En metod utvecklad tillsammans med SLU — inte bara baserad på deras forskning.
Vår metodbeskrivning är avstämd mot Hofmeester et al. (2026) — den första vetenskapliga studien av drönarbaserad älginventering i Sverige. Kunskapsutbytet har gått åt båda håll: vissa metodval som ursprungligen togs fram i vårt operativa fältarbete har delats med och bidragit till forskningen, och studiens publicerade resultat har i sin tur format hur vi kalibrerar och driftsätter metoden. Nedan är vad vi delar med studien, vad vi bidrar med utöver den, och vad vi är öppna med att vi ännu inte har löst.
"Det här är inte en metod vi har hämtat från SLU eller som SLU har hämtat från oss — den har vuxit fram i dialog, där båda parter bidragit med delar."
Så stämmer metoden överens med SLU 2026
Vad vi bidrar med
SLU identifierar i rapporten ett centralt fortsatt behov: en empirisk svensk databas över älgpopulationens aggregationsmönster i olika habitattyper. Viltanalys bygger den databasen automatiskt, uppdrag för uppdrag.
Sotenäs ÄSO (VMK 3,73, 41 provytor, kustskog, vinter 2025) är det första bidraget utanför SLUs egna data. Varje genomförd inventering i systemet bidrar därefter anonymt med ett nytt värde kopplat till habitattyp och region — utan att känslig kunddata exponeras.
Faktiskt flygunderlag, Sotenäs ÄSO
Transparens om korrektionsfaktorerna
Korrektionsfaktorerna för enskilda arter är kvalificerade uppskattningar baserade på analogiresonemang och publicerad internationell litteratur — inte kalibrerade mot kontrollerade svenska studier. Vi redovisar öppet vad varje faktor grundar sig på istället för att presentera dem som mer exakta än de är.
| Art | Faktor | Underlag |
|---|---|---|
| Älg | 1,0 | Stor kroppsmassa och hög termisk signatur ger god detekterbarhet — analogiresonemang mot Witczuk et al. 2018. |
| Rådjur | 1,6 | Liten kropp, liggbeteende och vintertryck ger lägre detekterbarhet — Witczuk et al. 2018; Rüegg et al. 2019. |
| Vildsvin | 1,8 | Nattaktivitet och grytbeteende minskar detekterbarheten — analogiresonemang, Beaver et al. 2020 (vitsvanshjort som jämförelse). |
| Dovvilt | 0,8 | Flockbeteende — nedkorrigering motverkar kluster-bias. Franke et al. 2012 (dovhjort) och operativ erfarenhet. |
| Kronhjort | 1,0* | Standardfaktor — ingen artspecifik studie tillgänglig ännu. |
| Räv | 2,0 | Mycket liten kropp och gömslebeteende ger mycket låg detekterbarhet — saknar direkt litteraturstöd. |
*Standardfaktor tills artspecifik studie finns. Samtliga faktorer uppdateras löpande i takt med ackumulerade svenska inventeringsdata. En dubbelflyg-kalibrering för empirisk detektionssannolikhet är planerad men ännu inte implementerad.
Utvecklat i dialog med forskningen, inte inspirerat i efterhand
Oliver Carlsson, grundare av Drönarkompaniet, nämns i tackavsnittet i Hofmeester et al. (2026) och har haft löpande dialog med Tim Hofmeester sedan studiens tidiga skede. Viltanalys är i det avseendet inte ett system som inspirerats av SLUs arbete i efterhand — det har utvecklats i parallell med och i dialog med forskningen.
Flödet har gått åt båda håll. Delar av metodiken — bland annat operativa lärdomar om flygmönster och artspecifikt beteende — togs ursprungligen fram i vårt fältarbete och har delats tillbaka till SLUs forskning, samtidigt som studiens publicerade rekommendationer i sin tur har format hur vi kalibrerar och driftsätter metoden i Viltanalys.
Målet är att varje kommersiell inventering som genomförs med Viltanalys stärker det vetenskapliga underlag som SLU och Naturvårdsverket behöver för att formalisera metodkrav för drönarbaserad viltinventering i Sverige.
