Uppdatering av blockdatabasen med stöd av satellitdata - bild ...

Uppdatering av blockdatabasen
med stöd av satellitdata
Klassning av satellitdata kan användas som ett verktyg för
att uppdatera blockdatabasen ...
i blockinventeringen för resursstyrning,
i blockinventeringen för kvalitetskontroll,
i den kontinuerliga uppdateringen för att hitta förändringar.
Rapport 2009:3

Förord
I denna studie har vi utvärderat om klassning av satellitdata kan användas
som ett stöd vid uppdatering av blockdatabasen.
Arbetet har möjliggjorts via finansiering från användardelen i
Rymdstyrelsens fjärranalysprogram.
Projektet beviljades av Rymdstyrelsen i januari 2008 och har genomförts
under 2008.
Jordbruksverket har uppdragit åt Metria att utveckla metoden och att utföra
klassningsarbetet. Metrias arbete har finansierats via Rymdstyrelsen.
Arbetet har bedrivits i projektform med en projektgrupp bestående av
Anders Forsberg (projektledare) och Ali Nad från Jordbruksverket samt
Lars-Erik Gustafsson, Camilla Jönsson och Tobias Edman från Metria.
Styrgrupp för projektet har varit Patrik Alenfelt (styrgruppsordförande),
Anders Elfström och Örjan Zetterqvist, samtliga från Jordbruksverket.
En referensgrupp för projektet har också funnits där medlemmarna har
varit Anders Lind Länsstyrelsen i Västra Götaland, Mats Gustavsson
Länsstyrelsen i Skåne, Ove Sundström Lantmäteriet, samt Per Eklund,
Arne Andersson och Torben Söderberg från Jordbruksverket.
Rapporten har författats gemensamt av Anders Forsberg och Lars-Erik
Gustafsson. Vi tackar alla som medverkat i detta projekt samt
Rymdstyrelsen som möjliggjort arbetet.
Anders Forsberg och
Lars-Erik Gustafsson
IT-förvaltningsenheten
2009-01-27

Sammanfattning
Jordbruksverket äger en geografisk databas över Sveriges jordbruksmark kallad
blockdatabasen. Dess primära syfte är att säkerställa korrekta finansiella stöd till jordbruket.
Att blockdatabasen håller hög kvalitet har stor betydelse för att möjliggöra en effektiv och
korrekt hantering av stöden. Sedan blockdatabasen skapades har kraven EU-kommissionen
ställer på blockens riktighet ökat, och det finns block i databasen som inte uppfyller dessa
höjda krav.
Jordbruksverket har därför beslutat genomföra en blockinventering under 2008-2009 där
samtliga ansökta block kommer att inventeras, och vid behov redigeras. Efter inventeringen
kommer det behövas olika verktyg för att identifiera block som förändrats och behöver
uppdateras.
En metod har utvecklats där s.k. styrd klassning nyttjats för att klassa trädskiktet.
Satellitdata från två tidpunkter och statistik från alla åtta våglängdsbanden, fyra från varje
tidpunkt, har använts i klassningen. Enbart signaturer för trädbevuxna områden har skapats.
I klassningsprocessen har en s.k. distansbild skapats som innehåller mått på hur sannolik
den klassade bildpunkten är att tillhöra den signatur den etiketterats till. Via en iterativ
process där distansbilden trösklats har ett klassningsresultat med trädbevuxna områden
skapats. Dessutom har vatten klassats utifrån digitalnivåerna i det mellaninfraröda bandet.
Utvärdering av metoden visar att klassningen av trädbevuxna områden kan göras med
tillräckligt hög säkerhet för att vara möjlig att använda som ett verktyg för att identifiera
block med trädbevuxna områden. För 61 av 70 slumpvis utvalda block i Kinnekulleområdet
bedömdes klassningen som godkänd (87 %). Då klassningen inte godkändes, var det
huvudsakliga felet överklassning. Detta är mindre allvarligt vid identifiering av block,
eftersom felen kan korrigeras i den manuella granskningen.
Klassningen visar att det inom Kinnekulleområdet finns tämligen få blocklagda områden
som är täckta av vatten. En del av dessa områden är redan kända medan några kan behöva
justeras vid blockuppdateringen. Dessutom finns låglänta stränder i Vänern som är
klassificerade som vatten.
Följande tillämpningar bedöms vara de mest intressanta:
- I blockinventeringen för att styra resurser genom att identifiera block utan trädbevuxna
områden då dessa block troligen inte behöver besökas i fält utan kan skärminventeras.
- Som en kvalitetskontroll av inventerade åkermarksblock då i princip inga trädbevuxna
områden bör återfinnas på åkermark.
- Efter inventeringen i den kontinuerliga revideringen för att identifiera trädbevuxna
områden som tillkommit och försvunnit och på så sätt identifiera block som kan behöva
uppdateras.
Målet med projektet var att utveckla en metod där satellitdata kan nyttjas för att identifiera
block som med hög sannolikhet består av trädbevuxna ytor eller anlagda våtmarker. Detta
mål anses uppfyllt. Utvecklad metod är träffsäker på att identifiera trädbevuxna ytor.
Metoden bör därför vara ett verktyg som Jordbruksverket kan nyttja för att säkerställa en
blockdatabas av hög kvalitet.

