logga
Skogsbruket använder olika markfuktighetskartor för att hitta områden med god bärighet där skogsmaskiner kan köras utan risk för markskador. Skogforsk har gjort en jämförande studie av dessa kartor.

Körskador på marken är ett återkommande problem vid skogsbruk. Enkelt uttryckt har torrare marker bättre bärighet än fuktigare och blöta marker. Markfuktighetskartorna modellerar markfuktigheten och hjälper planerare och maskinförare att identifiera torrare områden som maskinerna kan köras på utan att de sjunker ner i marken och orsakar körskador.

Dagens kartor, som kallas för DTW maps, är baserade på en digital höjdmodell utifrån data från den nationella laserskanningen. Nu tas nya markfuktighetskartor fram som använder fler indata. Ett tillägg är också att maskininlärningsteknik används för att kalibrera kartorna. Skogforsk har i en pilotstudie jämfört hur två olika markfuktighetskartor redovisar hur blöt marken är samt mängden körskador i de olika fuktighetsklasserna.

Resultaten av studien visar att de nya kartorna redovisar mindre arealer med blöta områden än de äldre kartorna. Detta resulterade i att majoriteten av de inventerade körskadorna hamnat på marker som visats som torrare. Studien är gjord på ett begränsat antal trakter varför fler jämförelser behöver göras för att kunna dra bättre slutsatser om hur de nya kartorna bäst kommer till nytta.

Läs fördjupning

Metod

I denna studie har vi använt oss av ett tidigare insamlat material om körskador för att jämföra två typer av markfuktighetskartor. Totalt har körskador på 15 slutavverkade trakter i Uppland inventerats. Med körskador avser vi körspår där mineraljord blottas. Skadan ska vara minst en (1) decimeter djup och en (1) meter lång för att räknas.

Det finns olika metoder för att kartera markfuktigheten:

  • Dagens kartor, så kallade DTW-kartor (Depth to Water), är ett index som modellerar markens fuktighet utifrån markens topografi, dvs höjd och lutning, och beräknar djupet till grundvattennivån. Detta ges som ett kontinuerligt värde, där oftast värdena mellan 0–1 m antas som fuktigare mark och som därmed anses vara känsligare för tunga terrängtransporter. Dessa kartor återfinns hos Skogsstyrelsens karttjänster.
  • MLWAM (Machine Learning Wet Area Maps), i fortsättningen kallade för ML-kartor, är en ny fuktighetskarta, utvecklad av forskare vid SLU. Kartorna byggs utifrån maskininlärningsteknik, där data om markfuktighet från riksskogstaxeringens permanenta provytor har använts för att träna upp datorn att prediktera markens fuktighet över markarealer som saknar prover. En rad olika variabler som exempelvis DTW, TWI (Topographic Wetness Index), SGU:s jordartskarta samt den nationella höjdmodellen har använts vid predikteringsarbetet. I ML-kartorna skattas marken i tre fuktighetsklasser:
    1) blöt-fuktig
    2) frisk-fuktig
    3) frisk - torr 

Hur stor arealandel av trakterna som är karterade som mark med hög- respektive låg fuktighet analyserades på samtliga avverkningstrakter (Tabell 1).

Vi har även studerat på hur körskadorna fördelat sig över marker med hög markfuktighet och låg markfuktighet i respektive karta på två avverkningstrakter (Figur 2 & 3).

Resultat

Generellt visar jämförelserna i figur 1 att de fuktigaste områdena i DTW-kartan oftast fångas in även i de nya ML-kartorna, men att de fuktigare områdena är mindre i ML-kartorna.

ML_DTW.png

imageny3re.png

Figur 1. Markfuktighetskartor för fyra avverkningstrakter. Inventerade körskador är markerade med gröna punkter i ML-kartan (rosa) och i DTW (blå). ML-kartan har tre fuktklasser: 1) Blöt-Fuktig, 2) Frisk-Fuktig, 3) Frisk–Torr, där klasserna 1 och 2 antagits vara mark med hög markfuktighet och klass 3 som låg markfuktighet. Blåkarterade område i DTW kartan antagits som hög markfuktighet och vita delarna som låg markfuktighet.

