Artikkelit jotka sisältävät avainsanan 'ALS'.

Tarit Kumar Baul. (2018). Climate impacts of carbon sequestration of forests and material substitution by energy biomass and harvested wood products under boreal conditions. https://doi.org/10.14214/df.255

Työn tavoitteena oli tutkia metsien hiilen sidonnan ja metsäbiomassan (kuitu- ja tukkipuu) käytön ilmastovaikutuksia sen korvatessa fossiilista energiaa (esim. kivihiili ja öljy) ja fossiilispohjaisia tuotteita (esim. betoni, teräs ja muovi) boreaalisissa olosuhteissa. Työssä käytettiin ekosysteemimallinnusta ja elinkaarityökalua yhdistettynä, jolloin voitiin tarkastella metsäbiosysteemin nettohiilenvaihtoa. Ilmastovaikutuksia ja biomassan tuotannon taloudellista kannattavuutta tutkittiin käyttämällä puuston eri harvennustiheyksiä, typpilannoitusta, erilaisia kiertoaikoja ja biomassan korjuun voimakkuutta päätehakkuulla (ainespuu, hakkuutähteet ja/tai kannot ja juuret). Nykyiset harvennussuositukset, jotka tähtäävät ainespuun tuotantoon, toimivat työssä verrokkikäsittelynä. Näiden lisäksi tutkittiin ilmastovaikutuksien herkkyyttä laskennassa käytetyille substituutiokertoimille ja puun käytön tehokkuuksille. Työssä käytettiin simulointiaineistoja, jotka oli tehty kuviotasolla (alkutilana uudistuskypsä metsikkö), maisematasolla (alkutiloina erilaiset metsäalueen ikärakenteet) ja aluetasolla (alkutilana valtakunnan metsien inventointiaineisto Etelä-Suomessa)

Työn tulokset osoittivat, että suurimmat metsäbiomassan tuotannon ja käytön ilmastohyödyt saavutettiin käyttämällä 20% suosituksia suurempaa puuston tiheyttä, typpilannoitusta ja 80-100 vuotta pitkiä kiertoaikoja. Nämä lisäsivät sekä hiilen sitoutumista metsiin että korjattavan aines- ja energiabiomassan määrää. Tulosten perusteella suurinta ilmastohyötyä ja biomassan tuotannon taloudellista kannattavuutta ei kuitenkaan pystytty saavuttamaan yhtä aikaa. Tukkipuusta valmistetuilla tuotteilla saavutettiin parhaat korvaushyödyt pitkällä aikavälillä ja niillä voitiin lisätä myös hiilen varastoja. Tämän lisäksi metsäbiomassan käytön korvaushyödyt ja puunkäytön tehokkuus vaikuttivat ilmastovaikutuksiin enemmän kuin työssä käytetyt harvennuskäsittelyt. Metsäbiomassan tuotannon ja käytön ilmastohyödyt olivat suurimmat kun ainespuun lisäksi käytettiin energiapuuta, ja hyötyjä voitiin lisätä erityisesti Suomen etelä- ja itäosissa 40-vuoden aikajänteellä. Tulosten perusteella ilmastovaikutuksien ajoittuminen oli herkkä valitusta tarkastelun aloitusajankohdasta, ja tämä vaikutti myös metsänhoitotoimenpiteiden keskinäiseen paremmuuteen. Tämän vuoksi metsien kokonaisvaltaisten ilmastovaikutuksien analysoinnissa tulee huomioida sekä metsänhoitotoimenpiteiden vaikutukset että tarkastelun aloitusajankohta, jotta voidaan arvioida tehokkaita keinoja lisätä metsien ja metsäbiomassan käytön ilmastohyötyjä.

