Gå till:

Markfuktighetskartor ger bra bild av verkligheten

Markfuktighetskartor, genererade från flygburen laserskanning, visar god överensstämmelse med verkligheten. I 68 % av fallen visar modellen rätt markfuktighetsklass, visar en utvärdering från Skogforsk där modellen jämförts med klassningar i fält.

En stor del av felklassningen berodde på att marken tidigare dikats. När dikade områden undantogs från utvärderingen stämde modellen i 86 % av mätpunkterna.

I studien konstaterades också att mer än ca 70 % av körvägarna på fuktig eller blöt mark orsakar skador, medan endast 10 % av körvägarna på frisk eller torr mark resulterar i skador.

 

Läs fördjupning

Bakgrund

I STIG-projektet (Skoglig Terrängplanering i GIS), som drivs av Skogforsk i samarbete med skogsbruket, är målsättningen att utvärdera potentialen i bättre planering genom tydligare kartunderlag i kombination med att rutiner och instruktioner angående drivning vid dålig bärighet och hänsynskrävande områden. En viktig del i projektet har varit att ta fram markfuktighetskartor, baserade på den digitala terrängmodell som genereras vid flygburen laserskanning.

Under 2012 och 2013 har dessa kartor utvärderats med avseende hur väl de stämmer med fältinventerad markfuktighet, samt hur de kan användas för att undvika allvarliga körskador i anslutning till vatten.

Syftet är att förbättra information och kartunderlag för t.ex. planerings- och drivningsåtgärder, och metoden har använts med goda resultat i bl.a. kanadensiskt skogsbruk.  Tillsammans med tydliga rutiner och instruktioner för hur olika utmaningar ska hanteras förväntas tekniken minska andelen oacceptabla skador på mark och vatten radikalt.

Beräknar markfuktighet

Terrängmodellen delar upp marken i pixlar, vars storlek beror av skanningens upplösning. Oftast är pixelstorleken mellan 0,5-2 m. Varje pixel innehåller data som beskriver altitud (höjd över havet) och lutning. Detta ger i sin tur möjlighet att beräkna och markera markfuktighet (områden där avståndet till grundvatten är < 1 m) i ett digitalt kartskikt.

Figur 1. Hillshade från den digitala terrängmodellen (DTM) med lutningsskikt och markfuktighetsskikt. Där det är rödmarkerat lutar marken mer än 30 grader.  I de  blåmarkerade områdena är grundvattennivån mindre än 1 m under markytan.

Försök i Uppland

Markfuktighetskartor tillverkades för ett testområde i Österbybruk i östra Uppland. På testområdet markerades 10 ”testlinjer” i kvadrat med 1 km sida (Figur 2). Utmed varje kvadratisk testlinje lades provpunkter ut med 50 m mellanrum.

Figur 2. Tio kvadratiska testlinjer på markvattenkartan från Österbybruk.

Provpunkterna lades ut i ett shape-lager (digitalt kartlager) för att användas i en fältdator. Inventeraren följde testlinjerna och registrerade markfuktighetsklassen i varje provpunkter enligt Riksskogstaxeringens definition. Enligt den definitionen utgör medelavståndet från markytan till grundvattnet under tillväxtsäsongen markfuktighetsnivån enligt följande klasser:

- Blöt mark, 0 m till grundvatten.

- Fuktig mark, < 1 m till grundvatten.

- Frisk mark, 1 - 2 m till grundvatten.

- Torr mark, avståndet till grundvatten är mer än 2 m.

I syfte att utvärdera hur stor andel av skadorna som uppstår på mark som klassas som blöt eller fuktig vid avverkning, jämfördes markfuktighetskartan även med fältinventering av avverkningstrakter med avseende på var vägar dragits och var körskador uppstått.

Resultat

Utvärderingen av markfuktighetskartan visade att fältinventeringen gav samma fuktighetsklass som modellen i 68 % av punkterna. Utvärderingen visade också att modellen i ca 25 % av fallen klassade marken som blötare än den egentligen var (Figur 3). Detta beror främst på att modellen tar inte hänsyn till markavvattning.

Figur 3. Andel av provpunkterna som klassades i samma markfuktighetsklass som markfuktighetskartan, samt hur många som klassades blötare i modellen respektive vid inventeringen.

