Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Prediktion av skogliga variabler med flygburen laserskanning
Umeå University, Faculty of Social Sciences, Umeå School of Business and Economics (USBE), Statistics.
Umeå University, Faculty of Social Sciences, Umeå School of Business and Economics (USBE), Statistics.
2016 (Swedish)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE creditsStudent thesisAlternative title
Prediction of Forest Variables Using Airborne Laser Scanning (English)
Abstract [sv]

En inom skogssektorn relativt ny metod för att underlätta för skoglig planering är att använda sig av skoglig fjärranalys för att effektivt kunna prediktera skogsvolym och modellera vegetation. Med data från laserskanningar utförda i samband med lantmäteriets produktion av en nationell höjdmodell skapades en databas med kartor över skog och mark, där de för kartorna aktuella skogliga responsvariablerna modellerades en åt gången. En eventuell problematik med att modellera varje responsvariabel enskilt är att det inte tar hänsyn till eventuella icke observerade faktorer, som påverkar samtliga responsvariabler, och därmed förbises denna information. Syftet med denna studie var att istället prova att modellera de aktuella skogsvariablerna samtidigt med den multivariata metoden Seemingly Unrelated Regressions (SUR), och utvärdera huruvida resultaten skiljer sig från modellering med linjär regression (LR). Mätstickorna som jämfördes var Root Mean Square Error (RMSE) respektive medelfelen för parameterskattningarna. I studien användes ett datamaterial med skoglig data tillhandahållet av Sveriges lantbruksuniversitet. Resultaten visade att SUR gav upphov till lägre estimerad RMSE (än vad som erhölls med LR) i 22.5 % av fallen, medan medelfelen för parameterskattningarna (med SUR) blev mindre i 59.8 % av fallen, (och lika i resterande fall).

Place, publisher, year, edition, pages
2016.
National Category
Probability Theory and Statistics
Identifiers
URN: urn:nbn:se:umu:diva-122692OAI: oai:DiVA.org:umu-122692DiVA: diva2:940578
External cooperation
Mats Nilsson, SLU
Educational program
Statistics programme
Available from: 2016-06-21 Created: 2016-06-21 Last updated: 2016-06-21Bibliographically approved

Open Access in DiVA

fulltext(921 kB)77 downloads
File information
File name FULLTEXT01.pdfFile size 921 kBChecksum SHA-512
d56d78056089a59175baabef877db37b723d3dec89f1041aa5d32d7008db28ecac850a153310434d52956ba7a80d8f439d38fa99468d88a898bfa26a24b83bfe
Type fulltextMimetype application/pdf

By organisation
Statistics
Probability Theory and Statistics

Search outside of DiVA

GoogleGoogle Scholar
Total: 77 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 155 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf