Den här studien utvärderar användning avdata frånsatellitsystemen Pléiades-HR, Sentinel-2 och Landsat 8 vid förändringsanalyseroch inventeringarav vattenvegetation och vegetation på sjöstränder.Stränder, speciellt iform av klappersten-och sandstränder är under hot från klimatförändringen, urbanisering med mera. Sjön Vänerns stränderär under specifikt hot av igenväxning sedan den nya regleringen som infördes och sänkte det högsta tillåtna vattenståndetför att förhindra översvämning. På grund av denna reglering ligger nu områden som tidigare varit under vatten över vattenytan. Detta har den effekten att vegetation spridsöver stränder och täcker områden som tidigare varit öppna. Fågelarter och andra djur som är beroende på denna öppna miljö förlorar därför sina naturliga habitat. Denna förändring har under de senaste 20 åren övervakats och kartlagts med hjälp av flygfoton och andra metoder. Mycket arbete har utförts på uppdrag av Värmland och Västra Götalands länsstyrelser samt Vänerns Vattenvårds-förbund i detta område. Bland annat en inventering av sjöns stränder med ca 5 års intervall.

De flesta studier som utförts av Vänerns stränder har genomförts med manuella metoder. Detta kräver erfarenhet och kunskap inom området. Satelliter tillåter insamling av stora mängder data till ett relativt lågt pris och är därför optimala för användning vid förändringsanalyser. Sensorer på vissa satelliterkan registrera reflekterad strålning i en mängd spektrala band. Dessatillåter användandet av olika vegetationsindex för att identifiera och separera olika typer av vegetation. Problemet med användandet av satellitbilder vidsvenska sjöstränderär att de ofta saknar den spatiala upplösning som krävs för att tolka sjöars smala strandremsor. I denna studieutvärderas satellitbilder från Sentinel-2, Landsat 8 och Pléiades-HR för att användas vidanalyser av svenska sjökustförhållanden. Extraktion av strandlinje utförs medhjälp avNDWI och MNDWI raster genom Otsu metoden. En automatisk klassificering av strandområdet utförs även genom funktionen ’Image Classification Wizard’ i ArcGIS Pro med ’Support Vector Machine’ metoden applicerad på en trebands-bild bestående av NDVI, NDWI och det gröna bandet i varjesatellitbild.

Studien visar på att multispektrala bilder från både Landsat 8 och Sentinel-2kan användas för att extrahera vattenmasker i sjöstrandsförhållanden trots blandad vattenvegetation. Pléiades-HRbilder visade inte lika bra resultat vilket anses vara på grund av avsaknade SWIR-band.Sensorernasförmåga att registrera de olika typerna av strand och vegetation varierade. Endast bilder från Pléiades-HRkunde användas föratt med relativt högnoggrannhetregistrera mindre sandstränder medan resterande antingen missade eller överklassificerade området. Klippstränder hade samtligasensorerviss problematik att korrekt definiera korrekt på grund av död vass som täcker området. Pléiades-bilder visar störst potential som ett alternativ till flygfoton medan Sentinel-2-bildervisar potentialför generaliserade övergripande förändringsstudier. Vid klassificering av vass visar bilderna från Landsat 8 och Sentinel-2 med tillgång till SWIR-band störst potential att kunna korrekt klassificera vass de olika säsongerna.

In this study the use of the satellite systems Pléiades-HR, Sentinel-2 and Landsat 8 are evaluated for use in theshoresof Swedish lakes. Lake shorelines in Sweden is under threatof over growingdue to both climatechangeand water level regulations. To monitor the effects of these factors’ manual interpretation of aerial orthophotos are mainly used. This can be both expensive and time consuming. While many studies have been done on the use of satellite imagesin monitoringchangesin coastal environment, very few studies havebeendone coveringSwedish lakes and their uniqueshorelines. The satellites were tested in their ability to extract coastlines and classify the coastal terrain. This was done using Otsus method and binary thresholding on NDWI and MNDWI raster generated from the Green, NIR-and SWIR-bands. Classification using the Support Vector Machine was used on the coastline to evaluate the accuracy of automatic terrain detection using NDVI and NDWI indicesas well as the green band from each satellite image. The study shows that while satellites may not be as useful for detailed and short-term change monitoring, the application for long term change monitoring, especially with coastal reeds seems promising.