Estimation of forest parameters using remote sensing information could streamline the forest industry from a time and economic perspective. This thesis utilizes object detection and semantic segmentation to detect and classify individual trees from images over 3D models reconstructed from satellite images. This thesis investigated two methods that showed different strengths in detecting and classifying trees in deciduous, evergreen, or mixed forests. These methods are not just valuable for forest inventory but can be greatly useful for telecommunication companies and in defense and intelligence applications. This thesis also presents methods for estimating tree volume and estimating tree growth in 3D models. The results from the methods show the potential to be used in forest management. Finally, this thesis shows several benefits of managing a digitalized forest, economically, environmentally, and socially.

Den biologiska mångfalden i Sverige såväl som globalt minskar kraftigt och har gjort under en längre tid. Utdöendetakten idag är upp till 1000 gånger snabbare än den naturliga och många arter har redan dött ut delvis på grund av klimatförändringar. Syftet med översikten är att sammanställa vilka metoder som i Sverige används för att bevara den biologiska mångfalden i skogen och se hur effektiva dessa är. Även möjliga vägar framåt kommer att diskuteras. Bevarandemetoderna och -verktygen som används i Sverige är bland annat spridningskorridorer, naturvårdsbränning, naturreservat, det svenska artprojektet, åtgärdsprogram, frivilliga avsättningar och naturvårdshänsyn vid avverkningar. Samtliga metoder och verktyganvänds för att bevara den biologiska mångfalden i svenska boreala skogar. I forskningsöversikten beskrivs varje metod eller verktyg och vilka effekter som dessa ger. Resultatet fokuserar på metoderna naturvärdsbränning och spridningskorridorer, även om formellt avsatta områden så som naturreservat är den mest använda metoden i Sverige i nuläget. Alternativa metoder som borde implementeras i svenska skogar presenteras också. Dessa är mikroklimatisk buffring, identifikation av nyckelbiotoper samt utökad planering och samarbete. Slutligen presenteras ett didaktiskt perspektiv om elevers förståelse av biologisk mångfald, vilka undervisningssätt som vanligen används för att lära ut om biologisk mångfaldsamt vilka undervisningssätt som framöver bör användas för att öka elevernas kunskaper. Litteraturöversikten visar att dagens bevarandemetoder i Sverige ger betydligt större positiva effekter än negativa och att dessa bör fortsätta användas och i vissa fall utökas. Angående alternativa metoder finns det stöd för att dessa skulle fungera väl även inom Sverige. Den didaktiska undersökningen visar att elever och lärarstudenter visar en nedåtgående kunskapskurva om biologisk mångfald och att detta har pågått under en längre tid. Undervisningsmetoder som oftast används är grupparbeten och -diskussioner, lärarledda presentation och fältstudier. Dessa metoder bör fortsätta användas, gärna tillsammans med lektioner eller projekt utomhus och besök till verksamma laboratorier, för att öka elevernas förståelse kring biologisk mångfald. / The biodiversity in Sweden as well as globally is decreasing at an alarming rate and has been for a rather long time. The extinction rate is up to 1000 times higher than the normal rate and many species has already gone extinct partly due to climate change. The purpose of this summery is to compose commonly used conservation methods and tools in Sweden and see how efficient these are. Possible ways forward will also be discussed. Conservation methods and tools commonly used in Sweden are corridors, conservation burning, nature reserves, the Swedish Species Project and actions programs. All the mentioned methods and tools are used for biodiversity conservation in Swedish boreal forests. In this literature review each method or tool is described as well as its effects on biodiversity. Corridors and conservation burning are the focus for the report even though nature reserves is the most used method in Sweden today. Alternative methods for biodiversity conservation that we believe should be implemented in Swedish forests will also be presented. These methods are microclimatic buffering, identification of key biotopes and extended planning and communication between the owners and the state or municipality and other involved organizations. Lastly, a didactive perspective is presented in which students’ knowledge of biodiversity, common teaching methods regarding biodiversity and optimal teaching methods for an increased understanding will be discussed. The review show that the commonly used methods in Sweden are much more positive than negative and should therefore continue, and in some cases be extended. Regarding alternative methods, there is significant support for positive results in Sweden if used. The didactic analysis show that students and teacher students show a decreasing knowledge with respect to biodiversity and that this has gone on for quite some time now. Teaching methods often used in biodiversity education is groupwork and -discussions, presentations and field studies. These methods should continue being used as well as lessons or projects outdoor and field trips to laboratories to increase the students’ knowledge about biodiversity.

