För Indikationer på skog med naturvärden är upplösningen 10 x 10 meter (raster). Indikationer på kulturlämningar visas som punktobjekt eller polygoner.

Indikationer visar på potentiella natur- och kulturvärden. För kartunderlaget Indikationer på skog med naturvärden visas indikationerna som ett raster i en skala från 0 till 1, vilket är AI-modellens beräkningar av områdets likhet med träningsdatat för höga naturvärden. Ett högre värde ger en starkare indikation på att området har höga värden. Indikationsvärden över 0,5 signalerar att skogen kan ha höga naturvärden, och under 0,5 att skogen saknar naturvärden (naturskogsegenskaper).  Värden som ligger runt mitten är mer osäkra.

Nej, ett högre värde innebär en starkare indikation på att ett område har naturvärden. Värdet beräknas utifrån AI-modellens jämförelse mellan det specifika området och ett urval av träningsdata (20 procent) av träningsdatat för höga naturvärden.

Kartunderlagen tas fram genom olika digitala metoder, främst genom GIS-analyser och maskinlärning (en form av artificiell intelligens) där olika fjärranalysdata används för att identifiera olika kultur- eller naturvärden. Skogsstyrelsen har använt AI-metodik baserad på djupa konvolutionella nätverk (CNN-metodik). Till skillnad från mer traditionell Feedforward neural networks (FNN) kan modellerna väga in information från omgivningen och inte enbart från enskilda pixlar.

Det finns en mängd olika fjärranalysdata i form av satellitbilder, flygfoton, nationella inventeringar och skogliga grunddata som producerats från den nationella laserskanningen av skog. Vid användning av maskininlärning behövs också olika former av träningsdata på kända kulturlämningar, livsmiljöer eller särskilda strukturer/egenskaper i skogen som vi vill hitta.

Hur kartunderlagen tagits fram beskrivs i dataproduktbeskrivningar som kommer att publiceras på den här webbsidan under mars.

Alla kunskapsunderlag har genomgått en kvalitetssäkring där vi bedömt kvaliteten med olika metoder. Kunskapsunderlagen har granskats av en extern referensgrupp med deltagare från skogssektorn. De har har också utvärderats statistiskt mot fältinventeringsdata eller mot data från riksskogstaxeringen. Resultaten redovisas i dataproduktspecifikationerna.

Det är viktigt att beakta att kunskapsunderlagen bygger på beräknande värden utifrån fjärranalysdata och inte kan jämföras med en inventering i fält. Kunskapsunderlagen visar alltså inte faktiska värden i fält, utan visar indikationer på att det kan finnas olika värden för vidare utredning.

Indikationer på skog med naturvärden

Kartunderlaget ger en viss överskattning av naturvärden, dvs att vissa områden som har en hög indikation för naturvärden inte har naturvärden. Brukade skogar med hög ålder kan vara särskilt svåra att skilja ut från naturskogar. Det beror på att flera egenskaper som kännetecknar skog med höga naturvärden (naturskogar), som förekomst av naturvårdsarter, död ved i olika nedbrytningsstadier och hög ålder på träden, inte kan identifieras tillfredställande i fjärranalysdata.

Prediktionerna är bättre för det som är vanligt förekommande i träningsdatat, till exempel är prediktionerna generellt mer träffsäkra för barrskogar än lövskogar. Andra områden där AI-där prediktionerna är sämre är små objekt (hänsynsytor), långsmala objekt, kustnära objekt och områden med lågproduktiv skog i exempelvis Norrbotten och på Gotland. Vissa riktigt ovanliga eller små biotoper, som brandfält, källor, och lodytor, kan AI-modellen inte fånga upp alls.  

