<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <atom:link rel="self" type="application/rss+xml" href="https://researchdata.se/sv/catalogue/search.rss?subject=geoscientificInformation"/>
    <link>https://researchdata.se/sv/catalogue</link>
    <title>Researchdata.se</title>
    <description>Search results</description>
    <language>sv</language>
    <item>
      <title>Klassificering av diken och vattendragskanaler kartlagda från högupplösta digitala höjdmodeller med hjälp av maskininlärning</title>
      <description>Den här datamängden innehåller digitala höjdmodeller i 0,5 meters upplösningoch polyline-shapefiler med placeringen av kanaler från de 12 studieområdena som används i denna studie. 

Den innehåller också koden för att generera datamängderna som används för att träna maskinlärningsmodellerna som används för att klassificera diken och vattendrag, och beräkna hydrologiska index. Koden för att träna modellen ingår också, tillsammans med de erhållna modellerna. 

För markdata kartlades kanalerna på olika sätt baserat på deras typ: diken digitaliserades manuellt baserat på visuell analys av vissa topografiska index och ortofoton som erhållits från DEM. 
Vattendrag kartlades genom att initialt detektera alla naturliga kanalhuvuden, sedan spåra de nedströms kanalerna och slutligen manuellt redigera dem baserat på ortofoton. 

Vi rekommenderar att man använder Docker för att ställa in miljön.</description>
      <pubDate>Tue, 23 Jun 2026 08:38:56 GMT</pubDate>
      <link>https://researchdata.se/sv/catalogue/dataset/2025-170</link>
      <guid>https://researchdata.se/sv/catalogue/dataset/2025-170</guid>
      <dc:publisher>Sveriges lantbruksuniversitet</dc:publisher>
      <dc:creator>Mariana Busarello</dc:creator>
      <dc:creator>William Lidberg</dc:creator>
      <dc:creator>Anneli Ågren</dc:creator>
      <dc:creator>Florian Westphal</dc:creator>
    </item>
    <item>
      <title>Canada-Sweden Arctic Ocean 2025 - Meteorologiska och oceanografiska data, samt skeppsdata, insamlade ombord på isbrytaren Oden</title>
      <description>Den 9 augusti - 19 september, 2025 genomförde isbrytaren Oden en expedition med den kanadensiska isbrytaren CCGS Louis S. St-Laurent för att kartlägga havsbotten i Norra ishavet, vilket skedde inom ramen för UNCLOS-programmet (United Nations Convention on the Law of the Sea). I kombination med detta skedde även ett omfattande Early Career Scientist-program ombord som utgjordes av kursen The Arctic Ocean Climate System.</description>
      <pubDate>Mon, 16 Feb 2026 15:16:51 GMT</pubDate>
      <link>https://researchdata.se/sv/catalogue/dataset/2025-249</link>
      <guid>https://researchdata.se/sv/catalogue/dataset/2025-249</guid>
      <dc:publisher>Polarforskningssekretariatet</dc:publisher>
      <dc:creator>Enh. för fartygsbaserat forskningsstöd Polarforskningssekretariatet</dc:creator>
    </item>
    <item>
      <title>Data for: Scales of landscape influence on Dissolved Organic Carbon Dynamics in Boreal Surface Water</title>
      <description>Se engelsk beskrivning och readme.md.</description>
      <pubDate>Mon, 01 Dec 2025 14:13:46 GMT</pubDate>
      <link>https://researchdata.se/sv/catalogue/dataset/2024-112</link>
      <guid>https://researchdata.se/sv/catalogue/dataset/2024-112</guid>
      <dc:publisher>Sveriges lantbruksuniversitet</dc:publisher>
      <dc:creator>Anna Lackner</dc:creator>
    </item>
    <item>
      <title>SLU Viltfoderkartor</title>
      <description>Detta dataset innehåller SLU:s kartor över tillgången på viltfoder. 
Inkluderat är 12 kartor, distribuerade som .tif-filer. 

