SLU-nyhet

Att hålla skogliga databaser uppdaterade med dataassimilering och fjärranalys

Publicerad: 25 mars 2021
Två granar med en klocka mellan sig, pil till en vågskål där nytt data vägs in, pil tillbaka till granar. Bild.

En ny avhandling från SLU visar hur tekniken för dataassimilering kan anpassas för att hålla skogliga data uppdaterade över tid. Tekniken viktar samman beräkningar av skogliga variabler baserade på olika typer av fjärranalysdata med framskrivningar i proportion till varje datakällas informationsinnehåll.

Genom sambearbetning av data från flygburen laserskanning och fältinventeringar kan skogliga variabler som exempelvis höjd och volym beräknas med en kvalitet som är användbar i det praktiska skogsbruket. Den nationella laserskanningen som utförs av Lantmäteriet har hittills uppdaterats med cirka 7 års intervall och resulterat i rasterdatabasen Skogliga grunddata. Men det finns andra mer frekventa fjärranlyskällor som kan bidra med att upprätthålla de skogliga databasernas kvalitet över tid, men som inte ensamma kan ge den noggrannhet som skogsbruket behöver.

I sin avhandling har Nils Lindgren kombinerat data från flygburen laserskanning med data från andra mer kostnadseffektiva fjärranalyskällor som digital fotogrammetri, optiska satellitbilder och satellitburen radar. Resultatet från forskningen har nu lagt grunden till ett helt nytt och arbetsbesparande sätt att hålla skogliga databaser uppdaterade över tid. 

Arbetsprocessen börjar med en initial beräkning av skogstillståndet med t.ex. flygregistrerade laserskanningsdata och fältinventering. Därefter framskrivs beräkningen till när en ny fjärranalysregistrering, t.ex. en satellitbild, finns tillgänglig. Med stöd av fältytor och satellitbilden görs då en ny beräkning av skogliga variabler. Resultatet från den nya beräkningen viktas ihop med den framskrivna modellen av skogstillståndet i proportion till respektive datakällas noggrannhet. Metoden för sammanviktning mellan framskrivna data och nya beräkningar görs med dataassimileringstekniken Kalman filtrering. En central del av forskningsarbetet har varit att anpassa dataassimileringstekniken för det skogliga fallet.

Modellen framskrivs igen till en ny fjärranalysregistrering finns tillgänglig och så fortsätter arbetsprocessen i loopar med att ta tillvara det bästa ur både befintliga och nya dataset. Metoden för sammanviktning mellan framskrivna data och nya beräkningar gör det möjligt att beskriva skogens tillstånd över tid med lägre medelfel än tidigare och upprätthåller kvalitén på skogliga databaser.

Boxar med data från olika fjärranalyskällor som bearbetas av svarta kugghjul med varierande procent. Bild.
Arbetsprocessen börjar med beräkningar av skogliga variabler baserade på ett första fjärranalysdataset som framskrivs och viktas samman med beräkningar baserade på optiska satellitbilder. Modellen framskrivs igen till en ny satellitbild finns tillgänglig och så fortsätter arbetsprocessen i loopar med att ta tillvara det bästa ur både befintliga och nya dataset. Sammanviktningen mellan beräkningarna sker i proportion till datakällornas informationsinnehåll. Bild: Nils Lindgren, SLU.
Diagram med rRMSE på y-axeln och olika fjärranalyskällor på x-axeln. Bild.
Medelfel för beräkning av volym utifrån flygburen laserskanning år 2010. Grå linje visar medelfel av beräkning med traditionell framskrivningsmodell och den blå linjen visar medelfel med den skogliga anpassningen av assimilering där dataset från olika sensorer viktas in över tid. Orange markering visar medelfel för den nationella laserskanning år 2014. Bild: Nils Lindgren, SLU.

Pressbilder

Får publiceras fritt i anslutning till artiklar om detta pressmeddelande. Klicka för högupplöst bild. Källa ska anges.

Tidslinje över arbetsprocess. Bild: Nils Lindgren, SLU.

Diagram över relativt RMSE. Bild: Nils Lindgren, SLU.

Nils Lindgren, SLU. Bild: Andreas Palmén.

Sidansvarig: emma.sandstrom@slu.se