Researchdata.se
Not a member yet
6142 research outputs found
Sort by
Meteorological data from Skogaryd Central, Mast-1
No full textAutomatic weather station data from locations within the distributed Swedish research infrastructure SITES. Check preview or file for the specific parameters included at this location. Data has been quality controlled and cleaned from outliers and other events producing unrealistic data. Gaps have not been filled.
Skogaryd Research Catchment (2025). Meteorological data from Skogaryd Central, Mast-1, 2018-01-01–2018-12-31 [Data set]. Swedish Infrastructure for Ecosystem Science (SITES). https://hdl.handle.net/11676.1/txZ10SfTzCx6F2iFQ3zBjZ-
Summariska folkmängdsdatabasen - Demografiska databasen
No full textThe SUMFOLK database contains a compilation of the aggregated population reports for the years 1895-1930 made by Gunnar Myrdal's research group during the 1930s. They are based on information sent to Statistics Sweden (SCB) by the country's ministers. There is information on migration, population and the number of births and deaths at parish level. Myrdal's research group extracted certain information from the original forms to their own excerpt forms. These excerpts have been registered by Demographic Data Base (DDB) and are available in the SUMFOLK database.Den summariska folkmängdsdatabasen innehåller en sammanställning av de summariska folkmängdsredogörelser för åren 1895-1930 som gjordes av Gunnar Myrdals forskargrupp under 1930-talet. De bygger på information som skickades in till Statistiska centralbyrån (SCB) från landets präster. Det finns information om migration, folkmängd och antalet födda och döda på församlingsnivå.
Myrdals forskargrupp excerperade viss information från originalblanketter, på egna excerperingsformulär. Det är dessa excerpter som har inregistrerats av Demografiska databasen (DDB) och som finns tillgängliga via den summariska folkmängdsdatabasen
Meteorological data from Mycklemossen, S-mast-2
No full textAutomatic weather station data from locations within the distributed Swedish research infrastructure SITES. Check preview or file for the specific parameters included at this location. Data has been quality controlled and cleaned from outliers and other events producing unrealistic data. Gaps have not been filled.
Skogaryd Research Catchment (2025). Meteorological data from Mycklemossen, S-mast-2, 2015 [Data set]. Swedish Infrastructure for Ecosystem Science (SITES). https://hdl.handle.net/11676.1/VGdvm4iZy4ISKO1wBJCHjt_
JSON dataset för simulerad byggnadsvärmekontroll för system-av-system interoperabilitet
No full textInteroperability in systems-of-systems is a difficult problem due to the abundance of data standards and formats.
Current approaches to interoperability rely on hand-made adapters or methods using ontological metadata.
This dataset was created to facilitate research on data-driven interoperability solutions. The data comes from a simulation of a building heating system, and the messages sent within control systems-of-systems. For more information see attached data documentation.
The data comes in two semicolon-separated (;) csv files, training.csv and test.csv. The train/test split is not random; training data comes from the first 80% of simulated timesteps, and the test data is the last 20%. There is no specific validation dataset, the validation data should instead be randomly selected from the training data. The simulation runs for as many time steps as there are outside temperature values available. The original SMHI data only samples once every hour, which we linearly interpolate to get one temperature sample every ten seconds. The data saved at each time step consists of 34 JSON messages (four per room and two temperature readings from the outside), 9 temperature values (one per room and outside), 8 setpoint values, and 8 actuator outputs. The data associated with each of those 34 JSON-messages is stored as a single row in the tables. This means that much data is duplicated, a choice made to make it easier to use the data.
The simulation data is not meant to be opened and analyzed in spreadsheet software, it is meant for training machine learning models. It is recommended to open the data with the pandas library for Python, available at https://pypi.org/project/pandas/.
The data file with temperatures (smhi-july-23-29-2018.csv) acts as input for the thermodynamic building simulation found on Github, where it is used to get the outside temperature and corresponding timestamps. Temperature data for Luleå Summer 2018 were downloaded from SMHI.Datasetet innehåller simulerad servicedata för system-av-system interoperabilitetsforskning. För mer information se bifogad dokumentation och den engelska katalogsidan.