Kartorna visar den förväntade abundansen av tall (Pinus sylvestris), rönn (Sorbus aucuparia), ek (Quercus spp.), sälg (Salix caprea), asp (Populus tremula) och björk (Betula spp.) från 10 cm höjd till 4 cm brösthöjdsdiameter, på Sveriges skogsmark. Modellerna har skapats med hjälp av data från Riksskogstaxeringen och fjärranalysdata. Kartprodukterna är aggregerade till en skala på 1 ha och 1 km2 och visar det genomsnittliga antalet träd uppskattat per rumslig enhet.

För mer information om utvecklingen av detta dataset, se artikeln: https://doi.org/10.1016/j.jag.2025.104850</description>
      <pubDate>Tue, 04 Nov 2025 15:22:50 GMT</pubDate>
      <link>https://researchdata.se/sv/catalogue/dataset/2025-259</link>
      <guid>https://researchdata.se/sv/catalogue/dataset/2025-259</guid>
      <dc:publisher>Sveriges lantbruksuniversitet</dc:publisher>
      <dc:creator>Lukas Graf</dc:creator>
      <dc:creator>Inka Bohlin</dc:creator>
      <dc:creator>Per-Ola Hedwall</dc:creator>
      <dc:creator>Jonas Dahlgren</dc:creator>
      <dc:creator>Annika M. Felton</dc:creator>
    </item>
    <item>
      <title>GIS-baserad Tidsmodell. Göteborg, 1960-2015</title>
      <description>Den GIS-baserade tidsmodellen av Göteborg syftar till att kartlägga processen för stadsutveckling i Göteborg sedan 1960 och särskilt att dokumentera förändringarna i den rumsliga strukturen av staden - gator, byggnader och fastigheter - genom tiden. Stora steg har tagits under de senaste decennierna när det gäller att förstå hur städer fungerar. Väsentlig är förändringen från att förstå städer som platser till att förstå dem som flöden (Batty 2013)1. I princip betyder detta att vi måste förstå platser som definieras av flöden (eller olika former av trafik), snarare än platser som endast betjänas av flöden. Detta innebär att vi måste förstå den byggda formen och den rumsliga strukturen för städer som ett system. Det antyder också den ganska fascinerande förståelse att vad som händer på en plats är beroende av dess förhållande till alla andra platser (Hillier 1996)2. För att förstå den enskilda platsen behöver vi därför en modell av staden som helhet.

Forskning i denna riktning har ägt rum under de senaste åren, som också har haft inflytande i praktiken, inte minst i Sverige. Med den GIS-baserade tidsmodellen för Göteborg som vi presenterar här tar vi upp nästa utmaning. Plats är inte bara något som definieras av dess rumsliga relation till alla andra platser i sitt system, utan också av dess historia eller dess utveckling över tid. Eftersom den byggda formen av staden förändras över tid, ofta genom att städer växer men ibland också genom att städer krymper, förändras den rumsliga relationen mellan platser över tiden. När städer växer, oftast genom att utöka sin periferi, får de flesta platser en mer central plats över tid. Om detta är en allmän tendens betyder det inte att alla platser ökar sin centralitet i lika hög grad. Beroende på strukturen blir olika platser mer centralt belägna i olika grader samt deras relativa avstånd till andra platser förändras i olika grader. Med andra ord, platser flyttar över tiden! För att fånga, studera och förstå detta behöver vi en "tidsmodell".

