Detektering av öppna diken och stenmurar i laserdata - Lantmäteriet

Regelutvecklingsenheten 

2011-03-22 

Användning av data från NNH‐projektet 

för detektion av landskapselement 

Tomas Jacobson, Regelutvecklingsenheten, Jordbruksverket 

Kristina och Dan Klang, GeoXD AB 

Sammanfattning 

Jordbruksverket, Regelutvecklingsenheten har uppdragit åt GeoXD AB att genomföra detektering 

och digitalisering av öppna diken och stenmurar i åkermark i ett område mellan Ockelbo och 

Sandviken. För uppdraget har höjddata ur Lantmäteriets nya nationella höjdmodell nyttjats. 

Bakgrund 

Till EU:s stöd till jordbruket är kopplat s.k. tvärvillkor. Tvärvillkoren är bestämmelser inom 

områdena miljö, folkhälsa, växtskydd, djurhälsa och djurskydd. Dessutom finns det tvärvillkor som 

handlar om hur jordbruksmarken ska skötas. Fr.o.m. 2010 gäller i dessa skötselvillkor, en norm om 

bibehållande av landskapselement. Sverige har här valt att skydda stenmurar, öppna diken, 

småvatten och solitärträd belägna i åkermark i de mest intensivt odlade slättbygderna i södra 

Sverige. 

Att villkoren efterlevs måste kunna kontrolleras och det är därför lämpligt att dessa kartläggs och 

infogas i Jordbruksverkets blockdatabas. Jordbruksverket har tidigare studerat andra möjliga 

inventeringsmetoder för digitalisering av landskapselementen. I dessa studier har man noterat 

svårigheter att i traditionella ortofoton inventera bl a stenmurar och öppna diken. 

En annan möjlighet som nu öppnas är att använda de laserdata som samlas in för NNH. Dessa data 

har många andra användningsområden än framställning av markmodell. Lantmäteriet har också 

uppmärksammat detta och kommer att successivt tillhandahålla laserdata även för andra 

tillämpningar. 

Jordbruksverket | 551 82 Jönköping | 036-15 50 00 

www.jordbruksverket.se | jordbruksverket@jordbruksverket.se 

1(1)

Detektering av öppna diken och 

stenmurar i laserdata 

- på uppdrag av Jordbruksverket - 

Hemlingby 

31 maj - 2010 

--------------------------------------------------------------------------------------------------------------------------------------------------------------- 

GeoXD AB Fridalsvägen 7,802 57 Gävle. Tel: 070 - 533 47 67, 070 - 664 36 09. 

E-post: geoxdab@geoxd.se, 

Hemsida: www.geoxd.se 

- 1 -

Innehållsförteckning 

1 Inledning .................................................................................. 3 

2 Uppdragsformulering.................................................................. 3 

3 Data ........................................................................................ 4 

3.1 Flygburen laserskanning Lantmäteriet, NNH-parametrar ............ 4 

3.2 Laserdata, NNH – Storvik, Sandviken ...................................... 6 

3.3 Vektordata, Jordbruksverket – jordbruksblock .......................... 6 

3.4 Laserdata, Bondberget, Jönköpings kommun – hög täthet.......... 6 

4 Metodbeskrivning....................................................................... 7 

4.1 Metodval ............................................................................. 7 

4.2 Metoder .............................................................................. 8 

4.3 Generera höjdmodell ............................................................ 8 

4.4 Detektera linjära strukturer ................................................... 8 

4.5 Digitalisera-matcha objekten diken och stenmurar .................... 9 

4.6 Definiera profiler och buffertzoner..........................................13 

4.7 Beräkna statistik och lagra i *.shp .........................................14 

5 Resultat och diskussioner...........................................................16 

5.1 Öppna diken .......................................................................16 

5.2 Stenmurar..........................................................................20 

5.3 Analysens användbarhet ......................................................22 

5.3.1 Konfidensgrad och konfidensintervall ................................24 

6 Slutsatser ................................................................................27 

Lästips..........................................................................................28 

Bilaga 1 – Bilder, Storvik dike 1........................................................29 




Bilaga 5 – Bilder, Storvik ”stenmur” ..................................................33 

Bilaga 6 – Bilder, Bondberget dike 1 .................................................34 

Bilaga 7 – Bilder, Bondberget dike 2 .................................................35 

Kontaktuppgifter ............................................................................36 

--------------------------------------------------------------------------------------------------------------------------------------------------------------- 


E-post: geoxdab@geoxd.se, Hemsida: www.geoxd.se 

- 2 -

1 Inledning 

Jordbruksverket har inlett ett arbete med ambitionen att bibehålla hotade landskapselement 

i åkermark, framförallt då i ”fullåkersbygderna”. De blockdatabaser 

Jordbruksverket lagrar landskapinformation i skall, för att möta dessa krav, kompletteras 

med objekten stenmurar och öppna diken. Tidigare studier som gjorts med ortofoton har 

visat att diken inte kan samlas in med tillräckligt hög kvalitet. Jordbruksverket har därför 

påbörjat en utvärdering av möjligheten att använda de höjddata som Lantmäteriet, på 

uppdrag av Regeringen, påbörjat skanningen av under 2009. 

Lantmäteriet har tillhandahållit data över ett provområde, Sandviken, där 70 st. 

jordbruksblock valts ut för en kompletterande studie. Vissa av dessa block har besökts i 

fält för att skapa ytterligare förståelse för tolkning av informationen från laserdata. Den 

studie som vi, GeoXD AB, nu genomfört kan förhoppningsvis skapa klarhet i om det är 

möjligt att effektivisera inventeringen av de högprioriterade landskapselementen, öppna 

diken och stenmurar. 

Rapporten sammanfattar inledningsvis den uppdragsbeskrivning som formulerades av 

Jordbruksverket, SJV, och som GeoXD sedan lämnade ett förslag på tillvägagångssätt för 

att möta SJVs krav. Därefter redovisas de data som använts i studien följt av en något 

förenklad beskrivning av de metoder som utvecklats. I kapitlet Resultat och diskussioner 

sammanfattas de tester som genomförts och motiven för de metodval som gjorts. 

Rapporten avslutas som sig bör med Slutsatser baserade på erfarenheter, dels från 

tidigare arbeten, men framförallt från det aktuella projektet. Lästips, för den vetgirige, 

samt bilder från fältstudierna återfinns som bilagor efter den ordinarie rapportens 

struktur. 

2 Uppdragsformulering 

I det förslag vi lämnade den 15 januari 2010, baserat på Jordbruksverkets uppdragsspecifikation, 

detektering av öppna diken och stenmurar, daterad 2009-12-16, 

sammanfattade vi uppdraget i nedanstående moment. 

• Digitalisera vektorer som representerar stenmurar och öppna diken. Digitaliseringen 

skall om möjligt automatiseras och utföras med den lägesnoggrannhet som laserdata 

medger. De datakällor som finns till förfogande är Lantmäteriets nya rikstäckande 

höjdmodell, 2 m grid, NNH framställd från laserdata och Jordbruksverkets databas 

med jordbruksblock. 

• I den till uppdragsspecifikationen medföljande bilagan beskrivs följande krav 

- Diken skall som medelvärde vara minst 0.5 meter breda och 0.3 meter djupa. 

- Stenmurar skall som medelvärde vara minst 0.3 meter höga och 0.5 meter breda. 

