Forest structure indicators based on tree size inequality and their relationships to airborne laser scanning
Valbuena R. (2015). Forest structure indicators based on tree size inequality and their relationships to airborne laser scanning. https://doi.org/10.14214/df.205
Tiivistelmä
Tämä väitöskirja käsittelee ei-spatiaalisia metsän rakenteen indikaattoreita, erityisesti puiden kokojakaumat huomioon ottavia indeksejä. Yhteenvedossa keskitytään indikaattoreihin, kun taas osajulkaisuissa tarkastellaan indikaattoreiden estimointia laserkeilausaineistolla. Tutkimuksen viitekehyksenä on yleiseurooppalaisten indikaattoreiden kehittäminen, koska maanlaajuiset laserkeilausaineistot yleistyvät nopeasti. Työssä testattiin erilaisia kirjallisuudessa esitettyjä indikaattoreita metsien rakenteen kuvaukseen. Informaatioteoriaan perustuvat indikaattorit osoittautuivat epäjohdonmukaisiksi ja riittämättömiksi kuvaamaan puiden kokovaihtelua. Tämän takia Shannonin tai vastaavien yleistettyyn entropiaan perustuvien indikaattoreiden käyttöä ei suositella, vaikka niitä onkin yleisesti hyödynnetty. Tässä tutkimuksessa majorisoinnin ja Lorenzen järjestyksen yhteys esitetään puiden kokojakaumien tapauksessa sekä tarkastellaan sen luotettavuutta puupopulaation kokovaihtelun kuvaamisessa. Tämän tutkimuksen sovelluksessa Lorenzen käyrä yhdistää painottamattoman ja pohjapinta-alalla painotetun kokojakauman. Lorenzen käyrään perustuvia indikaattoreita ovat esimerkiksi Gini-kerroin (GC), käyrän asymmetria ja puuston neliökeskiläpimittaa (QMD) suuremman puuston suhteellinen pohjapinta-ala (BALM). Lorenzen käyrän käännepisteen avulla saadaan selville neliökeskiläpimitta ja siitä voidaan edelleen määrittää BALM. Neliökeskiläpimitan kulloisenkin sijainnin avulla voidaan määrittää myös jakauman maksimaalinen entropia verrattaessa sitä tasajakauman vastaavaan kohtaan. Lorenzen käyrän asymmetriaa puolestaan hyödynnettiin puuston alikasvoksen kuvauksessa. Sovelluksia varten suositelluimmat indikaattorit ovat GC ja BALM, koska ne määrittävät puuston rakenteen kaksiulotteisesti, mitä voidaan hyödyntää puiden kokovaihtelun yksityiskohtaisessa kuvaamisessa. Parhaaksi menetelmäksi indikaattoreiden ennustamiseksi laserkeilauksella osoittautui epäparametrinen k lähimmän naapurin menetelmä.
Avainsanat
laserkeilaus;
Lorenzen käyrä;
Gini-kerroin;
neliökeskiläpimitta;
neliökeskiläpimittaa suuremman puuston suhteellinen pohjapinta-ala;
Shannon;
entropia;
puiden kokojakaumat;
yleiseurooppalaiset indikaattorit;
kansallinen laserkeilausohjelma
Julkaistu 29.10.2015
Katselukerrat 5186
Saatavilla https://doi.org/10.14214/df.205 | Lataa PDF
Osajulkaisut
Valbuena R., Packalen P., Martín-Fernández S., Maltamo M. (2012) Diversity and equitability ordering profiles applied to the study of forest structure. Forest Ecology and Management 276: 185–195.
https://doi.org/10.1016/j.foreco.2012.03.036
Valbuena R., Maltamo M., Martín-Fernández S., Packalen P., Pascual C., Nabuurs G.J. (2013) Patterns of covariance between airborne laser scanning metrics and Lorenz curve descriptors of tree size inequality. Canadian Journal of Remote Sensing 39(S1): S18–S31.
https://doi.org/10.5589/m13-012
Valbuena R., Packalen P., Tokola T., Maltamo M. (2014) Canonical correlation analysis for interpreting airborne laser scanning metrics along the Lorenz curve of tree size inequality. Baltic Forestry 20(2): 326–332.
http://www.balticforestry.mi.lt [Cited 29 April 2015].
Valbuena R., Vauhkonen J., Packalen P., Pitkänen J., Maltamo M. (2014) Comparison of airborne laser scanning methods for estimating forest structure indicators based on Lorenz curves. ISPRS Journal of Photogrammetry & Remote Sensing 95: 23–33.
https://doi.org/10.1016/j.isprsjprs.2014.06.002
Valbuena R., Packalen P., García-Abril A., Mehtätalo L., Maltamo M. (2013) Characterizing forest structural types and shelterwood dynamics from Lorenz-based indicators predicted by airborne laser scanning. Canadian Journal of Forest Research 43(11): 1063–1074.
https://doi.org/10.1139/cjfr-2013-0147
Valbuena R., Eerikäinen K., Packalen P., Maltamo M. (2016) Gini coefficient predictions from airborne lidar remote sensing display the effect of management intensity on forest structure. Ecological Indicators 60: 574–585.