Artikkelin koko teksti on saatavilla vain PDF-formaatissa.

Tomi Karjalainen

Predicting commercial tree quality by means of airborne laser scanning

Karjalainen T. (2020). Predicting commercial tree quality by means of airborne laser scanning. https://doi.org/10.14214/df.307

Tiivistelmä

Lentolaserkeilausta (Airborne laser scanning, ALS) käytetään monissa maissa metsikkökuvioiden puuston kokonaistilavuuden ennustamiseksi. ALS-aineistosta tuotetut ennusteet ovat usein tarkempia kuin muilla tavoin tuotetut ennusteet. Operatiivisessa metsätaloudessa pelkän kokonaistilavuuden huomioiminen ei kuitenkaan riitä, sillä hakkuiden yhteydessä kokonaistilavuus jakautuu puutavaralajikohtaisiin tilavuuksiin. Puuston laatu vaikuttaa suuresti puutavaralajijakaumaan, joten tarkempi ennakkotieto puuston laadusta helpottaisi muun muassa hakkuiden suunnittelua. Tämän väitöskirjatyön päätavoite oli testata eri metodeja puuston laadun, erityisesti tukkitilavuuden, ennustamiseksi ALS-aineistoa käyttäen.

Kolmessa osatutkimuksessa käytettiin aineistoja Itä-Suomesta (3 aluetta) ja Kaakkois-Norjasta (1 alue). Kaikki tutkimusmetsät olivat joko mänty- (Pinus sylvestris L.) tai kuusivaltaisia (Picea abies (L.) Karst.). Ensimmäinen osatutkimus keskittyi puutason mallien siirrettävyyteen eri ALS-inventointialueiden välillä. Toisessa osatutkimuksessa testattiin lukuisia vaihtoehtoja ennustaa tukkitilavuutta koealatasolla (30 m × 30 m). Kolmannessa tutkimuksessa puolestaan testattiin kuviotason ainespuu- ja tukkitilavuuksien maastokalibrointia pohjapinta-alamittauksiin perustuen. Osatutkimuksissa kaikki ALS-pohjaiset ennusteet tehtiin käyttäen joko lineaarisia sekamalleja tai k:n lähimmän naapurin menetelmää joko puu- tai koealatasolla (15 m × 15 m).

Tulokset osoittivat, että laserkeilausaineiston ja puuston laadun välillä on vain heikkoa korrelaatiota. Siitä huolimatta tukkitilavuusennusteiden suhteellinen keskineliövirheen neliöjuuri (RMSE%) oli 20–30 %, sen jälkeen, kun koealatason ennusteet oli yleistetty 30 m × 30 m tai kuviotasolle. Lisäksi osatutkimuskohtaiset tulokset osoittivat, että puutason mallien ennustustarkkuuden voi odottaa heikentyvän huomattavasti, kun malleja siirretään inventointialueiden välillä, ja että pohjapinta-alainformaatio ei ole yleisesti ottaen hyödyllistä, jos tarkoituksena on kalibroida tukkitilavuusennusteita kuusivaltaisilla metsikkökuvioilla.

Avainsanat
kaukokartoitus; tukkitilavuus; latvusraja; puutavaralajit

Tekijä
  • Karjalainen, University of Eastern Finland, Faculty of Science and Forestry, School of Forest Sciences Sähköposti tomi.karjalainen@uef.fi (sähköposti)

Julkaistu 6.11.2020

Katselukerrat 3016

Saatavilla https://doi.org/10.14214/df.307 | Lataa PDF

Creative Commons License CC BY-NC-ND 4.0

Osajulkaisut

Karjalainen T., Korhonen L., Packalen P., Maltamo M. (2019). The transferability of airborne laser scanning based tree-level models between different inventory areas. Canadian Journal of Forest Research 49(3): 228–236.

https://doi.org/10.1139/cjfr-2018-0128

Karjalainen T., Packalen P., Räty J., Maltamo M. (2019). Predicting factual sawlog volumes in Scots pine dominated forests using airborne laser scanning data. Silva Fennica 53(4) article 10183. 17p.

https://doi.org/10.14214/sf.10183

Karjalainen T., Mehtätalo L., Packalen P., Gobakken T., Næsset E., Maltamo M. (2020). Field calibration of merchantable and sawlog volumes in forest inventories based on airborne laser scanning. Canadian Journal of Forest Research. In press.

https://doi.org/10.1139/cjfr-2020-0033


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