- Övrig information ur specifikationen skall också ligga till grund för de statistiska 

mått som etableras för att bedöma om ovanstående kriterier uppfyllts. 

--------------------------------------------------------------------------------------------------------------------------------------------------------------- 



- 3 -

Bild 1: Grafisk beskrivning, Jordbruksverket, av de parametrar som skall beräknas och statistiskt bedömas med 

avseende på ovanstående kriterier. 

• Resultatet, diken och stenmurar, skall redovisas som Shape-filer (linjer) med 

tillhörande attribut som beskriver den statistik som beräknats för respektive objekt. 

• Slutrapport där resultatet sammanställs och analyseras och där även eventuellt 

behov av kompletterande databearbetning bedöms. Alternativa kvalitetsmått för 

inventering av stenmurar och öppna diken skall utvärderas och sist men inte minst 

viktigt användbarheten av Lantmäteriets skannade laserdata. 

Projektet är formulerat som ett forskningsuppdrag med syfte att utvärdera möjligheten 

att detektera och automatisera en statistisk bedömning av öppna diken och stenmurar 

med avseende på vissa specificerade kriterier. Av den anledningen har vi i rapporten lagt 

tyngdpunkten på redovisning av utvärderingens resultat och diskussion kring vilken 

potential Lantmäteriets laserdata har för Jordbruksverket snarare än att i detalj beskriva 

de metoder som använts. 

3 Data 

Lantmäteriet producerar data i de nationella referenssystem, plan SWEREF99TM och höjd 

RH2000, som etablerats under senare år som ett led i en internationell anpassning. 

Eftersom merparten av Jordbruksverket databaser finns lagrade i RT90 har Lantmäteriets 

laserdata transformerats till RT90 (med bibehållet höjdvärde i RH2000). All bearbetning 

sker således i RT90 vilket minimerar de bieffekter som kan uppstå vid transformation 

mellan olika referenssystem av bl.a. bilder och höjdmodeller (Digital Elevation Model - 

DEM). 

3.1 Flygburen laserskanning Lantmäteriet, NNH-parametrar 

Den laserskanningen som genomförs enligt Lantmäteriets upphandling sker med 

målsättningen att uppnå en punkttäthet högre än 0.5 pkt/m 2 . På plan öppen mark 

motsvarar den beskrivna punkttätheten också antalet träffar på marken men i områden 

med tät skog blir antalet träffar på marken väsentligt mindre per ytenhet vilket givetvis 

menligt påverkar höjdmodellens noggrannhet i skog men även utefter vattendrag där 

inslaget av vegetation ofta är betydande. Enligt Lantmäteriets specifikation skall södra 

delarna av Sverige skannas under icke-vegetationsperiod vilket med stor sannolikhet 

skapar goda förutsättningar för produktion av ”homogena” höjdmodeller. Nedan följer en 

sammanställning, med kortfattade kommentarer, av de laserskanning-parametrar som 

kan anses vara av intresse för Jordbruksverket vid inventering av öppna diken och 

--------------------------------------------------------------------------------------------------------------------------------------------------------------- 




- 4 -

stenmurar. För utförligare beskrivning av den terminologi och de parametrar som 

används vid laserskanning och höjdmodellsframställning rekommenderas LMV-Rapport 

2006:3, En ny svensk höjdmodell. Laserskanning, Testprojekt Falun (Burman, Klang. 

2006). 

• Produktionstid: 7 år (2009-2016). Under de avslutande åren antas ingen datafångst 

ske utan dessa år är avsatta för kontroll och bearbetning, markfiltrering, i 

Lantmäteriets regi. 

• 9 Produktionsområden: Den rikstäckande skanningen har delats in i produktionsområden. 

Lantmäteriets krav, framförallt gäller det vegetationsförhållanden, varierar 

mellan dessa områden. 

• 385 Skanningområden: Standardstorleken på ett skanningområde är 50km*25 km. 

Avvikelser från detta finner man framförallt utefter strandlinjer och landets gränser 

där hänsyn måste tas till att dessa inte är orienterade i nord-syd eller öst-västlig 

riktning. 

• Flyghöjd: Lantmäteriet har genomfört ett digert arbete för att optimera skanningen 

och de parametrar som ligger till grund för ett homogent slutresultat. Flyghöjden är 

som standard 2300 meter, avvikelser förekommer och då främst i regioner med stora 

höjdvariationer. 

• Punkttäthet: Optimering av skanningparametrar har till stor del skett för att 

säkerställa att punkttätheten ligger inom intervallet 0.5-1.0 pkt/m 2 . Skannerns 

egenskaper medför att den nedre gränsen i intervallet - lägst täthet - uppstår rakt 

under flygplanet, i nadir, och högst täthet i de yttre kanterna av stråket. Motivet för 

den övre gränsen är att man vill begränsa den datamängd som skall bearbetas. Hög 

och homogen punkttäthet skapar goda förutsättningar för en bra höjdmodell vilket 

ofta är slutprodukten vid flygburen laserskanning. 

• Registreringsvinkel: Ett skanningområde täcks av ett antal flygstråk. 

Registreringsvinkeln beskriver den maximala vinkel på var sida om varje flygstråk 

som skannern registrerar data. En större vinkel än de ± 20° som valts för NNH 

minskar möjligheten för laserpulsen att nå markytan i områden med vegetation. 

• Övertäckning: Övertäckningen, för NNH 20%, mellan stråken har två huvudsakliga 

syften. Det första att säkerställa att det inte blir några ”hål” i data, d.v.s. att man får 

en komplett täckning av ytan som skannas. Det andra skälet är att man använder 

överlappande data för att kontrollera och förbättra stråkens geometriska egenskaper 

relativt varandra. 

• Geometrisk korrigering: De data som samlats in vid skanningen är inte bara 

laserdata utan även data som kontinuerligt beskriver sensorernas läge och riktningar. 

Den geometriska bearbetning som föregår markfiltrering och klassificering av 

laserdata inkluderar GPS/INS, ”blocktriangulering” samt avslutningsvis en noggrann 

inpassning och kontroll mot terrestert mätta stöd- och kontrollytor. 

• Resultat: Den noggrannhet som formulerats för NNH är beskriven som medelfel 

- rms plan: 0.6 m 

- rms höjd: 0.2 m, plana öppna ytor 

Notabelt är att detta inte är en beskrivning av noggrannheten i den slutliga 

höjdmodellen utan endast beskriver noggrannheten i de laserdata som samlats in. I 

de områden som täcks av mycket vegetation och där det är stora, snabba, variationer 

i höjd är ovanstående mått inte en relevant beskrivning därav formuleringen ”plana 

öppna ytor”. 

• Mark-filtrering: Lantmäteriet utför standardmässigt en filtrering, separera mark från 

icke-mark, innan laserdata distribueras för extern användning och vidareförädling. 

--------------------------------------------------------------------------------------------------------------------------------------------------------------- 



- 5 -

3.2 Laserdata, NNH – Storvik, Sandviken 

De laserdata som tillgängliggjorts över provområdet skannades i slutet av maj 2009, 

d.v.s. under vegetationssäsong. Studerar man data så finns det tydliga inslag av ”ickemark”, 

sannolikt vegetation, i och kring många av det vi bedömt vara potentiella diken. 

Skanning: 29-31 maj 2009 

Skanner: Leica ALS50-II 

Antal ståk: 21 st 

Tvärstråk: 3 st 

Punkttäthet: 0.5-1.0 pkt/m 2 

Bild 2: En punktsvärm av Lantmäteriets – NNH - laserdata i ett område, Högbo, NO om Sandviken. 