Innehåll
1 Inledning ........................................................................................................................... 1
1.1 Bakgrund ....................................................................................................................1
1.2 Projektidé och genomförande..................................................................................... 2
1.3 Syfte och mål.............................................................................................................. 2
1.4 Arbetsgång ................................................................................................................. 2
2 Studieområden och indata............................................................................................... 3
2.1 Studieområden............................................................................................................ 3
2.2 Satellitdata och flygfoton ........................................................................................... 3
2.3 Övriga data .................................................................................................................3
3 Metodik ............................................................................................................................. 7
3.1 Inledning..................................................................................................................... 7
3.2 Klassning.................................................................................................................... 7
3.2.1 Klassning av skog............................................................................................... 7
3.2.2 Klassning av vatten ............................................................................................ 9
3.3 Efterbearbetning....................................................................................................... 10
4 Resultat och utvärdering ............................................................................................... 11
4.1 Utvärdering av metodutvecklingsarbete................................................................... 11
4.2 Klassning Kinnekulle ............................................................................................... 11
4.2.1 Klassning av vatten .......................................................................................... 11
4.2.2 Klassning av barrplanteringar .......................................................................... 12
4.2.3 Klassning av övriga trädbevuxna ytor.............................................................. 13
4.3 Utvärdering av klassningsresultat Kinnekulle.......................................................... 14
4.3.1 Utvärdering klassning av vatten....................................................................... 14
4.3.2 Utvärdering klassning av trädbevuxna ytor ..................................................... 15
5 Diskussion och slutsats................................................................................................... 17
5.1 Diskussion av resultat............................................................................................... 17
5.2 Utnyttjande av resultat ............................................................................................. 18
5.3 Resultatspridning...................................................................................................... 20
5.4 Slutsats ..................................................................................................................... 20
Bilaga 1, fältdag i Söderköping ............................................................................................. 21
Bilaga 2, klassning av vatten ................................................................................................. 27
Bilaga 3, klassning av trädbevuxna ytor .............................................................................. 35

1 Inledning
1.1 Bakgrund
Jordbruksverket äger och förvaltar en geografisk databas över Sveriges jordbruksmark kallad
blockdatabasen.
Ett jordbruksblock är ett sammanhängande markområde som har en relativt beständig
indelning från år till år. Totalt innehåller blockdatabasen cirka 1,2 miljoner block med en
sammanlagd areal om cirka 3,5 miljoner ha.
Blockdatabasen används på ett antal olika sätt:
Vid administrationen av EU:s jordbruksstöd
Analyser av jordbrukspolitikens miljöeffekter
Forskningsändamål
Ca 80 000 bönder söker jordbruksstöd varje år. Ansökningarna skickas in till länsstyrelserna
som sköter handläggningen. För att kontrollera arealuppgifterna i ansökningarna används
blockdatabasen. Administrativ kontroll görs för att säkerställa att för stor areal inte angetts i
ansökningarna eller att samma mark dubbelansöks.
Varje sommar sker även fältkontroller av ansökningarnas riktighet. Dessa kontroller är
mycket kostsamma för länsstyrelserna. Kontrollfrekvensen – dvs. andelen ansökningar som
ska kontrolleras - har de senaste åren ökat dramatiskt. 2008 ligger de på mellan 5 % och
12,5 % beroende på län. Ökningen beror främst på att nya EU-regler införts för hur
kontrollfrekvenserna ska beräknas.
Att blockdatabasen håller hög kvalitet har stor betydelse för att möjliggöra en effektiv
hantering av stöden och för att analyser som baseras på blockdatabasen ska vara tillförlitliga.
Även för jordbrukaren är en det viktigt med en korrekt databas då det minskar risken för oro
och felaktiga ansökningar.
Blockdatabasen skapades 1998 och har sedan dess kontinuerligt uppdaterats av
länsstyrelserna. Uppdateringarna har hittills endast skett på begäran av jordbrukare eller då
felaktigheter upptäckts vid kontroller.
Sedan blockdatabasen skapades har kraven EU-kommissionen ställer på blockens riktighet
ökat. Från början var syftet med blocken att ge en lägesangivelse för jordbruksmarken och en
indikation på blockets areal. Sedan 2005 gäller dock högre kvalitetskrav, blockens
avgränsning och areal ska vara korrekta och blocken ska endast innehålla stödberättigande
mark.
Det finns block i databasen som inte uppfyller dessa höjda kvalitetskrav. De största
problemen förekommer i avgränsningen av block och att hela block, eller delar av block,
felaktigt ingår i blockdatabasen, trots att de inte är att betrakta som jordbruksmark.
EU-kommissionen har efter revisionsbesök sommaren 2007 också påtalat brister i
blockdatabasen. I det fall kommissionen bedömer kvalitetsbristerna som allvarliga kommer
Sverige att drabbas av finansiella korrigeringsåtgärder. Det vill säga, EU kan komma att
återkräva delar av det stödbelopp som betalats ut med uppgifter i databasen som grund.
Vidare, om blockdatabasen skulle ha högre kvalitet är det troligt att andelen felaktiga
ansökningar skulle minska. Detta leder till att behoven av kontroller minskar och ger därmed
lägre kostnader för länsstyrelserna.
1

Jordbruksverket har därför beslutat genomföra en blockinventering under 2008-2009 där
samtliga ansökta block kommer att inventeras, och vid behov redigeras.
1.2 Projektidé och genomförande
Kan fjärranalys och klassning av satellitdata nyttjas som ett verktyg för att identifiera
områden där blockdatabasen behöver uppdateras?
Detta var idéen bakom den projektansökan Jordbruksverket gjorde till Rymdstyrelsens
fjärranalysprogram (användardelen). Projektet beviljades av Rymdstyrelsen i januari 2008 och
har genomförts under 2008.
Jordbruksverket har uppdragit åt Metria att utveckla metoden och att utföra klassningsarbetet.
Metrias arbete har finansierats via Rymdstyrelsen.
Efter att projektansökan beviljats så beslutade Jordbruksverket att genomföra blockinventeringen.
Metodiken i projektet har därför under våren 2008 anpassats för att öka
möjligheten till att projektets resultat kan nyttjas i blockinventeringen eller i den fortsatta
revideringen av blockdatabasen. Metodförändringen innebär främst att SPOT-data nyttjas
istället för AWiFS och att fokus läggs på att identifiera trädbevuxna områden inom block.
1.3 Syfte och mål
Syftet med projektet är att producera underlag för uppdatering av Jordbruksverkets
blockdatabas och därmed kunna höja dess kvalitet genom att avföra områden som inte är
jordbruksmark.
Målet är att utveckla en metod där satellitdata kan nyttjas för att identifiera block eller delar
av block som med hög sannolikhet består av trädbevuxna ytor eller områden med vatten.
Resultatet är ett vektorskikt som innehåller denna information och som därmed kan användas
vid uppdatering av blockdatabasen.
Målet är att metoden kan nyttjas i blockinventeringen eller i den fortsatta revideringen av
blockdatabasen.
1.4 Arbetsgång
Arbetet har genomförts i följande steg:
– Preparering av indata.
– Utveckling av klassningsmetodik.
– Klassning med hjälp av den bestämda metodiken.
– Utvärdering av klassningarna.
– Rapportskrivning.
2

