Artikkelit jotka sisältävät avainsanan 'Landsat'.

Eero Muinonen. (2018). Optical data-driven multi-source forest inventory setups for boreal and tropical forests. https://doi.org/10.14214/df.256

Työn tavoitteena oli soveltaa ja edelleen kehittää satelliittikuvatietoon perustuvia metsien inventoinnin laskennan menetelmiä ja komponentteja boreaalisen ja trooppisen metsän olosuhteissa. Tässä työssä esitettävät sovellukset perustuvat optisen alueen kaukokartoitustietoon, pääosin satelliittikuvatietoon, sekä epäparametriseen k:n lähimmän naapurin estimointimenetelmään, jotka molemmat ovat yleisesti käytettyjä komponentteja monilähteisessä metsien inventoinnissa.

Variogrammia tekstuuri-informaation lähteenä metsikkökuvion puuston keskitilavuuden estimoinnissa kokeiltiin digitaalisen ilmakuvan avulla Hyytiälässä. Ristiinvalidoinnin mukaan keskitilavuuden estimoinnin tarkkuus parani, kun semivarianssin arvot olivat mukana hakumuuttujien joukossa.

Metsäpeitteen ja tilavuuden kartoittamisessa Terain alueella Nepalissa hyödynnettiin. Landsat TM -satelliittikuvia. Monilähteisen metsien inventoinnin laskentaa sovellettiin tilavuuden kartoitukseen myös Kon Tumin provinssin alueella Vietnamissa. Näissä kahdessa tutkimuksessa käytettiin MODIS -satelliittikuvatietoa referenssinä Landsat TM kuvien suhteellisessa kalibroinnissa.

Satelliittikaukokartoitus on edesauttanut myös metsähakkeen teknisen korjuumahdollisuusarvion laskentamenetelmien kehitystyötä. Työssä esitetään esimerkkisovellus Keski-Suomessa ja lähtötietona laskentaproseduurissa käytetään monilähdeinventoinnin tuottamaa rasterimuotoista biomassakartoitusta. Metsähakkeen korjuumahdollisuusarvio perustui hakkuutähteiden ja kantojen korjuuseen päätehakkuukohteilla.

Trooppisen metsän alueita koskevissa sovelluksissa laskennan toteutus tehtiin Open Source -laskentaohjelmistoilla. Tehty työ on osaltaan myös REDD+ ohjelmaan liittyvää metsien inventoinnin ja kaukokartoituksen kapasiteetin kehitystyötä. Metsähakkeen korjuumahdollisuusarviot toimivat puolestaan tukena metsäbioenergian tuotantoon liittyvässä päätöksenteossa.

  • Muinonen, University of Eastern Finland, School of Forest Sciences ORCID ID:Sähköposti eerom7@gmail.com (email)
Helena Haakana. (2017). Multi-source forest inventory data for forest production and utilization analyses at different levels. https://doi.org/10.14214/df.243

Valtakunnalliset ja alueelliset arviot metsien vaihtoehtoisista käyttömahdollisuuksista ja tulevista hakkuumahdollisuuksista perustuvat yleensä Valtakunnan metsien inventoinnin (VMI) tuottamaan koeala-aineistoon. Tarve vastaavanlaisille skenaariolaskelmille paikallisella tasolla on lisääntynyt kuten myös tarve sisällyttää laskelmiin paikkaan sidottua tietoa. VMI:n suhteellisen harvan otannan takia skenaariolaskelmia ei kuitenkaan voi tehdä pelkästään VMI-koealojen perusteella maakuntatasoa pienemmillä alueilla. Väitöskirjassa selvittiin mahdollisuutta tuottaa laskelmien lähtöaineisto VMI-koealoja, satelliittikuvia ja k:n lähimmän naapurin estimointimenetelmää käyttäen. Menetelmää hyödynnettiin ensin arvioitaessa metsien hallinnollisten ja teknisten käyttörajoitusten vaikutusta puuntuotantoon kahden kylän alueella Itä-Suomessa. Toisessa sovelluksessa arvioitiin liito-oravalle sopivien elinympäristöjen määrän kehittymistä kolmessa eri hakkuuskenaariossa metsäkeskusalueittain.

Skenaariolaskelmissa käytettiin MELA (Metsälaskelma) -ohjelmistoa. Laskentakuviot puuston kehitys- ja käsittelyvaihtoehtojen simulointia varten muodostettiin satelliittikuvien segmentoinnin ja puuntuotannon rajoitustietojen avulla. Laskentakuvioille haettiin satelliittikuvien avulla sävyarvoiltaan lähimmät VMI-koealat, joille estimoitiin uudet painot eli edustavuus kyseisellä laskentakuviolla. Työssä tarkasteltiin erilaisten segmentointimenetelmien ja sävyarvopiirteiden käyttöä estimoinnissa. Metsikkökuvioita mahdollisimman hyvin vastaavien segmenttien ansiosta liito-oravalle sopivien elinympäristöjen ennustamisessa voitiin käyttää kuvio- ja maisematason malleja.