Data kommer i två semikolonseparerade (;) csv-filer, training.csv och test.csv. Träning/testfördelningen är inte slumpmässig; träningsdata kommer från de första 80 % av de simulerade tidsstegen och testdata är de sista 20 %. Det finns ingen specifik valideringsdatauppsättning, valideringsdatan bör istället väljas slumpmässigt från träningsdatan. Simuleringen körs i lika många tidssteg som det finns tillgängliga utetemperaturvärden. De ursprungliga SMHI-data samplar bara en gång i timmen, som linjärt interpolerar för att få ett temperaturprov var tionde sekund. Data som sparas vid varje tidssteg består av 34 JSON-meddelanden (fyra per rum och två temperaturavläsningar utifrån), 9 temperaturvärden (ett per rum och utanför), 8 börvärden och 8 ställdonutgångar. Data som är associerade med vart och ett av dessa 34 JSON-meddelanden lagras som en enda rad i tabellerna. Detta innebär att mycket data dupliceras, ett val som görs för att göra det lättare att använda datan.
Simuleringsdata är inte avsedd att öppnas och analyseras i kalkylprogram, det är avsett att träna maskininlärningsmodeller. Det rekommenderas att öppna data med pandas-biblioteket för Python, tillgängligt på https://pypi.org/project/pandas/.
Datafil med temperaturer (smhi-july-23-29-2018.csv) för termodynamisk simulering avsedd som input vid simulering gällande utomhustemperatur och tidsmarkör. Temperaturdata från Luleå sommaren 2018 var nedladdade från SMHI
Data för: Förekomst, riskfaktorer och antimikrobiell resistens hos Campylobacter från fjäderfä och människor i centrala Etiopien: ett One Health-perspektiv
No full textThis study aimed to contribute to the possible reduced spread of Campylobacter in poultry, humans, and the environment in central Ethiopia. This was done by identifying the key risk factors, including poor farm management, biosecurity gaps and inadequate hygiene practices and farm worker awareness using a One Health approach to highlight areas where interventions can reduce transmission.
The One Health concept emphasizes the interconnectedness of human, animal, and environmental health. This study aims to address health risks holistically. Campylobacter isolated from poultry, humans and the environment were identified and subtyped. Additionally, the study evaluated the antimicrobial resistance (AMR) profiles of the identified Campylobacter species.
Antimicrobial resistance of the isolated Campylobacter spp. was analyzed against nine different antibiotics from five antibiotic classes: quinolones (nalidixic acid, ciprofloxacin, and norfloxacin), macrolides (erythromycin), aminoglycosides (streptomycin and gentamicin), phenicols (chloramphenicol), and tetracyclines (tetracycline and oxytetracycline). The data file contains 46 rows (Campylobacter spp.) and 15 columns, with the data explained in the documentation file 'Readme_AMR_Result.'
Poultry farm workers were interviewed using a structured questionnaire to gather information about farm practices related to Campylobacter risk factors, consumption habits, hygiene practices, and awareness of Campylobacter as a zoonosis and the One Health concept. The data file contains 122 rows (respondents) and 37 columns (survey questions), along with three columns detailing the microbiological results for each isolate. The data is explained in the documentation file 'Readme_questionnaire_results.Denna studie syftade till att bidra till den möjliga minskningen av spridningen av Campylobacter i fjäderfä, människor och miljön i centrala Etiopien. Detta gjordes genom att identifiera de viktigaste riskfaktorerna, inklusive dålig gårdshantering, brister i biosäkerhet och otillräckliga hygienpraxis samt gårdsarbetarnas medvetenhet genom att använda ett One Health-ansats för att belysa områden där interventioner kan minska överföringen.
One Health-konceptet betonar sammankopplingen mellan mänsklig, djur- och miljöhälsa. Denna studie syftar till att adressera hälsorisker på ett holistiskt sätt. Campylobacter isolerad från fjäderfä, människor och miljön identifierades och subtypades. Dessutom utvärderade studien antimikrobiella resistensprofiler (AMR) hos de identifierade Campylobacter-arter.
Antimikrobiell resistens hos de isolerade Campylobacter spp. analyserades mot nio olika antibiotika från fem antibiotikaklasser: kinoloner (nalidixinsyra, ciprofloxacin och norfloxacin), makrolider (erytromycin), aminoglykosider (streptomycin och gentamicin), fenikoler (kloramfenikol) och tetracykliner (tetracyklin och oxytetracyklin). Datafilen innehåller 46 rader (Campylobacter spp.) och 15 kolumner, med data förklarade i dokumentationsfilen 'Readme_AMR_Result.'