3.3 Vektordata, Jordbruksverket – jordbruksblock 

Från Jordbruksverket har vi sedan tidigare fått blockområdesgränser som Shape-filer 

(polygon). Blockgränserna har endast använts som generellt underlag eftersom 

lägesnoggrannheten i blockens polygoner är påtagligt sämre än de krav som formulerats 

i uppdragsspecifikationen för ”Detektering av öppna diken och stenmurar”. Filen med 

blockområdesgränser representerar 10 områden med inalles 70 stycken jordbruksblock. 

3.4 Laserdata, Bondberget, Jönköpings kommun – hög täthet 

Som komplement till de fältstudier vi genomfört för att verifiera våra resultat har vi fått 

tillgång till laserdata som Jönköpings kommun låtit skanna från helikopter. Vi har i 

tidigare studier använt laserdata med hög täthet för att simulera en lägre täthet och 

sedan jämföra hög med låg täthet. På så sätt kan man få en uppfattning om vilken 

noggrannhet man kan förvänta för olika täthet på data. 

Vi har genomfört en simulering av Jönköpingsdata för att efterlikna den rikstäckande 

laserskanningen samtidigt som originaldata med hög täthet kan användas som referens. 

--------------------------------------------------------------------------------------------------------------------------------------------------------------- 




- 6 -

Uppgifter som beskriver Lantmäteriets specifikation och en analys samt motsvarande 

information för Jönköpingsdata redovisas i tabell 1. 

Tabell 1: Sammanställning av Lantmäteriets laserdata, Jönköpingsdata samt simulering av Jkp-data. 

Info NNH Jkp Jkp->NNH 

Flyghöjd 2300 400 

Markpkt/m 2 

0.69 6.1 0.50 

Typ Flygplan Helikopter 

Datum 090529-31 081117 

Upphovsrätt Lantmäteriet Jönköpings kommun 

Blom Topeye 

Höjd koll (RMS) 51 mm 27 mm 

Jönköpings kommun 

Blom Topeye 

Bearbetning TerraScan - mark TerraScan - mark TerraScan - mark 

4 Metodbeskrivning 

4.1 Metodval 

Den metod som använts för att automatisera processen att detektera och med statistik 

beskriva öppna diken och stenmurar ur av Lantmäteriet distribuerade laserdata har 

delats upp i delmoment som beskrivs i sekventiell ordningsföljd i detta kapitel. 

I samband med att den första Landsat-satelliten placerades i bana runt jorden den 23 juli 

1972 har forskare världen över haft ambitionen att uppnå en helt automatiserad 

tolkning/klassning av de bilddata satelliten registrerade. För vissa egenskaper såsom 

större homogena markarealer har man uppnått goda resultat men ju mindre och smalare 

objekten blir desto större blir kraven på data. Lägre flyghöjd och högre upplösning 

förbättrar situationen men det är i stort sett omöjligt att helt eliminera de bieffekter som 

uppstår om exempelvis vegetation skymmer ett objekt eller delar av det. 

De data Lantmäteriet samlar in är från relativt hög flyghöjd och provområdets data har 

dessutom samlats in under vegetationssäsong. Sammantaget reducerar detta påtagligt 

möjligheten att de utsända laserpulserna träffar dikets kanter eller dess botten. Markdata 

blir med det påtagligt inhomogent vilket gör det problematiskt att med full automatik 

”länka ihop” tänkbara dikes-segment med varandra till ett komplett dike. Vi har istället, 

baserat på egen forskning (Klang, 1999) och erfarenhet, valt ett koncept där urvalet och 

en förenklad digitalisering görs av en person med erfarenhet av bildtolkning. Därefter 

kan all vidare bearbetning ske automatiskt. Digitaliseringen förbättras genom 

bildmatchning där all information utefter objektet inkluderas i en beräkning som 

minimerar influensen av de lokala variationer som förekommer. Resultatet är en 

optimerad digitalisering som sedan ligger till grund för den statistik som beräknas för 

respektive objekt, öppet dike eller stenmur. 

Sammanfattningsvis kan man tolka ovanstående som att ”människan är bättre att tolka 

inhomogena bilddata än datorn”. Av den anledningen skall man automatisera de delar 

där man med stor sannolikhet erhåller ett relevant resultat. I övriga fall skall processen 

styras i ett tidigt stadium så att man inte manuellt måste kontrollera stora delar av det 

som klassats ”automatiskt”. 

--------------------------------------------------------------------------------------------------------------------------------------------------------------- 



- 7 -

4.2 Metoder 

Lantmäteriet har för avsikt att leverera en geometriskt korrigerad punktsvärm i 

filformatet LAS samt en höjdmodell som regelbundet rutnät med 2 meters 

markupplösning. De testdata som använts i denna studie är enligt Lantmäteriets hemsida 

”automatklassificerade där markpunkter klassificerats och övriga punkter har lämnats 

oklassificerade”. Lantmäteriets klassning kommer att användas för testerna, d.v.s. ingen 

”förädling” kommer att genomföras av laserdata. Data är som tidigare nämnts 

registrerade under vegetationssäsong vilket innebär att det kan finnas besvärande 

vegetation, främst då kring vattendragen. 

En komplett beskrivning av projektets produktionsflöde inkluderar beskrivning av det 

format som laserdata lagrats i, LAS, och hur man effektivt transformerar punktsvärmen 

från SWEREF99TM / RH2000 till RT90 / RH2000. Transformationen kan utföras i ett antal 

kommersiella programvaror och av den anledningen finns det inte skäl att i detalj 

beskriva detta moment. De metoder vi valt att beskriva är metoder vi specifikt anpassat 

till uppdraget att ”Detektera öppna diken och stenmurar ur laserdata” för att effektivisera 

bearbetning och analys av Lantmäteriets laserdata - NNH. Motivet att inledningsvis skapa 

en höjdmodell som ett regelbundet rutnät och från det producera bilder för tolkning är 

enkel, det är lättare att accentuera och tolka strukturer i 2D än i 3 dimensioner. 

Förutom transformation mellan SWEREF99TM och RT90 ingår följande moment i det 

produktionsflöde vi etablerat 

• Generera höjdmodell - DEM 

• Detektera linjära strukturer 

• Digitalisera-matcha objekten diken och stenmurar mot bild 

• Definiera profiler + buffertzoner 

• Beräkna statistik och lagra som attribut i ARC/INFO Shape-fil 

4.3 Generera höjdmodell 

De höjdmodeller, DEM, med markupplösningen 2 m som Lantmäteriet distribuerar som 

en standardprodukt genererade från laserdata nyttjar inte den fulla potential som data 

medger. Vi har därför valt att producera höjdmodeller med 1 m upplösning, i form av ett 

regelbundet rutnät, från de laserdata som klassificerats som mark. Valet av 

markupplösning 1 m är sannolikt den optimala för uppdraget och kan relateras till 

tätheten på laserdata samtidigt som storleken på de DEM-filer som framställs blir 

hanterbar. Vi har jämfört olika interpolationsmetoder för framställning av höjdmodeller 

och valt att använda Kriging framför den snabbare metoden TIN. Kriging tar hänsyn till 

flera omgivande punkter vid beräkning av respektive rutnätspunkt vilket minskar 

oönskade effekter, i form av brus, p.g.a. små lokala höjdvariationer. 

