Artikkelin koko teksti on saatavilla vain PDF-formaatissa.

Joanne C. White

Improving capacity for large-area monitoring of forest disturbance and recovery

White J. C. (2019). Improving capacity for large-area monitoring of forest disturbance and recovery. https://doi.org/10.14214/df.272

Tiivistelmä

Tietotarpeista metsien seurantaan liittyen on tullut entistä monitahoisempia. Jotta näihin tietotarpeisiin voidaan vastata, aineistojen tulee olla systemaattisesti tuotettuja, spatiaalisesti kattavia ja yksiselitteisiä, sekä niiden avulla tulee olla mahdollista havaita muutokset spatiaalisella ja temporaalisella resoluutiolla, jotka ovat yhteismitallisia sekä luonnon että ihmisen vaikutusten kanssa. Lisäksi raportointivelvollisuudet asettavat edelleen vaatimuksia läpinäkyvyyden, toistettavuuden ja aineistojen alkuperän suhteen. Väitöskirjan tavoitteena oli keskittyä näihin tarpeisiin sekä parantaa metsissä tapahtuvien häiriöiden ja niistä palautumisen seurannan mahdollisuuksia laajoilla alueilla.

Landsat-aikasarja tehostaa metsien seurannan mahdollisuuksia, erityisesti metsissä tapahtuvien häiriöiden jälkeisen palautumisen arviointia, kun taas komposiittikuvien tuottamisen lähestymistapa, jossa hyödynnetään parhaita saatavilla olevia pikseleitä, mahdollistaa Landsat-aikasarjan hyödyntämisen laajoilla metsäalueilla. Osajulkaisuissa I ja IV tunnistettiin metsien seurannan tietotarpeita ja liitettiin niitä komposiittikuvan tuottamisen kriteereihin sekä aineistojen saatavuuteen Kanadassa ja Suomessa. Osajulkaisussa II kehitettiin menetelmiä ja havainnollistettiin niitä tuottamalla laajan alueen yhtenäiset Landsat-komposiittikuvat, joista tunnistettiin muutokset, laskettiin jatkuvat muutospiirteet sekä tuotettiin vuosittaiset tiedot, jotka ovat olennaisen tärkeitä metsien seurannan kannalta. Osajulkaisussa III kansallista seurantamenetelmää testattiin Kanadan yli 650 Mha metsäekosysteemien alueella ja se mahdollisti yksityiskohtaiset analyysit kohteissa, joissa oli tapahtunut metsäpalo tai päätehakkuu edellisen 25 vuoden aikana (1985-2010). Lisäksi metsien lyhyen ja pitkän ajan palautumista pystytiin arvioimaan. Palautumista kuvaavista sävyarvopiirteistä tuotettiin lisätietoa osajulkaisuissa V ja VI. Osajulkaisussa V metsien palautumista kuvaavien sävyarvojen hyödyllisyyttä arvioitiin ja vahvistettiin vertaamalla niitä metsien peitteisyyden ja pituuden kriteereihin, jotka saatiin lentolaserkeilausaineistosta. Osajulkaisussa VI tutkittiin ja määrällistettiin maastossa mitattujen metsän rakenteen ja puulajisuhteiden vaikutusta palautumista kuvaaviin sävyarvoihin.

Keskittymällä metsien seurantajärjestelmien neljään tärkeimpään näkökulmaan, tietotarpeeseen, aineistojen saatavuuteen, menetelmäkehitykseen, ja tuotettuun tietoon, väitöskirjatutkimukset osoittivat, että yhdistämällä lähestymistapa, jossa komposiittikuvat tuotetiin hyödyntämällä parhaita saatavilla olevia pikseleitä, ja Landsat-aikasarja on mahdollista tuottaa sellaista tietoa ja aineistoja, joissa on tarvittavat ominaisuudet laajojen alueiden metsien seurantaa varten, samalla kun mahdollistetaan myös kokonaisvaltaisempi arviointi metsissä tapahtuvista häiriöistä ja metsien palautumisesta niiden jälkeen.

