Improving local forest growth prediction by terrain-derived attributes, airborne γ-ray, and leaf area index
Mohamedou C. (2019). Improving local forest growth prediction by terrain-derived attributes, airborne γ-ray, and leaf area index. https://doi.org/10.14214/df.268
Tiivistelmä
Metsän kasvu on tärkeimpiä tunnuksia metsävarojen suunnittelussa ja eri käyttötarpeisiin tehdyissä metsäympäristön kehitystä kuvaavissa simulointimalleissa. Perinteisesti puulajeittaiset kasvumallit on tehty laajojen alueiden koeala-aineistosta mallintamalla, jolloin paikallisten olosuhteiden vaihtelu ei tule kovin tarkkaan huomioiduksi. Paikallisen kartta- ja muun paikkatiedon avulla on mahdollista kalibroida ja tarkentaa kasvuennusteita.Tässä tutkimuksessa käytettiin paikkatietopohjaisia maaston pintamallista johdettuja kosteustunnuksia, lentokone gamma-säteilyn mittauksia ja latvuspeiton estimaatteja. Käytetyssä aineistossa oli yhteensä 9987 lukupuuta, 1118 koepuuta ja 197 koealaa. Tilastollisessa analyysissä käytettiin sekamallinnusta ja koneoppimisen menetelmiä. Näiden paikkatieto aineistojen avulla puulajeittaisia paikallisia ennusteita onnistuttiin parantamaan 6-18 % puun läpimitan kasvun ennusteita. Parannus oli suurinta karuilla mailla.
Avainsanat
kalibrointi;
puun kasvu;
paikkatieto;
gamma-säteily;
kosteusindeksi
Julkaistu 22.1.2019
Katselukerrat 3666
Saatavilla https://doi.org/10.14214/df.268 | Lataa PDF
Osajulkaisut
Mohamedou C., Tokola T., Eerikäinen K. (2014). Applying airborne gamma-ray and DEM-derived attributes to the local improvement of the existing individual-tree growth model for diameter increment. Remote Sensing of Environment 155: 248–256.
http://doi.org/10.1016/j.rse.2014.08.033
Mohamedou C., Tokola T., Eerikäinen K. (2017). LiDAR-based TWI and terrain attributes in improving parametric predictor for tree growth in southeast Finland. International Journal of Applied Earth Observation and Geoinformation 62: 183–191.
http://doi.org/10.1016/j.jag.2017.06.004
Mohamedou C., Korhonen L., Eerikäinen K., Tokola T. (2019), Using LiDAR-based modified topographic wetness index, terrain attributes with leaf area index in improving a single-tree growth model in southeastern Finland. Forestry: An International Journal of Forest Research, cpz010. 13 p.