4.4 Detektera linjära strukturer 

I många fall nöjer man sig med att belysa höjdmodeller från en artificiell ljuskälla som 

ofta placeras NV om höjdmodellen, terrängskuggning. Strukturer i NO riktning syns 

tydligt men de som har samma riktning som ljuskällan får ingen skuggeffekt. Ändras 

ljuskällans placering framträder andra objekt. Läget på de objekt som belyses och 

skuggas förskjuts relativt höjdmodellens korrekta läge vilket är en bieffekt man vill 

undvika vid produktion av geografiska databaser. 

För att inte få denna negativa influens, förskjutning, som terrängskuggningen ger 

använder vi en metod som accentuerar linjära strukturer i höjdmodellerna med 

--------------------------------------------------------------------------------------------------------------------------------------------------------------- 



- 8 -

filterteknik och presenteras som bilder. Bilderna har i sitt ursprung en grånivå på 127 av 

256 nivåer. Objekt som ligger lägre än sin omgivning blir mörkare och högre objekt blir 

ljusare relativt den grånivå, 127, som är normalfallet. Murar blir således ljusare och 

diken mörkare än sin omgivning. Filtreringen sker relativt höjddata så det uppstår inga 

geometriska avvikelser p.g.a. bearbetningsmetoden samtidigt som det bara behövs en 

bild för att framhäva de önskade linjära strukturerna. Ett större filter framhäver bredare 

strukturer på bekostnad av de finare detaljer som ett mindre filter tydliggör. Generellt 

kan filtrets egenskaper beskrivas som en kombination av tre filter som vart och ett 

accentuerar linjära strukturer i olika riktningar, NS – ÖV – NO. Det resultat som beräknas 

från de tre riktningarna bedöms vara ”rotationsinvariant” vilket innebär att linjerna syns 

lika tydligt oavsett vilken riktning de har. Filtreringen beskrivs detaljerat i (Steger, 

1996). 

I projektet används två bredder på filtret, ett för detektering och ett något mindre för att 

matchningen skall bli så bra som möjligt för de aktuella landskapselementen. 

Bild 3: Terrängskuggning till vänster och till höger den bild som accentuerar, detekterar, linjära strukturer. 

4.5 Digitalisera-matcha objekten diken och stenmurar 

Detektering och digitalisering av stenmurar och öppna diken sker med automatiserade 

metoder och baseras på bilder som visar linjära strukturer. Som ett komplement till 

uppdragsformuleringen har vi sammanställt ett antal kriterier som vi i möjligaste mån 

försökt att följa för att uppnå ett så enhetligt förhållningssätt som möjligt. Samtidigt 

hoppas vi att nedanstående punkter direkt eller indirekt kan förklara de frågor vi ställts 

inför och de val vi gjort. 

1. Nod-nod i ett tänkt nätverk av diken. Nätverket inkluderar även diken utanför aktuellt 

jordbruksblock. Undantag från denna regel kan i vissa fall ske om något av dikena 

som ansluter till en nod blir kortare än minimikravet på ett dikes längd. 

--------------------------------------------------------------------------------------------------------------------------------------------------------------- 




- 9 -

2. För att få ett så sammanhängande nätverk som möjligt görs inga avbrott på diken 

som ”besväras” av vegetation (träd, buskar och gräs) och passager (broar och 

spänger). En konsekvens av ett sådant förhållningssätt blir eventuellt att man 

förkastar ett sådant dike om influensen på objektets statistik blir betydande. 

3. Markanta tegdiken som inte uppfyller ovanstående krav har ändå digitaliserats för att 

få en så komplett bild av dikesanalysen som möjligt. Samma förhållningssätt gäller 

för slänter och terrasser. 

4. I de fall två diken, som i det närmaste kan betraktas som två räta linjer, ansluter till 

varandra betraktas dessa som två separata diken om vinkeln mellan dem är mindre 

än 135° (180-45). Som tidigare, ”undantag bekräftar regeln”. 

5. Objektets längd skall vara minst 15 meter, detta för att skapa goda förutsättningar 

för den statistiska beräkningen. 

6. I de fall vi kan anta att täckdikning redan genomförts föreslår vi att man delar upp 

diket i flera delar för att inte statistiken skall bli helt missvisande. 

Ex.vis.: 6720486_1540075, som inte ligger innanför ett jordbruksblock men ändå 

belyser problemet. 

7. Vid beräkning av objektets statistik exkluderas 3 punkter i början och 3 punkter i 

slutet vilka ofta, speciellt gäller det diken, påtagligt avviker från objektets karaktär i 

övrigt. 

Vi har valt att beskriva insamlingen av objekten som två moment. Inledningsvis snabbdigitaliseras 

en linje, man behöver inte vara speciellt noggrann med läget förutom för de 

brytpunkter som beskriver start och slut på linjen. Därefter görs en automatisk 

anpassning av den förenklade linjen med digital bildmatchning där en optimal 

”centrumlinje” beräknas, d.v.s. det som bedöms vara botten på diket och högsta punkten 

på muren. Bild 4 visar en snabb-digitaliserad linje innan den matchas mot bilden. 

Matchningen resulterar i att linjens geografiska läge anpassas till bilden. 

Bild 4: En snabb-digitaliserad linje som i nästa moment matchas mot bilden. 

--------------------------------------------------------------------------------------------------------------------------------------------------------------- 




- 10 -

Bland de förtjänster man uppnår genom att styra urvalet är att det då baseras på 

mänsklig förmåga att tolka bilder, naturligt göra ett urval och dessutom lokalisera linjen 

genom snabb-digitalisering. Den linje som digitaliseras överbryggar otydliga delar av 

linjen vilket är en komplikation om man skall länka samman ett automatiskt urval av 

potentiella dikes-segment. Matchning och beräkning av statistik för objektet sker för 

övrigt helt automatiskt. Bild 5 visar de profiler, i rät vinkel mot diket, som används för 

beräkning av dikets statistiska mått. Spridningen kring dikets mitt, punkt 51, är som 

synes stor vilket är en följd av att man inte ännu matchat linjen utan det är resultatet 

från den snabb-digitaliserade linjen. Man inser lätt behovet av noggrann lokalisering av 

den linje som beskriver objekten, öppna diken och stenmurar, och att det inte är 

tillräckligt med den snabb-digitalisering som visas i bild 4 och resultatet i bild 5. 

meter 

0.3 

0.2 

0.1 

0 

-0.1 

-0.2 

-0.3 

-0.4 

-0.5 

Förenklad digitalisering 

1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73 77 81 85 89 93 97 101 

0.2 meter 

Bild 5: Profiler från en snabb-digitaliserad linje. Spridningen är stor kring mittlinjen, dikesbotten på värde 51. 

Med automatisk bildmatchning anpassas den snabb-digitaliserade linjen till ett optimalt 

läge relativt de linjära strukturer som accentuerats i bilden. Matchningsmetoden som 

detaljerat beskrivs i (Klang, 1999) har sedan dess anpassats till att även fungera 

gentemot bilder som beskriver höjdmodeller. Man ser en markant förbättring av den 

matchade linjens läge i bild 6 vid visuell bedömning och profilerna i bild 7 visar tydligt 

hur förutsättningarna för en fortsatt analys av diket förbättrats. 

