https://researchdata.se/sv/catalogue Search results sv 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. Tue, 23 Jun 2026 08:38:56 GMT https://researchdata.se/sv/catalogue/dataset/2025-170 https://researchdata.se/sv/catalogue/dataset/2025-170 Sveriges lantbruksuniversitet Mariana Busarello William Lidberg Anneli Ågren Florian Westphal 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 Tue, 04 Nov 2025 15:22:50 GMT https://researchdata.se/sv/catalogue/dataset/2025-259 https://researchdata.se/sv/catalogue/dataset/2025-259 Sveriges lantbruksuniversitet Lukas Graf Inka Bohlin Per-Ola Hedwall Jonas Dahlgren Annika M. Felton 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. Fri, 12 Sep 2025 08:58:29 GMT https://researchdata.se/sv/catalogue/dataset/snd1154-1 https://researchdata.se/sv/catalogue/dataset/snd1154-1 Chalmers tekniska högskola Ioanna Stavroulaki Lars Marcus Meta Berghauser Pont Ehsan Abshirini Jan Sahlberg Alice Örnö Ax Den här datamängden innehåller digitala höjdmodeller och 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 djupinlärningsmodellerna som används för att kartera kanaler, diken och vattendrag, samt beräkna topografiska index. Koden för att träna modellerna ingår också, tillsammans med modellerna med bäst prestanda i 0,5 meters upplösning. Kanalerna kartlades på olika sätt: diken digitaliserades manuellt baserat på visuell analys av vissa topografiska index och ortofoton som erhållits från en digital höjdmodell. Vattendrag kartlades genom att först upptäcka alla naturliga kanalhuvuden, sedan spåra nedströmskanalerna och slutligen redigera dem manuellt baserat på ortofoton. Fri, 15 Mar 2024 15:10:56 GMT https://researchdata.se/sv/catalogue/dataset/2024-57 https://researchdata.se/sv/catalogue/dataset/2024-57 Sveriges lantbruksuniversitet Mariana dos Santos Toledo Busarello William Lidberg Anneli Ågren Florian Westphal Två objektigenkänningsmodeller som använder sig av Darknet/YOLOv4 har tränats på bilder av korallen Desmophyllum pertusum från Kosterhavets nationalpark. I en av modellerna har träningsbilddata förstärkts ytterligare med generativ modellering enligt StyleGAN2. Datasetet innehåller 2266 syntetiska bilder med positionsmärken och 409 originalbilder av koraller som använts för att träna maskininlärningsmodellen. Det innehåller också YOLOv4-modellerna samt StyleGAN2-nätverket. Bildmaterialet är ett stillbildsurval från råvideo som samlats in med en fjärrstyrd undervattensfarkost. De 409 JPEG-bilderna från råvideon är i upplösningen 720x576. Vissa har beskurits från koordinater som varit synliga på OSD-display. De syntetiska bilderna är i upplösningen 512x512 och i PNG-format. StyleGAN2-nätverket finns tillgänglig som serialiserad pickle-fil (*.pkl). Objektigenkänningsmodellerna finns med i .weights-formatet som används i Darknet/YOLOv4-paketet. Den ena modellfilen är bara tränad på originalbilder, och den andra på originalbilder tillsammans med syntetiska bilder. Den maskininlärningsmjukvara som använts finns i dagsläget (2022) tillgänglig på Github. StyleGAN2: https://github.com/NVlabs/stylegan2 YOLOv4: https://github.com/AlexeyAB/darknet Wed, 12 Apr 2023 09:35:40 GMT https://researchdata.se/sv/catalogue/dataset/2022-98-1 https://researchdata.se/sv/catalogue/dataset/2022-98-1 Göteborgs universitet Matthias Obst Sarah Al-Khateeb Victor Anton Jannes Germishuys Optiska ’top of the atmosphere’ reflektans data från jordresurssatelliten Sentinel-2 för Uganda (2018-2020) laddades ner och processerades på ett systematiskt sätt till ’ bottom of the atmosphere’ reflektans med den öppna mjukvaran FORCE (Framework for Operational Radiometric Correction for Environmental monitoring, se https://force-eo.readthedocs.io/en/latest/). För varje år (2018-2020) beräknades antalet molnfria observationer och en bäst tillgänglig pixel mosaik skapades. För varje kvartal (12 totalt) beräknades för två vegetations index (EVI = Enhanced Vegetation Index och NDVI= Normalized Difference Vegetation Index) ett antal relevanta mått (minimum, maximum, medelvärde,standard avvikelse, 5%-, 50%- (median) och 95%-kvantiler). Data har 10 meters rumslig upplösning och är i GeoTIFF format. Data är lämpliga för studier av framförallt vegetation och vegetationsförändringar. Mer information och detaljer i artikel publicerad i Data (https://www.mdpi.com/journal/data), 'submitted' 2021-02-15 Mon, 29 Mar 2021 