Viltanalys — vårt egenutvecklade rapportsystem
Allt ovan är inbyggt i Viltanalys, rapportsystemet vi utvecklat för drönarbaserad viltinventering. Systemet genererar flygrutter (WPML) med de gemensamma flygparametrarna förinställda, beräknar täckningsgrad från faktiskt genererade ytor, och sammanställer en rapport med metodik, kartor och bildbevis — ett tydligt eget planeringsunderlag för jaktlag, viltvårdsområden och markägare. Metoden är i dagsläget inte formellt godkänd av Naturvårdsverket eller Länsstyrelsen.
Drönaren som används är utrustad med en kalibrerad termisk sensor (NETD ≤ 50 mK); samtliga observationer verifieras manuellt med optisk zoom för 100 % artbestämning.
Utforska Viltanalys ↗Om den vetenskapliga grunden
Är metoden godkänd av Naturvårdsverket eller Länsstyrelsen?
Nej, inte ännu. Metoden är under utveckling i nära dialog med SLU men är i dagsläget inte formellt godkänd av Naturvårdsverket eller Länsstyrelsen. Rapporterna kan därför inte användas som formellt underlag i officiell viltförvaltningsrapportering, till exempel ÄBIN eller älgskötselplaner — de fungerar som ett tydligt eget planeringsunderlag för jaktlag, viltvårdsområden och markägare.
Är Viltanalys metod vetenskapligt granskad?
Metoden är utvecklad i nära samarbete med SLU och avstämd mot Hofmeester et al. (2026), den första vetenskapliga studien av drönarbaserad älginventering i Sverige. Utbytet har gått åt båda håll — delar av vårt operativa fältarbete har bidragit till forskningen, och studiens publicerade resultat har i sin tur format hur vi kalibrerar metoden.
Vad är Viltanalys?
Viltanalys är Drönarkompaniets egenutvecklade rapportsystem för drönarbaserad viltinventering. Det genererar flygrutter, beräknar täckningsgrad från faktiskt genererade ytor och sammanställer rapporter med metodik, kartor och bildbevis. Systemet finns på viltanalys.se.
Är alla korrektionsfaktorer vetenskapligt kalibrerade?
Nej, och det redovisar vi öppet ovan. Täckningsgradsmodellen och VMK-tröskelvärdena är kalibrerade mot faktiska svenska älgskötselområden. Artspecifika korrektionsfaktorer för andra arter är kvalificerade uppskattningar baserade på analogiresonemang och internationell litteratur, i väntan på svenska kontrollerade studier.
Källor
- Hofmeester, T. et al. (2026). Drönarbaserad älginventering i Sverige. Sveriges lantbruksuniversitet (SLU). Fullständig publikationsreferens läggs till här när studien publiceras.
- Buckland, S.T., Anderson, D.R., Burnham, K.P., Laake, J.L., Borchers, D.L. & Thomas, L. (2001). Introduction to Distance Sampling. Oxford University Press.
- Beaver, J.T., Baldwin, R.W., Messinger, M., Newbolt, C.H., Ditchkoff, S.S. & Silman, M.R. (2020). Evaluating the use of drones equipped with thermal sensors as an effective method for estimating wildlife. Wildlife Society Bulletin, 44(3), 434-443. doi.org/10.1002/wsb.1090
- Franke, U., Goll, B., Hohmann, U. & Heurich, M. (2012). Aerial ungulate surveys with a combination of infrared and high-resolution natural colour images. Animal Biodiversity and Conservation, 35(2), 285-293. doi.org/10.32800/abc.2012.35.0285
- Rüegg, S., Nigg, V., Sander, R. & Burkart, S. (2019). Drone-based infrared surveys for the detection of roe deer fawns. PLOS ONE, 14(2), e0211063. doi.org/10.1371/journal.pone.0211063
- Witczuk, J., Pagacz, S., Zmarz, A. & Cypel, M. (2018). Exploring the feasibility of unmanned aerial vehicles for ungulate surveys in forests. International Journal of Remote Sensing, 39(15-16), 5504-5521. doi.org/10.1080/01431161.2017.1390621
Vill ni se hela metodbeskrivningen?
Vi delar den fullständiga metodbeskrivningen — med samtliga formler, korrektionsfaktorer och valideringsunderlag — direkt till länsstyrelser, älgförvaltningsområden och markägare vid förfrågan.