Orientering är en sport som går ut på att besöka ett antal förutbestämda kontrollpunkter med hjälp av en karta. Orienteringskartan redovisar olika objekt som finns i verkligheten så som stenar, gropar, höjder och branter. Att tillverka en orienteringskarta är dyrt och tidskrävande. Omkring 120 000–150 000 kr och mellan 20–30 h/km2 fältarbete läggs ner på varje karta som skapas. Eftersom orienteringskartorna framställs av ideella föreningar är alla sätt som gör kartframställningen billigare välkomna.   I detta examensarbete har en funktion skapats i ett befintligt program vid namn OL Laser. Funktionens syfte är att automatiskt identifiera branter i laserdata för användning som grundmaterial vid framställning av orienteringskartor. För att räknas som en orienteringsbrant krävs det att tre stycken kriterier uppfylls, nämligen minst 1 m höjdskillnad, minst 1 m utbredning och en lutning större än 85°. Dessa kriterier bestämdes genom att komplettera de befintliga avgränsningarna som anges i Internationella Orienteringsförbundets regleringar för orienteringskartor med egna mätningar i tre stycken olika referensområden kring Gävle. Därefter programmerades funktionen så att genom att klicka på en knapp startas en sökning i ett höjdraster. Steg för steg söks höjdrastret igenom efter pixlar som uppfyller de givna parametrarna för höjdskillnad, utbredning och lutning. Värdet på parametrarna för lutning, höjdskillnad och utbredning bestämdes genom att kalibrera funktionen mot referensområdena. Kalibrering gjordes för att det skulle vara möjligt att automatiskt identifiera branter. De inställningar på parametrarna som användes i funktionen efter kalibrering var 42,5° lutning, 0,6 m höjdskillnad och en utbredning över minst två sammanhängande pixlar. Resultatet utgörs av de pixlar som funktionen identifierar som en brant.   Resultatet visar att funktionen klarar av att hitta branter automatiskt, även i områden som den inte kalibrerats mot. För att använda branterna till en orienteringskarta krävs det att en kartritare verifierar resultat av funktionen ute i fält. Med hjälp av funktionen sparas både tid och pengar i framställningen av orienteringskartor. / Orienteering is a sport where the purpose is to visit a number of predefined control points using a map. The orienteering map shows various objects such as rocks, pits, knolls and cliffs. It is expensive and time consuming to produce an orienteering map. Approximately 120.000-150.000 SEK and 20–30 h/km2 field work is invested in every map produced. Considering orienteering maps are financed by non-profit orienteering organizations every time and money saving process is welcome.   In this degree project a function has been created in a software called OL Laser. The aim of the function is to automatically identify cliffs in laser data for the usage as base maps in the production of orienteering maps. First the definition for cliffs in orienteering was defined. To be classified as a cliff three requirements had to be fulfilled, namely at least 1 m in height difference, at least 1 meter wide and a gradient greater than 85°. These requirements were determined by supplementing the existing restrictions specified in the regulations for orienteering maps with own measurements in three different reference areas around Gävle. The function was programmed so that a search in a height raster was started. Step by step the raster was scanned for pixels that meet the given parameters of the height difference, the width and gradient. The values of the parameters were determined by calibrating the function in the reference areas. The calibration was made to make it possible to automatically identify cliffs. The settings of the parameters used in the function after the calibration were 42.5° gradient, 0.6 m height difference and a propagation of at least two consecutive pixels. The pixels that the function identified as a cliff is the result.   The result shows that the function is able to automatically find the cliffs, even in areas which it is not calibrated against. To be able to use the cliffs on an orienteering map, the cartographer has to verify the result of the function in the field. Both time and money is saved by using the function when producing orienteering maps.

The volume of lava flows provide important information on the magnitude of volcanic eruptions, and accurate volumes are necessary to produce reliable models of lava flow emplacement or constrain the internal structure of volcanoes. The most accurate lava flow volumes are obtainable when the topography before and after an eruption are both known, but information for the topography before lava flow emplacement is absent in non-historic lava flows. To calculate the volume of non-historic lava flows, this pre-emplacement topography needs to be reconstructed. Common methods for this include using inverse distance-weighted averages or global polynomial interpolation methods, but these can still underestimate the volume of the flow, and the surface of the flow itself is not considered in these interpolations. A new calculation method seems necessary to better constrain the volume of lava flows, and including the lava flow surface in the volume calculation, given that it is generally excluded during interpolation of pre-emplacement topography, may be the solution to improving lava flow volume calculation for flows where the base surface is unknown. The 2012-2013 Tolbachik lava flow is used to look at potential relationships due to the availability of elevation data before and after the eruption. A quantitative analysis on the relationships between the slope of topography before and after lava flow emplacement and on the relationship between the slope and thickness of lava flows is performed. In addition to this, the slope of the topography calculated over local and regional scales is used as a new interpolation method, and the calculated thickness from the interpolated surface is compared to the known thickness for the lava flow.