Artikkelit jotka sisältävät avainsanan 'LiDAR'.

Tuomas Yrttimaa. (2021). Characterizing tree communities in space and time using point clouds. https://doi.org/10.14214/df.314

Luonnonilmiöiden taustalla olevien prosessien ymmärtämiseksi tarvitaan tarkkoja havaintoja ja mittauksia. Metsäekosysteemin hierarkkisen rakenteen vuoksi sen toiminnalliset ominaisuudet määräytyvät suurelta osin puiden ja puujoukkojen toiminnallisten ominaisuuksien kautta. Siksi metsäekosysteemin toiminnallista rakennetta ja siinä tapahtuvia muutoksia voidaan tarkastella puiden toiminnallisilla ominaisuuksilla ja niissä tapahtuvilla muutoksilla. Kolmiulotteiset lähikartoitusmenetelmät ovat mahdollistaneet puiden yksityiskohtaisen tarkastelun pistepilvien avulla. Tämän tutkielman tavoitteena oli kehittää pistepilvi​​menetelmiä elävien ja kaatuneiden puiden kartoitukseen sekä testata kehitettyjen menetelmien toimivuutta ja sovellettavuutta metsän rakenteen tarkasteluun boreaalisissa metsissä.

Osajulkaisuissa I–III kehitettiin pistepilvi​​menetelmiä metsän eri rakenteiden havaitsemiseen ja niiden ominaisuuksien kartoittamiseen. Kaatuneet kuolleet puunrungot pystyttiin erottamaan aluskasvillisuudesta niiden säännöllisen, sylinterimäisen geometrian avulla (I). Tasaiset ja sylinterimäiset pinnat sekä pystysuoruus olivat toisaalta ominaisuuksia, joiden perusteella elävien puiden rungot voitiin erottaa lehdistä ja oksista (II). Näiden menetelmällisten periaatteiden pätevyys sekä niihin perustuvien pistepilvimenetelmien toimivuus testattiin rakenteellisesti vaihtelevissa boreaalisissa metsissä.

Osajulkaisuissa II–V tutkittiin kehitettyjen pistepilvimenetelmien sovellettavuutta puiden ja puujoukkojen tarkasteluun sekä niissä tapahtuvien muutosten havaitsemiseen. Metsikön rakenteellisen monimuotoisuuden havaittiin olevan tärkein puun tarkastelun tarkkuuteen vaikuttavista tekijöistä (II). Väitöskirjassa kehitetyn pistepilvimenetelmän havaittiin toimivan parhaiten tasarakenteisissa metsissä. Puuston rakenteen vaikutusta kyseisen pistepilvimenetelmän tarkkuuteen tutkittiin tarkemmin kontrolloiduissa olosuhteissa harvennuskokeiden avulla (III). Niissä harvennusvoimakkuuden havaittiin olevan merkittävämpi tarkkuuteen vaikuttava tekijä kuin harvennustapa (ts. yläharvennus, alaharvennus ja systemaattinen harvennus). Latvuston yläpuolelta kerätyn ilmakuvapistepilven yhdistäminen maastolaserkeilauspistepilveen paransi puiden ja puujoukkojen pituusominaisuuksien tarkastelun tarkkuutta pelkkään maastolaserkeilauspistepilveen perustuvaan menetelmään verrattuna (IV). Lopuksi havaittiin, että viiden vuoden tarkastelujakson aikana puiden ja puujoukkojen rakenteissa tapahtuneita keskimääräisiä muutoksia pystyttiin mittaamaan kahden eri ajankohdan maastolaserkeilauksella (V).

Tämän tutkielman tulokset parantavat tietämystä pistepilvimenetelmien sovellettavuudesta puiden ja puujoukkojen ominaisuuksien sekä niissä tapahtuvien muutosten tarkasteluun. Metsäympäristön yksityiskohtainen kolmiulotteinen mallinnus pistepilvien avulla parantaa puun ominaisuuksien tarkastelua, kun puiden kasvua ja puujoukkojen dynamiikkaa voidaan havainnoida entistä tarkemmin. Tämän tutkielman perusteella metsistä kerättyjen pistepilvien ja niitä hyödyntävien analyysimenetelmien avulla voidaan siis ymmärtää metsäekosysteemejä ja niitä muokkaavia prosesseja paremmin.

  • Yrttimaa, ORCID ID:Sähköposti tuomas.yrttimaa@uef.fi (email)
Tuomas Yrttimaa. (2021). Characterizing tree communities in space and time using point clouds. https://doi.org/10.14214/df.314

Luonnonilmiöiden taustalla olevien prosessien ymmärtämiseksi tarvitaan tarkkoja havaintoja ja mittauksia. Metsäekosysteemin hierarkkisen rakenteen vuoksi sen toiminnalliset ominaisuudet määräytyvät suurelta osin puiden ja puujoukkojen toiminnallisten ominaisuuksien kautta. Siksi metsäekosysteemin toiminnallista rakennetta ja siinä tapahtuvia muutoksia voidaan tarkastella puiden toiminnallisilla ominaisuuksilla ja niissä tapahtuvilla muutoksilla. Kolmiulotteiset lähikartoitusmenetelmät ovat mahdollistaneet puiden yksityiskohtaisen tarkastelun pistepilvien avulla. Tämän tutkielman tavoitteena oli kehittää pistepilvi​​menetelmiä elävien ja kaatuneiden puiden kartoitukseen sekä testata kehitettyjen menetelmien toimivuutta ja sovellettavuutta metsän rakenteen tarkasteluun boreaalisissa metsissä.

Osajulkaisuissa I–III kehitettiin pistepilvi​​menetelmiä metsän eri rakenteiden havaitsemiseen ja niiden ominaisuuksien kartoittamiseen. Kaatuneet kuolleet puunrungot pystyttiin erottamaan aluskasvillisuudesta niiden säännöllisen, sylinterimäisen geometrian avulla (I). Tasaiset ja sylinterimäiset pinnat sekä pystysuoruus olivat toisaalta ominaisuuksia, joiden perusteella elävien puiden rungot voitiin erottaa lehdistä ja oksista (II). Näiden menetelmällisten periaatteiden pätevyys sekä niihin perustuvien pistepilvimenetelmien toimivuus testattiin rakenteellisesti vaihtelevissa boreaalisissa metsissä.

Osajulkaisuissa II–V tutkittiin kehitettyjen pistepilvimenetelmien sovellettavuutta puiden ja puujoukkojen tarkasteluun sekä niissä tapahtuvien muutosten havaitsemiseen. Metsikön rakenteellisen monimuotoisuuden havaittiin olevan tärkein puun tarkastelun tarkkuuteen vaikuttavista tekijöistä (II). Väitöskirjassa kehitetyn pistepilvimenetelmän havaittiin toimivan parhaiten tasarakenteisissa metsissä. Puuston rakenteen vaikutusta kyseisen pistepilvimenetelmän tarkkuuteen tutkittiin tarkemmin kontrolloiduissa olosuhteissa harvennuskokeiden avulla (III). Niissä harvennusvoimakkuuden havaittiin olevan merkittävämpi tarkkuuteen vaikuttava tekijä kuin harvennustapa (ts. yläharvennus, alaharvennus ja systemaattinen harvennus). Latvuston yläpuolelta kerätyn ilmakuvapistepilven yhdistäminen maastolaserkeilauspistepilveen paransi puiden ja puujoukkojen pituusominaisuuksien tarkastelun tarkkuutta pelkkään maastolaserkeilauspistepilveen perustuvaan menetelmään verrattuna (IV). Lopuksi havaittiin, että viiden vuoden tarkastelujakson aikana puiden ja puujoukkojen rakenteissa tapahtuneita keskimääräisiä muutoksia pystyttiin mittaamaan kahden eri ajankohdan maastolaserkeilauksella (V).

