Regeringen har givit Skogsstyrelsen i uppdrag att ta fram battre data om det svenska skogarna baserat pa laserdata. Den har studien behandlar betydelsen av referensytors positionering och effekt pa skattning av skogliga variabler. 
Riksskogstaxeringens (RT) provytor ar positionerade med GPS, men under 2013 har ett antal av dessa ytor givits en forbattrad koordinat med DGPS. GPS och DGPS koordinatangivelserna har kopplats samman med motsvarande yta i laserdata fran den nya nationella hojdmodellen. Med statistik fran laserdata har regressionsmodeller anvants for att skatta skogliga variabler genom att utnyttja RTs provytor som referensytor. 
Medelfelet for skattningarna beraknades pa regionniva och fordelat pa hojdklasser. Differensen mellan skattningarnas medelfel, baserade pa skattningar med GPS och DGPS koordinaterna, beraknades. Den forbattrade koordinatangivelsen resulterade i forbattrade skattningar av de skogliga variablerna i det flesta fall. Forbattringen pa regions niva ar i storleksordningen 0,06 till 0,83 procentenheter for hojdskattningen, for grundytan -0,74 till 1,72 procentenheter, for diametern 0,38 till 1,25 procentenheter, for volymen -0,78 till 2,56 procentenheter och for biomassan -0,67 till 1,77 procentenheter. 
Ett begransat provyteunderlag i studien kan ha paverkat resultatet. Den viktigaste slutsatsen ar att de forbattrade koordinaterna har forbattrat skattningarna i de flesta fall, om an ytterst lite. Med stod av tidigare studier anser vi resultatet forvantat.

/pdf/effekten-av-provytors-felpositionering-vid-skattning-av-19uf4rr5zt.pdf

National Forest Inventories : pathways for common reporting

Effekten av provytors felpositionering vid skattning av skogliga variabler med luftburen laserscanning The effect of sample plot positioning errors for the estimation of forest variables with airborne laser scanning

National Forest Inventories : pathways for common reporting

Citations

Effekten av provytors felpositionering vid skattning av skogliga variabler med luftburen laserscanning The effect of sample plot positioning errors for the estimation of forest variables with airborne laser scanning

Related Papers (5)

Model assisted survey sampling

Predicting forest stand characteristics with airborne scanning laser using a practical two-stage procedure and field data

R: A language and environment for statistical computing.

Remote sensing support for national forest inventories

A Large and Persistent Carbon Sink in the World’s Forests