Markus Melin. (2015). Studying habitat use and behavior of moose (Alces alces) by integrating airborne laser scanning and GPS tracking. https://doi.org/10.14214/df.209

Hirven elinympäristökäytön tutkiminen yhdistämällä laserkeilausaineistoa GPS-panta-aineistoon

Laserkeilausperusteinen metsien inventointi ja -maanpinnan kartoitus ovat tänä päivänä yleisiä menetelmiä joka puolella maailmaa. Tätä aineistoa kerätään yleensä maanmittauksen ja metsätalouden tarpeisiin, mutta se sisältää paljon tietoa, josta voivat hyötyä muutkin toimijat. Eläinten ekologian kannalta metsien ja kasvillisuuden kolmiulotteisen rakenteen tunteminen on tärkeää, koska sen perusteella voidaan arvioida, kuinka hyvän elinympäristön tietty alue voi tietylle lajille tarjota. Laserkeilausaineisto antaa kolmiulotteisen, tarkan ja alueellisesti kattavan kuvauksen tästä rakenteesta.

Tässä väitöskirjatyössä olen yhdistänyt laserkeilausaineistoa GPS-pannoitettujen hirvien sijainteihin. Analysoimalla laseraineistoa näiden sijaintien ympäriltä olen voinut tutkia kuinka metsän rakenne hirvien ympärillä vaihtelee esimerkiksi vuodenaikojen mukaan ja millä tavalla lämpötila vaikuttaa hirven käyttäytymiseen. Lisäksi käytetty aineisto on mahdollistanut sukupuolten sekä mukana kulkevan vasan vaikutusten tutkimisen. Viimeisessä osatutkimuksessa laseraineistoa käytettiin tunnistamaan hirven aiheuttamia metsätuhoja nuorissa taimikoissa.

Saadut tulokset näyttävät selvästi, että laserkeilaus tuottaa tietoa, mistä voi olla suurta hyötyä ekologisessa tutkimuksessa. Tulokset todistivat, että metsän rakenne elinympäristöissä, joita hirvi käyttää vaihtelee merkittävästi eri vuodenaikojen mukaan. Tämä selittyy sillä mitä ravintoa hirvi eri vuodenaikoina käyttää ja millaisissa metsissä tämä ravinto kasvaa. Myös lämpötilan vaikutusta hirvien käyttäytymiseen tutkittiin, ja nämä tulokset näyttivät, että kuumina kesäpäivinä hirvi joutuu hakeutumaan sille epätyypillisiin metsiin saadakseen suojaa lämpöstressiä vastaan. Nämä alueet olivat metsiä, joissa latvusto oli huomattavan korkea ja tiheä. Tulokset antoivat myös uusia näkökulmia metsän rakenteen merkityksestä vasomisaikaan. Tutkitut hirvet synnyttivät avoimilla mailla (suot), mutta pian tämän jälkeen siirtyivät metsiin, joissa oli huomattavan tiheä ja runsas aluskasvillisuus mikä ilmeisesti tarjosi suojaa sekä ruokaa kasvavalle vasalle ja imettävälle emälle. Viimeisessä osatutkimuksessa vakavat hirvituhot pystyttiin onnistuneesti tunnistamaan laserkeilausaineistosta. Tämä väitöskirja antoi esimerkkejä kuinka laserkeilaus- ja GPS-panta-aineiston yhteiskäyttö voidaan toteuttaa ja millaisia tuloksia näin voidaan saavuttaa. Käytetyt menetelmät ovat helposti sovellettavissa myös muihin lajeihin.

  • Melin, University of Eastern Finland, School of Forest Sciences ORCID ID:Sähköposti markus.melin@uef.fi (email)
Inka Pippuri. (2015). Airborne laser scanning based forest inventory for forest management by applying novel metrics and multiple data source. https://doi.org/10.14214/df.193

Laserkeilausperusteisen metsien inventoinnin kehittäminen metsänhoidon päätöksenteon tueksi hyödyntäen uudenlaisia lasermuuttujia sekä useita aineistolähteitä

Suomessa on hiljattain siirrytty uuteen laserkeilausperusteiseen metsien inventointiin, jonka avulla puustotunnukset voidaan ennustaa aiempaa tarkemmin ja kustannustehokkaammin. Laserkeilausperusteinen inventointi ei ole kuitenkaan vielä pystynyt täyttämään kaikkia metsänhoidon tietotarpeita. Tämän tutkimuksen tavoitteena oli kehittää laserkeilausperusteista metsien inventointia metsänhoidon tueksi soveltaen uudenlaisia lasermuuttujia ja useita aineistolähteitä. Työssä tutkittiin erityisesti metsämaan luokittelua, puulajikohtaisten puustotunnusten ennustamista ja puiden tilajärjestyksen sekä metsänhoitotarpeiden,kuten ensiharvennuksen ja taimikonhoidon, tunnistamista.

Laserkeilausaineistoon perustuvassaa aluepohjaisessa inventoinnissa hyödynnettiin useita aineistolähteitä, kuten laserkeilaus-, satelliitti-, ilmakuva- ja olemassa olevaa kuviotietoaineistoa. Lisäksi testattiin valtakunnan metsien inventoinnin maastoaineiston soveltuvuutta mallinnusaineistoksi. Erityisesti tutkittiin horisontaalisten lasermuuttujien soveltuvuutta metsämaan, puiden tilajärjestyksen sekä ensiharvennustarpeen luokittelussa.

Tulokset osoittivat, että metsämaan luokittelu sekä puuston tilajärjestyksen ja metsänhoitotarpeen tunnistaminen on mahdollista laserkeilausperusteiseen metsien inventointimenetelmään perustuen. Erityisen hyvin onnistui maankäytön luokittelu, mutta myös kasvupaikkojen, sekä kuivatustilanteen luokittelu onnistui kohtuullisen hyvin. Puulajikohtaisten puustotunnusten ennustaminen useamman kuin kolmen puulajin tapauksessa tarkentui, kun ennustamisessa hyödynnettiin puulajitietoa olemassa olevasta kuviotietoaineistosta. Puuston tilajärjestyksen sekä ensiharvennustarpeen tunnistaminen onnistui erityisen hyvin ja taimikonhoitotarpeen kohtuullisesti. Horisontaalisten lasermuuttujien havaittiin olevan tärkeimpiä selittäviä muuttujia maankäyttöluokkien, metsämaan päätyypin, kuivatustilanteen, puiden tilajärjestyksen sekä ensiharvennustarpeen ennustamisessa.

Tässä työssä tuotettiin uutta metodologista tietotaitoa horisontaalisten lasermuuttujien sekä useiden aineistolähteiden yhtäaikaisesta hyödyntämisestä kustannustehokkaassa metsien inventoinnissa ja metsänhoidon suunnittelussa. Osaa kehitetyistä menetelmistä on jo sovellettu metsien inventointiin Suomessa.

  • Pippuri, University of Eastern Finland, School of Forest Sciences ORCID ID:Sähköposti inka.pippuri@uef.fi (email)
Zhengyang Hou. (2014). Mapping of growing stock and stand delineation for tropical forests using remote sensing. https://doi.org/10.14214/df.184

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.

  • Hou, University of Eastern Finland, School of Forest Sciences ORCID ID:Sähköposti hou.zhengyang@gmail.com (email)
Reija Haapanen. (2014). Feature extraction and selection in remote sensing-aided forest inventory. https://doi.org/10.14214/df.181

Piirteiden irrotus ja valinta kaukokartoitusavusteisessa metsäninventoinnissa

Tässä väitöskirjassa tutkittiin kaukokartoitusaineistoista irrotettujen piirteiden suorituskykyä suuralueen metsäninventoinnin yhteydessä. Tutkimusalueet sijoittuvat Suomen boreaalisen vyöhykkeen metsiin, yhtä Pohjois-Minnesotassa (Yhdysvallat) sijainnutta aluetta lukuunottamatta. Metsätunnusten estimointi tehtiin pikseli- tai hilatasolla, ei-parametrisen k-lähimmän naapurin menetelmän avulla. Kaukokartoitusaineistoina käytettiin Landsat 7 Enhanced Thematic Mapper Plus (ETM+) satelliittikuvia, väri-infra-ilmakuvia, TerraSAR-X tutkan sekä lentokoneesta tehtävän laserkeilauksen (ALS) tuottamia aineistoja. Näiden kuvatyyppien viitteellinen sopivuusjärjestys metsävaratunnusten estimoinnissa oli ALS, TerraSAR-X, ilmakuva ja Landsat 7 ETM+. Tutkimuksessa paneuduttiin erityisesti eri aineistoista irrotettujen piirteiden yhdistelyyn, sekä sellaisten piirreyhdistelmien etsimiseen, jotka tuottivat parhaan tuloksen metsävaratunnusten estimoinnissa. Piirteiden valinta tehtiin pääasiassa geneettisen algoritmin avulla. Tuloksina saadut suhteelliset keskineliövirheen neliöjuuret (RMSE) asettuivat välille 23–77 %, kun kyseessä oli puuston keskitilavuuden arviointi. Parhaat tulokset saatiin yhdistelemällä ALS- ja ilmakuvapiirteitä. Tällöin suhteelliset RMSE-arvot puuston keskitilavuudelle olivat 23–30 %, maisemakuvasta riippuen. Yleensä toisiaan täydentävien kuvatyyppien käyttö paransi arvioiden tarkkuutta. Automaattinen piirrevalinta vähensi suuresti hälyn sekä piirteiden määrää alkuperäiseen syötteeseen verrattuna ja johti parempaan estimointitulokseen. Niissä osatutkimuksissa, joissa hyödynnettiin ALS-aineistoja, erityisesti puuston vertikaalirakennetta kuvaavat ALS-tunnukset auttoivat pienentämään estimointivirhettä.