2 Studieområden och indata
2.1 Studieområden
Testområden i två län i södra Sverige ingår i studien. Det ena området, som är nära 700 km 2
stort, ligger i trakten av Söderköping i Östergötlands län (figur 1 och 2). Där har
arealkontroller med hjälp av satellitbilder skett av jordbrukarnas ansökningar sommaren 2007.
Tillgången till högupplösande satellitdata och kontrollerna var orsaken till att
Söderköpingsområdet valdes som studieområde.
Det andra området innehåller Kinnekulle och området öster därom och ligger i Västra
Götalands län. Detta område har använts för utvärdering av utvecklad metod och är drygt 800
km 2 stort. Dock upptar Vänern en stor yta i väster och norr (figur 3).
2.2 Satellitdata och flygfoton
Inom studieområdet Söderköping har SPOT5-data från 25 maj och 13 juni 2007 använts
(figur 1 och 2). Satellitbilderna är i 10 meters raster och projicerade till RT90. För
Kinnekulleområdet har SPOT5-data från 1 september 2005 och 15 juli 2006 nyttjats (figur 3).
I bilden från 2006 finns smärre områden med moln, medan bilden från 2005 är helt molnfri.
SPOT-5 har fyra våglängdsintervall, grönt (0,50 – 0,59 µm), röd (0,61 – 0,68 µm), nära
infraröd (0,79 – 0,89 µm) och mellaninfraröd (1,58 – 1,75 µm).
Under våren 2008 har satellitdatabasen Saccess lanserats, vilket gjort SPOT-data allmänt
tillgängliga utan kostnad.
Från både Söderköpings- och Kinnekulleområdet har SJV tillgång till flygbilder från år 2007
tagna med Lantmäteriets DMC. Dessa ortofoton är i färg och kombinerade med
pankromatiska bilder till 50 centimeters rasterstorlek och projicerade i RT90. Ortofotona från
Söderköping har använts vid utveckling av metoden medan ortofotona från Kinnekulle enbart
nyttjats vid utvärderingen. I Kinnekulleområdet har istället äldre färgsatta ortofoton med 2
meters upplösning använts som stöd vid klassificeringen.
Ursprungligen avsågs satellitdata från den indiska sensorn AWiFS vara den huvudsakliga
datakällan. Men redan i inledningen av projektet kom arbetet helt att inriktas på användning
av SPOT-data. En AWiFS-scen från 21 april 2007 införskaffades dock innan beslut togs att
enbart arbeta med SPOT-data. Denna AWiFS-scen har inte använts i studien.
De bilder från de högupplösande satelliterna Quickbird och IKONOS från år 2007 som SJV
införskaffade i samband med den ovan nämnda arealkontrollen har inte heller nyttjats i
projektet.
2.3 Övriga data
Avgränsningarna i blockdatabasen från 2007 har använts i båda områdena. Kombinerat med
information från jordbruksverkets stöddatabas ARARAT har blocken delats upp i åkerblock,
betesblock, block med både åker och betesmark och block som det inte har sökts stöd för. De
osökta blocken har inte tagits med i studien.
3

Figur 1. Studieområde Söderköping. SPOT-5 från 23 maj 2007. Området är ca 23x29 km i storlek. Gröna åker- och
betesmarker är i bilden gula eller brunaktiga. Vegetationsfria åkrar är blåaktiga i bilden.
4

Figur 2. Studieområde Söderköping. SPOT-5 13 juni 2007.
5

Figur 3. Studieområde Kinnekulle. Överst SPOT-5 från 1 september 2005 och nederst från 15 juli 2006
6

3 Metodik
3.1 Inledning
I tidigare arbeten genomförda av Metria har det framgått att framförallt barrskogsplanteringar
och nyanlagda vatten kan tolkas i AWiFS-data och därmed bör dessa områden gå att
klassificera och kunna användas för att förbättra blockdatabasen.
Den stora kontroll och korrigering av blockdatabasen som inletts år 2008 har gjort att SJV:s
behov förändrats sedan projektet startades (februari 2008). I uppstarten av projektet har
intresset av att kartera trädskikt inom sökta block ställts i fokus. Behovet av att kartera vatten
kvarstår.
I och med att SPOT-data har blivit gratis försvinner delvis argumentet att inte använda SPOTdata.
Metodarbetet har beroende på förändrade behov och förbättrad tillgång till satellitdata
helt inriktats på användning av SPOT-data istället för, som från början var tänkt, AWiFS-data.
Metodutvecklingen har koncentrerats till block från 2007 som i ansökningarna angetts som
åker- eller betesmark.
Arbetet har delats upp i två delar, metodutveckling i Söderköpingsområdet och med
användande av utvecklad metod i Kinnekulleområdet. Där har även den slutliga utvärderingen
av resultatet skett.
3.2 Klassning
3.2.1 Klassning av skog
För att skapa en klassning av trädskiktet har s.k. styrd klassning valts som klassningsmetod.
Det betyder att ett antal homogena områden (signaturer) innehållande en viss trädtyp har
identifierats i satellitbilden med ortofotot som underlag (figur 4-6). För de avgränsade
områdena beräknas medelvärden och spridning i de olika våglängdsbanden.
Inledningsvis användes satellitdata från endast en tidpunkt. I Söderköpingstrakten data från 13
juni 2007. Ganska snart visade det sig att det inte gick att separera alla typer av lövträd från
framförallt vissa varianter av åkermark. Därför beslöts att satellitdata från två tidpunkter
skulle användas. Dessa tidpunkter kan med fördel vara från olika år eftersom det är en fördel
om den spektrala informationen från ett visst åkerfält är olika i de bägge bilderna, medan
skogen är mer homogen. Statistik från alla åtta våglängdsbanden, fyra från varje tidpunkt, har
använts i klassningen.
Enbart signaturer för trädbevuxna områden har skapats. Samtidigt med klassningen av bilden,
då varje bildpunkt erhåller en kod för den signatur bildpunkten mest liknar produceras en s.k.
distansbild (figur 7), som innehåller mått på hur sannolik den klassade bildpunkten är att
tillhöra den signatur den etiketterats till. Genom att endast tillåta de mest sannolika värdena
för varje signatur kommer bildpunkter som inte innehåller träd att bli oklassade, dvs. tillhöra
klassen ”icke trädbevuxna” punkter.
Arbetsgången är att skaffa sig signaturer som representerar olika typer av trädbevuxen mark.
Sedan sätter man trösklar i den distansbild som skapas i samband med klassningen.
Trösklarna ska sättas så lågt att inga bildpunkter klassas som träd där träd saknas. Trösklarna
ska dock inte sättas lägre än nödvändigt. Om det efter detta förfarande ändå finns trädbevuxna
områden som inte klassats som träd måste man tillföra nya signaturer och upprepa
proceduren.
7