Tämän tutkielman tulokset parantavat tietämystä pistepilvimenetelmien sovellettavuudesta puiden ja puujoukkojen ominaisuuksien sekä niissä tapahtuvien muutosten tarkasteluun. Metsäympäristön yksityiskohtainen kolmiulotteinen mallinnus pistepilvien avulla parantaa puun ominaisuuksien tarkastelua, kun puiden kasvua ja puujoukkojen dynamiikkaa voidaan havainnoida entistä tarkemmin. Tämän tutkielman perusteella metsistä kerättyjen pistepilvien ja niitä hyödyntävien analyysimenetelmien avulla voidaan siis ymmärtää metsäekosysteemejä ja niitä muokkaavia prosesseja paremmin.

  • Yrttimaa, ORCID ID:Sähköposti tuomas.yrttimaa@uef.fi (email)
Tomi Karjalainen. (2020). Predicting commercial tree quality by means of airborne laser scanning. https://doi.org/10.14214/df.307

Lentolaserkeilausta (Airborne laser scanning, ALS) käytetään monissa maissa metsikkökuvioiden puuston kokonaistilavuuden ennustamiseksi. ALS-aineistosta tuotetut ennusteet ovat usein tarkempia kuin muilla tavoin tuotetut ennusteet. Operatiivisessa metsätaloudessa pelkän kokonaistilavuuden huomioiminen ei kuitenkaan riitä, sillä hakkuiden yhteydessä kokonaistilavuus jakautuu puutavaralajikohtaisiin tilavuuksiin. Puuston laatu vaikuttaa suuresti puutavaralajijakaumaan, joten tarkempi ennakkotieto puuston laadusta helpottaisi muun muassa hakkuiden suunnittelua. Tämän väitöskirjatyön päätavoite oli testata eri metodeja puuston laadun, erityisesti tukkitilavuuden, ennustamiseksi ALS-aineistoa käyttäen.

Kolmessa osatutkimuksessa käytettiin aineistoja Itä-Suomesta (3 aluetta) ja Kaakkois-Norjasta (1 alue). Kaikki tutkimusmetsät olivat joko mänty- (Pinus sylvestris L.) tai kuusivaltaisia (Picea abies (L.) Karst.). Ensimmäinen osatutkimus keskittyi puutason mallien siirrettävyyteen eri ALS-inventointialueiden välillä. Toisessa osatutkimuksessa testattiin lukuisia vaihtoehtoja ennustaa tukkitilavuutta koealatasolla (30 m × 30 m). Kolmannessa tutkimuksessa puolestaan testattiin kuviotason ainespuu- ja tukkitilavuuksien maastokalibrointia pohjapinta-alamittauksiin perustuen. Osatutkimuksissa kaikki ALS-pohjaiset ennusteet tehtiin käyttäen joko lineaarisia sekamalleja tai k:n lähimmän naapurin menetelmää joko puu- tai koealatasolla (15 m × 15 m).

Tulokset osoittivat, että laserkeilausaineiston ja puuston laadun välillä on vain heikkoa korrelaatiota. Siitä huolimatta tukkitilavuusennusteiden suhteellinen keskineliövirheen neliöjuuri (RMSE%) oli 20–30 %, sen jälkeen, kun koealatason ennusteet oli yleistetty 30 m × 30 m tai kuviotasolle. Lisäksi osatutkimuskohtaiset tulokset osoittivat, että puutason mallien ennustustarkkuuden voi odottaa heikentyvän huomattavasti, kun malleja siirretään inventointialueiden välillä, ja että pohjapinta-alainformaatio ei ole yleisesti ottaen hyödyllistä, jos tarkoituksena on kalibroida tukkitilavuusennusteita kuusivaltaisilla metsikkökuvioilla.

  • Karjalainen, University of Eastern Finland, Faculty of Science and Forestry, School of Forest Sciences ORCID ID:Sähköposti tomi.karjalainen@uef.fi (email)
Syed Adnan. (2020). Improvements in forest structural type assessment using airborne laser scanning. https://doi.org/10.14214/df.306

Metsien rakennetyyppien (FST) arviointi tarjoaa työkaluja erilaisten metsiköiden erotteluun, kestävään metsäsuunnitteluun ja tehokkaaseen päätöksentekoon. Tässä työssä hyödynnettiin neljää aineistoa kolmelta kasvillisuusvyöhykkeeltä, jotka olivat pohjoinen havumetsävyöhyke, lauhkean vyöhykkeen metsä ja välimerellinen metsä. Rakennetyyppien arvioinnissa tarkasteltiin seuraavia menetelmiä. Puiden kokovaihteluun perustuvaa Gini-kerrointa (GC) hyödynnettiin metsän rakenteen määrittelyyn pohjoisen havumetsävyöhykkeen tutkimusaineistossa. Lisäksi tarkasteltiin koealakoon, puuston kasvatustiheyden ja lentolaserkeilauksen (ALS) pistetiheyden vaikutusta ALS pohjaiseen Gini-kertoimen estimointiin. Toisekseen neljää rakennetunnusta, jotka olivat neliökeskiläpimitta (QMD); GC, keskineliöläpimittaa suurempien puiden pohjapinta-ala (BALM) ja puuston runkoluku (N), hyödynnettiin kehitettäessä kasvillisuusvyöhykkeistä riippumatonta metsien rakennetyyppien arviointia. Lopuksi määritettiin maksimaalinen entropia-arvo, joka luokittelee erilaisia pohjoisen havumetsävyöhykkeen metsien rakennetyyppejä suoraan lentolaserkeilauksen korkeustunnusten perusteella. Sen jälkeen puuston biomassaa ennustettiin erikseen rakennetyypeittäin ja koko aineistossa.

Tulokset osoittivat, että koealan koolla on suurin vaikutus Gini-kertoimen estimointiin ja että 250–450 m2 (ympyräkoealan säde 9–12 m) on optimaalisin koko. Edelleen Gini-kerroin ja keskineliöläpimittaa suurempien puiden pohjapinta-ala ovat luotettavimpia tunnuksia erottelemaan läpimittajakaumaltaan laskevat sekä yksi- ja monihuippuiset metsiköt. Neliökeskiläpimittaa ja runkolukua voidaan puolestaan hyödyntää erotellessa nuoria ja vanhoja sekä tiheitä ja harvoja metsiköitä. Lentolaserkeilaustunnusten perusteella määritettävä maksimaalinen entropia-arvo on 0,33, kun taas hyödynnettäessä puuston pohjapinta-alaa päädytään arvoon 0,5. Jos lentolaserkeilaukseen perustuvaa arvoa hyödynnetään aineiston osittamisessa, johtaa se biomassan ennustamisen vähäiseen tarkentumiseen. Osittamisella päädytään myös erilaisten ALS-piirteiden valintaan eri ositteiden malleissa. Esimerkiksi suuria korkeuskvantiileja käytetään eri-ikäisrakenteisten ja nuorten metsien biomassan ennustamisessa, kun taas latvuspeittoon ja keskimääräisiin korkeuskvantiileihin perustuvia ALS-piirteitä hyödynnetään tasaikäisrakenteisten ja sulkeutuneiden metsiköiden biomassojen ennustamisessa. Tuloksia voidaan hyödyntää lentolaserkeilaukseen perustuvien piirteiden valinnassa erityisesti puustoltaan heterogeenisissä metsissä.