  • Haapanen, University of Helsinki, Department of Forest Sciences ORCID ID:Sähköposti reija.haapanen@gmail.com (email)
Reija Haapanen. (2014). Feature extraction and selection in remote sensing-aided forest inventory. https://doi.org/10.14214/df.181

Piirteiden irrotus ja valinta kaukokartoitusavusteisessa metsäninventoinnissa

Tässä väitöskirjassa tutkittiin kaukokartoitusaineistoista irrotettujen piirteiden suorituskykyä suuralueen metsäninventoinnin yhteydessä. Tutkimusalueet sijoittuvat Suomen boreaalisen vyöhykkeen metsiin, yhtä Pohjois-Minnesotassa (Yhdysvallat) sijainnutta aluetta lukuunottamatta. Metsätunnusten estimointi tehtiin pikseli- tai hilatasolla, ei-parametrisen k-lähimmän naapurin menetelmän avulla. Kaukokartoitusaineistoina käytettiin Landsat 7 Enhanced Thematic Mapper Plus (ETM+) satelliittikuvia, väri-infra-ilmakuvia, TerraSAR-X tutkan sekä lentokoneesta tehtävän laserkeilauksen (ALS) tuottamia aineistoja. Näiden kuvatyyppien viitteellinen sopivuusjärjestys metsävaratunnusten estimoinnissa oli ALS, TerraSAR-X, ilmakuva ja Landsat 7 ETM+. Tutkimuksessa paneuduttiin erityisesti eri aineistoista irrotettujen piirteiden yhdistelyyn, sekä sellaisten piirreyhdistelmien etsimiseen, jotka tuottivat parhaan tuloksen metsävaratunnusten estimoinnissa. Piirteiden valinta tehtiin pääasiassa geneettisen algoritmin avulla. Tuloksina saadut suhteelliset keskineliövirheen neliöjuuret (RMSE) asettuivat välille 23–77 %, kun kyseessä oli puuston keskitilavuuden arviointi. Parhaat tulokset saatiin yhdistelemällä ALS- ja ilmakuvapiirteitä. Tällöin suhteelliset RMSE-arvot puuston keskitilavuudelle olivat 23–30 %, maisemakuvasta riippuen. Yleensä toisiaan täydentävien kuvatyyppien käyttö paransi arvioiden tarkkuutta. Automaattinen piirrevalinta vähensi suuresti hälyn sekä piirteiden määrää alkuperäiseen syötteeseen verrattuna ja johti parempaan estimointitulokseen. Niissä osatutkimuksissa, joissa hyödynnettiin ALS-aineistoja, erityisesti puuston vertikaalirakennetta kuvaavat ALS-tunnukset auttoivat pienentämään estimointivirhettä.

