Improving and validating forest inventory information using operational harvester data
Vähä-Konka V. (2025). Improving and validating forest inventory information using operational harvester data. https://doi.org/10.14214/df.376
Tiivistelmä
Tässä väitöskirjassa arvioidaan lentolaserkeilauksen (ALS) perusteella tehtävän metsänarvioinnin, mobiilipohjaisten konenäkömenetelmien ja operatiivisten hakkuukonetiedon sovellettavuutta metsän inventointien ja käytön kehittämiseen. Tutkimuksessa keskitytään arvioimaan kaukokartoituksen ja mobiilipohjaisen konenäön avulla saatujen tilavuuksien tarkkuutta verrattuna operatiivisiin hakkuukoneiden mittauksiin, sekä parantamaan kaukokartoitukseen pohjautuvia arvioita tilavuudesta soveltamalla hakkuukoneiden mittauksia ja muita laaja-alaisia paikkatietoaineistoja.
Ensimmäisessä tutkimuksessani tarkastelin ALS:stä johdettujen Metsään.fi-kuviotietojen tarkkuutta vertaamalla niitä hakkuukoneiden mittaamiin operatiivisiin tietoihin. Tulokset osoittivat Metsään.fi-tiedon yliarvioivan tukkikertymää, erityisesti kuusen (Picea abies (L.) Karst.) osalta, vaikka pääpuulajin määritys sinällään oli onnistunut hyvin.
Toisessa tutkimuksessani arvioin Trestima-älypuhelinsovelluksen tarkkuutta leimikon ennakkomittauksessa, ja tulokseni osoittivat, että riittämätön valokuvien määrä metsikössä johti heikkoon mittaustarkkuuteen. Kun sovellusta käytettiin ohjeiden mukaisesti ottamalla riittävä määrä kuvia, suorituskyky parani. Arviot kuusen osalta olivat tarkempia, kun taas sovellus aliarvioi hieman mäntyjen (Pinus sylvestris L.) tilavuutta.
Kolmannessa tutkimuksessani tarkastelin Metsään.fi-tietojen ja muiden laaja-alaisten paikkatietoaineistojen avulla tukkipuun tilavuuden ennustamista operatiivisten hakkuukonetietojen avulla. Satunnaismetsä -malli toimi parhaiten tukkipuun todellisten määrien ennustamisessa. Mallipohjainen lähestymistapa paransi huomattavasti tukkipuun tilavuusennusteita männylle verrattuna alkuperäisiin Metsään.fi-arvioihin.
Tämän väitöskirjan tulokset osoittavat, että kaukokartoitus- ja konenäköpohjaiset menetelmät ovat toimivia eri puutavaralajien ja tukkiprosenttien ennustamisessa, mutta niitä voitaisiin edelleen kehittää käyttämällä avoimesti saatavilla olevia paikkatietoaineistoja. Vaikka tähän liittyy tiettyjä rajoituksia, parantuneet tiedonkeruumenetelmät ja edistyneet mallinnustekniikat voivat parantaa metsäninventoinnin tarkkuutta ja käytettävyyttä operatiivisessa metsätaloudessa. Tämän väitöskirjan tulokset edistävät tehokkaampien ja aineistopohjaisten metsäninventointikäytäntöjen kehittämistä, jotka voivat helpottaa resurssien parempaa kohdentamista ja kestävyyttä pohjoismaisessa metsätaloudessa.
Avainsanat
puutavaralajit;
lentolaserkeilaus (ALS);
Metsään.fi;
konenäkö;
hakkuukonetieto;
big geodata
- Vähä-Konka, University of Eastern Finland, Faculty of Science, Forestry and Technology, School of Forest Sciences Sähköposti ville.vaha-konka@uef.fi
Julkaistu 21.8.2025
Katselukerrat 30
Saatavilla https://doi.org/10.14214/df.376 | Lataa PDF
Osajulkaisut
Vähä-Konka V, Maltamo M, Pukkala T, Kärhä K (2020) Evaluating the accuracy of ALS-based removal estimates against actual logging data. Annals of Forest Science 77, article id 84.
https://doi.org/10.1007/s13595-020-00985-7
Vähä-Konka V, Korhonen L, Kärhä K, Maltamo M (2024) Estimating the accuracy of smartphone app-based removal estimates against actual wood-harvesting data from clear cuttings. iForest 17: 140–147.
https://doi.org/10.3832/ifor4377-017
Vähä-Konka V, Korhonen L, Kärhä K, Maltamo M (2025) Estimating timber assortment reduction and sawlog proportions with the application of harvester measurements and open big geodata. Trees, Forests and People 20, article id 100811.