En analys genomfördes för att identifiera orsaken till felklassificeringen. Analysen visade att felet kunde kopplas till dikning i 65% av fallen. I drygt 7 % av fallen var vägar orsak och i knappt 30 % av felklassningarna hittades ingen orsak (Figur 4). Tas de dikade områdena bort från utvärderingen så stämmer värdet för markfuktighet i modellen med fältinventerat värde i 86 % av mätpunkterna.

Figur 4. Orsak till felklassificering i markfuktighetskartan jämfört med fältinventeringen.

Utvärdering av körskador

Inom STIG-projektet har även en större utvärdering av körskador vid drivning genomförts. På 36 avverkningsobjekt har samtliga körskador (genombrott av humuslager om minst 1 m längd) beskrivits och koordinatsatts. Vid jämförelse mellan markfuktighetskartan och inventering av körskador kunde konstateras att mer än ca 70 % av körvägarna på fuktig/blöt mark orsakar skador, medan endast 10 % av körvägarna på frisk/torr mark resulterar i skador (Figur 5).

Figur 5. Punktskador (röda) och långa skador (lila) i förhållande till markfuktighetsskiktet. Blå färg = fuktig mark i klasserna 1-0,75 m, 0,75-0,5 m, 0,5-0,25 m samt 0,25-0 m till grundvattnet.

Från forskning till tillämpning

Eftersom merparten av de oacceptabla skadorna är kopplade till blöt och fuktig mark finns det en stor förbättringspotential i att implementera markfuktighetskartor vid drivningsplanering och drivning. STIG-projektet är dessutom en del av den strategiska implementeringssatsningen vid Skogforsk. Under 2014-2015 kommer markfuktighetskartor att implementeras och utvärderas på ca 40 drivningstrakter.

I dagsläget verkar modellen övervärdera arealen fuktig mark och en stor andel av felklassningen kan kopplas till dikning. Hänsyn till dikningsåtgärder, vägar, jordart och periodisk nederbörd är faktorer som skulle kunna förbättra modellen och dessutom göra den mer dynamisk. Detta utvärderas bland annat i projekt som leds av forskare vid SLU.

Utvärdering av felklassning

I dagsläget verkar modellen övervärdera arealen fuktig mark och en stor andel av felklassningen kan kopplas till dikning. Hänsyn till dikningsåtgärder, vägar, jordart och periodisk nederbörd är faktorer som skulle kunna öka noggrannheten i modellen. Detta utvärderas bland annat i ett projekt som leds av forskare på SLU.

 

Nr 71-2014    Publicerad 2014-09-01 00:01
0 Kommentarer
Läs mer
Arp, P., Ogilvie, J., Castonguay, M & Murphy PNC. 2008. Enhancement of operational forest management planning through water mapping. FRIAA’S FORWARD-UNB wet-area mapping project: Final Report 2008.
Berg, S. 2011. Vad är en körskada. Skogforsk, Resultat nr 3.
Mohtashami, S. 2011. Planning forest routes for silvicultural activities using GIS based techniques. KTH Land and water resources egineering. Masters theises KTH.
Nordlund, A. Ring, E., Högbom, L., Bergkvist, I. 2013. Attityder och åsikter med koppling till körskador inom olika yrkesgrupper i skogsbruket. Skogforsk, arbetsrapport 807.
Riksskogstaxeringen. Utdrag från sammanställningen av Skogsdata 2002. SLU
Skogsindustrierna och Lrf Skogsägarna. 2011. Branschgemensam miljöpolicy om körskador på skogsmark.
Sonesson, J., Mohtashami, S., Bergkvist, I. 2012. Beslutsstöd och metod för att minimera markpåverkan vid drivning. Skogforsk, Arbetsrapport 772
Sonesson, J., Bergkvist, I., Andersson, G. & Thor, M. 2007. Klimatförändringarnas inverkan på drivning och logistik I skogsbruket. I Sverige inför klimatförändringarna – hot och möjligheter. Slutbetänkande av klimat och sårbarhets-utredningen. SOU 2007:60. ISBN 978-91-38-22793-0. ISSN 0375-250x.
Författare

Isabelle

Bergkvist

Tidigare anställd

Gustav

Friberg

Tidigare anställd
Kommentarer (0)
 Kommentera
Skicka in
Kommentarer granskas innan publicering
Tack för din kommentar!
Vi granskar och publicerar din kommentar så snart som möjligt.
Tyvärr lyckades vi inte spara din kommentar.