Indikationer på kulturlämningar

Indikationerna på kolbottnar och fångstgropar är just indikationer. Det kommer finnas såväl överskattningar som missade lämningar i de publicerade underlagen. Men helheten bedöms hålla tillräckligt god kvalitet. Viktigt är dock att betona att ”allt är inte hittat” och att vi inte heller kommer hitta allt med hjälp av AI och/eller fjärranalys. Det finns lämningstyper som vi inte kommer kunna hitta samtidigt som det finns olika varianter/utseenden på kolbottnar och fångstgropar som inte fångas upp av AI-modellen. Även för kulturmiljöer kan markslag och skogstyp ha en avgörande roll för hur bra modellen presterar då lämningarna syns betydligt bättre i höjdmodellen på sandiga tallhedar med gles skog än i tät granskog med småblockig morän.

Fältinventeringar ger bra information om faktiska förhållanden i skogen, men det finns stora delar av landskapet som inte är inventerat och där det saknas information om natur- och kulturvärden. 

När det gäller redan registrerade kulturlämningar finns ofta en viss förskjutning i lägesangivelsen, detta då de registrerades enbart med hjälp av karta och kompass, dvs före användandet av GPS. Där kan de framtagna underlagen vara till stor hjälp för en exakt positionering av lämningarna.

De kan användas i din planering av hänsyn till natur- och kulturvärden i skogsbruksåtgärder. Kunskapsunderlagen ger kännedom om potentiella värden både på och utanför din fastighet.  Tillsammans med egen kunskap om fastigheten och andra informationskällor kan de digitala underlagen hjälpa dig att fatta beslut om åtgärder utifrån de mål du har för ditt skogsägande.

De digitala kunskapsunderlagen ger också ökad transparens och förutsägbarhet för dig i dina ärenden med myndigheter, då du kommer ha tillgång till samma kunskapsunderlag som myndigheterna. Det gäller till exempel vid avverkningsanmälan eller intresseanmälan för formellt skydd av skog. 

Ja, vi har vidareutvecklat AI-modellen för södra Sverige (Götaland och delar av Svealand, motsvarande kontinental och boreonemoral region enligt EU:s indelning) för att förbättra kartunderlagen. Vi håller nu på att kvalitetssäkra kartunderlagen och de kommer preliminärt att publiceras i början på 2027.

Vi tar gärna emot synpunkter, det är en viktig del i arbetet med att förbättra metoderna för att ta fram de digitala kunskapsunderlagen. Skicka då gärna koordinater, en bild som visar var felet finns och beskriv vad som inte stämmer. Det finns ett formulär på den här webbsidan som du kan använda. Däremot kommer vi i de flesta fall inte att korrigera kunskapsunderlagen. De syftar till att visa var olika värden kan finnas för vidare utredning eller inventering. Att korrigera underlagen utifrån lokala förhållanden skulle medföra en omfattande arbetsinsats och bedöms inte vara kostnadseffektivt.

Här hittar du en samlad beskrivning av Skogsstyrelsens geodata.

Här finns teknisk beskrivning av geodata.

Användarnamnet och lösenordet finns på Skogsstyrelsens webbplats. Du måste använda en ftp-klient, till exempel Filezilla, för att hämta filerna.

Det är samma användarkonto till båda tjänsterna. Du beställer användarkonto genom ett särskilt formulär.

Ja, på Geodataportalen kan du förhandsgranska datat.

Rensa cachen på mobilen och lägg till en ny genväg på hemskärmen, så ska problemet vara löst. Rensa cachen så här:

Chrome på Android: Öppna Chrome. Gå in på de tre punkterna uppe till höger > Inställningar > Webbplatsinställningar > Sparad data. Sök reda på kartor.skogsstyrelsen.se och rensa.
Samsung Internet. Gå in på de tre linjerna nere till höger, välj Inställningar > Platser och hämtningar > hantera webbplatsdata. Välj skogsstyrelsen.se och Ta bort
Safari på Iphone/iPad: Besök Inställningar > Safari > Avancerat > Webbplatsdata. Välj ändra och radera sedan raden som anger skogsstyrelsen.se