Estimating individual tree growth using non-parametric methods
Sironen S. (2009). Estimating individual tree growth using non-parametric methods. https://doi.org/10.14214/df.94
Tiivistelmä
Metsien tulevan kehityksen ennustamisessa tarvitaan informaatiota sekä metsien nykytilasta että metsän kasvun mallinnusta. Luotettavat ennusteet metsävarojen kehityksestä ovat tärkeitä niin metsäsuunnittelussa, arvioitaessa metsänhoidollisten toimenpiteiden vaikutuksia kuin varmistettaessa metsien käyttöä kestävän kehityksen mukaan. Suomessa käytettävät kasvumallit ovat yleisesti valtakunnallisia, jotka tuottavat harhattomia ennusteita suuremmilla alueilla, mutta pienemmillä alueilla ja metsikkötasolla kasvumallien ennusteet voivat olla suuriakin yli- tai aliarvoita. Ei-parametriset menetelmät tarjoavat vaihtoehdon perinteisille regressiomalleille, joita kasvun ennustamisessa on yleisesti käytetty. Ei-parametrisissa menetelmissä kasvuja ei ennusteta koko aineiston perusteella kuten regressiomalleilla, vaan kunkin kohdehavainnon ennustettu kasvu saadaan yleensä sitä selittävien muuttujien suhteen läheisesti muistuttavien havaintojen eli lähimpien naapureiden kasvujen painotettuna keskiarvona. Ei-parametrisilla menetelmillä paikallisuutta voidaan kuvata helposti, mikäli paikallista aineistoa on saatavilla. Tämän väitöskirjatyön tarkoituksena oli tutkia ei-parametristen menetelmien soveltuvutta puukohtaisen kasvun ennustamiseen. Yhtenä keskeisimmistä tavoitteista oli kyetä vähentämään kasvuennusteisiin liittyviä aluekohtaisia harhoja, ja saada metsiköittäin ja alueittain mahdollisimman tarkkoja kasvuennusteita. Tutkimusaineisto koostui kahdesta erillisestä aineistosta: paikallisesta kertakoeala-aineistosta, joka oli kerätty Kuusamon alueelta Koillis-Suomesta, sekä valtakunnallisesta kasvatusmetsien pysyvien koealojen INKA-aineistosta. Kasvuennusteet laadittiin männylle ja kuuselle. Tutkimuksessa käytetyt ei-parametriset menetelmät olivat k-lähimmän naapurin menetelmä sekä yleistetyt additiiviset mallit. Tutkimuksessa käsiteltyihin aiheisiin kuuluivat paikalliset ei-parametriset kasvunennustamismenetelmät, ei-parametristen kasvuennusteiden lokalisointi, läpimitan kasvun ja pituuskasvun yhtäaikainen ennustaminen sekä korreloivien havaintojen vaikutus ei-parametrisiin kasvunennustamismenetelmiin. Tulosten mukaan ei-parametriset menetelmät soveltuivat kasvun ennustamiseen. Yksikään tutkituista ei-parametrista menetelmistä ei osoittautunut ylivertaisesti paremmaksi, vaan menetelmien toimivuus riippui käytetystä aineistosta ja sovelluksesta. Ei-parametrisin menetelmin saatiin vähennettyä kasvuennusteiden aluekohtaista harhaa. Ei-parametrisin menetelmin saatiin vähintään yhtä tarkkoja kasvuennusteita kuin vertailuissa käytetyillä parametrisilla menetelmillä sekä puu-, metsikkö- että aluetasolla. Tässä tutkimuksessa esitettyjä menetelmiä voidaan käyttää käytännön metsäsuunnittelujärjestelmissä, vaikkakin erityisesti metsänhoidollisten toimenpiteiden sisällyttäminen ei-parametrisiin kasvunennustamismenetelmiin vaatii vielä lisää tutkimista.
Avainsanat
pituuskasvu;
läpimitan kasvu;
k-lähimmän naapurin menetelmä;
yleistetyt additiiviset mallit
-
Sironen,
University of Joensuu, Faculty of Forest Sciences
Sähköposti
susanna.sironen@joensuu.fi
Julkaistu 25.8.2009
Katselukerrat 5441
Saatavilla https://doi.org/10.14214/df.94 | Lataa PDF
Osajulkaisut
Sironen, S., Kangas, A., Maltamo, M. and Kangas, J. 2001. Estimating individual tree growth with the k-Nearest Neighbour and k-Most Similar Neighbour methods. Silva Fennica 35: 453–467.
https://doi.org/10.14214/sf.580
Sironen, S., Kangas, A., Maltamo, M.and Kangas, J. 2003. Estimating individual tree growth with nonparametric methods. Canadian Journal of Forest Research 33: 444–449.
http://www.ingentaconnect.com/content/nrc/cjfr/2003/00000033/00000003/art00010
Sironen, S., Kangas, A., Maltamo M. and J. Kalliovirta, J. 2008. Localization of growth estimates using non-parametric imputation methods. Forest Ecology and Management 256: 674–684.
https://doi.org/10.1016/j.foreco.2008.05.013
Sironen, S., Kangas, A., Maltamo M. Predicting tree- and stand-level growth using simultaneous k-Nearest Neighbour imputation for diameter and height increment. Manuscript.
Sironen, S., Kangas, A., Maltamo M. Effect of reference data selection on the accuracy of non-parametric k-NN imputation for estimating individual tree growth. Manuscript.
Sironen, S., Kangas, A., Maltamo M. Comparison of different non-parametric growth imputation methods in the presence of correlated observations. Manuscript.
Lähetä sähköpostiin