Fjäderfäarbetare intervjuades med hjälp av ett strukturerat frågeformulär för att samla in information om gårdsmetoder relaterade till Campylobacter-riskfaktorer, konsumtionsvanor, hygienpraxis och medvetenhet om Campylobacter som zoonos och One Health-konceptet. Datafilen innehåller 122 rader (respondenter) och 37 kolumner (enkätfrågor), tillsammans med tre kolumner som beskriver de mikrobiologiska resultaten för varje isolat. Data förklaras i dokumentationsfilen 'Readme_questionnaire_result
Data om vegetationen, markkol och kväve och svampsamhällen på 1-13-åriga hyggen i Mellansverige
No full textData collected from clearcuts, 1 to 13 years after clearcutting, in central Sweden (Uppland and Västmanland). It contains data on the vegetation composition, height and growth rate of trees, soil organic layer carbon and nitrogen stocks, enzyme activities in the soil organic layer (for only a part of the samples) and the soil fungal communities.Data från kalhyggen, 1 till 13 år efter avverkning, i Mellansverige (Uppland och Västmanland). Det innehåller uppgifter om vegetationens sammansättning, trädens höjd och tillväxt, kol- och kväveförråd i markens organiska skikt, enzymaktiviteter i markens organiska skikt (endast för en del av proverna) och svampsamhällen i marken
Physical variables - lake profile additional logger system from Feresjön, floating platform
No full textHigh frequency additional logger system measurements of CO2 and/or O2 along a depth profile in the lakes of SITES Water.
Asa Research Station (2025). Physical variables - lake profile additional logger system from Feresjön, floating platform, 2022-05-18–2022-11-11 [Data set]. Swedish Infrastructure for Ecosystem Science (SITES). https://hdl.handle.net/11676.1/r8fhs3Mvw-JypK6mlvU0osE
Data för Improving Stream Network Accuracy with Deep Learning-Enhanced Detection of Road Culverts in High-Resolution Digital Elevation Models
No full textThis is the training and testing data used to train a Residual Attention UNet for segmentation and detection of road culverts. The data consists of pairs of images with the size 256x256 pixels where one image is a labeled mask and the other a image with four channels containing the remote sensing data. The remote sensing data is a combination of topographical data extracted from arial laser scanning and ortophotos from arial imagery.
An extensive culvert survey was conducted in 25 watersheds in central Sweden by the Swedish Forest Agency during the snow-free periods of 2014–2017. A total of 24,083 culverts were mapped with a handheld GPS with a horizontal accuracy of 0.3 m. Densely populated urban areas with underground drainage systems were excluded from the survey (0.3% of the combined area). The coordinates of both ends of each culvert were measured, and metrics such as diameter, length, material, working condition, and sediment accumulation were collected for most of the culverts. Additional metrics, such as the elevation difference between the outlet and stream water level, were manually measured with a ruler. The inventoried watersheds were split up into training and testing data, where 20 watersheds (23,304 culverts) were used for training, and five watersheds (5,208 culverts) were used for testing.
A compact laser-based system (Leica ALS80-HP-8236) was used to collect the ALS data from an aircraft flying at 2888–3000 m. The ALS point clouds had a point density of 1–2 points m-2 and were divided into tiles with a size of 2.5 x 2.5 km each. A DEM with 0.5 m resolution was created from the ALS point clouds using a TIN gridding approach implemented in Whitebox tools 2.2.0. The topographical index max downslope elevation change was calculated from the DEM using Whitebox Tools . Max downslope elevation change represents the maximum elevation drop between each grid cell and its neighbouring cells within a DEM. This typically resulted in values between 0 and 10.
Orthophotos from aerial imagery captured at the same time as the lidar data is also included. The orthophotos had three bands (red, green and blue) in 8-bit color depth and had a resolution of 0.5 m. The LiDAR data and orthophotos were downloaded from the Swedish mapping, cadastral and land registration authority.
The topographical data and the ortophotos were merged into 8-bit four band images where the first three band is red, green and blue, and the last band is max downslope elevation change. The merged images where then split into smaller tiles with the size 256x256 pixels.