Tall och gran är de vanligaste trädarterna i svenska skogar. Förutom deras ekonomiska värde är de viktiga värdar för andra organismer och nyttjas oftast när de är döda. Säby Västerskog har skyddats i hundra år och är ett urskogsartat naturreservat där inga fördjupade analyser av dynamiken i trädskiktet har gjorts sedan 1930-talet. Denna studie gjordes med syfte av att uppdatera informationen om reservatets trädstatus samt att undersöka mortaliteten hos skogens barrträd. Det som undersöktes var om mortaliteten skiljde sig mellan trädslag, storleksklass och markslag. Förändringar i grundytan och balansen mellan arten undersöktes också. Träd identifierades med hjälp av data från en detaljerad karta från 1937, det togs mått på deras diameter och noterades vilken mark de stod på. Fler granar än tallar har dött i reservatet sedan 1937. Trädens storlek spelade ingen roll för tallars mortalitet, men väl för granar. Granens mortalitet skiljde sig inte mycket mellan olika markslag, men verkade spela roll för tall som hade högst mortalitet på våtmark och lägst på blockmark. Trots mortaliteten ökade trädens grundyta. Balansen mellan arterna förblev samma. / Scots pine and Norway spruce are the most common tree species in Swedish forests. They are important hosts to other organisms – mostly as dead wood. Säby Västerskog has been protected in hundred years but no in-depth analyses of dynamics in the tree layer have beendone since the 1930s. This study was done to update the information about the reserve’s tree status and examined mortality of conifers. I evaluated if mortality depended on tree species, size of the trees, or the type of ground they stood on. I also examined changes in trees’ basal area. The trees were identified with help of an old, detailed map from 1937. Their diameters were measured and the ground type they were standing on was noted. More spruces than pines had died in the reserve since 1937. Mortality varied with the tree size for spruce but not for pines. The mortality of pines varied among ground types (with the highest on wetlands and lowest on boulder deposits), but not for spruce. Despite high mortality basal area had increased. The balance between the species remained the same.

Artificial intelligence techniques, such as artificial neural networks, random forests, or support vector machines, have been used to address a variety of problems in numerous industries. However, in many cases, models have to deal with issues such as imbalanced data or high multi-dimensionality. This thesis implements and compares the performance of support vector machines, random forests, and neural networks for a new bank account fraud detection, a use case defined by imbalanced data and high multi-dimensionality. The neural network achieved both the best AUC-ROC (0.889) and the best average precision (0.192). However, the results of the study indicate that the difference between the models’ performance is not statistically significant to reject the initial hypothesis that assumed equal model performances. / Artificiell intelligens, som artificiella neurala nätverk, random forests eller support vector machines, har använts för att lösa en mängd olika problem inom många branscher. I många fall måste dock modellerna hantera problem som obalanserade data eller hög flerdimensionalitet. Denna avhandling implementerar och jämför prestandan hos support vector machines, random forests och neurala nätverk för att upptäcka bedrägerier med nya bankkonton, ett användningsfall som definieras av obalanserade data och hög flerdimensionalitet. Det neurala nätverket uppnådde både den bästa AUC-ROC (0,889) och den bästa genomsnittliga precisionen (0,192). Resultaten av studien visar dock att skillnaden mellan modellernas prestanda inte är statistiskt signifikant för att förkasta den ursprungliga hypotesen som antog lika modellprestanda.

Wood has been traditionally used as a construction material in Nordic countries such as Sweden dating back to the 12th century. Using wood as a building material for the construction of buildings with more than two stories became the norm around the 1850s and has only increased with the pressing need for more sustainable and environmentally friendly alternatives to materials such as concrete. The aim of this thesis is to bring attention to attitudes towards environmental, economic, and social sustainability of commercial multi-story wood buildings amongst industry professionals. Qualitative data was gathered through digitally conducted, semistructured interviews with six people from within fields related to carpentry, architecture, ecology, and forestry. Three buildings were briefly studied as a part of a case study on multi-story wood buildings: Fyrtornet in Malmö, Sweden, Sara  Cultural Centre in Skellefteå, Sweden, and The Oakwood Timber Tower in London, England. The results showed that the practice of constructing multi-story wood buildings wasn’t sustainable because of the intense short rotation forestry pushing ecosystems to extinction. Wood was still considered to be a good alternative to carbon intense materials such as concrete. Limitations include relying on only qualitative data as the methodology, for future research the author suggests conducting a comparative Life cycle assessment (LCA) with a cradle-to-cradle approach, as a way to study environmental impacts of timber versus other natural materials available in Sweden such as clay, straw and hemp.