Som avslutning kodas resultatet om till de klasser som redovisas i resultatet. Dessa klasser är:
– Barrföryngring
– Övrig barrdominerad yta
– Lövdominerad yta
– Icke trädbevuxen yta
För att separera de klassade bildpunkterna i löv- eller barrdominerade har en tröskling utförts i
en bild som visar ett vegetationsindex (nära infrarött - rött) / (nära infrarött + rött).
Trädklassade bildpunkter med högt vegetationsindex har getts koden lövdominerat och
bildpunkter med lägre vegetationsindex, barrdominerat. Brytpunkten bestäms interaktivt med
hjälp av satellitbild och ortofoto.
Figur 4. Träningsyta, eklövskog, RT90 1528442/6485772. SPOT-5 från 23 maj 2007.
Figur 5. Träningsyta,barrplantering, RT90 1522624/6465634. SPOT-5 från 23 maj 2007.
8

Figur 6. Träningsyta för hällmarksskog, RT90 1530038/6470260. SPOT-5 från 23 maj 2007.
Figur 7. Till vänster SPOT-5 från 1 september 2005 från Kinnekulle och till höger distansbild över motsvarande område.
Ljusa ytor betyder att områdena är mindre sannolika som trädbevuxna.
3.2.2 Klassning av vatten
Vatten klassas utifrån digitalnivåerna i mellaninfraröda bandet. Alla digitalvärden lägre än en
viss tröskel är vatten. Tröskeln bestäms interaktivt mot bildskärm. Det är lämpligt att utföra
trösklingen på satellitdata från den tidpunkt där vattnet kan anses ha störst utbredning.
För att erhålla vatten som en klass måste bildpunkter mellan digitalvärde 1 upp till ”tröskeln”
ges en kod som betyder vatten. Digitalvärde ”0” används i SPOT-data för att beteckna att
bilddata saknas.
9

3.3 Efterbearbetning
De områden som har klassificerats som trädbevuxna har vektoriserats för att underlätta
statistiska beräkningar och implementering i blockuppdateringen.
Alla närliggande bildpunkter med skog har tilldelats en unik identitet. Därefter har områdena
vektoriserats och de resulterande polygonerna slagits samman med hjälp av de unika
identiteterna. Blocken generaliserades till ett 10 meters rasterskikt med samma geografiska
egenskaper som SPOT-bilderna. De båda ogeneraliserade vektorlagren överlagrades och en
ny vektorfil med information om trädtäckning och blocktillhörighet skapades. Utifrån den
beräknades procentandel och areal trädbevuxna ytor per block. Två olika vektorskikt
skapades: ett med ytor som är större än 0,1 ha och ett med alla ytor inkluderade.
10

4 Resultat och utvärdering
Kapitlet inleds med en redogörelse för den utvärdering som skedde i samband med
metodutvecklingsarbetet i Söderköping. Därefter följer i avsnitt 4.2 en presentation av de
resultat som togs fram från Kinnekulleområdet. Utvärdering av resultaten i Kinnekulle
behandlas i avsnitt 4.3.
4.1 Utvärdering av metodutvecklingsarbete
Den 23 september 2008 gjordes ett fältbesök i Söderköping för att utvärdera den utvecklade
metoden. Under fältdagen studerades nio block. I bilaga 1 redovisas bilder, klassningsresultat
och kommentarer för sex av dessa block.
Kriterium för godkänd klassning var om klassningen till största del bedömdes som korrekt
och om den skulle kunna nyttjas som ett verktyg i blockinventeringen för att identifiera block
som behöver granskas ytterligare och eventuellt redigeras.
Utvärderingen fokuserade på trädbevuxna områden och gav följande resultat:
– Klassningen av trädbevuxna områden var godkänd för sju av nio block.
– För två block noterades en överklassning (block 6488-531-0552, bilaga 1) samt en
underklassning (block 6485-528-7682, bilaga 1), i övrigt var klassningen av
trädbevuxna områden för dessa block godkänd.
4.2 Klassning Kinnekulle
Resultatet av klassningen i Kinnekulle är rasterbilder med 10 meters bildpunkter omfattande
vatten och trädbevuxna marker. De trädbevuxna markerna indelades i barrföryngring, löv- och
barrdominerade ytor. Den sammanslagna klassen ”trädbevuxna ytor” vektoriserades och en
viss generalisering skedde (se avsnitt 3.3), medan de andra klasserna producerades endast i
rasterform.
4.2.1 Klassning av vatten
Åtta större områden karterades som vatten. Det minsta av dessa klassade områden var 0,12 ha
och det största var 5,88 ha (figur 9 visar det största området).
I figur 8 visas en karterad vattenyta inom ett åkerblock. Vattenytans utbredning avviker något
i jämförelse med vad som syns i flygbilden från 2007. Betesmarksblocket i figur 9 består vid
tidpunkten för satellitregistreringen 15 juli 2006 delvis av vatten. Skillnaden mellan de olika
tidpunkterna beror på variationer i Vänerns vattenstånd.
11