--------------------------------------------------------------------------------------------------------------------------------------------------------------- 




- 11 - 

Serie1 

Serie2 

Serie3 

Serie4 

Serie5 

Serie6 

Serie7 

Serie8 

Serie9 

Serie10 

Serie11 

Serie12 

Serie13 

Serie14 

Serie15 

Serie16 

Serie17 

Serie18 

Serie19 

Serie20 

Serie21 

Serie22 

Serie23 

Serie24 

Serie25 

Serie26 

Serie27 

Serie28 

Serie29 

Serie30 

Serie31 

Serie32 

Serie33 

Serie34 

Serie35 

Serie36 

Serie37 

Serie38

Bild 6: Linjen har automatiskt matchats mot bilden. Det geografiska läget har förbättrats och därmed skapas 

bättre förutsättningar för den fortsatta analysen. 

I bild 7 är profilerna centrerade kring värdet 51, dikets antagna mitt, och de variationer 

som återstår är av lokal karaktär utefter diket. Lokal karaktär inkluderar passager i form 

av broar (täckdikning), träd, vass, gräs och hur brant lutningen är på de olika sidorna om 

diket. 

meter 

0.3 

0.2 

0.1 

0 

-0.1 

-0.2 

-0.3 

-0.4 

Matchad linje 

-0.5 

1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73 77 81 85 89 93 97 101 

0.2 meter 

Bild 7: En matchad linje där profilerna har centrerats kring dikets botten, värde 51. 

--------------------------------------------------------------------------------------------------------------------------------------------------------------- 




- 12 - 

Serie1 

Serie2 

Serie3 

Serie4 

Serie5 

Serie6 

Serie7 

Serie8 

Serie9 

Serie10 

Serie11 

Serie12 

Serie13 

Serie14 

Serie15 

Serie16 

Serie17 

Serie18 

Serie19 

Serie20 

Serie21 

Serie22 

Serie23 

Serie24 

Serie25 

Serie26 

Serie27 

Serie28 

Serie29 

Serie30 

Serie31 

Serie32 

Serie33 

Serie34 

Serie35 

Serie36 

Serie37 

Serie38

4.6 Definiera profiler och buffertzoner 

Den ursprungliga formuleringen för studien av öppna diken och stenmurar i laserdata 

utgick från analyser av höjdmodeller. Tanken var att den höjdmodell som Lantmäteriet 

producerar, och tillgängliggör, innehöll tillräckligt mycket information för att kartlägga de 

objekt som inkluderades i den här studien. Det visade sig tämligen snart, som tidigare 

nämnts, att så icke var fallet så beslut togs om att generera en höjdmodell med 1 meters 

markupplösning istället för den 2 meters-modell Lantmäteriet erbjuder. Globalt finns det 

ingen signifikant skillnad mellan dessa modeller men utmed finare detaljer som 

exempelvis diken syns det en tydlig skillnad. 

Den matchade linjen i bild 6, centrum på dikesbotten, används som referens vid den 

fortsatta bedömningen av dikets bredd och djup. I bild 8 visas linjens 4 brytpunkter, 0 – 

3, samt som gula punkter utefter diket positionerna för de profiler som används för 

beräkning av dikets statistik. På båda sidor om dikets mitt skapas buffertzoner. 

Bild 8: Förtätade brytpunkter utefter diket vilka även motsvarar centrumläget för de profiler som används för 

beräkning av dikets statistik. 

Buffertzonerna kring diket har sin förklaring i att vi konstaterat att det även finns behov 

av att använda de laserdata som filtrerats, mark och icke-mark, i den fortsatta analysen. 

I bild 9 får man en god uppfattning om tätheten på de laserdata som bedömts tillhöra 

markytan, röda punkter. Tätheten på data är i det här fallet ca 0.7 pkt/m 2 vilket stämmer 

väl överens med Lantmäteriets specifikation eftersom det är ytterst få av laserskotten 

inom bufferten som klassats som icke-mark. 

--------------------------------------------------------------------------------------------------------------------------------------------------------------- 




- 13 -

Bild 9: Information om de markklassade laserdata inom bufferten som används för beräkning av dikets 

statistik. 

4.7 Beräkna statistik och lagra i *.shp 

Vi har kompletterat den ursprungliga tanken ”att med centrumlinjen som referens 

bestämma statistik för profiler, utplacerade med jämna mellanrum, i rät vinkel mot linjen 

utefter hela dess längd” med laserdata inom i ovan beskrivna buffertzon. Statistiken 

beräknas från de höjdmodeller som skapats från laserdata eller i kombination med 

laserdata. Den metod som visat sig ge mest tillförlitliga resultat och som även används 

för den slutliga redovisningen av attributen i Shape-filerna är en kombination av de 

profiler som beräknats från höjdmodellen och laserdata. 

Bild 10: Laserpunkteras höjd utefter diket varierar påtagligt, mer till vänster än höger om centrum. 

--------------------------------------------------------------------------------------------------------------------------------------------------------------- 




- 14 -

De stora variationerna i bild 10 visar tydligt att det inte är tillräckligt att finna en bra 

centrumlinje för diket det krävs även höjd-korrigering i dikets riktning för dess lutning. 

En sådan korrigering inkluderas i beräkningen innan den slutliga dikesprofilen beräknas. 

De mått som beräknats, och redovisas i bild 11, är de 101 olika medianvärden, som visas 

i bild 5 och 7, och som vart och ett beräknats för de punkter som ligger på ”samma” 

avstånd från diket. Den vänstra bilden visar resultatet då endast höjdmodellen använts 

för beräkningen. I den högra bilden har även laserdata inkluderats. Spridningsmåttet, 

medelfel – rms, representerar alla profilers avvikelser relativt medianprofilen. Motivet att 

inte använda medelvärde utan medianvärde är profilernas inhomogenitet och att de är 

förhållandevis få till antalet. Med dessa förutsättningar är sannolikheten större att 

medelvärdet blir mer missvisande än att ett medianvärde blir det. 

Bild 11: Statistik från höjdmodell till vänster, i kombination med laserdata till höger. 

I Shape-filerna kommer nedanstående beskrivande data att redovisas, bild 12, där antal 

är det antal profiler som använts vid beräkningen. 

Bild 12: Statistik i form av de attribut som beskriver respektive objekt, öppet dike eller stenmur. 

--------------------------------------------------------------------------------------------------------------------------------------------------------------- 




- 15 -

5 Resultat och diskussioner 

Studien omfattar 70 jordbruksblock där totalt 424 öppna diken och 4 stenmurar 

detekterats och bedömts uppfylla vissa av ovanstående kriterier. Statistik för dessa diken 

och murar har beräknats med hjälp av de metoder och förutsättningar som beskrivits 

tidigare. Det kommer, av skäl som nämnts i kapitel 4.5, att finnas en överrepresentation 

av objekt i filerna, bl.a. för att skapa underlag för diskussion kring vilka toleranser som 

skall sättas vid det slutliga urvalet av vad som skall lagras respektive förkastas. 

Tabell 2: Antalet öppna diken och stenmurar som analyserats i studien. 

Studiens resultat, vid sidan om denna rapport, är ett antal Shape-filer, en för varje 

område och objektslag. Syftet med Shape-filerna, som innehåller statistik för varje unikt 

objekt och levereras tillsammans med denna rapport, är att de skall nyttjas för fortsatt 

analys inom Jordbruksverket. Av den anledningen innehåller detta kapitel snarare 

diskussioner kring de erfarenheter vi fått vid användande av Lantmäteriets laserdata, i 

syfte att detektera och med statistik beskriva öppna diken och stenmurar, än att 

ingående analysera resultatet. 