  • Adnan, University of Eastern Finland, Faculty of Science and Forestry, School of Forest Sciences ORCID ID:Sähköposti adnan.adnan@uef.fi (email)
Samuli Junttila. (2019). Utilizing multispectral lidar in the detection of declined trees. https://doi.org/10.14214/df.277

Maailman metsät altistuvat uudenlaiselle stressille ilmastonmuutoksen myötä. Tuhohyönteiset sekä patogeenit siirtyvät uusille leveysasteille ja kuumuuden aiheuttama stressi lisääntyy, mikä johtaa lisääntyneeseen puiden kuolleisuuteen sekä kasvaneeseen metsäpalojen määrään maailmanlaajuisesti. On vaikeaa arvioida, kuinka voimakasta metsien heikentyminen ilmastonmuutoksen myötä on minkä vuoksi tarvitaan uusia harhattomia menetelmiä metsien kunnon arviointiin. Kaukokartoitusmenetelmillä voidaan mitata useita eri muuttujia metsistä, mutta stressin havaitseminen aikaisessa vaiheessa on ollut haastavaa muutoksien hienovaraisuudesta johtuen. Monikanavalaserkeilausteknologialla on potentiaalia havaita aikaisia puun heikentymisen merkkejä tarjoamalla tarkkaa kolmiulotteista tietoa sekä informaatiota puun heijastuvuudesta useilla eri aallonpituuksilla samanaikaisesti.

Tämän väitöskirjan päätavoitteena oli tutkia monikanavalaserkeilauksen kykyä havaita ja arvioida useiden eri stressitekijöiden aiheuttamaa puun heikentymistä. Tämä tehtiin tutkimalla kaukokartoituksen avulla havaittavaa puiden heikentymisen indikaattoria, lehtien vesipitoisuutta. Väitöskirjassa kehitettiin uusia menetelmiä lehtien vesipitoisuuden arviointiin monikanavalaserkeilauksen avulla useilla eri mittakaavoilla yksittäisistä lehdistä kokonaisiin latvuksiin. Myös lehtien vesipitoisuuden ja erilaisten puun heikentymistä aiheuttavien stressitekijöiden välistä suhdetta tutkittiin, jotta stressin ja vesipitoisuuden välistä riippuvuutta voitaisiin ymmärtää paremmin.

Osatutkimukset I-III keskittyivät tutkimaan lehtien vesipitoisuuden sekä laserintensiteetin, eli laserin heijastaman valon, välistä yhteyttä usealla aallonpituudella. Ensin, hyperspektrilaserkeilainta, joka havaitsee kahdeksaa eri aallonpituutta, käytettiin muutosten havaitsemiseen tuoreiden sekä kuivuuskäsiteltyjen mäntyjen sekä kuusten välillä (osatutkimus I). Sitten tehtiin tutkimus yksittäisillä lehdillä sekä neulasryhmillä (osatutkimus II) käyttäen mäntyä, kuusta, metsälehmusta, vaahteraa sekä rauduskoivua ja havaittiin vahva riippuvuus lehtien vesipitoisuuden sekä 1550 nm ja 690 nm aallonpituuksista lasketun indeksin välillä. Tämän jälkeen osatutkimuksessa III tutkittiin neulasten kosteuspitoisuuden arviointia monikanavalaserkeilauksen avulla sekä patogeenin ja kuivuuden aiheuttamaa lehtien vesipitoisuuden vaihtelua kuusen taimilla. Sinistäjäsienellä infektoitujen taimien neulasten vesipitoisuus vähentyi nopeasti, kun taas kuivuuskäsiteltyjen taimien vesipitoisuus pysyi tasaisempana erittäin voimakkaaseen kuivuuteen asti. Neulasten kosteuspitoisuus sekä heikentyneet taimet pystyttiin ennustamaan hyvällä tarkkuudella käyttäen indeksiä, joka oli laskettu 1550 nm ja 905 nm aallonpituuksista.

Kehitettyä menetelmää sekä neulasten kosteuspitoisuuden ja puun heikentymisen välistä yhteyttä tutkittiin osatutkimuksessa IV kirjanpainajan (Ips typographus L.) heikentämässä metsässä. Monikanavalaserkeilauksen avulla pystyttiin erottamaan hyvällä tarkkuudella (90% yleistarkkuus) kirjanpainajan saastuttamat puut jo silloin kun latvus ei vielä osoittanut visuaalisia heikentymisen merkkejä. Laserintensiteetin avulla pystyttiin havainnoimaan pihkavuotoja rungossa, mikä auttoi terveiden puiden luokittelussa. Huomattiin myös, että neulasten kosteuspitoisuus laskee jo pian kirjanpainajan iskeytymisen jälkeen.

Tämä väitöskirja edistää sekä objektiivisen ja automatisoitavan menetelmän kehitystä, jolla voidaan havaita ja mitata puiden heikentymistä, että lehtien vesipitoisuuden ja puiden heikentymisen välisen yhteyden ymmärtämistä. Väitöskirjan tuloksista julkaistaan myös populääri musiikki- ja videoteos nimellä: Idän Proffa feat. Linda Ilves – Keilaa puita. Video julkaistaan täällä: http://bit.ly/keilaapuita.

  • Junttila, University of Helsinki, Department of Forest Sciences ORCID ID:Sähköposti samuli.junttila@helsinki.fi (email)
Cheikh Mohamedou. (2019). Improving local forest growth prediction by terrain-derived attributes, airborne γ-ray, and leaf area index. https://doi.org/10.14214/df.268

Metsän kasvu on tärkeimpiä tunnuksia metsävarojen suunnittelussa ja eri käyttötarpeisiin tehdyissä metsäympäristön kehitystä kuvaavissa simulointimalleissa. Perinteisesti puulajeittaiset kasvumallit on tehty laajojen alueiden koeala-aineistosta mallintamalla, jolloin paikallisten olosuhteiden vaihtelu ei tule kovin tarkkaan huomioiduksi. Paikallisen kartta- ja muun paikkatiedon avulla on mahdollista kalibroida ja tarkentaa kasvuennusteita.Tässä tutkimuksessa käytettiin paikkatietopohjaisia maaston pintamallista johdettuja kosteustunnuksia, lentokone gamma-säteilyn mittauksia ja latvuspeiton estimaatteja. Käytetyssä aineistossa oli yhteensä 9987 lukupuuta, 1118 koepuuta ja 197 koealaa. Tilastollisessa analyysissä käytettiin sekamallinnusta ja koneoppimisen menetelmiä. Näiden paikkatieto aineistojen avulla puulajeittaisia paikallisia ennusteita onnistuttiin parantamaan 6-18 % puun läpimitan kasvun ennusteita. Parannus oli suurinta karuilla mailla.