Figur 8. Klassning vatten på åkermark. RT90 1356500/6495700. Flygfoto från 2007
.
Figur 9. Klassning från 15 juli 2006 av vatten i betesmark. RT90 1376500/6507650. Gråa ytan i övre högra delen är Vänern.
Flygbild från 2007.
4.2.2 Klassning av barrplanteringar
Som ett specialfall av trädbevuxna ytor klassades barrplanteringar.
Ett exempel av det fåtal områden som klassades som planteringar visas i figur 10. Ingen
vidare utvärdering av klassning av barrföryngringar har utförts.
12

Figur 10. Klassning av plantering RT90 1371050/6490900. Flygfoto från 2007.
4.2.3 Klassning av övriga trädbevuxna ytor
Klassningen av trädbevuxna ytor redovisades uppdelad i barr- eller lövdominerad yta, se figur
11. Uppdelningen redovisades endast i rasterform. Utvärderingen har helt fokuserats på den
sammanlagda klassen ”trädbevuxna ytor” (avsnitt 4.2 och 4.3).
Figur 11. Klassning av trädbärande ytor, RT90 1370270/6491130. Gult är lövdominerade områden och grönt,
barrdominerade. Flygbild från 2007.
13

4.3 Utvärdering av klassningsresultat Kinnekulle
I Kinnekulle har 865 betesmarksblock och 3538 åkermarksblock klassats, se figur 12.
Figur 12. Klassning av trädbevuxna ytor i Kinnekulleområdet. Gula ytor är åkermark och gröna ytor är betesmark. Området
är 34 x 26 km stort.
Utvärderingen har fokuserats på klassningen av trädbevuxna områden, men även klassning av
vatten har studerats.
4.3.1 Utvärdering klassning av vatten
Totalt klassades åtta större områden som vatten i Kinnekulle. Bilaga 2 visar dessa områden.
Utvärdering av dessa områden gav följande resultat:
– Två block var åkerblock med ansökt miljöersättning för våtmark, dvs. ”känt” vatten
och godkänt som jordbruksmark.
– Fyra block var betesmarksblock vid strandlinje eller med områden med vattenspegel.
Det är svårt att utvärdera klassningen av denna typ av mark då vattenlinjen normalt
kan vara lägre och betesmarken därmed kan vara godkänd.
– Två block såg ut som de borde korrigeras, och de områden som är klassade som vatten
ska redigeras bort. Detta har också skett för ett av blocken i blockinventeringen.
14

4.3.2 Utvärdering klassning av trädbevuxna ytor
Minsta möjliga resulterande yta från klassningen är 0,01 ha (1 bildpunkt). Ofta ligger dock
små ytor vid blockgränser och är då i regel trädbevuxen mark precis utanför blocket som fallit
ut i klassningen (figur 13). Utvärderingen har därför koncentrerats på större ytor, där ytor
under 0,1 ha filtrerats bort.
Figur 13. Åkermarksblock 6487-365-5192 där kanteffekt tydligt framträder. Ytor mindre än 0,1 ha är
markerade med tunn röd linje, ytor större än eller lika med 0,1 ha är markerade med tjock röd linje.
Tabell 1 och 2 visar antalet åkermarksblock och betesmarksblock klassade som trädbevuxna
områden inom olika arealklasser.
Tabell 1. Resultat klassning av trädbevuxna ytor i Kinnekulleområdet för åkermark.
Åkermark, alla klassade ytor
Area (ha) Antal %
0 1892 53,5
0,01-0,1 1183 33,4
0,1-0,5 428 12,1
0,5-1 26 0,7
1-5 9 0,3
3538 100,0
Åkermark, klassade ytor under 0,1 ha bortfiltrerade
Area (ha) Antal %
0 3356 94,9
0,1-0,5 158 4,5
0,5-1 16 0,5
1-5 8 0,2
3538 100,0
15

Tabell 2. Resultat klassning av trädbevuxna ytor i Kinnekulleområdet för betesmark.
Betesmark, alla klassade ytor
Area (ha) Antal %
0 131 15,1
0,01-0,1 198 22,9
0,1-0,5 242 28,0
0,5-1 98 11,3
1-5 155 17,9
5-10 30 3,5
10-62 11 1,3
865 100,0
Betesmark, klassade ytor under 0,1 ha bortfiltrerade
Area (ha) Antal %
0 377 43,6
0,1-0,5 214 24,7
0,5-1 88 10,2
1-5 148 17,1
5-10 27 3,1
10-62 11 1,3
865 100,0
Ur statistiken i tabell 1 och 2 kan man t ex utläsa att ca 10 % av åkerblocken har trädbevuxna
områden även då man filtrerar bort klassade trädbevuxna områden under 0,1 ha. Motsvarande
siffra för betesmarkerna är 60%.
För att utvärdera klassningen av trädbevuxna områden valdes slumpvis ett antal block ut.
Totalt slumpades 70 block ut för olika arealklasser. Klassningen av dessa block studerades på
bildskärm med ortofoto och blockgränser som bakgrund. En bedömning gjordes om gjord
klassning var korrekt eller om över- eller underklassning skett. Resultatet redovisas i tabell 3.
Tabell 3. Resultat av utvärdering av slumpvis utvalda block med trädbevuxna ytor i
Kinnekulleområdet inom olika arealklasser.
Ägoslag Kategori Ok Över- Under- Summa
Åker 0 ha 9 0 1 10
Åker 0,1-0,5 ha 7 3 0 10
Åker > 0,5 ha 8 2 0 10
Bete 0 ha 9 0 1 10
Bete 0,1-0,5 ha 10 0 0 10
Bete 0,5-1 ha 9 1 0 10
Bete > 1 ha 9 1 0 10
Summa 61 7 2 70
Summerar man resultatet får man att 24 av 30 åkermarksblock bedömts som korrekta klassade
(80%). Motsvarande siffra för betesmarksblock är att 37 av 40 block bedömts som korrekta
klassade (92,5%).
För nio block bedömdes klassningen som delvis felaktig. Av dessa block var sju överklassade
och två underklassade. Många överklassningar berodde på att skuggor från träd utanför
blocket felaktigt klassats som trädbevuxet.
Bilaga 3 visar att antal exempel på åkermark och betesmark klassade som trädbevuxna.
16

