Prediction of forest attributes using airborne laser scanning-based models without new in-situ field measurements
Kotivuori E. (2022). Prediction of forest attributes using airborne laser scanning-based models without new in-situ field measurements. https://doi.org/10.14214/df.328
Tiivistelmä
Laserkeilauksen aikakausi ja uusien inventointimenetelmien kehitys on vähentänyt maastomittausten tarvetta ja inventointien kokonaiskustannuksia viimeisen kahden vuosikymmenen aikana. Vaikka menetelmäkehitys onkin ollut merkittävää, systemaattisia maastomittauksia tarvitaan käytännössä yhä edelleen. Esimerkiksi yleisesti käytössä oleva aluepohjainen inventointimenetelmä tukeutuu maastossa tehtäviin koealamittauksiin. Laserkeilausperusteisten inventointien lisäksi aluepohjaista menetelmää voidaan käyttää myös lennokeilla tehtävissä inventoinneissa ilmakuvapistepilviä hyödyntäen. Maastossa tehtävät koealamittaukset eivät ole yleensä lennokki-ilmakuvapistepilviä käytettäessä kannattavia lennokkien pienen toiminta-alueen takia. Tämän väitöskirjan tavoitteena oli tutkia laserkeilauspohjaisten mallien toimivuutta laserkeilaukseen ja lennokki-ilmakuvapistepilviin perustuvissa inventoinneissa ilman uusia paikallisia maastomittauksia.
Tässä tutkimuksessa valtakunnalliset laserkeilauspohjaiset mallit sovitettiin koko Suomen alueelle kolmelle puustotunnukselle (runkotilavuus, maan yläpuolinen biomassa ja valtapituus) ja niiden virheitä tarkasteltiin aluetasolla. Valtakunnallisten mallien aluetason ennusteet olivat usein systemaattisia yli- tai aliarvioita, minkä takia tutkittiin erilaisia kalibrointimenetelmiä. Ensimmäisenä testattiin valtakunnallisten mallien kalibrointia pienellä määrällä uusia maastomittauksia. Tämän jälkeen valtakunnallinen tilavuusmalli tai sen ennusteet kalibroitiin ilman uusia paikallisia maastomittauksia kolmen skenaarion avulla: a) käyttämällä malleissa ympäristöä ja maantieteellisiä olosuhteita kuvaavia lisäselittäjiä, b) uudelleen sovittamalla mallit käyttäen opetuskoealoja lähimmiltä inventointialueilta ja c) sovittamalla ennusteet alueittain valtakunnan metsien inventoinnin tietoihin. Lennokki-inventointia ilman uusia paikallisia maastomittauksia tutkittiin korvaamalla laserkeilauspohjaisten mallien selittäjät ilmakuvapistepilvistä johdetuilla tunnuksilla malleja käytettäessä. Laserkeilauspohjaisten mallien selittäjinä käytettiin niitä tunnuksia, jotka olivat mahdollisimman samankaltaisia laserkeilaus- ja lennokkiaineistojen välillä.
Tulokset osoittivat, että puustotunnusten ennustaminen ilman uusia paikallisia maastomittauksia on mahdollista kohtalaisella tarkkuudella laserkeilauspohjaisten mallien avulla. Systemaattiset virheet minimoituivat, kun yleiset mallit kalibroitiin lisäselittäjien, kuten lämpösumma-, sadanta- ja puulajisuhdetietojen avulla. Huolellisesti valittujen lisäkoealojen käyttö valtakunnallisten mallien kalibrointiin on kuitenkin suositeltavaa, jos uusien koealojen hankinta on taloudellisesti mahdollista. Laserkeilauspohjaisia malleja on mahdollista käyttää puustotunnusten ennustamiseen lennokki-ilmakuvapistepilvistä johdettujen selittäjien avulla erityisesti silloin, kun mallien selittäjät kuvaavat ylintä latvuskerrosta. Pienimmät virheet lennokki-inventoinnissa saavutettiin käyttämällä laserkeilausperusteista mallia lähimmältä samankaltaiselta alueelta luokittelemalla ennustusyksiköt havu- ja lehtipuuvaltaisuuden mukaan ennen ennustamista.
Avainsanat
kaukokartoitus;
laserkeilaus;
aluepohjainen inventointi;
yleinen malli;
aluetason malli;
lennokki;
ilmakuvapistepilvi
Julkaistu 7.10.2022
Katselukerrat 2952
Saatavilla https://doi.org/10.14214/df.328 | Lataa PDF
Osajulkaisut
Kotivuori E, Korhonen L, Packalen P (2016) Nationwide airborne laser scanning based models for volume, biomass and dominant height in Finland. Silva Fennica 50(4), article id 1567.
https://doi.org/10.14214/sf.1567
Kotivuori E, Maltamo M, Korhonen L, Packalen P (2018) Calibration of nationwide airborne laser scanning based stem volume models. Remote Sensing of Environment 210: 179–192.
https://doi.org/10.1016/j.rse.2018.02.069
Kotivuori E, Kukkonen M, Mehtätalo L, Maltamo M, Korhonen L, Packalen P (2020) Forest inventories for small areas using drone imagery without in-situ field measurements. Remote Sensing of Environment 237, article id 111404.