  • Mohamedou, University of Eastern Finland, School of Forest Sciences ORCID ID:Sähköposti cheikh.mohamedou@uef.fi (email)
Md Parvez Rana. (2016). Selection of training areas for remote sensing-based forest above-ground biomass estimation. https://doi.org/10.14214/df.227

Tämän työn tavoitteena oli arvioida puuston maanpäällistä biomassaa (AGB) – yhtä keskeistä REDD ja REDD+ MRV -mekanismien metsäinventointiin liittyvistä muuttujista. Tämä tutkimus tarkasteli opetusaluekonseptia kaksivaiheisessa AGB-arvioinnissa käyttäen laserkeilausta (ALS) ja RapidEye -satelliittiaineistoa itä-Suomessa (tutkimus I), opetusalueen sijainnin vaikutusta (tutkimus II) ja (tutkimus II) ja maastoaineiston otoskoon vaikutusta (tutkimus III) käyttäen ALS-, RapidEye- ja Landsat-aineistoa etelä-Nepalissa. AGB-malli sovitettiin käyttäen yksinkertaista lineaarista regressiota (tutkimus I) ja ”sparse bayesialaista” menetelmää (tutkimukset II-III). AGB-mallin tehokkuus testattiin käyttämällä riippumatonta validointiaineistoa ja tehokkuus arvioitiin määrittämällä keskineliövirheen neliöjuuri (RMSE) ja keskipoikkeama. Tutkimuksen I tulokset osoittavat, että RapidEye-mallilla oli lupaava tarkkuus 20%:n suhteellisella RMSE:lla suhteessa riippumattomaan validointiaineistoon. Tutkimuksen II tulokset osoittivat, että etäisyydellä tiestä ja opetusalueen kaltevuudella oli huomattava vaikutus AGB-arvion tarkkuuteen, koska metsän rakenne vaihteli saavutettavuuden mukaan. Tutkimuksen II tulokset osoittavat, että riittävä puuston pituuden ja tiheyden vaihtelevuuden kattavuus oli tärkeä edellytys opetusalueiden valitsemisiin. Suhteellisessa RMSE:ssa havaittiin vain vähäistä nousua, kun opetusalueiden kokonaismäärää pienennettiin. ALS-perusteinen ennustaminen vaati pienimmän määrän opetusalueita verrattuna RapidEye- ja Landsat-aineistoon.

Yhteenvetona: (i) ALS-simuloidut opetusalueet voisivat toimia vaihtoehtona kalliille kenttäkoealueille käyttäen kaksivaiheista lähestymistapaa; (ii) opetusalueen pitäisi kattaa laaja vaihtelevuus suhteessa saavutettavuustekijöihin ja metsän rakenteeseen kuten pituus ja tiheys; (iii) ALS-pohjainen ennustaminen onnistui paremmin kuin satelliittimateriaalipohjaiset (RapidEye- ja Landsat) menetelmät. Nämä arvioidut AGB-inventoinnin konseptit ja tekijät ovat hyödyllisiä tukemassa tulevaisuudessa metsävarojen kestävään käyttöön ja REDD-mekanismiin liittyvää metsien monitorointia ja päätöksentekoa.

  • Rana, University of Eastern Finland, School of Forest Sciences ORCID ID:Sähköposti parvez.rana@uef.fi (email)
Md Parvez Rana. (2016). Selection of training areas for remote sensing-based forest above-ground biomass estimation. https://doi.org/10.14214/df.227

Tämän työn tavoitteena oli arvioida puuston maanpäällistä biomassaa (AGB) – yhtä keskeistä REDD ja REDD+ MRV -mekanismien metsäinventointiin liittyvistä muuttujista. Tämä tutkimus tarkasteli opetusaluekonseptia kaksivaiheisessa AGB-arvioinnissa käyttäen laserkeilausta (ALS) ja RapidEye -satelliittiaineistoa itä-Suomessa (tutkimus I), opetusalueen sijainnin vaikutusta (tutkimus II) ja (tutkimus II) ja maastoaineiston otoskoon vaikutusta (tutkimus III) käyttäen ALS-, RapidEye- ja Landsat-aineistoa etelä-Nepalissa. AGB-malli sovitettiin käyttäen yksinkertaista lineaarista regressiota (tutkimus I) ja ”sparse bayesialaista” menetelmää (tutkimukset II-III). AGB-mallin tehokkuus testattiin käyttämällä riippumatonta validointiaineistoa ja tehokkuus arvioitiin määrittämällä keskineliövirheen neliöjuuri (RMSE) ja keskipoikkeama. Tutkimuksen I tulokset osoittavat, että RapidEye-mallilla oli lupaava tarkkuus 20%:n suhteellisella RMSE:lla suhteessa riippumattomaan validointiaineistoon. Tutkimuksen II tulokset osoittivat, että etäisyydellä tiestä ja opetusalueen kaltevuudella oli huomattava vaikutus AGB-arvion tarkkuuteen, koska metsän rakenne vaihteli saavutettavuuden mukaan. Tutkimuksen II tulokset osoittavat, että riittävä puuston pituuden ja tiheyden vaihtelevuuden kattavuus oli tärkeä edellytys opetusalueiden valitsemisiin. Suhteellisessa RMSE:ssa havaittiin vain vähäistä nousua, kun opetusalueiden kokonaismäärää pienennettiin. ALS-perusteinen ennustaminen vaati pienimmän määrän opetusalueita verrattuna RapidEye- ja Landsat-aineistoon.

Yhteenvetona: (i) ALS-simuloidut opetusalueet voisivat toimia vaihtoehtona kalliille kenttäkoealueille käyttäen kaksivaiheista lähestymistapaa; (ii) opetusalueen pitäisi kattaa laaja vaihtelevuus suhteessa saavutettavuustekijöihin ja metsän rakenteeseen kuten pituus ja tiheys; (iii) ALS-pohjainen ennustaminen onnistui paremmin kuin satelliittimateriaalipohjaiset (RapidEye- ja Landsat) menetelmät. Nämä arvioidut AGB-inventoinnin konseptit ja tekijät ovat hyödyllisiä tukemassa tulevaisuudessa metsävarojen kestävään käyttöön ja REDD-mekanismiin liittyvää metsien monitorointia ja päätöksentekoa.

  • Rana, University of Eastern Finland, School of Forest Sciences ORCID ID:Sähköposti parvez.rana@uef.fi (email)
Ninni Saarinen. (2016). Predicting vegetation characteristics in a changing environment by means of laser scanning. https://doi.org/10.14214/df.216

Luonnonvaroja koskevaa päätöksentekoa varten tarvitaan luotettavaa ja ajantasaista tietoa, oli kyse sitten yksittäiseen puuhun liittyvistä toimenpiteistä tai laajojen alueiden strategisesta suunnittelusta. Vanhentunut tieto voi johtaa epäedullisiin tai jopa vääriin ratkaisuihin, erityisesti hoitotoimenpiteiden ajoituksen osalta. Ilmalaserkeilauksella voidaan tuottaa tarkkaa tietoa samanaikaisesti sekä maanpinnan korkeudesta ja maaston muodoista että kasvillisuuden pituudesta ja tiheydestä.

Väitöskirjan tavoitteena oli kehittää menetelmiä erilaisten kasvillisuuden ominaisuuksien ennustamiseen laserkeilauksen avulla vaihtuvissa ympäristöissä. Väitöskirja koostuu kolmesta osajulkaisusta, joista ensimmäisessä kehitettiin monilähteinen yksittäisten puiden inventointimenetelmä kaupunkipuiden tunnusten päivittämiseen. Kyseisessä menetelmässä maastolaserkeilauksen avulla tuotettiin puukartta, joka yhdistettiin ilmalaserkeilauksella saatuihin tietoihin. Ilmalaserkeilauksesta saatujen yksittäisten puiden latvojen pituus- ja tiheystunnusten avulla voitiin parantaa kaupunkipuiden läpimittatietoja sekä tuottaa uusia tunnuksia kuten pituus ja latvuksen koko lisättäväksi kaupunkipuurekisterin tietokantaan.

Toisessa osajulkaisussa käytettiin veneeseen asennettua laserkeilainta jokiympäristön kasvillisuuden kartoittamiseen sekä kasvillisuudessa tapahtuneiden muutosten havainnoimiseen. Kasvillisuus ja paljas maa oli mahdollista erotella 73 prosentin tarkkuudella, vastaaviin tarkkuuksiin on päästy myös aiemmissa tutkimuksissa, joissa tosin hyödynnettiin tarkempaa maastoaineistoa. Useampiaikaisilla aineistoilla oli mahdollista kartoittaa vuosien välillä tapahtuneita kasvillisuuden muutoksia.

