Artikkelin koko teksti on saatavilla vain PDF-formaatissa.
 

Zhengyang Hou

Mapping of growing stock and stand delineation for tropical forests using remote sensing

Hou Z. (2014). Mapping of growing stock and stand delineation for tropical forests using remote sensing. https://doi.org/10.14214/df.184

Tiivistelmä

Kaukokartoitusperusteinen trooppisen metsän puuston kartoitus ja metsiköiden rajaus

Tässä työssä kehitettiin kaukokartoitusperusteisia metsävarojen inventointimenetelmiä metsätalouden kestävyyden seurantaan. Kansainvälisen ilmastopolitiikan konsepteja kehitetään metsän hävittämisestä johtuvaan kasvihuonekaasujen päästöjen hillitsemiseen (REDD), ja sen mekanismeihin kuuluu läheisesti trooppisten metsien seurantamenetelmät. Tutkimusalue sijaitsi Laosissa ja kaukokartoitusmateriaaleina oli ALOS AVNIR-2 satelliittikuva, digitaalinen ilmakuva ja laserkeilausmateriaali.

Ensimmäisessä osatutkimuksessa vertailtiin näiden kolmen erityyppisen materiaalin tehokkuutta puuston tilavuuden ja tiheyden ennustamiseen. Tulokset osoittivat, että perinteinen aluepohjainen laserkeilausperusteinen menetelmä oli sekä tilavuuden (RMSE 36.9%) että puuston tiheyden (RMSE47.3%) osalta parhaat. Ilmakuvaperusteinen ennustus oli hieman parempi kuin satelliittikuvaperusteinen, vaikka erot eivät olleetkaan kovin suuria. Periaatteessa boreaalisessa metsissä kehitetty menetelmä toimi kohtuullisesti myös tropiikissa, vaikka tulokset eivät olleetkaan yhtä hyviä.

Toisessa osatutkimuksessa tutkittiin aluepohjaisen menetelmän sovellettavuutta tropiikissa ja laseraineiston koealakohtaista aluskasvillisuudesta johtuvan osa-aineiston poistamista. Tutkimuksessa kehitettiin adaptiivinen pistepilven suodatusmenetelmä, jolla pystyttiin parantamaan tulosten luotettavuutta. Optimoidulla kiinteällä suodatusmenetelmällä saavutettiin 7 % tarkkuuden parannus ja adaptiivisellä menetelmällä lisäksi 2 % lisäparannus verrattuna pohjoismaiseen aluepohjaiseen perusmenetelmään.

Kolmannessa osa-tutkimuksessa pyrittiin muodostamaan automaattisesti kaukokartoitusperusteisesti metsien käsittely-yksiköitä. Automaattisen kuvasegmentoinnin ja puuston ennustemallien avulla testattiin kuviointien mielekkyyttä. Ennustemallien luotettavuus ja kohdemetsän heterogeenisuus vaikuttivat merkittävästi lopputulokseen. Tutkimus osoitti, että kehitettyjä menetelmiä voidaan käyttää metsien hiilivarannon kartoitukseen ja metsien häviämisestä johtuvan kasvihuonekaasujen päästöjen seurantaan.

Avainsanat
ilmakuva; ALOS AVNIR-2; laserkeilaus; aluepohjainen menetelmä; piirteiden valinta; metsän kartoitus; segmentointi; kuvioiden rajaus; trooppiset metsät

Julkaistu 18.12.2014

Saatavilla https://doi.org/10.14214/df.184 | Lataa PDF

Creative Commons -lisenssi

Osajulkaisut

Hou Z., Xu Q., Tokola T. (2011). Use of ALS, Airborne CIR, and ALOS AVNIR-2 data for estimating tropical forest attributes in Lao PDR. ISPRS Journal of Photogrammetry and Remote Sensing 66: 776-786.

http:dx.doi.org/10.1016/j.isprsjprs.2011.09.005

Hou Z., Xu Q., Tokola T. (2014). Improving the feature extraction from low-density ALS data in the area-based approach by applying global and plot-adaptive cut-off thresholds. Manuscript.

Hou Z., Xu Q., Nuutinen T., Tokola T. (2013). Extraction of remote sensing based forest management units in tropical forest. Remote Sensing of Environment 130: 1-10.

http:dx.doi.org/10.1016/j.rse.2012.11.006


Rekisteröidy käyttäjäksi
Paina tätä linkkiä Metsätieteen aikakauskirjan käsikirjoituksen tarjoamis- ja seurantajärjestelmään (OJS) kirjautumiseen.
Kirjaudu sisään
Jos olet kirjautunut käyttäjäksi, kirjaudu sisään tallentaaksesi valitsemasi artikkelit myöhempää käyttöä varten.
Ilmoitukset päivityksistä
Kirjautumalla saat tiedotteet uudesta julkaisusta.



Valitsemasi artikkelit
Hakutulokset