Digitala ytmodeller (Digital Surface Model – DSM) används ofta i geodetiskt sammanhang. DSM har länge skapats bland annat med hjälp av fotogrammetri där flygbilder har tagits med traditionella flygningar. Intresset tilltar nu för att framställa DSM med hjälp av obemannade flygfarkoster, så kallade UAS (Unmanned Aircraft System). Den största fördelen med UAS är att det går snabbt och enkelt att få den lilla flygfarkosten upp i luften för att ta flygbilder och framställa DSM kostnadseffektivt.Syftet med detta examensarbete var att undersöka vilken höjdosäkerhet som kan uppnås i DSM som framställts genom fotogrammetri med UAS. För att åstadkomma detta har två flygningar gjorts den 25 april 2013 med en Gatewing X100 över ett område i Grillby där cirka 350 flygbilder togs sammanlagt. Efter flygningarna mättes med en totalstation 16 kontrollprofiler in på olika terrängtyper över flygområdet enligt rekommendationer i SIS-TS 21145:2007 ”Statistisk provning av digital terrängmodell”.Från de två flygningarna som gjordes i Grillby framställdes två olika DSM i programvaran AgiSoft Photoscan. DSM importerades därefter till SBG Geo där höjdskillnaderna mellan kontrollprofilerna och DSM beräknades. Medelavvikelsen i höjd varierade mellan -0,112 m och 0,050 m för de olika provytorna. De provytor som systematiskt avvek från DSM var asfaltprofilerna, dessa låg konstant (ca 0,1 m) under DSM. Anledningen tros ligga i bildmatchningen i programvaran AgiSoft Photoscan.De DSM som framställdes i detta examensarbete uppfyllde kraven för klass 4 enligt SIS-TS 21144:2007 vilket innebär att max medelavvikelse i höjd får vara 0,15 m. Det innebär, enligt samma SIS-TS, att framställda DSM är lämpade som projekteringsunderlag för arbetsplan väg och systemhandling järnväg (i jämn terräng). / Digital Surface Models (DSM) is common used for geodetic measurement today. Digital surface models have been created for a long time using photogrammetry where aerial photographs have been taken with traditional flights. The interest to produce DSM using unmanned air vehicles (UAS) has increased lately. The main advantage of a UAS system is that it is quick and easy to get the little aircraft up in the air to take aerial photographs and produce DSM cost-effective.The aim of this thesis was to investigate the height of uncertainty that can be achieved in DSM created by photogrammetry using UAS. To achieve this two flights have been made the 25th of April 2013 with a Gatewing X100. The flights were made over an area in Grillby where approximately 350 aerial photographs in total were taken. After the flights 16 control profiles were measured with a total station on different terrain types over the flight area as recommended by the document SIS-TS 21145:2007 “Statistical testing of Digital Terrain Models”.From the two flights that were made in Grillby, two different DSM was produced in the software AgiSoft Photoscan. The DSM was imported to SBG Geo and height differences between the control profiles and the DSM were calculated. This resulted in height differences which ranged between -0.112 m and 0,050 m in the various sample surfaces. The sample surface that deviated most from the DSM was the asphalt profiles that deviated about -0.1 m. It was considered to be a systematic error, but the source of the systematic error has not been located among the measurements. The error is believed to instead be in the image matching done by AgiSoft Photoscan. The DSM created in this thesis is classified as class 4 in a table from SIS-TS 21144:2007 which means that the max mean difference in height inside the DSM is ±0,15 m. This shows us that the DSM created with photogrammetry using UAS is suited for both as material for planning in railway and road constructions and for visualization of the ground.

Flygburen laserskanning är en effektiv metod för insamling av höjddata över stora områden och används därför frekvent som underlag till digitala höjdmodeller, både på nationell och regional nivå (Wehr & Lohr 1999). Fördelen med insamlingsmetoden är att de utsända laserpulserna reflekteras på både markytan och objekten ovan mark, exempelvis vegetation, byggnader och liknande. På så vis genereras ett tredimensionellt punktmoln från vilket ytterligare produkter kan genereras. Den uppskattade eller uppmätta kvaliteten hos LiDAR-data gäller generellt för hela skanningsområdet. Men det kan vara av intresse att utföra en mer djupgående analys av kvaliteten för att se hur den skiljer sig mellan olika terrängtyper. På uppdrag av Arvika kommun ska en kvalitetskontroll av Lantmäteriets andra rikstäckande laserskanning ”Laserdata Skog” utföras. I dagsläget arbetar man med Laserdata NH, syftet med studien är således att ge Arvika kommun en mer nyanserad uppfattning av kvaliteten hos Laserdata Skog så att framtida arbeten kan ske på ett tillförlitligt sätt med en djupare förståelse kring datat. En jämförelse med Lantmäteriets första rikstäckande laserskanning ”Laserdata NH” kommer även utföras. Jämförelsen mellan de två laserskanningarna sker främst av ett teoretiskt intresse för att utreda hur stor skillnaden är mellan dem, framtida arbeten med laserdata kommer troligtvis att ske med den nya ”Laserdata Skog”.   För att utföra studien tillämpas den tekniska specifikationen SIS-TS 21144:2016 ”Byggmätning – Specifikationer vid framställning och kontroll av digitala markmodeller”. Inmätning av referensdata utfördes med både GNSS-utrustning och totalstation. De terrängtyper som har inkluderats i studien är: asfaltsyta, grusyta, lövskog, barrskog och gräsyta. För varje terrängtyp selekterades 2 provytor för att uppnå en god representation av de enskilda terrängtyperna. För att möjliggöra en koordinatjämförelse mellan laser- och referensdata så interpolerades punktmolnet till en TIN-yta. Resultatet visar att det uppstår differenser mellan Laserdata NH och Laserdata Skog för de statistiska mått som har beräknats. Laserdata NH erhåller förvånansvärt låga avvikelser. En övergripande trend är dock att Laserdata Skog har de lägre avvikelserna. Att fastställa orsakerna till dessa är dock svårt då det finns ett flertal faktorer som spelar in. Sammanfattningsvis