Kolmannessa osajulkaisussa hyödynnettiin avoimesti saatavilla olevaa ilmalaserkeilaus- ja monilähteistä valtion metsien inventoinnin (VMI) aineistoa tuulituhojen kartoittamiseen sekä ennustamiseen. Osajulkaisussa ennustettiin tuulituhoriskin suuruutta ilmalaserkeilauksesta saatavien maanpinnan korkeuden ja kasvillisuuden pituuden sekä monilähde-VMI-aineistosta saadun puulajitiedon avulla. Tarkoituksena oli selvittää tuhoriskille erityisen alttiit alueet mahdollisia metsänhoitotoimenpiteitä varten. Puulajitieto lisäsi tuulituhojen kartoitustarkkuutta 76 prosentista 81 prosenttiin.

Väitöskirjassa kehitettyjen menetelmien avulla voidaan laajentaa useampiaikaisten laserkeilausaineistojen hyödyntämistä sekä saada lisäarvoa aineistoista. Väitöskirjan tuloksia voidaan hyödyntää tarkemman, monipuolisemman ja ajantasaisemman tiedon tuottamisessa erilaisessa luonnonvaroja koskevassa suunnittelussa ja päätöksenteossa.

  • Saarinen, University of Helsinki, Department of Forest Sciences ORCID ID:Sähköposti ninni.saarinen@helsinki.fi (email)
Ninni Saarinen. (2016). Predicting vegetation characteristics in a changing environment by means of laser scanning. https://doi.org/10.14214/df.216

Luonnonvaroja koskevaa päätöksentekoa varten tarvitaan luotettavaa ja ajantasaista tietoa, oli kyse sitten yksittäiseen puuhun liittyvistä toimenpiteistä tai laajojen alueiden strategisesta suunnittelusta. Vanhentunut tieto voi johtaa epäedullisiin tai jopa vääriin ratkaisuihin, erityisesti hoitotoimenpiteiden ajoituksen osalta. Ilmalaserkeilauksella voidaan tuottaa tarkkaa tietoa samanaikaisesti sekä maanpinnan korkeudesta ja maaston muodoista että kasvillisuuden pituudesta ja tiheydestä.

Väitöskirjan tavoitteena oli kehittää menetelmiä erilaisten kasvillisuuden ominaisuuksien ennustamiseen laserkeilauksen avulla vaihtuvissa ympäristöissä. Väitöskirja koostuu kolmesta osajulkaisusta, joista ensimmäisessä kehitettiin monilähteinen yksittäisten puiden inventointimenetelmä kaupunkipuiden tunnusten päivittämiseen. Kyseisessä menetelmässä maastolaserkeilauksen avulla tuotettiin puukartta, joka yhdistettiin ilmalaserkeilauksella saatuihin tietoihin. Ilmalaserkeilauksesta saatujen yksittäisten puiden latvojen pituus- ja tiheystunnusten avulla voitiin parantaa kaupunkipuiden läpimittatietoja sekä tuottaa uusia tunnuksia kuten pituus ja latvuksen koko lisättäväksi kaupunkipuurekisterin tietokantaan.

Toisessa osajulkaisussa käytettiin veneeseen asennettua laserkeilainta jokiympäristön kasvillisuuden kartoittamiseen sekä kasvillisuudessa tapahtuneiden muutosten havainnoimiseen. Kasvillisuus ja paljas maa oli mahdollista erotella 73 prosentin tarkkuudella, vastaaviin tarkkuuksiin on päästy myös aiemmissa tutkimuksissa, joissa tosin hyödynnettiin tarkempaa maastoaineistoa. Useampiaikaisilla aineistoilla oli mahdollista kartoittaa vuosien välillä tapahtuneita kasvillisuuden muutoksia.

Kolmannessa osajulkaisussa hyödynnettiin avoimesti saatavilla olevaa ilmalaserkeilaus- ja monilähteistä valtion metsien inventoinnin (VMI) aineistoa tuulituhojen kartoittamiseen sekä ennustamiseen. Osajulkaisussa ennustettiin tuulituhoriskin suuruutta ilmalaserkeilauksesta saatavien maanpinnan korkeuden ja kasvillisuuden pituuden sekä monilähde-VMI-aineistosta saadun puulajitiedon avulla. Tarkoituksena oli selvittää tuhoriskille erityisen alttiit alueet mahdollisia metsänhoitotoimenpiteitä varten. Puulajitieto lisäsi tuulituhojen kartoitustarkkuutta 76 prosentista 81 prosenttiin.

Väitöskirjassa kehitettyjen menetelmien avulla voidaan laajentaa useampiaikaisten laserkeilausaineistojen hyödyntämistä sekä saada lisäarvoa aineistoista. Väitöskirjan tuloksia voidaan hyödyntää tarkemman, monipuolisemman ja ajantasaisemman tiedon tuottamisessa erilaisessa luonnonvaroja koskevassa suunnittelussa ja päätöksenteossa.

  • Saarinen, University of Helsinki, Department of Forest Sciences ORCID ID:Sähköposti ninni.saarinen@helsinki.fi (email)
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)
Rubén Valbuena. (2015). Forest structure indicators based on tree size inequality and their relationships to airborne laser scanning. https://doi.org/10.14214/df.205

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.

  • Valbuena, University of Eastern Finland, School of Forest Sciences ORCID ID:Sähköposti rubenval@uef.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)
Aarne Hovi. (2015). Towards an enhanced understanding of airborne LiDAR measurements of forest vegetation. https://doi.org/10.14214/df.200

Väitöskirja käsittelee metsien mittausta ilma-aluksesta tehdyn laserkeilauksen avulla. Perustutkimusluonteisessa työssä selvitettiin, miten metsän rakenne ja heijastusominaisuudet sekä keilain- ja keilauskohtaiset parametrit vaikuttavat laserkeilaimella tehtyihin mittauksiin. Lisäksi selvitettiin aaltomuotolaserkeilainten käyttömahdollisuuksia verrattuna yleisemmin käytettyihin kaikulaserkeilaimiin.

Osajulkaisussa I tutkittiin alikasvospuustosta kaikulaserkeilaimella tehtyjä mittauksia. Energiahäviöt ylempiin latvuskerroksiin vaikuttivat todennäköisyyteen saada kaikuja alikasvospuista ja vääristivät kaikujen jakaumaa siten, että kaikuja saatiin eniten voimakkaasti heijastavista kohteista. Laserkaikujen intensiteetti ei soveltunut alikasvoksen puulajin tunnistukseen, mutta alikasvospuuston määrää pystyttiin ennustamaan kaikujen korkeusjakauman avulla.

Osajulkaisussa II kehitettiin maastofotogrammetriaan perustuva menetelmä laserkeilaustutkimuksen tueksi. Maastossa otettujen digikuvien avulla pystyttiin visualisoimaan laserkaikuja ja -aaltomuotoja sekä tutkimaan niiden geometrista tarkkuutta. Kuvilta laskettu kasvillisuuden silhuettiala oli yhteydessä lasersignaalin voimakkuuteen.

Osajulkaisussa III kehitettiin simulointimalli lasermittausten mallintamiseen ja verrattiin simuloituja aineistoja taimikkokasvillisuudesta aaltomuotolaserkeilaimella tehtyihin mittauksiin. Simuloimalla näytettiin, miten kasvillisuuden rakenne ja laserkeilaimen ominaisuudet vaikuttavat mittauksiin. Tulokset osoittivat, että aaltomuotolaserkeilaimella tehdyt mittaukset kuvaavat taimikkokasvillisuuden rakennetta ja niitä on mahdollista hyödyntää taimikkokasvillisuuden kartoituksessa.