Laskenta-aineiston tuottaminen satelliittikuviin perustuvalla koealapainojen estimoinnilla osoittautui käyttökelpoiseksi menetelmäksi, joka mahdollistaa skenaariolaskelmat pienemmillä alueilla kuin olisi mahdollista pelkän VMI-koeala-aineiston avulla, esimerkiksi kuntatasolla. Hyvän maantieteellisen kattavuuden ja jatkuvuuden ansiosta satelliittikuvat ja VMI ovat kustannustehokkaita tietolähteitä ja esitetyn menetelmän avulla VMI-aineistoa voidaan käyttää metsien käyttö- ja tuotantomahdollisuuksien arvioinnissa myös paikallistasolla.

  • Haakana, University of Eastern Finland, School of Forest Sciences ORCID ID:Sähköposti helena.haakana@luke.fi (email)
Helena Haakana. (2017). Multi-source forest inventory data for forest production and utilization analyses at different levels. https://doi.org/10.14214/df.243

Valtakunnalliset ja alueelliset arviot metsien vaihtoehtoisista käyttömahdollisuuksista ja tulevista hakkuumahdollisuuksista perustuvat yleensä Valtakunnan metsien inventoinnin (VMI) tuottamaan koeala-aineistoon. Tarve vastaavanlaisille skenaariolaskelmille paikallisella tasolla on lisääntynyt kuten myös tarve sisällyttää laskelmiin paikkaan sidottua tietoa. VMI:n suhteellisen harvan otannan takia skenaariolaskelmia ei kuitenkaan voi tehdä pelkästään VMI-koealojen perusteella maakuntatasoa pienemmillä alueilla. Väitöskirjassa selvittiin mahdollisuutta tuottaa laskelmien lähtöaineisto VMI-koealoja, satelliittikuvia ja k:n lähimmän naapurin estimointimenetelmää käyttäen. Menetelmää hyödynnettiin ensin arvioitaessa metsien hallinnollisten ja teknisten käyttörajoitusten vaikutusta puuntuotantoon kahden kylän alueella Itä-Suomessa. Toisessa sovelluksessa arvioitiin liito-oravalle sopivien elinympäristöjen määrän kehittymistä kolmessa eri hakkuuskenaariossa metsäkeskusalueittain.

Skenaariolaskelmissa käytettiin MELA (Metsälaskelma) -ohjelmistoa. Laskentakuviot puuston kehitys- ja käsittelyvaihtoehtojen simulointia varten muodostettiin satelliittikuvien segmentoinnin ja puuntuotannon rajoitustietojen avulla. Laskentakuvioille haettiin satelliittikuvien avulla sävyarvoiltaan lähimmät VMI-koealat, joille estimoitiin uudet painot eli edustavuus kyseisellä laskentakuviolla. Työssä tarkasteltiin erilaisten segmentointimenetelmien ja sävyarvopiirteiden käyttöä estimoinnissa. Metsikkökuvioita mahdollisimman hyvin vastaavien segmenttien ansiosta liito-oravalle sopivien elinympäristöjen ennustamisessa voitiin käyttää kuvio- ja maisematason malleja.

Laskenta-aineiston tuottaminen satelliittikuviin perustuvalla koealapainojen estimoinnilla osoittautui käyttökelpoiseksi menetelmäksi, joka mahdollistaa skenaariolaskelmat pienemmillä alueilla kuin olisi mahdollista pelkän VMI-koeala-aineiston avulla, esimerkiksi kuntatasolla. Hyvän maantieteellisen kattavuuden ja jatkuvuuden ansiosta satelliittikuvat ja VMI ovat kustannustehokkaita tietolähteitä ja esitetyn menetelmän avulla VMI-aineistoa voidaan käyttää metsien käyttö- ja tuotantomahdollisuuksien arvioinnissa myös paikallistasolla.

  • Haakana, University of Eastern Finland, School of Forest Sciences ORCID ID:Sähköposti helena.haakana@luke.fi (email)
Svetlana Saarela. (2015). Use of remotely sensed auxiliary data for improving sample-based forest inventories. https://doi.org/10.14214/df.201

Kaukokartoitusaputiedon hyödyntäminen otantapohjaisten metsien

inventointien parantamisessa

Viime vuosikymmeninä kaukokartoituksen avulla hankitulla aputiedolla

on potentiaalia lisätä otantapohjaisen metsien inventoinnin

tärkeimpien estimaattoreiden täsmällisyyttä. Tämän opinnäytetyön

motivaatio perustuu kaukokartoitusaineistojen lisääntyvään

saatavuuteen ja tavoitteena oli selvittää miten tämän tyyppistä

aputietoa voidaan käyttää parantamaan otantapohjaisten tutkimusten

asetelmaa ja estimaattoreita. Tutkittiin kahta erilaista

lähestymistapaa: malliperusteista ja asetelmaperusteista. Tutkimuksia varten kerättiin empiirinen aineisto boreaalisesta metsäalueelta Kuortaneelta Länsi-Suomesta. Aineisto käsitti yhdistelmän aputietona hyödynnettyjä laserkeilaus- ja Landsat-aineistoja, maastokoeala-aineisto kerättiin 10. valtakunnan metsien inventoinnin muunnelmana. Tutkittavana metsikkötunnuksena oli runkotilavuus.