erhåller Grusyta det lägsta RMSE-värdet (0,021 m) i Laserdata NH och i Laserdata Skog är det Asfaltsyta (0,017 m). Det högsta RMSE-värdet hittas i Barrskog för både Laserdata NH (0,198 m) och Skog (0,111 m). / Airborne laser scanning is an efficient method for collecting elevation data over a large area and is therefore frequently used as a basis for digital elevation models, both on a national and regional level (Wehr & Lohr 1999). The advantage of this data collection method is that the emitted laser pulses are reflected both on the ground surface as well as the objects above it, for example the vegetation, buildings or the like. In this way a three-dimensional point cloud can be created from which further products can be generated. The estimated or measured quality of LiDAR data generally applies for the entire scanning area. But it can be interesting to perform a more in-depth analysis of how the quality differs between different types of terrain.  At the request of Arvika municipality a quality survey of Lantmäteriet’s second nationwide laser scanning “Laserdata Skog” will be performed. Work is currently being performed using Laserdata NH, the purpose of this study is thus to give Arvika kommun a more nuanced perception of Laserdata Skog’s quality so that future work can be done in a more reliable way with a deeper knowledge about the data at hand. A comparison between Lantmäteriet’s first nationwide laser scanning “Laserdata NH” will also be performed. The comparison between these two is primarily out of a theoretical interest to examine how the quality differs between them. Future laserdata work will probably be executed using the newer product “Laserdata Skog”. The technical specification SIS-TS 21144:2016 ”Construction measurements – Specifications of production and control of digital terrain models” was applied in the study. Both GNSS-equipment and total station where used in order to collect reference data. The included terrain types are: asphalt, gravel, deciduous forest, coniferous forest and grass. Two areas of interest have been selected for each type of terrain in order to achieve a good representation of each terrain type. In order to perform a coordinate comparison between the laser- and reference data the point cloud from the laserdata was interpolated to a TIN-surface. The results show that there are quality differences between Laserdata NH and Laserdata Skog. Laserdata NH obtains remarkably low deviations. The overall trend is however that Laserdata Skog acquires the lower deviations of the two. Determining the causes of this is difficult, as there are several factors that come in to play. In summary the Gravel terrain type obtains the lowest RMSE-value (0,021 m) for Laserdata NH. The terrain type with the lowest RMSE-value for Laserdata Skog is Asphalt (0,017 m). The highest RMSE-values are found in Coniferous forest for both Laserdata NH (0,198 m) and Laserdata Skog (0,111 m).

Höjddata av god kvalitet är av stor betydelse i många sammanhang, inte minst i samhällets anpassning till ett förändrat klimat. Laserdata Skog är höjddata insamlade från flygburen laserskanning och kommer i färdigt skick att täcka större delen av Sveriges yta. För att sådana data ska kunna användas på bästa sätt är det viktigt att ha kännedom om deras kvalitet. För data från flygburen laserskanning finns det många parametrar som orsakar variation i kvaliteten, där terrängtypens inverkan hör till de mest betydande.  Denna studie utförs på uppdrag av Lantmäteriet och syftar till att undersöka kvaliteten i Laserdata Skog. Fokus ligger på osäkerhet i höjd och punkttäthet, samt hur dessa faktorer varierar mellan olika terrängtyper. Höjdosäkerheten har undersökts genom jämförelser mellan laserdata och terrestra kontrollmätningar, medan punkttätheten har bestämts med beräkningar och observationer i laserdata. Fyra terrängtyper ingår i studien: Hårdgjord yta, Gräsyta, Barrskog och Lövskog. Varje terrängtyp representeras av tre olika provytor, fördelade på olika skanningsområden. Osäkerheten i höjd påverkades av både trädskikt och markvegetation, medan det enbart var variation i trädskiktet som orsakade synbar påverkan på punkttätheten. Osäkerheten i höjd för enskilda provytor varierade mellan 0,011 och 0,183 m (RMS). Punkttätheten varierade mellan 0,66 och 2,09 punkter/m2. För osäkerheten i höjd påträffades ett betydande bidrag från inpassningen av punktmolnet, vilket försvårade analysen av terrängtypens inverkan. / High quality elevation data is of great importance in many contexts, for example in society’s adaptation to climate change. Laser data forest (Laserdata Skog) is elevation data collected from airborne laserscanning, and will cover most of Sweden’s surface when completed. In order for this data to be used in the best possible way, knowledge of its quality is important. Many parameters causes variation in quality for airborne laserdata, and the impact of vegetation is one of the most significant. This study is conducted by request from Lantmäteriet (the Swedish mapping, cadastral and land registration authority) and aims to investigate the quality of Laser data Forest. Uncertainty in height and point density is the main focus, as well as how these factors vary in different types of terrain. Uncertainty in height has been investigated by comparisons between laser data and terrestrial control measurements, while point density has been determined by calculations and observations in laser data. Four types of terrain is included in the study: Impervious surface, Grass, Coniferous forest and Deciduous forest. Each type of terrain is represented by three test surfaces, one in each of three different scanning areas. Uncertainty in height was affected by both trees and ground cover, while the vegetational impact on point density was caused by trees alone. Uncertainty in height for individual test sites varied between 0,011 and 0,183 m (RMS). Point density varied between 0,66 and 2,09 points/m2. For the uncertainty in height, a considerable contribution was found to originate from the alignment of the point clouds, which made the analysis of the impact of the terrain more difficult.