Home About Browse Search
Svenska


Data assimilation in forest inventories at stand level

Ehlers, Sarah (2017). Data assimilation in forest inventories at stand level. Umeå : Sveriges lantbruksuniv.
ISBN 978-91-576-9486-7
eISBN 978-91-576-9487-4
[Licentiate thesis]

[img]
Preview
PDF
1MB

Abstract

Data assimilation (DA) is a potentially interesting method for forestry if new stand level data about forest attributes are made available at short time intervals. DA is a method where an estimate is forecasted by a model and updated when a new measurement is made. A weighted average of the forecast and the measurement is obtained as the new current state, which increases the accuracy of the estimate.
In areas like meteorology DA has been successfully applied for a long time. In this case the availability of very frequent satellite data makes it possible to update weather forecasts several times a day and obtain accurate forecasts.
Forest inventories in the traditional way, by field campaigns, are expensive and thus provide new data only every 10-20 years. During this long time a lot of changes due to growth, management and disturbances might occur in the forest stands of interest. Thus, old data are discarded when new data are obtained from a new campaign, and the forecasts of the current state are only based on the last measurement. Since many types of remotely sensed data, e.g. from laser scanners, optical satellite sensors, and radars, have become available during recent years, there are now good opportunities to apply DA also in the context of forest inventory. In this thesis I focus on stand level forest inventories.
A first theoretical study with simulated data showed that DA has a strong potential to be successfully applied in forestry and increase the accuracy of inventory estimates. However, the second study, the first with empirical data, pointed at problems to obtain equally good results in practice. In the third study, correlated prediction errors were identified as the plausible reason for this. The higher the correlations the less was found to be gained by applying DA. Despite several remaining challenges, the overall conclusion is that DA has a potential to make forest inventories more efficient in the future.

Authors/Creators:Ehlers, Sarah
Title:Data assimilation in forest inventories at stand level
Alternative abstract:
LanguageAbstract
Swedish

Dataassimilering (DA) är en intressant ny metod för skogsinventering, som kan användas när nya data erbjuds med korta intervall. DA innebär att en variabel skrivs fram med en framskrivningsmodell och när en ny mätning blir tillgänglig uppdateras det framskrivna värdet med mätningen genom att beräkna ett viktat genomsnitt. På så sätt kan noggrannheten i uppskattade värden förbättras.
Inom andra områden, t.ex. meteorologi, används DA framgångsrikt sedan lång tid tillbaka. Väderdata från satelliter finns tillgängliga med bara några timmars mellanrum. Väderprognoser kan därför uppdateras flera gånger om dagen för att öka deras noggrannhet.
Inventering av skogsbestånd har traditionellt sett gjorts genom fältinventeringar som av kostnadsskäl normalt endast genomförs vart tionde till tjugonde år. Under en så lång tid förändras skogstillståndet genom tillväxt och åtgärder, t.ex. föryngringsavverkning, gallring, eller genom stormskador. Därför uppdateras uppgifterna genom framskrivning baserad enbart på de senaste mätningarna. Som en följd av utvecklingen av nya effektiva fjärranalysmetoder erbjuds idag data från bl.a. laserskanning, och satelliter med optiska sensorer eller radar med allt kortare intervall. Noggrannheten vid skogsinventering bör därför kunna förbättras genom att tillämpa DA. Mitt fokus i denna avhandling är skogsuppskattning på beståndsnivå.
En första simuleringsstudie visade att det finns stor teoretisk potential för att effektivisera skogsinventering genom DA. Den andra studien baserades på empiriska data och visade på svårigheter att till fullo utnyttja DAs teoretiska potential i praktiken. I den tredje studien identifierades korrelerade prediktionsfel som en sannolikt bidragande orsak till detta och studien visade att felen i återkommande prediktioner baserade på flera typer av fjärranalysdata ofta är starkt korrelerade. Ju kraftigare korrelationerna är desto mindre effektiv blir DA. Trots kvarvarande utmaningar är slutsatsen från studierna att DA har en potential att i framtiden bidra till effektivare skogsinventeringar.

Year of publishing :2017
Depositing date:16 May 2017
Number of Pages:50
Papers/manuscripts:
NumberReferences
ISarah Ehlers, Anton Grafström, Kenneth Nyström, Håkan Olsson and Göran Ståhl (2013). Data assimilation in stand-level forest inventories. Canadian Journal of Forest Research 43: 1104-1113
IIMattias Nyström, Nils Lindgren, Jörgen Wallerman, Anton Grafström, Anders Muszta, Kenneth Nyström, Jonas Bohlin, Erik Willén, Johan E.S. Fransson, Sarah Ehlers, Håkan Olsson and Göran Ståhl (2015). Data assimilation in forest inventory: First empirical results. Forests 6: 4540-4557.
IIISarah Ehlers, Svetlana Saarela, Nils Lindgren, Eva Lindberg, Mattias Nyström, Anton Grafström, Håkan Olsson and Göran Ståhl (2017). Assessing correlations between remote sensing-based estimates of forest attributes for improved data assimilation. Submitted to Canadian Journal of Forest Research.
Place of Publication:Umeå
Publisher:Department of Forest Resource Management, Swedish University of Agricultural sciences
ISBN for printed version:978-91-576-9486-7
ISBN for electronic version:978-91-576-9487-4
Language:English
Publication Type:Licentiate thesis
Full Text Status:Public
Agris subject categories.:K Forestry > K10 Forestry production
U Auxiliary disciplines > U40 Surveying methods
Subjects:(A) Swedish standard research categories 2011 > 4 Agricultural Sciences > 401 Agricultural, Forestry and Fisheries > Forest Science
Agrovoc terms:forest inventories, forest stands, data collection, data analysis, remote sensing, aerial surveying
Keywords:Data assimilation, Kalman filter, remote sensing, forest inventory, correlated prediction errors
URN:NBN:urn:nbn:se:slu:epsilon-e-4172
Permanent URL:
http://urn.kb.se/resolve?urn=urn:nbn:se:slu:epsilon-e-4172
ID Code:14324
Faculty:S - Faculty of Forest Sciences
Department:(S) > Dept. of Forest Resource Management
(NL, NJ) > Dept. of Forest Resource Management
Deposited By: Sarah Ehlers
Deposited On:17 May 2017 13:36
Metadata Last Modified:18 May 2017 08:22

Repository Staff Only: item control page

Downloads

Downloads per year (since September 2012)

View more statistics

Downloads
Hits