Osajulkaisussa IV tutkittiin aaltomuotolaserkeilaimella tehtyjen mittausten käyttöä puulajin tunnistuksessa. Aaltomuotolaserkeilaus paransi tuloksia verrattuna kaikulaserin tallentaman intensiteetin käyttöön. Lisäksi selvitettiin, mitkä muut tekijät puulajin lisäksi vaikuttavat lasermittauksiin. Tunnetuista tekijöistä puuyksilöiden välistä lasersignaalin vaihtelua selittivät parhaiten puun pituus ja fenologinen tila, mutta aineistoon jäi paljon puuyksilöstä riippuvaa selittämätöntä vaihtelua.

Väitöskirjan tulokset lisäävät ymmärrystä metsäkasvillisuudesta tehtyhin laserkeilausmittauksiin vaikuttavista tekijöistä ja luovat perustaa keilainlaitteiden sekä aineistojen tulkintamenetelmien jatkokehitykselle.

  • Hovi, University of Helsinki, Department of Forest Sciences ORCID ID:Sähköposti aarne.hovi@helsinki.fi (email)
Mikko Vastaranta. (2012). Forest mapping and monitoring using active 3D remote sensing. https://doi.org/10.14214/df.144

Metsien kartoitus ja seuranta aktiivisella 3D-kaukokartoituksella

Metsävaroista kerätään mahdollisimman tarkkaa tietoa metsänomistajan päätöksenteon tueksi. Tietoa kerätään puustotunnusten lisäksi toimenpidekohteista ja metsässä tapahtuvista muutoksista, kuten kasvusta ja luonnontuhoista. Laajojen metsäalueiden kartoituksessa käytetään apuna lentokoneesta tai satelliiteista tehtävää kaukokartoitusta. Metsien kaukokartoitus on viime vuosina ottanut merkittävän kehitysaskeleen, kun aktiiviset 3D-kaukokartoitusmenetelmät ovat yleistyneet. Aktiivisessa kaukokartoituksessa, kuten laserkeilauksessa ja tutkakuvauksessa instrumentti vastaanottaa lähettämäänsä säteilyä. Laserkeilaus tuottaa kohteesta 3D-havaintoja, jotka metsäalueilla kuvaavat suoraan puuston pituutta ja metsän tiheyttä. Laserkeilauksella kohteesta saadaan tällä hetkellä tyypillisesti 0,5−20 havaintoa/m2. Laserkeilaus tehdään lentokoneesta 500−3000 m korkeudesta, jolloin aineiston hankinta laajoilta alueilta on kallista verrattuna satelliittikuviin. Myös satelliittitutkakuvilta voidaan tuottaa spatiaalisesti tarkkaa 3D-tietoa, jonka pistetiheys on tosin huomattavasti harvempaa kuin laserkeilauksella.

Tutkimuksessa kehitettiin sovelluksia metsien kartoitukseen ja seurantaan hyödyntäen aktiivisia 3D-kaukokartoitusmenetelmiä. Metsiköiden toimenpidetarvetta ennustettiin onnistuneesti laserkeilausaineiston avulla. Harvennettaviksi luokitellut metsiköt pystyttiin kartoittamaan 70%−86% tarkkuudella.

Kahden ajankohdan laserkeilausaineistoja käytettiin lumituhojen vuoksi vaurioituneiden puiden kartoittamiseen. Tuhoutuneen latvuspinta-alan kartoitus perustui laserkeilausaineistosta tuotettujen latvusmallien erotuskuviin. Kehitetty menetelmä soveltuu latvusrakenteessa tapahtuneiden muutosten, kuten lumi- ja tuulituhojen, kartoittamiseen ja seurantaan.

Laajojen metsäalueiden kartoitus perustuu yleensä kaksivaiheeseen inventointimenetelmään, jossa käytetään maastomittauksia ja tiedon yleistyksessä kaukokartoitusaineistoa. Kartoitusta voidaan tehostaa joko maastomittauksia vähentämällä tai hyödyntämällä mahdollisimman halpaa kaukokartoitusaineistoa. Tutkimuksessa kehitettiin täysin kaukokartoitukseen perustuva kaksivaiheinen metsien inventointimenetelmä. Tarvittava maastotieto mitattiin suoraan laserkeilausaineistosta. Menetelmä soveltuu puuston tilavuuden tai biomassan kartoitukseen erityisesti alueille, joilla maastomittausten kustannukset ovat merkittävät.

Satelliittitutkakuvat ovat potentiaalinen aineisto etenkin laajojen alueiden metsävarojen seurannassa. Synteettisen apertuurin tutka (SAR)-stereokuvilta mitattiin automaattisesti 3D-pisteitä, joita käytettiin puustotunnusten ennustamisessa. Keskitilavuus ennustettiin parhaimmillaan lähes samalla tarkkuudella kuin laserkeilauksella.

Tutkimus osoitti aktiivisen 3D-kaukokartoitustiedon mahdollistavan entistä yksityiskohtaisemman metsien kartoituksen ja seurannan.

  • Vastaranta, University of Helsinki, Department of Forest Sciences ORCID ID:Sähköposti mikko.vastaranta@helsinki.fi (email)
Sanna Härkönen. (2012). Estimating forest growth and carbon balance based on climate-sensitive forest growth model and remote sensing data. https://doi.org/10.14214/df.138

Metsän kasvun ja hiilitaseen ennustaminen ilmastoon reagoivan kasvumallin ja kaukokartoitusaineiston avulla

Tutkimuksessa kehitettiin uusi menetelmä metsien kasvun ja hiilitaseen ennustamiseen pohjoisilla alueilla. Menetelmässä metsän kasvu ennustetaan tiivistelmämallilla, joka huomioi metsikön rakenteen ja ilmaston vaikutuksen puuston kehitykseen. Tutkimuksessa tarkasteltiin tiivistelmämallin hyödyntämistä sekä maastosta että laserkeilaimella lentokoneesta kerätyillä metsikkötason lähtötiedoilla. Lisäksi testattiin hiilitase-ennusteiden yleistämistä koealatasolta suuraluetasolle satelliittikuvien avulla. Menetelmän luotettavuutta arvioitiin vertailemalla malliennusteita maastossa mitattuihin kasvuihin, jotka olivat suurimmaksi osaksi peräisin Metsäntutkimuslaitoksen valtakunnan metsien inventoinneista. Vertailun vuoksi tutkimuksessa ennustettiin metsän kasvua myös perinteisillä empiirisillä kasvumalleilla, joita käytetään tällä hetkellä käytännön metsäsuunnittelussa Suomessa.

Lyhyellä aikavälillä kasvuennusteiden luotettavuus oli samalla tasolla kuin perinteisten kasvumallienkin. Prosessi/hybridipohjaisten menetelmien etuna on se, että niitä voidaan soveltaa myös muuttuvissa ilmasto-olosuhteissa sekä uudenlaisten metsänkäsittelyvaihtoehtojen simuloinnissa, joista nykyisten empiiristen mallien laadinta-aineistoissa ei ole riittävästi tietoa. Menetelmä vaatii kuitenkin vielä testausta kattavammalla aineistolla, jotta sen luotettavuudesta laajassa mittakaavassa voidaan tehdä johtopäätöksiä. Malliennusteiden luotettavuutta varsinkin sekametsiköissä ja eri-ikäisrakenteisissa metsiköissä sekä pidemmillä kasvujaksoilla tulisi tarkastella lisää. Tiivistelmämallia sovellettiin tässä tutkimuksessa vain lyhyisiin kasvatusjaksoihin. Pidempiä aikoja simuloitaessa mukaan tulisi liittää uusien puiden syntymistä ja vanhojen kuolemista kuvaavat mallit. Muita jatkokehityskohteita ovat esimerkiksi puiden veden ja typen oton prosessit sekä kasvumallin parametrisointi turvemaille.