Den GIS-baserad tidsmodell från Göteborg består av:
• 12 GIS-lager av gatunätet, från 1960 till 2015, i 5-års intervaller
• 12 GIS-lager av byggnaderna från 1960 till 2015, i 5-års intervaller - Obs! Datasetet har flyttats till https://doi.org/10.5878/t8s9-6y15 och avpublicerats på grund av licensrestriktioner på datasetets källdata.
• 12 GIS-lager av fastigheter från 1960 till 2015, i 5-års intervaller

Utvecklingen av gator, byggnader och fastigheter kan studeras individuellt, där man till exempel skulle kunna analysera de förändrade mönstren för gatucentralitet över tid genom att fokusera på gatunätverket; eller förtätningsprocesserna genom att fokusera på byggnaderna; eller utvidgningen av staden genom att ockupera mer byggbar mark genom att fokusera på fastigheter. De kombinerade ögonblicksbilderna av gatucentralitet, densitet och fastighetsstruktur kan ge insiktsfulla observationer om stadens rumsliga struktur vid varje tidsram. Observationen av hur de sammanhängande lagren av rumslig form tillsammans utvecklats genom tiden kan ge en mer fullständig bild av den urbana tillväxten.
Tidsmodellen skapades enligt principerna för stadens basmodellen som utvecklats av forskningsgruppen Spatial Morphology Group (SMoG) vid Chalmers tekniska universitet, inom det treåriga forskningsprojektet "International Spatial Morphology Lab (SMoL)" .

Projektet finansierades av Älvstranden Utveckling AB inom ramen för ett större samarbetsprojekt som heter Fusion Point Göteborg. Denna data delas via SND för att skapa en forskningsinfrastruktur som är öppen för nya forskningsinitiativ.

- 12 GIS-lager av gatunätet i Göteborg, från 1960 till 2015, i 5-års intervaller. Filformat: shapefile (.shp), MapinfoTAB (.TAB). Det använda koordinatsystemet är SWEREF 99TM, EPSG: 3006.

- 12 GIS-lager av fastigheter i Göteborg, från 1960 till 2015, i 5-års intervaller. Filformat: shapefile (.shp), MapinfoTAB (.TAB). Det använda koordinatsystemet är SWEREF 99TM, EPSG: 3006.

Se bifogad teknisk dokumentation för datasättbeskrivning och ytterligare detaljer om produktionen.
Se bifogad rapport för en detaljerad beskrivning av det relaterade forskningsprojektet.</description>
      <pubDate>Fri, 12 Sep 2025 08:58:29 GMT</pubDate>
      <link>https://researchdata.se/sv/catalogue/dataset/snd1154-1</link>
      <guid>https://researchdata.se/sv/catalogue/dataset/snd1154-1</guid>
      <dc:publisher>Chalmers tekniska högskola</dc:publisher>
      <dc:creator>Ioanna Stavroulaki</dc:creator>
      <dc:creator>Lars Marcus</dc:creator>
      <dc:creator>Meta Berghauser Pont</dc:creator>
      <dc:creator>Ehsan Abshirini</dc:creator>
      <dc:creator>Jan Sahlberg</dc:creator>
      <dc:creator>Alice Örnö Ax</dc:creator>
    </item>
    <item>
      <title>Data för Improving Stream Network Accuracy with Deep Learning-Enhanced Detection of Road Culverts in High-Resolution Digital Elevation Models</title>
      <description>Detta är tränings- och testdata som används för att träna ett Residual Attention UNet för segmentering och detektion av vägtrummor. Data består av bildpar med storleken 256x256 pixlar där ena bilden är en binär mask och den andra en bild med fyra kanaler som innehåller fjärranalysdata. Fjärranalysdatan är en kombination av topografiska data extraherade från flygburen laserskanning och ortofoton från flygburen bildinsamling.

En omfattande undersökning av kulvertar genomfördes i 25 avrinningsområden i Gävleborgs län av Skogsstyrelsen under snöfria perioder 2014–2017. Totalt kartlades 24 083 vägtrummor med en handhållen GPS med en horisontell noggrannhet på 0,3 m. Tättbefolkade stadsområden med underjordiska avloppssystem exkluderades från undersökningen (0,3% av den sammanslagna ytan). Koordinaterna för båda ändar av varje trumma mättes in, och mått som diameter, längd, material, skick och sedimentansamling samlades in för de flesta kulvertarna. Ytterligare mått, som höjdskillnaden mellan utloppet och vattenståndet i strömmen, mättes manuellt i fält. De inventerade avrinningsområdena delades upp i tränings- och testdata, där 20 avrinningsområden (23 304 trummor) användes för träning, och fem avrinningsområden (5 208 trummor) användes för utvärdering.

