevation Model. With statistics from laser data regression models has been used to estimate forest variables by exploiting NFIs plots as reference surfaces.
The mean error for the estimates were calculated at the regional level and divided into height classes. The difference between the estimations mean error, based on the old and the new coordinates were calculated. The DGPS coordinates resulted in improved estimates of forest variables in the majority of cases. The improvement in percentage at the regional level is in the range of 0.06 to 0.83 for height estimation, the basal area -0.74 to 1.72, the mean diameter of 0.38 to 1.25, for volume -0.78 to 2.56 and biomass -0.67 to 1.77.
A limited number of plots in Region 1 and 5 have influenced the results. The main conclusion is that the better-quality coordinates improves estimates in most cases. On the basis of previous studies, we consider the results expected.