Tämän opinnäytetyön tulokset ovat tärkeitä metsien inventoinnin

kehittämisessä vastaamaan vaatimuksia, jotka pohjautuvat kasvavaan

määrään metsiin liittyviä kansainvälisiä sopimuksia ja velvoitteita.

Användning av fjärranalysdata för att förbättra stickprovsbaserade skogsinventeringar

Under de senaste årtiondena har det visat sig att hjälpdata från fjärranalys har potential att öka precisionen för skattningar i stickprovsbaserade skogsinventeringar. Denna avhandling motiverades av den ökade tillgängligheten av fjärranalysdata, och målet var att undersöka hur den här typen av hjälpdata kan användas för att förbättra både stickprovsdesign och skattningar vid stickprovsbaserade inventeringar. Två olika typer av statistisk inferens studerades: modellbaserad inferens och designbaserad inferens. Empiriska data för studierna förvärvades från ett borealt skogsområde i Kuortane regionen i västra Finland. Data bestod av en kombination av hjälpinformation från luftburen LiDAR, Landsat och fältdata från provytor som samlats in med hjälp av en intensifierad version av Riksskogstaxeringen. Det attribut som studerades var volym för skogsbeståndet.

Resultaten från denna avhandling är viktiga för utvecklingen av skogsinventeringar så att de kan uppfylla de krav som följer av ett ökande antal internationella åtaganden och överenskommelser med anknytning till skogen.

  • Saarela, University of Helsinki, Department of Forest Sciences ORCID ID:Sähköposti svetlana.saarela@helsinki.fi (email)
Svetlana Saarela. (2015). Use of remotely sensed auxiliary data for improving sample-based forest inventories. https://doi.org/10.14214/df.201

Kaukokartoitusaputiedon hyödyntäminen otantapohjaisten metsien

inventointien parantamisessa

Viime vuosikymmeninä kaukokartoituksen avulla hankitulla aputiedolla

on potentiaalia lisätä otantapohjaisen metsien inventoinnin

tärkeimpien estimaattoreiden täsmällisyyttä. Tämän opinnäytetyön

motivaatio perustuu kaukokartoitusaineistojen lisääntyvään

saatavuuteen ja tavoitteena oli selvittää miten tämän tyyppistä

aputietoa voidaan käyttää parantamaan otantapohjaisten tutkimusten

asetelmaa ja estimaattoreita. Tutkittiin kahta erilaista

lähestymistapaa: malliperusteista ja asetelmaperusteista. Tutkimuksia varten kerättiin empiirinen aineisto boreaalisesta metsäalueelta Kuortaneelta Länsi-Suomesta. Aineisto käsitti yhdistelmän aputietona hyödynnettyjä laserkeilaus- ja Landsat-aineistoja, maastokoeala-aineisto kerättiin 10. valtakunnan metsien inventoinnin muunnelmana. Tutkittavana metsikkötunnuksena oli runkotilavuus.

Tämän opinnäytetyön tulokset ovat tärkeitä metsien inventoinnin

kehittämisessä vastaamaan vaatimuksia, jotka pohjautuvat kasvavaan

määrään metsiin liittyviä kansainvälisiä sopimuksia ja velvoitteita.

Användning av fjärranalysdata för att förbättra stickprovsbaserade skogsinventeringar

Under de senaste årtiondena har det visat sig att hjälpdata från fjärranalys har potential att öka precisionen för skattningar i stickprovsbaserade skogsinventeringar. Denna avhandling motiverades av den ökade tillgängligheten av fjärranalysdata, och målet var att undersöka hur den här typen av hjälpdata kan användas för att förbättra både stickprovsdesign och skattningar vid stickprovsbaserade inventeringar. Två olika typer av statistisk inferens studerades: modellbaserad inferens och designbaserad inferens. Empiriska data för studierna förvärvades från ett borealt skogsområde i Kuortane regionen i västra Finland. Data bestod av en kombination av hjälpinformation från luftburen LiDAR, Landsat och fältdata från provytor som samlats in med hjälp av en intensifierad version av Riksskogstaxeringen. Det attribut som studerades var volym för skogsbeståndet.

Resultaten från denna avhandling är viktiga för utvecklingen av skogsinventeringar så att de kan uppfylla de krav som följer av ett ökande antal internationella åtaganden och överenskommelser med anknytning till skogen.

  • Saarela, University of Helsinki, Department of Forest Sciences ORCID ID:Sähköposti svetlana.saarela@helsinki.fi (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)

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