15:00:09 GMT https://researchdata.se/sv/catalogue/dataset/2021-50-1 https://researchdata.se/sv/catalogue/dataset/2021-50-1 Lunds universitet Jonas Ardö I denna studie undersöks historien av det agrara landskapet i den västra delen av Östergötlands län. Studien publicerades som en kulturgeografisk avhandling (skriven på tyska) av Staffan Helmfrid år 1962 vid Stockholms universitet. Som en del av avhandlingen producerades två kartor, baserade på historiskt källmaterial, som visar det agrara landskapet ca 1640. Helmfrids analoga tillvägagångssätt för att producera kartorna var unikt för den tiden. Dessa två kartor tillgängliggörs här. Två kartor tillgängliggörs här: 1) Namn: Ingen titel (arbetsversion), skala: 1:50 000 koordinatsystem: inga koordinator filformat: tiff (.tif) filstorlek: 198 MB filnamn: helmfrid_orginal_photoshop.tif 2) Namn: "Agrarlandskapet på Vadstenaslätten omkring år 1640", skala: 1:100 000 koordinatsystem: RT 90 2.5 gon V (EPSG 3021) filformat: geotiff (.tif) filstorlek: 40 MB filnamn: helmfrid_rectify.tif Den första kartan är en arbetsversion som användes som underlag för att skapa den andra kartan som är den slutgiltiga versionen som publicerades med Helmfrids avhandling. Eftersom arbetsversionen har en större skala, är den mer detaljerad jämfört med den andra kartan. Den slutgiltiga versionen (den andra kartan) digitaliserades och rektifierades 2009 av Johan Berg, också från Stockholms universitet. Detta gjordes som en del av ett projekt om äganderelationer under den yngre järnåldern i västra Östergötland (Se länk till separat data, 2019-102, i SNDs katalog). Arbetsversionen (den första kartan) digitaliserades 2019 i samband med publiceringen av Helmfrids data via den Svenska nationella datatjänsten. Arbetsversionen baserades på en sammanställning av 400 mindre by- och gårdskartor, alla från 1640-talet. Detta källmaterial kan hittas i följande geometriska jordeböckerna: D5, D6, D7, D8, och D 10 (Se https://riksarkivet.se/visa-kartsamlingar -- "D" hänvisar till kartor från Östergötland). Alla källkartorna signerades av en lantmätare, Larsson Groth. Den rektifierade kartan kan öppnas i de flesta programvaror för Geografisk Informations System (GIS). Kartan kan också öppnas i en bildhanteringsprogram, men då utan koordinatorna. Arbetsversionen (den första kartan) är också en rasterfil, men eftersom arbetsversionen aldrig rektifierades är den sparad som en vanlig tiff-fil (.tif), inte en geotiff. Den kan öppnas i bildhanteringsprogram som Photoshop eller opensource Gimp. Mer information om Helmfrids tillvägagångssätt och en länk och referens till själva avhandlingen kan hittas i den bifogade dokumentationsfilen. Wed, 25 Sep 2019 00:00:00 GMT https://researchdata.se/sv/catalogue/dataset/snd1122-1 https://researchdata.se/sv/catalogue/dataset/snd1122-1 Stockholms universitet Staffan Helmfrid Materialet innehåller data som användes i studien av Fabritius m. fl. (2019): Estimation of metapopulation colonization rates from disturbance history and occurrence pattern data, tidskrift Ecology. Alla data har tidigare använts även i andra studier (Gu et al 2001, Snäll et al. 2005, Lankia et al., 2012, Ronnås et al., 2017). Uppgifterna innehåller data på förekomstmönster från två tillfällen för lunglav (Lobaria pulmonaria), förekomstmönster för asp (Populus tremula) och sälg (Salix caprea), samt 400 års data från skogsbränder. Alla uppgifter har samlats in under 1997-2010 i Teerisuo-Lososuo naturreservat, Kuhmo, Finland (2 086 ha, 63 ° 88'N, 29 ° 18'E) och projiceras i Finlands YKJ-projektion. Ilkka Hanski initierade undersökningarna i slutet av 1990-talet och Gergely Várkonyi, Matti Komulainen, Jari Huotari, Pirjo Appelgren och Mikko Heikura assisterade med fältarbete. Uppgifterna innehåller data på förekomstmönster från två tillfällen för lunglav (Lobaria pulmonaria), förekomstmönster för asp (Populus tremula) och sälg (Salix caprea), samt 400 års data från skogsbränder. Alla uppgifter har samlats in under 1997-2010 i Teerisuo-Lososuo naturreservat, Kuhmo, Finland (2 086 ha, 63 ° 88'N, 29 ° 18'E) och projiceras i Finlands YKJ-projektion, EPSG:2393. Tue, 28 May 2019 00:00:00 GMT https://researchdata.se/sv/catalogue/dataset/snd1104-1 https://researchdata.se/sv/catalogue/dataset/snd1104-1 Sveriges lantbruksuniversitet Henna Fabritius Heini Lankia Tuomo Wallenius Gergely Várkonyi Juho Pennanen Tord Snäll