Ett kompakt lasersystem (Leica ALS80-HP-8236) användes för att samla in data från ett flygplan som flög på 2888–3000 m höjd. Punktmolnen hade en punkttäthet på 1–2 punkter m^-2 och delades in i rutor med en storlek på 2,5 x 2,5 km vardera. En DEM med 0,5 m upplösning skapades från ALS-punktmolnen med en TIN-rutnätsmetod implementerad i Whitebox tools 2.2.0. Topografisk index för maximal höjdskillnad med omgivande pixlar beräknades från höjdmodellen med hjälp av Whitebox Tools. 

Ortofoton från flygplan som togs vid samma tidpunkt som LiDAR-data ingår också. Ortofotona hade tre band (rött, grönt och blått) i 8-bitars färgdjup och hade en upplösning av 0,5 m. Topografiska data och ortofoton laddades ner från Lantmäteriet.

Topografiska data och ortofoton slogs samman till 8-bitars fyra band-bilder där de första tre banden är rött, grönt och blått, och det sista bandet är det topografiska datat. De sammanslagna bilderna delades sedan upp i mindre bitar med storleken 256x256 pixlar.

Den tränade modellen användes för att prediktera vägtrummor på nationell skala och resultatet är i mappen  PredictedCulvertsByIsobasins.zip där de predikterade trummorna sparats som shapefiler uppdelade efter avrinningsområden som finns i filen "isobasins.zip".</description>
      <pubDate>Tue, 25 Feb 2025 07:27:20 GMT</pubDate>
      <link>https://researchdata.se/sv/catalogue/dataset/2024-140</link>
      <guid>https://researchdata.se/sv/catalogue/dataset/2024-140</guid>
      <dc:publisher>Sveriges lantbruksuniversitet</dc:publisher>
      <dc:creator>William Lidberg</dc:creator>
    </item>
    <item>
      <title>GEOEO 2024 - Meteorologiska och oceanografiska data, samt skeppsdata, insamlade ombord på isbrytaren Oden</title>
      <description>Mellan augusti och september 2024 gick expeditionen North of Greenland med IB Oden till norra Grönland och det intilliggande Norra ishavet, inklusive Lincolnhavet. Expeditionen bygger på forskningstemat GEOEO som genomförs inom Polarforskningsprocessen.

Expeditionen North of Greenland 2024 syftar till att behandla vetenskapliga frågor som är inriktade på att förstå den marina kryosfärens dynamiska historia och påverkan på framtida klimatförändringar, inklusive konsekvenser för marina och markbundna ekosystem i Norra Grönland och intilliggande Norra ishavet, en av de minst kända regionerna på jorden. Fokus ligger även på att undersöka hur inlandsisen på Norra Grönland kan bidra till den globala havsnivåhöjningen.

North of Greenland 2024 är en del av forskningstemat GEOEO.

Detta dataset innehåller meteorologiska, oceanografiska och skeppsdata som samlats in under den internationella expeditionen GEOEO 2024. 

Datan inkluderar:
Meteorologiska variabler: 
Lufttemperatur, luftfuktighet, vindriktning/vindhastighet, lufttryck, molnhöjd/molnighet och fotosyntetiskt aktiv strålning (PAR).

Oceanografiska variabler: 
Salthalt, temperatur i havsvatten, ledningsförmåga och ljudhastighet.

Skeppsdata: 
Position, hastighet, kurs, riktning och vattendjup.

En fil med titeln "Parameterlist ShipData GEOEO 2024" beskriver variablerna.