5 Diskussion och slutsats
5.1 Diskussion av resultat
Metoden som tagits fram i projektet visar att det går att särskilja trädbevuxna marker från
öppna gräs- och åkerytor med klassning av bitemporala SPOT5-bilder. Under fältdagen i
Söderköping i september 2008 ansåg deltagarna från SJV att metoden fungerade väl och att
den med något undantag gav ett gott resultat. Träd- och buskbevuxna områden inom blocken
identifierades med hög säkerhet.
Även utvärderingen av klassning av trädbevuxna områden i Kinnekulleområdet visar att
metoden är relativt träffsäker. För 61 av 70 slumpvis utvalda block (87%) bedömdes
klassningen som godkänd (se avsnitt 4.3.2).
Klassningen visar att det inom Kinnekulleområdet finns tämligen få blocklagda områden som
är täckta av vatten (se avsnitt 4.3.1). En del av dessa områden är redan kända medan några
kan behöva justeras vid blockuppdateringen. Dessutom finns låglänta stränder i Vänern som
är klassificerade som vatten.
Vid metodutveckling och utvärdering har dock ett antal observationer gjorts som bör beaktas:
– Kanteffekter
I Kinnekulleklassningen togs områden som klassats som trädbevuxna och var under
0,1 ha i yta bort inför utvärderingen, då dessa områden ofta är ”falsklarm” pga
kanteffekter (se avsnitt 4.3.2). Men då små klassade områden helt ligger inom blocket
är de intressanta, se figur 14. En metodförbättring är därför att bara utesluta små
områden då de ligger vid kant av ett block.
Figur 14. Block 6498-372-8695 där 0,09 ha klassat som trädbevuxet.
– Över- och underklassning.
Vid klassificeringsarbetet kan operatören påverka hur många bildpunkter som ska
klassificeras. Naturligtvis eftersträvas ett så sant resultat som möjligt. Men ett perfekt
resultat kan inte uppnås. Därför bör det finnas anledning att antingen göra en klassning
som innehåller så få felaktigt klassade bildpunkter som möjligt eller att försöka uppnå
att alla bildpunkter som innehåller t ex träd klassas och då även få felklassningar.
Vilket val man ska göra beror på hur resultatet ska användas.
I utvärderingen av Kinnekulle såg man att överklassning av trädbevuxna ytor var ett
vanligare fel än underklassning. Som ett verktyg vid blockuppdatering är
överklassning ett mindre allvarligt fel då vi tänker oss att metoden ska nyttjas för att
17

identifiera block som kan behöva uppdateras. Block som faller ut får därefter granskas
av en operatör. Därför är det att föredra att för många ytor än för få faller ut då man
annars riskerar att missa block som behöver uppdateras. Dock är det naturligtvis inte
bra om för många ytor överklassas då för många ”falsklarm” gör metoden mindre
användbar.
– Attribut vektorskikt
Vektorskiktet med trädbevuxna områden innehåller 4 attribut som skapats i
efterarbetningen av klassningen:
- Areal trädbevuxet i hektar totalt
- Areal trädbevuxet i hektar efter bortfiltrering av ytor mindre än 0,1 ha
- Andel trädbevuxen blockareal totalt
- Andel trädbevuxen blockareal efter bortfiltrering av ytor mindre än 0,1 ha.
Dessa attribut har nyttjats i utvärderingen. Andra mått kan vara möjliga.
– Upplösning
Bildpunktsstorleken i klassat SPOT-data är 10 meter. Det innebär att små träddungar
inte alltid faller ut i klassningen. Men det finns fördelar med att inte ha för hög
upplösning vid digital klassificering. Blir upplösningen i meterstorlek eller bättre
måste man använda metoder som delvis är dåligt utvecklade.
– Gleshet
I detta arbete har inte någon utvärdering kunnat ske som ger ett svar på frågan om hur
tätt träden måste stå för att de ska bli klassade. Det är naturligtvis möjligt att i
efterhand göra fältinventeringar av klassade områden för att belysa sambanden.
5.2 Utnyttjande av resultat
Metoden är träffsäker på att fånga upp trädbevuxna områden inom block. Följande
tillämpningar bedöms vara de mest intressanta:
I samband med pågående blockinventering
– I blockinventeringen för att styra resurser
Gjorda utvärderingar under projektet visar att trädbevuxna marker med god säkerhet
kan fångas. Betesmarker som inte fått någon träff för trädbevuxna marker kan enkelt
tas fram och majoriteten av dessa block bör kunna skärminventeras. Detta kan vara en
möjlighet att nyttja i blockinventeringsprojektet. Inventeringsuppdrag för "betesmark
som bör kunna skärminventeras" kan överföras till inventerare som är specialiserade
på skärminventering. Därigenom minskar antalet betesmarksblock som måste
inventeras i fält. Det bör kunna minska totalkostnaden för inventeringen alternativt
möjliggöra att fler block kan inventeras till samma kostnad, se figur 15. Antalet block
i de olika kategorierna visas i tabell 4. (se även tabell 3 i avsnitt 4.3.2). Fler än hälften
av alla betesblock i Kinnekulleområdet har enligt klassningen mindre än 20%
trädbevuxen yta. Denna information måste kombineras med storleken på de olika
trädbevuxna ytorna inom blocken.
18

Figur 15. Betesmarksblock i Kinnekulleområdet indelade i kategorier utifrån hur stor andel av ytan som är
trädbevuxna.
Tabell 4. Andel betesmarksblock i Kinnekulleområdet fördelat i kategorier efter
procentuell andel trädbevuxen areal. Endast trädbevuxna ytor > 0.1 ha ingår.
Antal block
500
400
300
200
100
0
0
20
40
60
Andel trädklädd areal (%)
– I pågående avgränsning av trädbevuxna marker
Försök visar att användning av klassningen direkt i inventeringen är begränsad, det
beror främst på det sätt arbetet är upplagt. Möjligen kan klassningen vara till nytta då
ortofotona är tagna innan löven slagit ut och träd då är svårare att se.
– Kvalitetskontroll
Efter inventeringen bör i princip inga trädbevuxna marker återfinnas på åkermark.
Därför bör metoden kunna ingå som en kvalitetskontroll av inventeringen av
åkermark. Klassningen ger också svar på hur mycket skog inom betesmark som
accepterats.
19
80
100