Avainsanat
kaukokartoitus; aikasarja; Landsat; muutostulkinta; komposiittikuva; lentolaserkeilaus

Tekijä

Julkaistu 25.4.2019

Katselukerrat 3223

Saatavilla https://doi.org/10.14214/df.272 | Lataa PDF

Creative Commons License CC BY-NC-ND 4.0

Osajulkaisut

White J.C., Wulder M.A., Hobart G,W., Luther J.E., Hermosilla T., Griffiths P., Coops N.C., Hall R.J., Hostert P., Dyk A., Guindon L. (2014). Pixel-based image compositing for large-area dense time series applications and science. Canadian Journal of Remote Sensing 40(3): 192-212.

https://doi.org/10.1080/07038992.2014.945827

Hermosilla T., Wulder M.A., White J. C., Coops N.C., Hobart G.W. (2015). An integrated Landsat time series protocol for change detection and generation of annual gap-free surface reflectance composites. Remote Sensing of Environment 158: 220-234.

https://doi.org/10.1016/j.rse.2014.11.005

White J.C., Wulder M.A., Hermosilla T., Coops N.C., Hobart G.W. (2017). A nationwide annual characterization of 25 years of forest disturbance and recovery for Canada using Landsat time series. Remote Sensing of Environment 194: 303-321.

https://doi.org/10.1016/j.rse.2017.03.035

Saarinen N., White J.C., Wulder M.A., Kangas A., Tuominen S., Kankare V., Holopainen M., Hyyppä J., Vastaranta M. (2018). Landsat archive holdings for Finland: Opportunities for forest monitoring. Silva Fennica 52(3) article 9986.

https://doi.org/10.14214/sf.9986

White J.C., Saarinen N., Kankare V., Wulder M.A., Hermosilla T., Coops N.C., Pickell P.D., Holopainen M., Hyyppä J., Vastaranta M. (2018). Confirmation of post-harvest spectral recovery from Landsat time series using measures of forest cover and height derived from airborne laser scanning data. Remote Sensing of Environment 216: 262–275.

https://doi.org/10.1016/j.rse.2018.07.004

White J.C., Saarinen N., Wulder M.A., Kankare V., Hermosilla T., Coops N.C., Holopainen M., Hyyppä J., Vastaranta M. (2019). Assessing spectral measures of post-harvest forest recovery with field plot data. International Journal of Applied Earth Observations and Geoinformation 80:102–114.

https://doi.org/10.1016/j.jag.2019.04.010


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
Hakutulokset
Niemi M., (2022) Producing information from airborne LiDAR data f.. Dissertationes Forestales vol. 2022 no. 331 artikkeli 10786
Kotivuori E., (2022) Prediction of forest attributes using airborne l.. Dissertationes Forestales vol. 2022 no. 328 artikkeli 10778
Sanz B., (2022) Methods for supporting digital timber trade Dissertationes Forestales vol. 2022 no. 326 artikkeli 10720
Karjalainen T., (2020) Predicting commercial tree quality by means of a.. Dissertationes Forestales vol. 2020 no. 307 artikkeli 10472
Pyörälä J., (2020) Assessing wood properties in standing timber wit.. Dissertationes Forestales vol. 2020 no. 295 artikkeli 10368
Kantola T., (2019) Forest health monitoring in transition: Evaluati.. Dissertationes Forestales vol. 2019 no. 278 artikkeli 10199
Junttila S., (2019) Utilizing multispectral lidar in the detection o.. Dissertationes Forestales vol. 2019 no. 277 artikkeli 10201
White J. C., (2019) Improving capacity for large-area monitoring of .. Dissertationes Forestales vol. 2019 no. 272 artikkeli 10166
Muinonen E., (2018) Optical data-driven multi-source forest inventor.. Dissertationes Forestales vol. 2018 no. 256 artikkeli 10029
Haakana H., (2017) Multi-source forest inventory data for forest pr.. Dissertationes Forestales vol. 2017 no. 243 artikkeli 7767
Saarinen N., (2016) Predicting vegetation characteristics in a chang.. Dissertationes Forestales vol. 2016 no. 216 artikkeli 1998
Hovi A., (2015) Towards an enhanced understanding of airborne Li.. Dissertationes Forestales vol. 2015 no. 200 artikkeli 1985
Kankare V., (2015) The prediction of single-tree biomass, logging r.. Dissertationes Forestales vol. 2015 no. 195 artikkeli 1977
Peuhkurinen J., (2011) Estimating tree size distributions and timber as.. Dissertationes Forestales vol. 2011 no. 126 artikkeli 1909
Mola-Yudego B., (2009) Wood biomass production potential on agricultura.. Dissertationes Forestales vol. 2009 no. 84 artikkeli 1867
Thessler S., (2008) Remote sensing of floristic patterns in the lowl.. Dissertationes Forestales vol. 2008 no. 59 artikkeli 1840
Rautiainen M., (2005) The spectral signature of coniferous forests: th.. Dissertationes Forestales vol. 2005 no. 6 artikkeli 1789