This thesis tackles the problem of accurately pricing apartments in large Swedish cities using geospatial data. The aim is to determine if geospatial data and population statistics can be used in conjunction with direct apartment data to accurately price apartments in large cities. There has previously been little research in this domain due to a lack of available data in many countries. In Sweden, apartment transaction data is public which enabled this thesis to be performed. We apply and compare a multiple linear regression, a multi-layer perceptron and a random forest to appraise apartments in six of the largest cities in Sweden. To perform the appraisals, geospatial data and population statistics were gathered in the areas surrounding the apartments. Five of the six cities were used to train and test the models, whereas one city was only used for testing. The two best performing models, the multi-layer perceptron and random forest achieved a mean absolute percentage error of 8.68% and 8.76% respectively within cities they were previously trained within and a mean absolute percentage error of 22.62% and 20.6% respectively on apartment in the test city dataset. In conclusion this thesis suggests that with the use of this data, multi-layer perceptrons and random forests are useful for appraising apartments in different cities, however that more data is probably needed to appraise apartments in cities previously unseen by the models. / Detta masterarbete tar upp problemet med att korrekt prissätta lägenheter i stora svenska städer med hjälp av geospatiala data. Syftet är att avgöra om geospatiala data och befolkningsstatistik kan användas tillsammans med direkt lägenhetsdata för att korrekt prissätta lägenheter i storstäder. Det har tidigare utförts lite forskning inom detta område på grund av brist på tillgängliga data i många länder. I Sverige är uppgifter om lägenhetstransaktioner offentliga vilket gjorde att denna avhandling kunde utföras. Vi tillämpar och jämför en multipel linjär regression, en flerskiktsperceptron och en slumpmässig skog för att värdera lägenheter i sex av de största städerna i Sverige. För att göra värderingarna samlades geospatiala data och befolkningsstatistik i de områden som omger lägenheterna. Fem av de sex städerna användes för att träna och testa modellerna, medan en stad endast användes för testning. De två bäst presterande modellerna, flerskiktsperceptronen och slumpmässig skog uppnådde ett genomsnittligt absolut procentfel på 8,68% respektive 8,76% inom städer som de tidigare var tränade inom och ett genomsnittligt absolut procentfel på 22,62% respektive 20,6% på lägenheter i teststadens dataset. Sammanfattningsvis tyder detta verk på att med hjälp av dessa data är flerskiktsperceptroner och slumpmässiga skogar användbara för att värdera lägenheter i olika städer, men att mer data förmodligen behövs för att värdera lägenheter i städer som modellerna tidigare inte har tränats på.

This paper will explore the possibilities of using an automated self-made procedural tool to create real-time environments based on simple image masks. The purpose of this is to enable a concept artist or level designer to quickly get out results in a game engine and to be able to explore ideas. The goal of this thesis was to better understand how you can break down simple ideas and shapes into more complex details and assets. In the first part of this thesis, I go over the traditional workflow of creating a real-time environment. I then go on and break down my tool, what it does and how it works. I start off with a Photoshop file, make tools in Houdini and then utilize those in Unreal for the end result. I also argument about the time-saving possibilities with these tools. From the work, I draw the conclusion that these kinds of tools save a lot of time for repeating tasks and the creation of similar environments.