  • Haapanen, University of Helsinki, Department of Forest Sciences ORCID ID:Sähköposti reija.haapanen@gmail.com (email)
Kirsi Kettula. (2012). Towards professional growth: essays on learning and teaching forest economics and marketing through drama, role-play and reflective journals. https://doi.org/10.14214/df.152

Kohti ammatillista kasvua: esseitä metsäekonomian ja markkinoinnin oppimisesta ja opettamisesta draaman, roolipelien ja oppimispäiväkirjojen avulla

Nopeasti muuttuva työelämä asettaa uusia haasteita yliopisto-opetukselle, ja varsin yleinen käsitys on, että opiskelijoiden tulisi yliopisto-opinnoissaan oppia myös työelämässä vaadittavia yleisiä taitoja. Nykyinen korkeakouluopetus ja työelämän tarpeet eivät kuitenkaan näytä kohtaavan tarpeeksi hyvin. Tämä tutkimus on omalta osaltaan kuromassa umpeen havaittua työelämän ja opetuksen välistä eroa.

Väitöskirjassa tutkitaan mahdollisuutta edistää työelämätaitoja simuloimalla työelämän tilanteita tai käsittelemällä draaman keinoin täysin fiktiivisiä tilanteita. Tavoitteena oli tuottaa tietoa metsäekonomian ja markkinoinnin opetuksen kehittämiseen, jotta opetus antaisi opiskelijoille entistä parempia valmiuksia toimia asiantuntijana työelämässä. Tavoitteena oli myös tuottaa uutta tietoa draamasta ja roolipeleistä opetusmenetelminä yliopistotasoisessa opetuksessa ja keinona kehittää asiantuntijatiedon osa-alueita. Tutkimusmenetelmien osalta tavoitteena oli tutkia oppimispäiväkirjoja tutkimusmateriaalina sekä kehittää välineitä oppimispäiväkirjoissa esiintyvän reflektoinnin analysoimiseen.

Väitöskirja on monitieteellinen, monimenetelmäinen tutkimus, jonka aineisto koostuu opiskelijoiden oppimispäiväkirjoista, pienryhmähaastattelusta ja lomakkeilla kerätystä palautteesta. Oppimispäiväkirjat ja haastattelu analysoitiin laadullisen tutkimuksen menetelmiä käyttäen, ja osatutkimuksissa analyysiluokkia luotiin sekä induktiivisesti (aineistolähtöisesti) että deduktiivisesti (teorialähtöisesti). Määrällisiä analyysimenetelmiä (mm. ANOVA, t-testi) käytettiin kyselylomakkeiden analysoinnissa ja laadullisen aineiston jatkoanalysoinnissa. Väitöskirja koostuu yhteenvedosta, kolmesta julkaistusta (tai julkaistavaksi hyväksytystä) esseestä ja yhdestä esseekäsikirjoituksesta.

Väitöskirjan tulokset osoittavat, että draama ja roolipelit ovat varteenotettavia opetusmenetelmiä yliopistotasoisessa opetuksessa. Molempien opetusmenetelmien avulla voidaan edistää osa-alueita, joita tarvitaan asiantuntijuuden kehittymisessä. Roolipeleillä voidaan lisäksi osittain korvata työssä tapahtuvaa oppimista, mikäli aitojen työelämäkokemusten järjestäminen ei ole jostain syystä mahdollista. Verrattaessa draamaa ja roolipelejä toisiinsa roolipeli näyttää sopivan opetusmenetelmänä paremmin tilanteisiin, joissa tavoitteena on keskittyä jonkin tietyn taidon tai aihealueen oppimiseen. Draaman vahvuudeksi havaittiin sen kyky ohjata opiskelijoita arvioimaan kriittisesti sekä opiskeltavan ilmiön perusperiaatteita että opiskelijan omaa asennetta ja suhdetta käsiteltävään aiheeseen. Tutkimustulokset osoittavat myös, että opiskelijoiden reflektointitaidot eivät kehity itsekseen, joten niiden kehittämiseen täytyy kiinnittää huomiota korkeakouluopetuksessa.

Tutkimustuloksia voidaan soveltaa metsäalan opetuksen ohella myös muiden alojen opetuksessa keskiasteella ja korkeakouluissa. Asiantuntijatiedon kehittämisestä saatava tieto on siirrettävissä koulutussektorin ulkopuolelle hyödyttämään eri alojen yritysten henkilöstön kehittämistä ja sisäistä koulutusta.

