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