Kehitetty menetelmä tarjoaa monipuolisia työkaluja metsäsuunnittelun päätöksenteon, tutkimuksen ja metsäpolitiikan apuvälineeksi. Sitä voidaan soveltaa esimerkiksi metsikkökohtaisten hiilitase-ennusteiden laatimiseen laserkeilaustiedon perusteella ja hiilitase-ennusteiden yleistämiseen koko Suomelle ja sen lähialueille. Metsäsuunnitteluohjelmistoon yhdistettynä menetelmä tarjoaisi entistä helpomman välineen sekä arvioida käytännön metsänhoidon vaikutusta metsien hiilitaseisiin että hakea hiilinielujen kannalta optimaalisia metsänkäsittelyvaihtoehtoja.

  • Härkönen, University of Eastern Finland, School of Forest Sciences ORCID ID:Sähköposti sanna.harkonen@metla.fi (email)
Sanna Härkönen. (2012). Estimating forest growth and carbon balance based on climate-sensitive forest growth model and remote sensing data. https://doi.org/10.14214/df.138

Metsän kasvun ja hiilitaseen ennustaminen ilmastoon reagoivan kasvumallin ja kaukokartoitusaineiston avulla

Tutkimuksessa kehitettiin uusi menetelmä metsien kasvun ja hiilitaseen ennustamiseen pohjoisilla alueilla. Menetelmässä metsän kasvu ennustetaan tiivistelmämallilla, joka huomioi metsikön rakenteen ja ilmaston vaikutuksen puuston kehitykseen. Tutkimuksessa tarkasteltiin tiivistelmämallin hyödyntämistä sekä maastosta että laserkeilaimella lentokoneesta kerätyillä metsikkötason lähtötiedoilla. Lisäksi testattiin hiilitase-ennusteiden yleistämistä koealatasolta suuraluetasolle satelliittikuvien avulla. Menetelmän luotettavuutta arvioitiin vertailemalla malliennusteita maastossa mitattuihin kasvuihin, jotka olivat suurimmaksi osaksi peräisin Metsäntutkimuslaitoksen valtakunnan metsien inventoinneista. Vertailun vuoksi tutkimuksessa ennustettiin metsän kasvua myös perinteisillä empiirisillä kasvumalleilla, joita käytetään tällä hetkellä käytännön metsäsuunnittelussa Suomessa.

Lyhyellä aikavälillä kasvuennusteiden luotettavuus oli samalla tasolla kuin perinteisten kasvumallienkin. Prosessi/hybridipohjaisten menetelmien etuna on se, että niitä voidaan soveltaa myös muuttuvissa ilmasto-olosuhteissa sekä uudenlaisten metsänkäsittelyvaihtoehtojen simuloinnissa, joista nykyisten empiiristen mallien laadinta-aineistoissa ei ole riittävästi tietoa. Menetelmä vaatii kuitenkin vielä testausta kattavammalla aineistolla, jotta sen luotettavuudesta laajassa mittakaavassa voidaan tehdä johtopäätöksiä. Malliennusteiden luotettavuutta varsinkin sekametsiköissä ja eri-ikäisrakenteisissa metsiköissä sekä pidemmillä kasvujaksoilla tulisi tarkastella lisää. Tiivistelmämallia sovellettiin tässä tutkimuksessa vain lyhyisiin kasvatusjaksoihin. Pidempiä aikoja simuloitaessa mukaan tulisi liittää uusien puiden syntymistä ja vanhojen kuolemista kuvaavat mallit. Muita jatkokehityskohteita ovat esimerkiksi puiden veden ja typen oton prosessit sekä kasvumallin parametrisointi turvemaille.

Kehitetty menetelmä tarjoaa monipuolisia työkaluja metsäsuunnittelun päätöksenteon, tutkimuksen ja metsäpolitiikan apuvälineeksi. Sitä voidaan soveltaa esimerkiksi metsikkökohtaisten hiilitase-ennusteiden laatimiseen laserkeilaustiedon perusteella ja hiilitase-ennusteiden yleistämiseen koko Suomelle ja sen lähialueille. Metsäsuunnitteluohjelmistoon yhdistettynä menetelmä tarjoaisi entistä helpomman välineen sekä arvioida käytännön metsänhoidon vaikutusta metsien hiilitaseisiin että hakea hiilinielujen kannalta optimaalisia metsänkäsittelyvaihtoehtoja.

  • Härkönen, University of Eastern Finland, School of Forest Sciences ORCID ID:Sähköposti sanna.harkonen@metla.fi (email)
Lauri Korhonen. (2011). Estimation of boreal forest canopy cover with ground measurements, statistical models and remote sensing. https://doi.org/10.14214/df.115

Boreaalisen metsän latvuspeittävyyden estimointi maastomittausten, tilastollisten mallien ja kaukokartoituksen avulla

Metsän latvuspeittävyys on tärkeä ekologinen tunnus ja mm. perusta kansainväliselle metsän määritelmälle. Latvuspeittävyys määritellään latvuston pystysuuntaisen projektion peittämänä prosenttiosuutena määrätystä alueesta. Latvuspeittävyyden harhaton määrittäminen edellyttää koko koealan kattavia pystysuuntaisia mittauksia. Helpointa on käyttää tähän Cajanuksen putkea, joka on eräänlainen ylöspäin katsova periskooppi. Mittaus Cajanuksen putkella on erittäin hidasta, ja käytännön inventoinneissa luotettava latvuspeittävyysarvio pitäisi saada nopeasti.

Väitöstyön tavoitteena oli vertailla erilaisia nopeampia latvuspeittävyyden estimointimenetelmiä tarkasti Cajanuksen putkella mitattuihin tuloksiin. Eräs vaihtoehto on käyttää mittalaitetta, joka havaitsee suuremman alan latvustoa jokaisesta mittapisteestä, kuten digikameraa tai densiometriä, jolloin mittapisteiden määrää voidaan vähentää. Jos laitteen avauskulma on suuri, tästä voi kuitenkin aiheutua harhaa, koska myös latvusten sivut vaikuttavat lopputulokseen.

Väitöksen tulosten mukaan korkeintaan 40 asteen avauskulmaa voidaan käyttää ilman että harha kasvaa merkittävästi, ja vähintään 20 mittapistettä per koeala tarvitaan luotettavan tuloksen saamiseksi. Toinen vaihtoehto on käyttää latvusrelaskooppia, joka toimii hyvin alhaisen latvuspeittävyyden metsissä, jos puut eivät ole kovin pitkiä. Silmävarainen arviointi johti yleensä latvuspeiton huomattavaan aliarvioon, joskin tulos riippui suuresti arvioijasta. Työssä kehitettiin myös tilastollisia malleja, joilla latvuspeittävyyttä voidaan ennustaa helpommin mitattavien puustotunnusten kuten pohjapinta-alan ja pituuden avulla. Mallien tarkkuus osoittautui likimain yhtä hyväksi kuin nopeiden maastomittausmenetelmien. Ilmasta tehtävä laserkeilaus tuotti lievästä yliarviosta huolimatta miltei yhtä tarkkaa tietoa kuin maastomittaus Cajanuksen putkella, kun latvuspeittoestimaattina käytettiin rinnankorkeuden yläpuolelta heijastuneiden laserpulssien prosenttiosuutta.

