I detta avsnitt diskuteras först problem och antaganden som uppstått i studien. Sedan diskuteras metoder och resultat från de olika jämförelserna.
5.1 Antaganden och problem
För att extrahera hustak har samma metod använts på samtliga modeller. Valet av metod grundade sig i resultatet från tidigare examensarbeten Noaaemi (2020) och Nilsson (2019).
Resultatet från bägge studierna visade att ArcGIS Pro med plugin-programmet 3D Basemaps gav bäst resultat vid 3D-modellering av byggnadstak. I Nilssons (2019) studie erhölls en lägre lägesosäkerhet och en högre detaljeringsnivå med den valda metoden.
Antaganden var att parametrar för punktmoln bör justeras individuellt för att nyttja dess fulla potential. Den största skillnaden i parametrar har uppstått vid skapande av höjdmodeller då cellstorlekar har varit olika beroende på vilket punktmoln som använts.
Verktyget Segment Roof Parts som delar byggnadspolygoner utefter höjder i ytmodellen hade en väldigt liten effekt med ytmodellen som skapats av det fotogrammetriska punktmolnet.
Byggnader segmenterades istället manuellt. Att segmentera byggnader utfördes manuellt på samtliga modeller, men i en betydligt större utsträckning för modellen skapad med Ytmodell från flygbilder. Manuell utförd segmentering är en stor felkälla då enbart ytmodell och ortofoto användes för att urskilja takformer.
De största problemen som uppstått i studien har berott på fel i programmet. Ett av de största problemen var med plug-in programmet 3D Basemaps. Enligt Esri (Esri u.å.b) finns det en bugg när programmet körs i Windows svenska version. För att lösa problemet ändrades språket på datorn till engelska (USA). Felkällan till problemet tog tid att finna men gick fort att åtgärda.
Problem utöver detta uppstod vid klassificeringen av kombinerade punktmoln. Att klassificera två punktmoln samtidigt tycktes inte fungera då programmet enbart klassade det punktmolnet som först laddades in i ett LAS dataset. För att kringgå detta problem klassificerades punktmolnen individuellt innan de kombinerades i ett LAS dataset.
5.2 Kvantitativa jämförelsen
RMSE-analysen för höjdvärden visade att modellen skapad genom kombination av punktmoln gav värden närmast de inmätta. Därefter Laserdata Skog modellen och sist var den modellen skapad med Ytmodell från flygbilder. Modellen skapad med Ytmodell från flygbilder hade en genomsnittlig avvikelse i höjd på 0,45 m enligt tabell 11. Detta var inte ett oväntat då dokumentationen för produkten påstår att avvikelserna i höjd är ca 1,7 gånger pixelns storlek. I denna studie är en pixel 0,24 m på marken. Detta ger en avvikelse på ca 0,41 m i höjd.
Modellen skapad med Ytmodell från flygbilder har ett RMSE-värde på 0,9830 m i höjd enligt diagrammet i figur 13. Detta avviker ganska mycket mot övriga modeller som har ett RMSE-värde runt 0,3 m. En av anledningarna är att många tak var mycket svårare att modellera med enbart det fotogrammetriska punktmolnet. Att segmentera byggnadsytor var i vissa fall nästintill omöjligt. På grund av luckor i punktmolnet hade även många celler i höjdmodellerna interpolerats fram och gav felaktiga höjder. Detta inträffade oftast vid platser där höjdskillnaden fort skiftade. Resultatet av det var att flera tak inte kunde modelleras korrekt och avvikelserna på de taken uppgick till 2 m. På övriga tak där modelleringen inte var lika utmanande var avvikelserna betydligt lägre. En av felkällorna till lägesosäkerheten är extraheringen av modellernas koordinater. För att extrahera koordinaterna skapades ett punktskikt och ”snappades” mot modellernas hörn. Punkternas koordinater kunde sedan extraheras och användas i jämförelsen. En annan metod för detta hade möjligtvis kunnat ge ett mer korrekt resultat.
Analysen för fullständighet visade även att kombinerade- och Laserdata Skog-modellerna gav likvärdiga resultat med en fullständighet runt 90 %. Den fotogrammetriska modellen gav ett betydligt sämre resultat med enbart 64,4 % av takformerna modellerade enligt figur 14. En av anledningarna är att produkten Ytmodell från flygbilder använder flygbilder som tagits innan vissa byggnader har blivit byggda. Ytterligare en anledning är luckor och svårigheter att urskilja takformer ur punktmolnet vid segmentering. Metoden för att ta fram antalet takformer är möjligtvis även en felkälla. Genom ortofoto räknades antalet takformer, en mer exakt data på detta hade behövts för att säkerställa resultatet. Sådan data fanns inte tillgänglig för denna studie.
5.3 Kvalitativa jämförelsen
I enkäten där 68 personer deltog fick deltagarna ingen information om vilket data som skapat de olika alternativen. I resultatet var det enkelt att urskilja vilken av modellerna som bäst representerade verkligheten. Den kombinerade modellen hade över 50 % av rösterna i samtliga frågor och totalt 64,7 % av rösterna. Modellen skapad med Laserdata Skog fick totalt 27,2 % av rösterna. Ytmodell från flygbilder-modellen fick enbart 8,1 % av de totala rösterna. Det var enbart i en av frågorna som deltagarna röstade på det fotogrammetriska skiktet.
Den kombinerade modellen och Laserdata Skog-modellen representerade verkligheten väl på många byggnader. Med en kombination av punktmoln var det enklare att modellera mindre takdetaljer än med övriga punktmoln. Detta beror främst på den höga punkttätheten från Ytmodell från flygbilder och en låg osäkerhet från Laserdata Skog. Resultatet från enkäten var ganska väntat, den kombinerade modellen har en lägre osäkerhet och är mer fullständig än övriga modeller. Frågorna hade möjligtvis kunnat formulerats på annat sätt och fler byggnader kunde tagits med för att ge ett annat resultat.
5.4 Hållbar utveckling och etiska aspekter
Denna studie tar hänsyn till FN:S globala mål nr 11: Hållbara städer och samhällen. (Globala målen 2021). För att förebygga risker skapade av klimatförändringar kan punktmolnen i studien stå till grund för riskanalyser som bidrar till hållbara städer.
Vetenskapsrådet (2002) tar upp fyra forskningsetiska huvudkrav; informationskravet, samtyckeskravet, konfidentialitetskravet samt nyttjandekravet. Informationskravet innebär att personer som deltar i studien ska informeras om studiens syfte. Samtyckeskravet innebär att deltagande ska vara frivilligt. Konfidentialitetskravet innebär att deltagarnas identitet skyddas. Nyttjandekravet innebär att de uppgifter som samlas in får enbart användas i forskningssyfte. Då denna studie utfördes med hjälp av en kvalitativ metod i form av enkät anpassades denna utifrån forskningsetiska aspekter. Vidare så anses inte studien beröra några etiska aspekter eftersom ingen känslig information använts.