  • Kettula, University of Helsinki, Department of Forest Sciences ORCID ID:Sähköposti kirsi.kettula@aalto.fi (email)
Petteri Packalén. (2009). Using airborne laser scanning data and digital aerial photographs to estimate growing stock by tree species. https://doi.org/10.14214/df.77

Modernit kaukokartoitusmenetelmät ovat nykyisin houkutteleva vaihtoehto maastomittauksille metsän inventoinnissa. Lupaavin kaukokartoitusmenetelmä metsän inventointiin perustuu tällä hetkellä ilma-aluksesta suoritettavaan laserkeilaukseen. Useat tutkimukset ovat osoittaneet, että keskeiset puustotunnukset, kuten keskipituus, pohjapinta-ala ja tilavuus, voidaan ennustaa erittäin tarkasti hyödyntämällä laserkeilausaineistoa. Suurimmassa osassa tutkimuksista on kuitenkin tarkasteltu vain kokonaistunnuksia, mutta Suomessa puulajikohtaiset puustotunnukset ovat usein ensisijainen kiinnostuksen kohde. Tämän väitöskirjatyön tavoitteena on kehittää ja evaluoida menetelmiä puulajeittaisessa kuviotason inventoinnissa hyödyntämällä kaukokartoitusaineistoja.

Tutkimuksessa käytettiin kahta testialuetta jotka molemmat sijaitsevat Itä-Suomessa ja edustavat tyypillistä suomalaista hoidettua boreaalista metsää. Tarkastellut puulajit olivat mänty (Pinus sylvestris L.), kuusi (Picea abies (L.) Karst.) ja lehtipuut yhtenä puulajiryhmänä. Puustotunnusten mallinnus tehtiin koealatasolla. Laserkeilausaineiston ja ilmakuvien yhdenaikainen hyödyntäminen muodostaa työn perustan. Lähtökohta on, että laserkeilausaineisto antaa tietoa puuston määrästä ja että ilmakuvat auttavat erottelemaan eri puulajeja.

Ensimmäisessä osatutkimuksessa verrattiin regressiomallinnuksen ja sumean luokittelun yhdistelmää ei-parametriseen lähimpien naapurien hakuun perustuvaan k-MSN-menetelmään puulajikohtaisten tilavuuksien ennustamisessa. k-MSN-menetelmällä saatiin lupaavia tuloksia ja toisessa osatutkimuksessa testiä laajennettiinkin siten, että samanaikaisesti ennustettiin puulajeittain tilavuus, runkoluku, pohjapinta-ala ja pohjapinta-alamediaanipuun läpimitta ja pituus sekä puulajikohtaisten ennusteiden summana kokonaistunnukset. Kolmannessa osatutkimuksessa tarkasteltiin kaukokartoitusinformaation käyttöä puulajeittaisten läpimittajakaumien ennustamisessa. Menetelmä, jossa lähimpien koealanaapureiden maastossa mitatut puut muodostavat läpimittajakaumat suoraan, toimi paremmin kuin teoreettinen jakaumalähestymistapa Weibull-jakauman parametrien ennustamiseksi k-MSN mallin ennusteilla. Neljännessä osatutkimuksessa esiteltiin uusi menetelmä hyödyntää oikaisemattomia ilmakuvia, joiden sisäinen ja ulkoinen orientointi tunnetaan orto-oikaistujen kuvien sijaan. Uudella menetelmällä voidaan välttää kaksi aikaisemmin käytetyn lähestymistavan ominaispiirrettä: ilmakuvien radiometrinen kalibrointi sekä laserpisteiden ja ilmakuvien epätarkka yhdistäminen.

Lähimpien naapurien haku osoittautui tehokkaaksi ja monikäyttöiseksi lähestymistavaksi sekä kokonaistunnusten, puulajikohtaisten tunnusten että läpimittajakauman ennustamisessa käytettäessä lähtötietona laserkeilausaineistoa, ilmakuvia ja maastokoealoja. Tutkimuksessa saavutetut puulajikohtaiset tarkkuudet olivat vähintään yhtä hyviä kuin nykyisin käytetyssä kuvioittaisessa maastoinventoinnissa ja kokonaistunnusten osalta tarkkuus oli jopa parempi.

  • Packalén, University of Joensuu, Faculty of Forest Sciences ORCID ID:Sähköposti petteri.packalen@joensuu.fi (email)

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