Bakgrund: De enskilda privata skogsägarna är en heterogen grupp som har genomgått en förändring under de senaste åren. Olika karaktärsdrag och olika förhållanden till skogen leder till olika värden med ägandet. Studien undersöker skogsägarnas incitament och beslutsfattande genom att studera skogsägarnas socioemotionella värden med hjälp av SEW-teorin. Syfte: Studien förklarar (1) vilka förutsättningar hos skogsägare som leder till socioemotionellt välstånd och (2) hur det socioemotionella välståndet påverkar beslutsfattande.  Metod: Studien baseras på en kvantitativ tvärsnittsdesign för att undersöka studiens syfte. Hypoteserna har utvecklats utifrån SEW-teorin och forskning kring skogsägande. För att testa hypoteserna har en enkätundersökning genomförts i samarbete med Södra Skogsägarna. Slutsats: Studien bevisar att SEW-teorin är en applicerbar teori på skogsägare. Det visar att det socioemotionella välståndet påverkar skogsägarnas incitament och beslutsfattande. Studiens resultat visar även att deras socioemotionella och ekonomiska värden ökar tillsammans. Studien finner vissa indikatorer på faktorer som genererar SEW samt finner flera effekter av SEW på skogsverksamheten. / Background: The private forest owners are a heterogeneous group that has undergone a change under the past years. They have different characteristics and different relationships to their forest, that leads to their values with their ownership. The study examines the incentives and decision-making process through socioemotional values of forest owners using the SEW-theory. Purpose: The study explains (1) the conditions of forest owners that lead to socioemotional wealth and (2) how socioemotional wealth affects decision making. Method: The study is based on a quantitative cross-sectional design to investigate the purpose of the study. The hypotheses have been developed based on SEW-theory and research on forest ownership, a survey was conducted in collaboration with Södra Skogsägarna.   Conclusions: The study proves that SEW-theory is an applicable theory for forest owners. It shows that socioemotional wealth affects the incentive and decision making of forest owners. The results of the study also shows that their socioemotional and economic values increases together. The study find some indication of factors generating SEW and some initial evidence of effects on the forestry orchestrated by SEW.

Norway spruce (Picea abies) is a vital tree species in Sweden's extensive forested landscape. However, the planting of spruce beyond its natural range has made it vulnerable to pests like the spruce bark beetle (Ips typographus), which has caused substantial damage to Swedish forests. With the effects of global warming and climate change becoming increasingly apparent, understanding the factors influencing spruce mortality is crucial for effective forest management. This study aimed to investigate the impact of soil moisture and tree size on the susceptibility of Norway spruce to spruce bark beetle attacks. Using a combination of an Artificial Intelligence (AI) program detecting dead spruce trees and soil moisture data from the Swedish University of Agricultural Sciences (SLU), areas in Stockholm County with dead spruce trees were identified. Spatial analysis using Geographic Information System (GIS) tools and a field survey were conducted to evaluate the hypotheses: H1: Spruce mortality will be higher in areas occurring within mesic soil moisture class (1) than within mesic-moist soil moisture class (2) and moist-wet soil moisture class (3). H2: Large diameter spruce trees will have a higher mortality rate from spruce bark beetle than smaller diameter trees. H3: Spruce mortality will be higher in areas located inside nature reserves. The results confirmed that spruce mortality was higher in areas with dryer soil, Additionally, larger diameter spruce trees exhibited higher mortality rates from spruce bark beetle attacks than smaller trees. Contrary to the initial hypothesis, the study did not find a higher spruce mortality rate in areas located outside nature reserves. The conclusion of this study is that both tree size and soil moisture affect the Norway spruce’s ability to defend itself from spruce bark beetle attacks, but it does not confirm that spruce trees inside nature reserves have a greater mortality rate due to bark beetle attacks than the surrounding areas. The study has contributed to a better understanding of how spruce bark beetles choose trees. It has also provided more knowledge and validation of the Swedish Forest Agency AI program, which is trained to find dead spruce trees. The fact that this is a working tool opens a lot of possibilities for further use. The knowledge of soil moisture’s effect on spruce survival will also help forest managers make better choices when selecting areas for planting spruce. This will also benefit both the forest owners economically and help suppress the spread of spruce bark beetle. / Gran (Picea abies) är en viktig trädart i Sveriges omfattande skogslandskap. Dock har plantering av gran utanför dess naturliga utbredningsområde gjort den sårbar för skadedjur så som Granbarkborre (Ips typographus), vilket har orsakat betydande skador på svenska skogar. Med effekterna av klimatförändringar är det alltmer viktigt att förstå vilka faktorer som påverkar granens sårbarhet mot granbarkborren för en effektiv skogsförvaltning. Denna studie syftade till att undersöka påverkan av markfuktighet och trädstorlek. Genom att använda en kombination av ett artificiellt intelligensprogram (AI) som identifierar döda granar och markfuktighetsdata från Sveriges lantbruksuniversitet (SLU), identifierades områden i Stockholms län där det fanns döda granar. En spatial analys med hjälp av geografiska informationssystem (GIS) och en fältundersökning genomfördes för att utvärdera hypoteserna: H1: Granens dödlighet kommer att vara högre i områden med torr-frisk mark (1) jämfört med områden med frisk-fuktig markfuktighet (2) och fuktig-våt markfuktighet (3). H2: Granar med större diameter kommer att ha en högre dödlighetsgrad från granbarkborrsangrepp än granar med mindre diameter. H3: Granens dödlighet kommer att vara högre i områden i naturreservat än utanför. Resultaten bekräftade att granens dödlighet var högre i torrare områden. Dessutom uppvisade granar med större diameter högre dödlighetsgrad från garnbarkborreangrepp än mindre träd. Resultatet kunde inte bekräfta hypotes H3, man fann inte en högre dödlighetsgrad hos gran i områden inom naturreservat. Slutsatsen av denna studie är att både trädstorlek och markfuktighet påverkar granens förmåga att försvara sig mot granbarkborreangrepp, men den bekräftar inte att naturreservat har en påverkan på granens dödlighet till följd av granbarkborreangrepp än omgivande områden. Studien har bidragit till en bättre förståelse för hur granbarkborren väljer granar. Den har också tillfört mer kunskap och bekräftat att Skogsstyrelsens AI-program hittar döda granar. Att AI-programmet är ett fungerande verktyg öppnar upp många möjligheter för framtida användningsområden. Kunskapen om markfuktighetens effekt på granens överlevnad kommer också att kunna hjälpa skogsförvaltare att fatta bättre beslut vid val av områden för plantering av gran. Detta kommer att gynna både skogsägarna ekonomiskt och bidra till att minska antalet granbarkborreangrepp.