  • Korhonen, University of Eastern Finland, School of Forest Sciences ORCID ID:Sähköposti lauri.korhonen@uef.fi (email)
Jari Vauhkonen. (2010). Estimating single-tree attributes by airborne laser scanning: methods based on computational geometry of the 3-D point data. https://doi.org/10.14214/df.104

Puutunnusten estimointi ilmalaserkeilauksella: kolmiulotteisen pisteaineiston laskennalliseen geometriaan perustuvia menetelmiä

Ilmasta suoritettavasta laserkeilauksesta on 2000-luvulla tullut hyvin yleinen metsäinventoinnin tietolähde. Aiempia laserkeilausaineistojen yksinpuintulkintatarkkuuksia ovat heikentäneet virheet löydettyjen puiden määrässä ja epätarkkuudet sekä puulajitulkinnassa että rungon tunnusten allometrisessa estimoinnissa. Tässä työssä tarkasteltiin puiden latvusten rekonstruointia pisteaineistojen laskennalliseen geometriaan perustuvilla menetelmillä sekä tekniikoita varsinaisten puutunnusten johtamiseksi latvusrakenteista.

Erilaiset pisteaineistojen kolmiulotteisiin alfa-muotoihin (engl. alpha shape) perustuvat tilavuus-, kompleksisuus- ja pinta-alamuuttujat osoittautuivat hyödyllisiksi puulajien välisten allometristen erojen kuvaamiseen, mutta lopullisten puutunnusten tarkkuuksien kannalta alfa-muotoihin perustuviin muuttujiin kannatti yhdistää korkeus- ja intensiteettijakaumista johdettua tietoa. Lähimmän naapurin estimointimenetelmien havaittiin käyttävän selittäviä muuttujia parhaiten hyödyksi. Lisäksi ko. menetelmillä voitiin ennustaa kaikki kiinnostuksen kohteena olevat puutunnukset samanaikaisesti ja siten välttää virheiden vaikutuksia korostava estimointiketju. Erityisesti Random Forest-menetelmä kykeni sisällyttämään estimointivaiheeseen kaikki lasketut selittävät muuttujat ilman että niiden lukumäärää olisi tarvinnut erikseen vähentää. Valta- ja välilatvuskerroksessa sijainneiden puiden puulajin luokittaminen männyiksi, kuusiksi ja lehtipuiksi onnistui 78% tarkkuudella ja rinnankorkeusläpimitan, puun pituuden sekä runkotilavuuden estimaattien keskineliövirheet (RMSE) olivat 13%, 3% ja 31%, kun tulosta arvioitiin erillisessä validointiaineistossa.

Vähemmän kontrolloituna puiden tulkinta ja puutunnusten estimointi tuotti metsikkötasolla tarkasteltuna epäluotettavia puustotunnusten estimaatteja. Tarkkuutta vähensivät virheet puiden rajauksessa sekä epätarkkuudet yksittäisten puiden tunnusten estimaateissa varsinkin puulajin osalta. Tarve maastoreferenssiaineistoille sekä mahdollinen laseraineiston ulkopuolisen tiedon tarve molemmat rajoittavat kehitetyn menetelmän käytettävyyttä. Toisaalta tutkimuksessa tuotettiin pelkän laseraineiston (tiheys 4 pulssia / m2) pohjalta estimaatteja latvusrajan korkeudelle 20-30% tarkkuudella RMSE:llä mitattuna. Ko. tunnus on tärkeä nimenomaan tukkikokoisten mäntyjen ulkoista laatua kuvaava tunnus. Tulosten perusteella puutason tulkinta kannattaa kohdistaa nimenomaan päälatvuskerrokseen kohdistuviin tarkkoihin mittauksiin, jolloin käytännön inventointijärjestelmässä yksinpuintulkinnalla saatavia hyötyjä tulisi tarkastella suhteessa vaihtoehtoisiin menetelmiin sekä niiden kustannuksiin.

  • Vauhkonen, Itä-Suomen yliopisto, Metsätieteiden osasto ORCID ID:Sähköposti jari.vauhkonen@uef.fi (email)
Jari Vauhkonen. (2010). Estimating single-tree attributes by airborne laser scanning: methods based on computational geometry of the 3-D point data. https://doi.org/10.14214/df.104

Puutunnusten estimointi ilmalaserkeilauksella: kolmiulotteisen pisteaineiston laskennalliseen geometriaan perustuvia menetelmiä

Ilmasta suoritettavasta laserkeilauksesta on 2000-luvulla tullut hyvin yleinen metsäinventoinnin tietolähde. Aiempia laserkeilausaineistojen yksinpuintulkintatarkkuuksia ovat heikentäneet virheet löydettyjen puiden määrässä ja epätarkkuudet sekä puulajitulkinnassa että rungon tunnusten allometrisessa estimoinnissa. Tässä työssä tarkasteltiin puiden latvusten rekonstruointia pisteaineistojen laskennalliseen geometriaan perustuvilla menetelmillä sekä tekniikoita varsinaisten puutunnusten johtamiseksi latvusrakenteista.

Erilaiset pisteaineistojen kolmiulotteisiin alfa-muotoihin (engl. alpha shape) perustuvat tilavuus-, kompleksisuus- ja pinta-alamuuttujat osoittautuivat hyödyllisiksi puulajien välisten allometristen erojen kuvaamiseen, mutta lopullisten puutunnusten tarkkuuksien kannalta alfa-muotoihin perustuviin muuttujiin kannatti yhdistää korkeus- ja intensiteettijakaumista johdettua tietoa. Lähimmän naapurin estimointimenetelmien havaittiin käyttävän selittäviä muuttujia parhaiten hyödyksi. Lisäksi ko. menetelmillä voitiin ennustaa kaikki kiinnostuksen kohteena olevat puutunnukset samanaikaisesti ja siten välttää virheiden vaikutuksia korostava estimointiketju. Erityisesti Random Forest-menetelmä kykeni sisällyttämään estimointivaiheeseen kaikki lasketut selittävät muuttujat ilman että niiden lukumäärää olisi tarvinnut erikseen vähentää. Valta- ja välilatvuskerroksessa sijainneiden puiden puulajin luokittaminen männyiksi, kuusiksi ja lehtipuiksi onnistui 78% tarkkuudella ja rinnankorkeusläpimitan, puun pituuden sekä runkotilavuuden estimaattien keskineliövirheet (RMSE) olivat 13%, 3% ja 31%, kun tulosta arvioitiin erillisessä validointiaineistossa.

Vähemmän kontrolloituna puiden tulkinta ja puutunnusten estimointi tuotti metsikkötasolla tarkasteltuna epäluotettavia puustotunnusten estimaatteja. Tarkkuutta vähensivät virheet puiden rajauksessa sekä epätarkkuudet yksittäisten puiden tunnusten estimaateissa varsinkin puulajin osalta. Tarve maastoreferenssiaineistoille sekä mahdollinen laseraineiston ulkopuolisen tiedon tarve molemmat rajoittavat kehitetyn menetelmän käytettävyyttä. Toisaalta tutkimuksessa tuotettiin pelkän laseraineiston (tiheys 4 pulssia / m2) pohjalta estimaatteja latvusrajan korkeudelle 20-30% tarkkuudella RMSE:llä mitattuna. Ko. tunnus on tärkeä nimenomaan tukkikokoisten mäntyjen ulkoista laatua kuvaava tunnus. Tulosten perusteella puutason tulkinta kannattaa kohdistaa nimenomaan päälatvuskerrokseen kohdistuviin tarkkoihin mittauksiin, jolloin käytännön inventointijärjestelmässä yksinpuintulkinnalla saatavia hyötyjä tulisi tarkastella suhteessa vaihtoehtoisiin menetelmiin sekä niiden kustannuksiin.

  • Vauhkonen, Itä-Suomen yliopisto, Metsätieteiden osasto ORCID ID:Sähköposti jari.vauhkonen@uef.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