Artikkelin koko teksti on saatavilla vain PDF-formaatissa.

Cheikh Mohamedou

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

Tekijä
  • Mohamedou, University of Eastern Finland, School of Forest Sciences Sähköposti cheikh.mohamedou@uef.fi (sähköposti)

Julkaistu 22.1.2019

Katselukerrat 8475

Saatavilla https://doi.org/10.14214/df.268 | Lataa PDF

Creative Commons License CC BY-NC-ND 4.0

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.

https://doi.org/10.1093/forestry/cpz010


Rekisteröidy
Click this link to register to Dissertationes Forestales.
Kirjaudu sisään
Jos olet rekisteröitynyt käyttäjä, kirjaudu sisään tallentaaksesi valitsemasi artikkelit myöhempää käyttöä varten.
Ilmoitukset päivityksistä
Kirjautumalla saat tiedotteet uudesta julkaisusta
Valitsemasi artikkelit
Lähetä sähköpostiin
Junttila S., (2019) Utilizing multispectral lidar in the detection o.. Dissertationes Forestales vol. 2019 no. 277 artikkeli 10201 (poista) | Muokkaa kommenttia
Korhonen L., (2011) Estimation of boreal forest canopy cover with gr.. Dissertationes Forestales vol. 2011 no. 115 artikkeli 1898 (poista) | Muokkaa kommenttia
Imangholiloo M., (2024) Toward an enhanced characterization of seedling .. Dissertationes Forestales vol. 2024 no. 355 artikkeli 24008 (poista) | Muokkaa kommenttia
Karjalainen T., (2020) Predicting commercial tree quality by means of a.. Dissertationes Forestales vol. 2020 no. 307 artikkeli 10472 (poista) | Muokkaa kommenttia
Hakutulokset
Mohamedou C., (2019) Improving local forest growth prediction by terr.. Dissertationes Forestales vol. 2019 no. 268 artikkeli 10142