Vi har valt att beskriva de två objekt-typerna i separata avsnitt eftersom det visat sig 

finnas påtagliga olikheter mellan egenskaperna hos diken och murar trots att de i 

bilderna båda kan antas framträda som linjära objekt. 

5.1 Öppna diken 

Vi har genomfört fältstudier i Storvik och på Bondberget för att bättre förstå den statistik 

som beräknats. Vi har besökt fyra diken i Storvik och noterat egenskaper som vi antagit 

också kan påverka laserdata och därmed förutsättningarna för den automatiska 

analysen. Vi börjar med att redovisa den statistik som bedömdes i fält för dikena i 

Storvik. 

Tabell 3: Sammanställning från fältstudier i Storvik. 

--------------------------------------------------------------------------------------------------------------------------------------------------------------- 




- 16 -

Parametern homogent har använts för att beskriva om dikets bredd och djup är 

”någorlunda” lika över hela dess längd eller inte. Effekten av homogent redovisas separat 

efter nedanstående beskrivning av de fyra diken som fältinventerats. 

Bilderna från besöket i Storvik finns samlade i bilagorna 1-4 och skapar förhoppningsvis 

klarhet för parametrarna i tabell 3. Det vi framförallt önskade förstå var hur 

”verkligheten” såg ut för att utifrån denna referens föra ett resonemang kring relevansen 

i den statistik vi beräknat. Bild 13 är samma bild som försättsbladet och visar de fyra 

diken vi besökte i Storvik. Den statistik som beräknats för dike 1-4 redovisas i bild 14 

och 15. 

Bild 13: Öppna diken i Storvik som efter flera fältbesök är väl dokumenterade. 

--------------------------------------------------------------------------------------------------------------------------------------------------------------- 




- 17 -

Bild 14: Till vänster statistik från dike 1 och till höger dito från dike 2. 

Bild 15: Statistik från dike 3 till vänster och dike 4 till höger. 

Frågan man givetvis ställer sig efter ett besök i fält är - om det är möjligt att bättre tolka 

och förklara den statistik som beräknats automatiskt för dike 1-4? 

Dike 1: Fältstudien visade ett relativt tydligt dike men i den beräknade statistiken 

bedöms det bara vara en slänt. Orsaken till att diket inte syns i höjddata är att det med 

stor sannolikhet var tämligen högt gräs då skanningen genomfördes. Gräset täckte stora 

delar av diket. Statistiken ur höjdmodellen visar också att diket snarare är en slänt än ett 

dike vilket också kan tolkas ur linjestrukturen eftersom det bara är ljust på ena sidan av 

diket. 

Dike 2: Djupet överensstämmer väl mellan fältstudier och den beräknade statistiken. 

Detta trots att det både finns en passage över diket och att det i en av dikets slutpunkter 

växer buskar. Bredden däremot skiljer sig påtagligt vilket till stor del beror på avståndet 

mellan laserpunkterna. Betänk att man vid ett optimalt skanning-svep kan få en träff på 

vardera dikeskant och en träff på dikets botten. Med den täthet på data som formulerats 

blir avståndet mellan varje laserskott alltid större än 1 meter, d.v.s. diket blir minst 2 

meter brett. Detta generella resonemang gäller inte i de områden då två eller flera 

flygstråk täcker över varandra, men då uppstår istället krav på bra geometrisk 

korrigering mellan stråken. Om så inte är fallet kan en systematisk avvikelse i höjd få till 

följd att bara det ena stråkets markpunkter klassificeras som mark. Det andra stråket 

”markpunkter” kan i så fall ligga så pass högt ovanför den lägsta punkten i dess närhet 

att den inte bedöms tillhöra markytan. Finns det istället en systematisk avvikelse i plan 

kommer det statistiska resultatet få samma bieffekter som vid den mindre noggranna 

digitalisering som visades i bild 5. 

Dike 3: Likt dike 2 stämmer det beräknade djupet väl överens med den bedömning som 

gjordes i fält. Detsamma gäller den beräknade bredden som även i detta fall är påtagligt 

större än den fältmätta. Argumentet för att så är fallet är också detsamma, d.v.s. det 

krävs högre punkttäthet för att bestämma en mer korrekt bredd på smala diken. 

Dike 4: Det längsta diket som inventerats i fält. Bilderna i bilaga 4 visar också de relativt 

stora variationerna samt att diket i ena änden alltmer övergår till att vara en slänt. Då 

--------------------------------------------------------------------------------------------------------------------------------------------------------------- 




- 18 -

statistiken beräknas för hela dikets längd bibehålls trots den släntliknande karaktären en 

markant dikesfåra. Diket har i fält bedömts vara inhomogent vilket i detta fall sannolikt 

får till följd att diket inte anses tillräckligt tydligt för att accepteras som ett dike som 

uppfyller de kriterier som formulerats i detta uppdrag. 

Homogenitet, är ett begrepp som vi använder för att beskriva om objektets karaktär 

varierar och även om förutsättningarna från skanningen skiljer sig för olika delar av 

objektet. Bild 16 visar ett dike som vi för att belysa ”homogenitet” har delat upp i två 

separata delar och därefter beräknat statistik för respektive del. 

Bild 16: Ett dike som delats upp i två delar för separat beräkning av statistik. 

De profiler som bestämts för den SÖ delen av diket visas i den vänstra figuren i bild 17. 

Den röda, lite tjockare linjen, representerar det dike som beräknats från de övriga 

profilerna. Djupet har beräknats till 42 cm med ett medelfel på 5 cm. Medelfelets storlek 

är en indikation på hur mycket profilerna avviker från det ”beräknade” diket och är i det 

här fallet relativt litet i förhållande till det beräknade djupet. 

--------------------------------------------------------------------------------------------------------------------------------------------------------------- 




- 19 -

Bild 17: Figuren till vänster visar profilerna för den SÖ delen av diket där den röda linjen är det beräknade 

diket. Till höger redovisas statistiken som beräknats för diket. 

Den NV delens profiler för diket visas i den vänstra figuren i bild 18. Den röda linjen 

representerar p.s.s. som i den förra bilden det dike som beräknats från de övriga 

profilerna. Djupet har i det här fallet beräknats till 22 cm med ett medelfel på 8 cm. 

Medelfelets storlek är i det här fallet relativt stort i förhållande till det beräknade djupet 

vilket innebär att denna del av diket inte är lika homogen som i den SÖ delen. 

Bild 18: Figuren till vänster visar profilerna för den NV delen av diket där den röda linjen är det beräknade 

diket. Till höger redovisas den statistik som beräknats för diket. 

Oavsett de beslutskriterier man har för att acceptera eller förkasta det beräknade diket 

kan man utan tvekan konstatera att det finns stora variationer mellan profilerna som 

ligger till grund för beräkningen. I exemplet är det till stor del den omgivande markens 

variation, lutning, som påverkar resultatet. Vid sidan om markens variationer påverkas 

objektets homogenitet bl.a. av gräs, buskar, träd, passager – broar och vatten i diket vid 

skanningen. Denna inhomogenitet skiljer sig givetvis mellan olika objekt och beror bl.a. 

på tidpunkten för skanningen samt objektens omgivande egenskaper. 