Användning på längre sikt
– Jämförelse efter inventering och om några år i den kontinuerliga revideringen
Om klassningen görs inom blockens avgränsning efter inventeringen har SJV ett
grundresultat för de trädbevuxna marker inom block som godkänts vid inventeringen.
Om SJV om 3-4 år åter gör klassningen eller utför förändringsanalys för hela Sverige
kan bestämning ske av de trädbevuxna marker som tillkommit och försvunnit. På så
sätt kan identifiering ske av block som kan behöva uppdateras.
5.3 Resultatspridning
Rapporten distribueras inom Jordbruksverket och blockinventeringsprojeketet samt till
personal på länsstyrelsen som arbetar med blockredigering.
Rapporten finns tillgänglig på Jordbrukverkets hemsida www.sjv.se.
Projektet har presenterats på JRC’s årliga fjärranalyskonferens Geomatics in support of the
CAP (se http://mars.jrc.ec.europa.eu/mars/News-Events/MARS-Conference-2008).
5.4 Slutsats
Målet med projektet var att utveckla en metod där satellitdata kan nyttjas för att identifiera
block eller delar av block som med hög sannolikhet består av trädbevuxna ytor eller anlagda
våtmarker. Resultatet var att skapa ett vektorskikt som innehåller denna information och som
därmed kan användas vid uppdatering av blockdatabasen.
Detta mål anses uppfyllt.
Utvecklad metod är träffsäker på att identifiera trädbevuxna ytor. Metoden bör därför vara ett
verktyg som Jordbruksverket kan nyttja för att säkerställa en blockdatabas av hög kvalitet.
20

Bilaga 1, fältdag i Söderköping
Den 23 september 2008 gjordes ett fältbesök i Söderköping för att utvärdera den utvecklade
metoden. Utvärderingen fokuserades på att bedöma om klassning av trädbevuxna områden
var godkänd. Under fältdagen studerades nio block, i denna bilaga redovisas bilder,
klassningsresultat och kommentarer från sex block.
Block 6492-526-0948
Blockets areal (2007) är 8,39 ha. Ansökt betesmark på blocket (2007) är gårdsstöd 0,80 ha,
och miljöersättning allmänna värden 2,30 ha. Klassningen av blocket är godkänd.
Figur 16. Block 6492-526-0948 redovisad med ortofoto, vägar och höjdkurvor i den övre bilden. Klassning av blocket i den
nedre bilden. Färgade rutor är klassade som trädbevuxna ytor. Gult och grönt är säkert klassade rutor. Rött och turkos är
mindre säkert klassade områden.
Figur 17. Betesmarksblocket har en tydligt skogspräglad vegetation.
21

Block 6490-527-9407
Blockets areal (2007) är 5,55 ha. Ansökt betesmark på blocket (2007) är gårdsstöd 5,40 ha,
och miljöersättning allmänna värden 5,40 ha. Klassningen av blocket är godkänd.
Figur 18. Block 6490-527-9407, ortofoto samt klassning av trädbevuxen mark.
Figur 19. Betesmarksblock med tydligt skogspräglad vegetation, men med öppna delar.
22

Block 6489-527-8094
Blockets areal (2007) är 2,83 ha. Ansökt betesmark på blocket (2007) är gårdsstöd 2,83 ha
och ingen ansökan för miljöersättning. Klassningen av blocket är godkänd.
Figur 20. Block 6489-527-8094, ortofoto samt klassning av trädbevuxen mark.
Figur 21. Öppen betesmark med buskpartier av igenväxningskaraktär.
23

Block 6489-529-6370
Blockets areal (2007) är 8,10 ha. Ansökt betesmark på blocket (2007) är gårdsstöd 7,60 ha,
miljöersättning allmänna värden 1,40 ha och särskilda värden 6,20 ha. Klassningen av blocket
är godkänd.
Figur 22. Block 6489-529-6370, ortofoto samt klassning av trädbevuxen mark.
Figur 23. Betesmark med jätteekar, granparti och stora delar igenväxande med slån, ek och ask.
24

Block 6488-531-0552
Blockets areal (2007) är 7,41 ha. Ansökt betesmark på blocket (2007) är gårdsstöd 7,30 ha,
miljöersättning allmänna värden 7,30 ha.
Överklassning noterades där ett fuktigt parti felaktigt klassats som trädbevuxet (fig 24).
I övrigt var klassningen av blocket godkänd.
Figur 24. Block 6488-531-0552, ortofoto samt klassning av trädbevuxen mark. Ett fuktigt parti (inringat) felaktigt klassat
som trädbevuxet. Notera att felaktigt klassat område är röd i klassningen vilket betyder att det är lägre
klassningssannolikhet.
Figur 25. Öppen betesmark på till största delen gammal åker, men med solitärträd och åkerholmar.
25

Block 6485-528-7682
Blockets areal (2007) är 7,87 ha. Ansökt betesmark på blocket (2007) är gårdsstöd 4,16 ha,
miljöersättning allmänna värden 7,76 ha.
Underklassning noterades vid utvärderingen i ett område med ekskog i brant terräng som inte
föll ut i klassningen (figur 27). Troligen pga att löven inte slagit ut i den ena av
satellitbilderna. Klassningen av blocket var i övrigt godkänd.
Figur 26. Block 6485-528-7682, ortofoto samt klassning av trädbevuxen mark.
Figur 27. Betesmarksblock med täta ekskogspartier Detta område föll inte ut i klassningen.
26