The trained model was used to predict culverts in Sweden and the file PredictedCulvertsByIsobasins.zip contains the predicted culverts stored as shapefiles split by the watersheds in the file "isobasins.zip".Detta är tränings- och testdata som används för att träna ett Residual Attention UNet för segmentering och detektion av vägtrummor. Data består av bildpar med storleken 256x256 pixlar där ena bilden är en binär mask och den andra en bild med fyra kanaler som innehåller fjärranalysdata. Fjärranalysdatan är en kombination av topografiska data extraherade från flygburen laserskanning och ortofoton från flygburen bildinsamling.
En omfattande undersökning av kulvertar genomfördes i 25 avrinningsområden i Gävleborgs län av Skogsstyrelsen under snöfria perioder 2014–2017. Totalt kartlades 24 083 vägtrummor med en handhållen GPS med en horisontell noggrannhet på 0,3 m. Tättbefolkade stadsområden med underjordiska avloppssystem exkluderades från undersökningen (0,3% av den sammanslagna ytan). Koordinaterna för båda ändar av varje trumma mättes in, och mått som diameter, längd, material, skick och sedimentansamling samlades in för de flesta kulvertarna. Ytterligare mått, som höjdskillnaden mellan utloppet och vattenståndet i strömmen, mättes manuellt i fält. De inventerade avrinningsområdena delades upp i tränings- och testdata, där 20 avrinningsområden (23 304 trummor) användes för träning, och fem avrinningsområden (5 208 trummor) användes för utvärdering.
Ett kompakt lasersystem (Leica ALS80-HP-8236) användes för att samla in data från ett flygplan som flög på 2888–3000 m höjd. Punktmolnen hade en punkttäthet på 1–2 punkter m^-2 och delades in i rutor med en storlek på 2,5 x 2,5 km vardera. En DEM med 0,5 m upplösning skapades från ALS-punktmolnen med en TIN-rutnätsmetod implementerad i Whitebox tools 2.2.0. Topografisk index för maximal höjdskillnad med omgivande pixlar beräknades från höjdmodellen med hjälp av Whitebox Tools.
Ortofoton från flygplan som togs vid samma tidpunkt som LiDAR-data ingår också. Ortofotona hade tre band (rött, grönt och blått) i 8-bitars färgdjup och hade en upplösning av 0,5 m. Topografiska data och ortofoton laddades ner från Lantmäteriet.
Topografiska data och ortofoton slogs samman till 8-bitars fyra band-bilder där de första tre banden är rött, grönt och blått, och det sista bandet är det topografiska datat. De sammanslagna bilderna delades sedan upp i mindre bitar med storleken 256x256 pixlar.
Den tränade modellen användes för att prediktera vägtrummor på nationell skala och resultatet är i mappen PredictedCulvertsByIsobasins.zip där de predikterade trummorna sparats som shapefiler uppdelade efter avrinningsområden som finns i filen "isobasins.zip"
Lake sediment characteristics from Erssjön
No full textA comprehensive sediment survey carried out at the lakes of SITES Water to assess the main sediment characteristics (water content, organic carbon (C) and nitrogen (N) content and grain size distribution)
Skogaryd Research Catchment (2025). Lake sediment characteristics from Erssjön, 2020-11-12–2021-02-09 [Data set]. Swedish Infrastructure for Ecosystem Science (SITES). https://hdl.handle.net/11676.1/Uo246mebYJQkxjKei9yCIuD
Lipids and Neurotransmitters Mass Spectrometry Imaging Data from Dopaminergic PSAP Deficient (cPSAPDAT) and Serotonergic PSAP deficient (cPSAPSERT) Mice Brain Tissue sections
No full textThe files above are MALDI-MSI (Matrix Assisted Laser Desorption Ionization - Mass Spectrometry Imaging) experiments. The dataset contains both imzML, which is the common MSI open file type containing x, y positions in tissue as well as m/z and intensity, which is a more user friendly format. The data contained in this dataset should be enough to recreate the MSI parts of the manuscript.
Prosaposin (PSAP) modulates glycosphingolipid metabolism and may relate to Parkinson’s disease (PD). Here, the lipids and neurotransmitters MALDI-MSI data have been collected from dopaminergic PSAP-deficient (cPSAPDAT) mice and serotonergic PSAP-deficient (cPSAPSERT) mice as well as 6-OHDA-induced Parkinson's disease mouse model.
For any questions about the dataset or to request access to any files not uploaded here, please contact [email protected]