Fjernmåling som verktøy i kartlegging av geologiske landformer i skog

Abstract

Meningen med denne oppgaven har vært å undersøke mulighetene ved kartlegging av livsmiljøer i skog, med det overordnede målet å hjelpe til å forhindre tap av viktige livsmiljøer. Dette har blitt gjort ved å utvikle verktøy i QGIS som har muligheten til å skille geologiske landformer fra skoglandskap ved å bruke allmenn tilgjengelig laserdata.

Det ble først utviklet modeller for bergvegger og bekkekløfter i Qgis. Som inndata ble det brukt laserdata og elvenettverksdata fra prøveområdet i Folloregionen. Deretter ble det utført feltarbeid i mars-april måned for å kontrollere modellene.

Resultatet viste at modellen for å finne bergvegger hadde en høy suksessrate. Bare 4% av de registrerte bergveggene ble ikke funnet av modellen. Av de bergveggene som ble funnet, hadde 95% av de kvaliteter som gjorde at de kunne klassifiseres som MiS-livsmiljøer. Den største feilkilden for bergvegger var knyttet til helning. Modellen for å finne bekkekløfter hadde også en relativt høy suksessrate på 45%. Den største feilkilden for bekkekløftmodellen var at den ikke klarte å oppdage alle bekkekløftene som ble funnet i felt.

Denne oppgaven viser at det er mulig å bruke verktøy laget i QGIS for å effektivisere kartleggingen av livsmiljøer i skog. Ved å bruke disse metodene kan man spare tid og kostnader samtidig som man oppnår relativt nøyaktige resultater. Det blir konkludert med at videre forskning og utvikling av disse metodene kan føre til en høyere nøyaktighet, spesielt for bekkekløfter.

The goal of this project has been to streamline the mapping of forest habitats, with the ultimate aim of helping to prevent the loss of important habitats. This has been achieved by developing models in QGIS that are capable of distinguishing geological landforms from forest landscapes using laser data.

Initially, models were created to identify stream gorges and rock walls, which were then run using laser data from a sample area in the Follo region in Viken, Norway. Fieldwork was carried out in March-April to verify the accuracy of the models.

The results showed that the model for identifying rock walls had a high success rate, with only a 4% false negative rate. The model managed to correctly identify 95% of the rock walls that could be classified as WHK habitats. The biggest source of error was related to slope. The model for identifying stream gorges also had a relatively high success rate of 45%. The biggest source of error related to stream gorges was that the model did not recognise all the stream gorges that where found during the fieldwork.

This project demonstrates that it is possible to use tools created in QGIS to streamline the mapping of forest habitats. By using these methods, time and costs can be saved while achieving accurate results. It is concluded that further research and development of these methods could lead to even greater accuracy, especially for streams gorges.