Bilaga 2, klassning av vatten
Totalt klassades 1008 pixlar (10x10 m) som vatten i Kinnekulleområdet med en sammanlagd
area av 10,1 ha. Klassningsresultatet gjordes om till polygoner, och 39 stycken polygoner
skapades där den minsta hade en areal på 100 m2 och den största 57 800 m2 .
Många klassade områden var mycket små (27 stycken under 500 m2 ). Åtta områden var dock
större och här visas bilder över dessa.
Block 6490-358-6221
Åkermarksblock med area 2,00 ha där 0,25 ha klassats som vatten.
Ett våtmarksåtagande är sökt på blocket.
Figur 28. Block 6490-358-6221 där totalt 0,25 ha klassats som vatten.
27

Block 6495-356-6851
Åkermarksblock med area 2,06 ha där 0,9 ha klassats som vatten.
Ett våtmarksåtagande är sökt på blocket.
Figur 29. Block 6495-356-6851 där totalt 0,9 ha klassats som vatten.
28

Block 6492-365-7601
Åkermarksblock med area 8,40 ha (2007) där 0,13 ha klassats som vatten.
2007 var det ansökt 3,40 ha vete på blocket.
Här har klassningen hittat vatten som inte ska ingå i blocket. Blocket har också redigerats
under blockinventeringen, röd linje är blockets utseende 2007, gul linje är nuvarande
utseende.
Figur 30. Block 6492-365-7601 där 0,13 ha klassats som vatten.
29

Block 6495-365-6219
Åkermarksblock med area 5,96 ha där 0,07 ha klassats som vatten.
Inget vatten syns i flygfotot i området som klassats. Eventuellt har en förändring skett och
vattenspegeln försvunnit efter att satellitbilden togs.
Figur 31. Block 6495-365-6219 där 0,07 ha klassats som vatten.
30

Block 6508-371-8695 m. fl. angränsande till Vänern
Flera betesmarksblock som angränsar till Vänern med områden som klassats som vatten.
Vattennivån kan variera vid betesmarker som angränsar till sjöar och vattendrag. Därför kan
det vara svårt att avgöra om blocklagd mark klassad som vatten är godkänd betesmark.
Figur 32. Flera betesmarksblock med områden klassade som vatten.
31

Block 6507-376-6439
Betesmarksblock med area 27,87 ha där 5,88 ha klassats som vatten.
Ansökt betesmark 2007 var 19,70 ha.
Det var det största klassade området med vatten.
Figur 33. Block 6507-376-6439 där 5,88 ha klassats som vatten.
32

Block 6511-384-8326
Betesmarksblock med area 6,71 ha där 1,67 ha klassats som vatten.
Blockets areal (2007) är 6,71 ha. Ansökt betesmark 2007 var 5,00 ha.
Här ska blocket eventuellt redigeras, men om detta ska ske, och i så fall hur gränsen ska dras,
kan först avgöras efter fältbesök.
Figur 34. Block 6511-384-8326 där 1,67 ha klassats som vatten.
33

Block 6512-384-1808
Åkermarksblock med area 18,43 ha där 0,12 ha klassats som vatten.
Ansökt betesmark 2007 var 18,00 ha.
Här ska blocket förmodligen redigeras, men exakt hur kan först avgöras efter fältbesök.
Figur 35. Block 6512-384-1808 där 0,12 ha klassats som vatten.
34

Bilaga 3, klassning av trädbevuxna ytor
I denna bilaga visas några exempel på block där områden klassats som trädbevuxna. De flesta
exemplena är valda från de utslumpade blocken som utvärderades i avsnitt 4.3.2.
Block 6506-374-6933
Åkermarksblock där 4,54 ha klassats som trädbevuxet. Detta är det åkermarksblock som hade
mest areal klassat som trädbevuxet.
Figur 36. Åkermarksblock 6506-374-6933 där 4,54 ha klassats som trädbevuxet.
35

Block 6494-363-6869
Åkermarksblock där 0,57 ha klassats som trädbevuxet. I södra delen av blocket finns ett
skogsområde som av okänd anledning inte föll ut i klassningen.
Figur 37. Åkermarksblock 6494-363-6869 där 0,57 ha klassats som trädbevuxet. I södra delen av blocket finns ett
skogsområde som inte föll ut i klassningen.
36

Block 6488-367-5873
Åkermarksblock 6488-367-5873 där 1,26 ha klassats som trädbevuxet.
Figur 38. Åkermarksblock 6488-367-5873 där 1,26 ha klassats som trädbevuxet.
37

Block 6489-385-4136
Åkermarksblock 6489-385-4136 där 0,72 ha klassats som trädbevuxet.
Om man även inkluderar områden under 0,1 ha (visad med tunn röd linje i figur 39) så
klassades 1,08 ha som trädbevuxet. I exemplet ser man att flera av de klassade områdena
under 0,1 ha är korrekt klassade och bör föranleda en blockredigering.
Figur 39. Åkermarksblock 6489-385-4136 där 0,72 ha klassats som trädbevuxet. Lägg märke till många små klassade
områden under 0,1 ha (tunn röd linje) där blocket bör redigeras.
38

Block 6495-359-3027
Betesmarksblock 6495-359-3027 där 61 ha klassats som trädbevuxet. Detta var det
betesmarksblock som hade mest areal klassat som trädbevuxet.
Figur 40. Betesmarksblock 6495-359-3027 där 61 ha klassats som trädbevuxet.
39

Block 6495-362-7715
Betesmarksblock 6495-362-7715 där 9,79 ha klassats som trädbevuxet.
Figur 41. Betesmarksblock 6495-362-7715 där 9,79 ha klassats som trädbevuxet.
40

Block 6508-373-3380
Betesmarksblock 6508-373-3380 där 0,80 ha klassats som trädbevuxet.
Figur 42. Betesmarksblock 6508-373-3380 där 0,80 ha klassats som trädbevuxet
41

Rapporten kan beställas från
Jordbruksverket,
551 82 Jönköping
Tfn 036-15 50 00 (vx)
Fax 036 34 04 14
E-post: jordbruksverket@sjv.se
Internet: www.sjv.se
ISSN 1102-3007
ISRN SJV-R-09/3-SE
SJV offset, Jönköping, 2009
RA09:3