5.2 Stenmurar 

Uppdraget inkluderade även detektering och beräkning av statistik för stenmurar med 

antagandet att dessa fanns representerade i det som vid markfiltreringen bedömts vara 

markytan – höjdmodellen. Inom jordbruksblockens begränsningslinjer hittade vi inte 

någon potentiell kandidat till stenmur. Murarna kan generellt beskrivas som ett inverterat 

dike i de bilder som framhäver linjestrukturer, m.a.o. ljusa med en mörk omgivning. När 

vi utökade sökområdet till hela bilden återfann vi ett objekt med de beskrivna 

egenskaperna utefter en järnväg, bild 19. 

--------------------------------------------------------------------------------------------------------------------------------------------------------------- 




- 20 -

Bild 19: Den ljusa linjen, till vänster om den nord-sydliga järnvägen, antogs möta uppsatta kriterier för en 

stenmur. 

Profil och statistik, bild 20, som beräknades indikerade också att vi efter en tids sökande 

hittat en mur - men fältstudier i området skulle tyvärr visa att så inte var fallet. De bilder 

som finns i bilaga 5 visar att den antagna muren istället var en jordvall, som dessutom 

var bevuxen. 

Bild 20: En digitaliserad, orange, mur i den vänstra bilden och till höger den statistik som beräknats. 

Med den lokalkännedom vi har så infann sig tämligen snart frågan, var är alla 

Gästriklands stenmurar i laserdata? Eftersom dom inte tycks finnas i det som klassats 

som mark så blev vårt antagande att det rimligtvis bör gå att återfinna linjära strukturer 

i de laserdata som klassats som icke-mark. En inventering där murar bedömdes vara 

objekt upp till 2 meter över markytan, ljusgröna punkter, gav resultatet som visas i bild 

21. Röda punkter är markpunkter, mörkgröna och blå mer än 2 meter över markytan. 

Statistik beräknades för den orangea muren och för att öka sannolikheten att vi verkligen 

hittat en mur kontrollerade vi med en bild från www.hitta.se, till vänster i bild 22. 

--------------------------------------------------------------------------------------------------------------------------------------------------------------- 




- 21 -

Bild 21: Den ljusgröna struktur som med största sannolikhet är en mur beräknades det statistik för. Övriga 

ljusgröna punkter bedömdes vara höga häckar, se bild 22. 

Till skillnad från de diken som detekterats och statistiskt bedömts finns det, oavsett om 

murens data är klassat som mark eller icke-mark, inte tillräckligt med information i 

laserdata för att bestämma om ”muren” är av sten eller om det är en välansad häck. Det 

krävs kompletterande data för att säkerställa egenskaperna hos de linjära objekt som likt 

exemplet har form som en mur. 

Bild 22: Till vänster ”stenmuren” i en bild från hitta.se. Till höger murens profil med beräknad statistik. 

På motsvarande sätt som för diken påverkas detektering och bestämning av murar av 

objekts homogenitet. Störande vegetation, markytans nivåvariationer samt objektets 

varierande bredd och höjd har alla menlig inverkan på den statistiska noggrannheten. 

5.3 Analysens användbarhet 

Med alla komplikationer som beskrivits kan man fråga sig om det finns någon relevans i 

den statistik som beräknats? Svaret på frågan är utan minsta tvekan JA, frågan är 

snarare hur man skall bedöma den statistik som beräknas för att andelen felbedömda 

--------------------------------------------------------------------------------------------------------------------------------------------------------------- 




- 22 -

objekt ska bli så litet som möjligt. Om man lyckas etablera ”erfarenhetstal” som 

korrigerar för de olika situationer som kan uppstå i samband med skanningen så är det 

sannolikt möjligt att med relativt god noggrannhet korrigera analysen från skanningen så 

att den bättre efterliknar verkligheten. 

De fältstudier som gjordes av SJV i höstas och den vi själva genomförde i början av maj 

2010 har definitivt tydliggjort hur de yttre förutsättningarna vid skanningen påverkar 

homogeniteten och därmed resultatet. Att bredden på objekten är för stor kan något 

förenklat förklaras med att avståndet mellan de laserpunkter som klassats som mark inte 

medger en noggrannare bestämning. Höjden eller djupet å andra sidan påverkas till stor 

del av den mätnoggrannhet lasersensorn har, främst i höjd, men givetvis också av 

punkttätheten. Relationen mellan det djup som mätts i fält och det som beräknats ur 

laserdata är liksom motsvarande relation mellan mätt och beräknad bredd exempel på 

det vi valt att benämna erfarenhetstal. 

Som ett alternativ till fältstudierna i Storvik har vi från laserdata med hög punkttäthet 

reducerat punktantalet till att motsvara den täthet som formulerats för Lantmäteriets 

NNH. Denna simulering av lägre punkttäthet har åstadkommits genom att man med 

statistiska metoder slumpmässigt tagit bort punkter så att de data som återstår kan 

anses representera tätheten i NNH. Ur de data, med hög täthet, som tillhandahållits av 

Jönköpings kommun har vi valt ut två diken för att exemplifiera möjligheten att använda 

högkvalitativa data som underlag för bedömning av försämringens omfattning vid lägre 

täthet på laserdata. Fältstudier skapar alltid ytterligare förståelse därför har vi också 

mätt och dokumenterat ett antal ”komplikationer” kring dessa två diken. Bild 23 visar de 

två diken vi besökt, olyckligtvis fanns det inte diken på öppen mark så vi fick nöja oss 

med de två på väg upp mot Bondbergets högsta mast. 

1 

--------------------------------------------------------------------------------------------------------------------------------------------------------------- 




- 23 - 

2 

Bild 23: Dike 1 uppe till vänster och dike 2 nere till höger. 

Profilerna som beräknats för dessa två diken visas i bild 24 där man i den vänstra 

profilen tydligt ser vägen och dess kanter till höger om diket. I den högra profilen ligger 

vägen till vänster om diket och man ser en tydlig sluttning ner mot diket och vägen.

Bild 24: Dike 1 till vänster och dike 2 till höger. 

I tabell 4 har vi sammanställt resultatet från de tre olika metoderna, fält, laserdata med 

hög täthet och laserdata med simulerad LM täthet. Tydligt är att de mätningar vi gjorde i 

fält resulterade i diken som är smalare och djupare än de som samlats in med 

laserskanning. Att så är fallet är inte svårt att förstå om man studerar bilderna i bilaga 6 

och 7. Man kan snarare fascineras över att man över huvud taget lyckas registrera 

någonting genom de täta granarna som bitvis täcker både dike 1 och dike 2. 

Tabell 4: Tabellen visar en sammanställning av fältmätningar, laserdata med hög täthet respektive laserdata 

med den täthet som formulerats för NNH. 

Det bör noteras att ovanstående simulering endast har till uppgift att exemplifiera olika 

metoder som kan ligga till grund för etablering av relevanta erfarenhetstal. 

5.3.1 Konfidensgrad och konfidensintervall 

Eftersom de objekt som skall kartläggas tydligen inte är vare sig helt raka lika djupa – 

höga - utefter hela sin utbredning och omgivningen inte heller är en jämn och fin yta så 

räcker det inte med att beskriva bredd och djup/höjd. Det medelfel, σ, som beräknats 

beskriver precisionen, relativt den redovisade profilen, för alla de profiler som ligger till 

grund för beräkningen. Precisionen kan således betraktas som graden av osäkerhet i 

mätningarna. Ett stort medelfel innebär således att det finns många faktorer som menligt 

påverkat resultatet. 

