Dataassimilering i skogsbruket: -Ett sätt att ta till vara alla nya data Nils Lindgren, Håkan Olsson SLU, Umeå, Sweden Projektdeltagare: SLU: Håkan Olsson, Göran Ståhl, Jonas Bohlin, Sarah Ehlers, Anton Grafström, Nils Lindgren, Kenneth Nyström, Anders Muszta, Jörgen Wallerman Skogforsk: Johan Sonesson, Gert Andersson, Lars Wilhelmsson, Erik Willén Bakgrund • Det flödar data över oss från rymden och luften! • Hur tar vi hand om det? • Hur kombinerar vi data från olika källor • Hur får vi data som är uppdaterade? © DLR Hur jobbar skogsbruket idag? Bolag: Framskrivning under långa perioder Privata: Snabb datainsamling sällan Revolution: Laserdata! Dataassimilering Sannolikhet Density Mätning Skattning av skoglig variabel Sannolikhet Density Framskrivning Skattning av skoglig variabel Sannolikhet Density Dataassimilering Skattning av skoglig variabel Studier – Simulering av Ehlers et al 2013 12000 10000 Old data discarded Case C DA 10000 Dåliga mätningar och bra framskrivning 8000 Varians 12000 Old data discarded DA Case A Dåliga mätningar och dålig framskrivning 8000 6000 6000 4000 4000 2000 2000 0 0 20 25 30 35 40 45 50 55 60 65 70 20 25 1200 1200 Old data discarded Case B DA Case D 1000 1000 Bra mätningar och bra framskrivning 800 600 400 400 200 200 0 35 40 45 50 55 60 65 70 60 65 70 Old data discarded DA Bra mätningar och dålig framskrivning 800 600 30 0 20 25 30 35 40 45 50 55 60 65 70 20 År 25 30 35 40 45 50 55 Studier • Studie baserad på stereomatchning med tidsserie av flygbilder (Nyström et al, submitted manuscript. Presenterat vid IBFRA konferensen, Rovaniemi 2015) • Studie med tidserie av LiDAR-data (Nyström et al, konferensbidrag SILVI-laser) Studie området Studieområdet • Produktiv och välskött skog, mestadels gran Bilddata – Lantmäteriets flygfoton Resultat, RMSE Bildmatchning Assimilerat Höjd 1.8 (9.3%) 1.9 (9.6%) 1.9 (9.5%) Grundyta 3.8 (12.0%) 4.1 (12.8%) 4.5 (14.2%) Volym 40 (13.5%) 45 (15.0%) 59 (19.7%) LiDAR-data Assimilerat Sista skanningen Framskrivet Höjd 1.7 (8.5%) 1.6 (8.0%) 2.0 (9.9%) Grundyta 3.1 (9.5%) 3.5 (10.8%) 4.7 (14.5%) Volym 41 (13.3%) 44 (14.3%) 64 (20.6%) Sista bilden Framskrivet Assimilering med TanDEM-X 1. Empiriska modeller av skogliga variabler: Höjd, grundyta och volym 2. Skattningar gjordes för 11 tidpunkter mellan 2011-2014 3. En prognos skapas och kombineras med nya data med Kalmanfilter 4. Resultatet utvärderades vid år 2014 mot valideringsbestånd © DLR Resultat • Avvikelser på testbestånd för volymsskattningar Resultat, RMSE InSAR med TanDEM-X Assimilerat Höjd Grundyta Volym Sista bilden Framskrivet 2.0 (8.2 %) 1.7 (7.0 %) 1.9 (8.0 %) 5.6 (16.2 %) 5.1 (14.7 %) 5.3 (15.1 %) 69 (18.1 %) 62 (16.4 %) 67 (17.6 %) Diskussion • Ramverk för att kombinera alla tillgängliga data • Korrelerade fel måste undersökas! Kombinationen av sensorer är intressant! • 4 år är kort tid i skogsbruket! Fortsatta studier • Statistiska simuleringar hösten 2015 • Optiska + InSAR satellitdata – vintern 2015 • Upptäckt av förändringar i tidsserien – våren 2016 • Tillämpningsexempel uppdatering av 5 år gamla skogliga skattningar från laserdata med framskrivning och punktmoln från digital fotogrammetri – hösten 2016 Finansiärer • Kempestiftelserna • Skogssällskapet • Rymdstyrelsen • Formas Referenser Ehlers, S.; Grafström, A.; Nyström, K.; Olsson, H.; Ståhl, G. Data assimilation in stand-level forest inventories. Can. J. For. Res. 2013, 43, 1104–1113. Nyström , M; Lindgren, N; Wallerman, J; Ehlers, S; Grafström, A; Muszta, A; Nyström, K; Willén, E; Fransson, J; Bohlin, J; Olsson, H; Ståhl, G Data assimilation in forest inventory: first empirical results. Submitted manuscript Nyström, M; Lindgren, N; Wallerman, J; Grafström, A; Muszta, A; Nyström, K; Ståhl, G; Olsson, H. Data assimilation in forest inventory: First empirical results using ALS data. Submitted abstract
© Copyright 2024