En översiktlig jämförelse av DTW- och ML-kartorna över 15 slutavverkningstrakter visar att i medel karterades 40 % av arealen som hög markfuktighet enligt DTW medan motsvarande areal i ML-kartan är ca 10 % (Tabell 1).

 

 

 

 

Tabell 1. Andel areal med hög- repektive låg markfuktighet på de 15 trakter som ingick i studien.

  DTW

ML-kartan

Trakt-ID % areal av hög markfuktighet   % areal av låg markfuktighet % areal av hög markfuktighet   % areal av låg markfuktighet
1 55 45 27 73
2 35 65 6 94
3 36 64 6 94
4 41 59 4 96
5 12 88 1 99
6 22 78 5 95
7 20 80 1 99
8 45 55 11 89
9 38 62 8 92
10 54 46 15 85
11 54 46 7 93
12 49 51 8 92
13 43 57 5 95
14 37 63 26 74
15 60 40 25 75
Medel 40%  60% 10% 90%

 

Närmare analys av två trakter visar att ML-kartan karterar betydligt mindre arealer som hög markfuktighet mark (26 % på trakt 1 och 25% på trakt 2) medan motsvarande andel i DTW är 37 % (på trakt 1) och 60 % (på trakt 2). Detta medför att en mindre andel inventerade körskador hamnar på mark med hög fuktighet i ML-kartan (33% på trakt 1 och 28% på trakt 2) jämfört med andelen i DTW-kartan (54 % på trakt 1 och 71 % på trakt 2), (Figur 4 & 5).

Analysen av antal körskador per hektar visar att i trakt 1 finns det 29 skador per hektar på hög markfuktighet enligt ML-kartan och 33 skador per hektar enligt DTW-kartan. Däremot är antalet skador per hektar på låg markfuktighet högre (20) i ML-kartan än i DTW-kartan (16,6). På trakt 2 är antalet skador per hektar på högfuktigmark 28 respektive 29 medan antalet skador per hektar på torr mark är 24 respektive 18 enligt ML-kartan och DTW-kartan. Detta gör att sannolikheten för att hitta en körskada på mark med hög fuktighet är 1,4 respektive 1,2 gånger högre än på torrare mark för trakt 1 och 2 enligt ML-kartan medan de är 2,0 och 1,6 gånger högre enligt DTW-kartan i de studerade trakterna.

imagemjjlk.png

Figur 2. Fördelning av andel areal och körspår på mark med hög-  respektive och låg markfuktighet, karterade med DTW och ML-kartans modeller i trakt 1.

 

 

 

 

 

 

 

image7nv7n.png
 Figur 3. Fördelning av andel areal och körspår på mark med hög- respektive  låg markfuktighet, karterade med DTW och ML-kartans modeller i trakt 2.

Diskussion & slutsatser

Resultaten av studien visar att de nya ML-kartorna redovisar lägre arealer med blötare områden än de äldre DTW-kartorna. Detta resulterade i att majoriteten av de inventerade körskadorna hamnat på marker som visats som torrare i ML-kartorna. För operatörer med vana av DTW-kartan visar detta exempel att det kan krävas anpassning av hur den nya markfuktighetskartan ska användas under drivningen för att undvika körskador. De blötaste och känsligaste områdena verkar dock fångas upp effektivt av bägge kartorna. Detta är ett resultat som är baserat på fåtal slutavverkningsobjekt i Uppland och kommer att kompletteras med flera objekt så snart ML-kartan tillgängliggörs över andra delar av landet.

Nr 48-2020    Publicerad 2020-06-22 11:31

Läs mer
Lidberg, William. "Digital Wet Area Maping." Doctoral Thesis, Swedish unicersity of agricultural sciences, 2019.
Murphy, P. N. C., J. Ogilvie, and P. Arp. "Topographic Modelling of Soil Moisture Conditions: A Comparison and Verification of Two Models." European Journal of Soil Science 60, no. 1 (2009): 94-109.
Kommentarer
Det finns ännu inga kommentarer på denna sida. Var först med att ge en kommmenter.
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. Var god bekräfta att du inte är en robot!