Förutsätter man, något förenklat, att mätningarna kan anses vara normalfördelade är det 

möjligt att med hjälp av den statistik som beräknats bestämma ett intervall som med 

viss sannolikhet, konfidensgrad, täcker över det beräknade ”medelvärdet” θ. 

--------------------------------------------------------------------------------------------------------------------------------------------------------------- 




- 24 -

Bestämmer man att man vill uppnå en konfidensgrad på 0.95 innebär det att det intervall 

man beräknar täcker över medelvärdet θ med sannolikheten 95%. 

Med de förutsättningar som råder för öppna diken och stenmurar så kan man acceptera 

mätningar som är större än ett visst värde men inte mindre. För att möta dessa krav är 

det lämpligt att man istället för det vanligen använda tvåsidiga konfidensintervallet 

använder ett ensidigt intervall, formel (1). I bild 25 visas ett ensidigt konfidensintervall 

med konfidensgrad 0.95. 

Konfidensgrad (1- α) 

0.95 

Ur tabell 

area, α=0.05 ger λα=1.64 

95% konfidensintervall 

X −1. 64σ 

< θ < ∞ (1) 

Där X representerar mätningarna xi..xn 

θ: ”medelvärde” 

σ: medelfel Bild 25: Ensidigt konfidensintervall, konfidensgrad 0.95. 

Applicerar man detta resonemang på det djup som beräknats för dike 2 i Storvik blir 

resultatet ett ensidigt konfidensintervall för θ med den nedre gränsen 0.146 och den övre 

gränsen ∞, formel (2). 

95% konfidensintervall – Dike 2 

θ : 0. 

31m 

σ : 0. 

10 m 

0. 

31−1. 

64* 

0. 

10

iktlinjer, direktiv, som ges av bl.a. Jordbruksverket, EU-kommissionen och Joint 

Research Centre (JRC). 

--------------------------------------------------------------------------------------------------------------------------------------------------------------- 



- 26 -

6 Slutsatser 

• Relativt smala linjära dalar och åsar går att detektera i laserdata från NNH. I 

kategorin dalar ingår diken, bäckar o.d.. Kategorin åsar inkluderar häckar, jordvallar 

och murar. För att med tillräcklig tillförlitlighet klassificera en ås som stenmur finns 

det behov av kompletterande information, eventuellt kan man få den från flygbilder. 

• Den statistiska analysen bör baseras på laserdata, eventuellt i kombination med en 

höjdmodell. 

• Bestämningen av objektets planläge är av central betydelse för att den statistiska 

analysen skall bli tillförlitlig. Bristfällig lägesbestämning ökar den beräknade bredden 

samtidigt som djup och höjd minskar. 

• Objektens beräknade bredd påverkas i väsentlig grad av punkttätheten i laserdata. 

Av den anledningen kan man inte förvänta sig en korrekt bestämning av bredden 

med tätheten i NNH. Givetvis påverkas även beräkningen av objektens djup och höjd 

av tätheten men viktigast är att det finns tillräckligt många punkter i eller i närheten 

av dikets botten eller på murens topp. Om så är fallet är det laserns ”mätnoggrannhet” 

och objektets inhomogenitet som främst begränsar noggrannheten vid 

beräkning av djup och höjd. 

• Förutsättningar i södra Sverige blir bättre än de data som utvärderats i Storvik av 

flera skäl, bl.a. 

- icke vegetationssäsong 

- tydligare diken 

• De rutiner för markklassningen som Lantmäteriet använt på provområdet har 

vidareutvecklats vilket bl.a. innebär 

- tätare data i överlappen mellan stråk 

- klassning av vatten 

- förbättrad kompetens 

• Man bör anpassa ”kravspecifikationen” till den nyvunna kunskap kring NNH laserdata 

som projektet resulterat i. Detta gäller bl.a. bredd, djup/höjd, längd och ”osäkerhet” 

beskrivet med konfidensgrad och ensidigt konfidensintervall. 

• Etablera ”erfarenhetstal” för vatten, vegetation, inhomogenitet, punkttäthet o.d. 

• De metoder som använts i projektet kan sannolikt vidareutvecklas för både diken och 

stenmurar. Stenmurar kan exempelvis detekteras i ortofoton för att därefter 

analyseras m.h.a. laserdata. Kvalitetsmått kan koordineras till de uppdaterade krav 

som beskrivs av Jordbruksverket. 

• Alternativa metoder – ortofoto, stereokartering, fältrekognosering eller laserskanning 

från lägre flyghöjd - för insamling och analys av dikes- och stenmursdata ter sig i 

sammanhanget inte vara konkurrenskraftiga vare sig vad gäller ekonomi eller 

kvalitet. 

--------------------------------------------------------------------------------------------------------------------------------------------------------------- 



- 27 -

Lästips 

Klang, D., 1999. Reconstruction of geometric road data using remotely sensed imagery. 

Dissertation. Royal Institute of Technology, 1999. 

Klang, D., 2006. KRIS-GIS®-projekt i Eskilstuna. Kvalitet i höjdmodeller. Lantmäteriet. 

LMV-Rapport 2006:4. 

Burman, Klang. 2006. En ny svensk höjdmodell. Laserskanning, Testprojekt Falun. 

LMV-Rapport 2006:3. 

Klang, D, Klang, K., 2009. Analys av höjdmodeller för översvämningsmodellering. 

Myndigheten för samhällsskydd och beredskap och Lantmäteriet. 

LAS Specification Version 1.2. Approved by ASPRS Board 2008-02-09. 

http://trac.liblas.org/raw-attachment/wiki/WikiStart/asprs_las_format_v12.pdf 

Steger, C., 1996. Extracting lines using differential geometry and Gaussian smoothing. 

International Archives of Photogrammetry and Remote Sensing. Vol XXXI, Part 3B, pp 

821-826. 

--------------------------------------------------------------------------------------------------------------------------------------------------------------- 



- 28 -

Bilaga 1 – Bilder, Storvik dike 1 

--------------------------------------------------------------------------------------------------------------------------------------------------------------- 




- 29 -


--------------------------------------------------------------------------------------------------------------------------------------------------------------- 




- 30 -


--------------------------------------------------------------------------------------------------------------------------------------------------------------- 




- 31 -


--------------------------------------------------------------------------------------------------------------------------------------------------------------- 




- 32 -

Bilaga 5 – Bilder, Storvik ”stenmur” 

--------------------------------------------------------------------------------------------------------------------------------------------------------------- 




- 33 -

Bilaga 6 – Bilder, Bondberget dike 1 

--------------------------------------------------------------------------------------------------------------------------------------------------------------- 




- 34 -

Bilaga 7 – Bilder, Bondberget dike 2 

--------------------------------------------------------------------------------------------------------------------------------------------------------------- 




- 35 -

Kontaktuppgifter 

GeoXD AB 

Dan Klang, Tekn. Dr. Fotogrammetri och geoinformatik 

Kristina Klang, Civ. Ing. Tekniskt lantmäteri 

Fridalsvägen 7 

80257 Gävle 

Tel: 026-184550 

--------------------------------------------------------------------------------------------------------------------------------------------------------------- 



- 36 -

Detektering av öppna diken och stenmurar i laserdata - Lantmäteriet

Create successful ePaper yourself

Delete template?

Save as template?