Kvalitetsinformation: 
Inget ytterligare bearbetning eller kvalitetskontroller har genomförts på datan. Användare bör ta detta i beaktande vid hantering och analys av datan.</description>
      <pubDate>Tue, 11 Feb 2025 09:17:55 GMT</pubDate>
      <link>https://researchdata.se/sv/catalogue/dataset/2024-645</link>
      <guid>https://researchdata.se/sv/catalogue/dataset/2024-645</guid>
      <dc:publisher>Polarforskningssekretariatet</dc:publisher>
    </item>
    <item>
      <title>Land reflection seismic, hydrogeological and magnetic study of an area prone to quick-clay landslides in southwest Sweden</title>
      <description>Jordskred av kvicklera är vanliga "geohazards" i Norden och Kanada. Närvaron av potentiella kvickleror bekräftas med hjälp av geotekniska undersökningar, men geofysiska metoder i närheten av ytan, såsom seismiska och resistivitetsundersökningar, kan också bidra till att identifiera grovkornigt material i samband med utvecklingen av kvickleror. 

Vi presenterar resultaten av fyra reflexions-seismiska profiler bredvid Göta älv i Sverige, längs vilka många jordskred av kvicklera finns. Ett omfattande grovkornigt lager finns i sedimentärsekvensen och tolkas och modelleras i ett regionalt sammanhang. Hydrologisk modellering av det grovkorniga skiktet utförs. Magnetiska data studeras också inom denna undersökning.</description>
      <pubDate>Fri, 17 Jan 2025 10:38:53 GMT</pubDate>
      <link>https://researchdata.se/sv/catalogue/dataset/snd1079-1</link>
      <guid>https://researchdata.se/sv/catalogue/dataset/snd1079-1</guid>
      <dc:publisher>Uppsala universitet</dc:publisher>
      <dc:creator>Silvia Salas Romero</dc:creator>
      <dc:creator>Alireza Malehmir</dc:creator>
      <dc:creator>Ian Snowball</dc:creator>
      <dc:creator>Benoît Dessirier</dc:creator>
    </item>
    <item>
      <title>Medelprofil och turbulensmätningar av vind och temperatur från Marsta (2020-2022)</title>
      <description>Statistik av medelvind, medeltemperatur, luftfuktighet och turbulensstatistik av vind och temperatur från Marstaobservatoriet.  2020-2022.</description>
      <pubDate>Wed, 30 Oct 2024 10:27:13 GMT</pubDate>
      <link>https://researchdata.se/sv/catalogue/dataset/2024-531</link>
      <guid>https://researchdata.se/sv/catalogue/dataset/2024-531</guid>
      <dc:publisher>Uppsala universitet</dc:publisher>
      <dc:creator>Johan Arnqvist</dc:creator>
    </item>
    <item>
      <title>Data for: A Digital Twin for supporting decision-making and stakeholder collaboration in urban decarbonization processes. A participatory development in Gothenburg.</title>
      <description>Datafilen innehåller från enkätundersökningen som utvärderar en Digital Twin Viewer (CDTE) som har utvecklats för staden Göteborg. Enkäten samlar in bakgrundsinformation om användarna och deras förtrogenhet med digitala tvillingar eller andra digitala verktyg, deras utvärdering av användbarheten och användbarheten av CDTE och allmänna reflektioner kring plattformens egenskaper och underhåll.

Data samlades in genom två utvärderingsworkshops: en workshop med 22 intressenter som representerar stadens energileverantör, plan- och miljöavdelningen i kommunen, fastighetsbolag (både kommunala och privata) samt forskare; och en workshop med 70 masterstudenter med bakgrund inom arkitektur och stadsplanering.</description>
      <pubDate>Mon, 14 Oct 2024 13:24:12 GMT</pubDate>
      <link>https://researchdata.se/sv/catalogue/dataset/2024-435</link>
      <guid>https://researchdata.se/sv/catalogue/dataset/2024-435</guid>
      <dc:publisher>Chalmers tekniska högskola</dc:publisher>
      <dc:creator>Liane Thuvander</dc:creator>
      <dc:creator>Daniela Maiullari</dc:creator>
      <dc:creator>Giliam Dokter</dc:creator>
    </item>
  </channel>
</rss>