This thesis proposes a deep learning anomaly detection pipeline to detect possible anomalies during the operation of a fleet of batteries and presents its development and evaluation. The pipeline employs sensors that connect to each battery in the fleet to remotely collect real-time measurements of their operating characteristics, such as voltage, current, and temperature. The deep learning based time-series anomaly detection model was developed using Variational Autoencoder (VAE) architecture that utilizes either Long Short-Term Memory (LSTM) or, its cousin, Gated Recurrent Unit (GRU) as the encoder and the decoder networks (LSTMVAE and GRUVAE). Both variants were evaluated against three well-known conventional anomaly detection algorithms Isolation Nearest Neighbour (iNNE), Isolation Forest (iForest), and kth Nearest Neighbour (k-NN) algorithms. All five models were trained using two variations in the training dataset (full-year dataset and partial recent dataset), producing a total of 10 different model variants. The models were trained using the unsupervised method and the results were evaluated using a test dataset consisting of a few known anomaly days in the past operation of the customer’s battery fleet. The results demonstrated that k-NN and GRUVAE performed close to each other, outperforming the rest of the models with a notable margin. LSTMVAE and iForest performed moderately, while the iNNE and iForest variant trained with the full dataset, performed the worst in the evaluation. A general observation also reveals that limiting the training dataset to only a recent period produces better results nearly consistently across all models. / Detta examensarbete föreslår en pipeline för djupinlärning av avvikelser för att upptäcka möjliga anomalier under driften av en flotta av batterier och presenterar dess utveckling och utvärdering. Rörledningen använder sensorer som ansluter till varje batteri i flottan för att på distans samla in realtidsmätningar av deras driftsegenskaper, såsom spänning, ström och temperatur. Den djupinlärningsbaserade tidsserieanomalidetekteringsmodellen utvecklades med VAE-arkitektur som använder antingen LSTM eller, dess kusin, GRU som kodare och avkodarnätverk (LSTMVAE och GRU) VAE). Båda varianterna utvärderades mot tre välkända konventionella anomalidetekteringsalgoritmer -iNNE, iForest och k-NN algoritmer. Alla fem modellerna tränades med hjälp av två varianter av träningsdatauppsättningen (helårsdatauppsättning och delvis färsk datauppsättning), vilket producerade totalt 10 olika modellvarianter. Modellerna tränades med den oövervakade metoden och resultaten utvärderades med hjälp av en testdatauppsättning bestående av några kända anomalidagar under tidigare drift av kundens batteriflotta. Resultaten visade att k-NN och GRUVAE presterade nära varandra och överträffade resten av modellerna med en anmärkningsvärd marginal. LSTMVAE och iForest presterade måttligt, medan varianten iNNE och iForest tränade med hela datasetet presterade sämst i utvärderingen. En allmän observation avslöjar också att en begränsning av träningsdatauppsättningen till endast en ny period ger bättre resultat nästan konsekvent över alla modeller.