Artikkelit jotka sisältävät avainsanan 'aluepohjainen menetelmä'.

Mikko Kukkonen. (2020). Single sensor airborne data sources for forest inventories by tree species. https://doi.org/10.14214/df.297

Nykyaikaiset kaukokartoitusperusteiset metsäinventointimenetelmät hyödyntävät laserkeilausta ja ilmakuvia puulajeittaisten puustotunnusten ennustamisessa. Kyseiset menetelmät perustuvat oletukseen, että kolmiulotteista laserkeilausaineistoa voidaan käyttää ennustamaan puuston määrää, kun taas ilmakuvapiirteet ovat hyödyllisiä puulajien erottelussa. Suomessa ilmakuvat ovat osoittautuneet soveltuviksi yleisimpien puulajien, kuten männyn (Pinus sylvestris), kuusen (Picea abies) ja lehtipuiden (pääosin Betula pendula and Betula pubescens) erotteluun. Kahden erilaisen kaukokartoitusaineiston käyttö inventointiprosessissa voi kuitenkin johtaa lukuisiin ongelmiin, kuten virheisiin aineistojen yhdistämisessä sekä korkeisiin kustannuksiin aineiston keruussa ja käsittelyssä.

Instrumenttien ja algoritmien kehityksen tuloksena on noussut esiin kaksi potentiaalista yhden instrumentin aineistolähdettä puulajeittaista metsäinventointia varten: ilmakuvista tuotetut fotogrammetriset pistepilvet ja monikanavainen laserkeilaus. Molempien aineistolähteiden voidaan ajatella soveltuvan puulajeittaiseen ennustamiseen, sillä ne sisältävät sekä kolmiulotteista että optista tietoa. Monikanavaisessa laserkeilauksessa havainnoidaan instrumentin lähettämää säteilyä esimerkiksi kolmelta eri aallonpituusalueelta, kun taas ilmakuvauksessa havainnoidaan kohteesta heijastunutta tai sen lähettämää auringon säteilyä. Optisen tiedon tulkinta ja hyödyllisyys voivat täten olla erilaisia ilmakuvauksen ja monikanavaisen laserkeilauksen välillä. Tällöin keskeinen tutkimusaihe on, kuinka aineistolähteiden ominaispiirteet vaikuttavat puulajeittaisen metsäinventoinnin luotettavuuteen. 

Tämän työn tavoitteena oli arvioida fotogrammetristen pistepilvien ja monikanavaisen laserkeilauksen soveltuvuutta kaukokartoitusperusteiseen puulajeittaiseen metsäinventointiin. Tuloksista nähdään, kuinka nämä uudet yhden sensorin aineistolähteet ovat verrattavissa nykyiseen operationaaliseen menetelmään, jossa käytetään sekä laserkeilausta että ilmakuvausta. Työn tuloksia voidaan hyödyntää tulevien metsäinventointien aineistolähteiden valinnassa. 

  • Kukkonen, University of Eastern Finland, Faculty of Science and Forestry, School of Forest Sciences ORCID ID:Sähköposti mikko.kukkonen@uef.fi (email)
Janne Räty. (2020). Prediction of diameter distributions in boreal forests using remotely sensed data. https://doi.org/10.14214/df.294

Metsikön puuston läpimittajakaumaa kuvataan usein teoreettisten todennäköisyysjakaumien avulla. Tyypillisesti todennäköisyysjakauman parametrit johdetaan joko ennustetuista tai arvioiduista puustotunnuksista. Kaukokartoitukseen perustuvissa metsäinventoinneissa todennäköisyysjakaumien käyttäminen ei ole kuitenkaan välttämätöntä, koska läpimittajakaumat voidaan ennustaa hyödyntämällä mitattua koeala-aineistoa (puulistat) ja epäparametrista lähimmän naapurin (NN) menetelmää. Tämän väitöstutkimuksen tavoitteena oli tarkastella NN-menetelmään ja kaukokartoitusaineistoihin perustuvaa läpimittajakaumien ennustamista boreaalisissa metsissä. Ensimmäisessä osatutkimuksessa tarkasteltiin NN-menetelmässä käytettyjä vastemuuttujakokoonpanoja, kun läpimittajakaumia ennustetaan puulajikohtaisesti. Toisessa osajulkaisussa hyödynnettiin erilaisia kaukokartoitusaineistoja tukkikokoisten puiden läpimittajakaumien ennustamisessa. Esimerkiksi monikanavaisen sekä kahdenaikaisen lentolaserkeilausaineiston käyttökelpoisuuttaa verrattiin operationaaliseen standardiin, jossa lentolaserkeilausaineistoa ja ilmakuvia hyödynnetään yhdenaikaisesti. Kolmannessa osajulkaisussa tarkasteltiin mahdollisuuksia ennustaa läpimittajakaumia yhdistäen aluepohjaista puustotulkintaa ja yksinpuintulkintaa. Tulokset osoittivat, että NN-menetelmän vastemuuttujakokoonpanolla on merkitystä puulajikohtaisten jakaumaennusteiden hyvyyteen. Tulosten perusteella voidaan todeta, että operationaalisesti käytössä oleva vastemuuttujakokoonpano ei ole optimaalisin vaihtoehto läpimittajakaumia ennustettaessa. Toisen osajulkaisun tulokset osoittivat, että puulajikohtaisten tukkitilavuusennusteiden virheet ovat suurempia, kun käytetään monikanavaista lentolaserkeilausaineistoa perinteisen yksikanavaisen lentolaserkeilausaineiston ja ilmakuvien yhdistelmän asemesta. Sen sijaan, kahdenaikaisen lentolaserkeilausaineiston (lehdettömään ja lehdelliseen aikaan kerätty) avulla tuotetut puulajikohtaiset tukkitilavuusennusteet saavuttivat lähes saman virhetason verrattuna perinteiseen lentolaserkeilausaineiston ja ilmakuvien yhdistelmään. Kolmannen osajulkaisun tulokset osoittivat, että aluepohjaisen puustotulkinnan ja yksinpuintulkinnan yhdistäminen on hyödyllistä puuston läpimittajakaumia ennustettaessa. Inventointimenetelmien yhdistelmällä saavutettiin yleisesti pienemmät virhetasot verrattuna siihen, että hyödynnettäisiin ainoastaan joko aluepohjaista puustotulkintaa tai yksinpuintulkintaa. On syytä huomata, että yksinpuintulkinnan havaittiin olevan aluepohjaista puustotulkintaa herkempi virheille metsäkuvioilla, joissa läpimittajakauma on muodoltaan kaksihuippuinen tai laskeva. Muodoltaan normaalijakaumaa muistuttaville läpimittajakaumille yksinpuintulkinta tuotti usein aluepohjaista puustotulkintaa pienemmät jakaumaennusteiden virheet. Metsärakenteen analyysia tiheäpulssisen lentolaserkeilausaineiston avulla voidaan hyödyntää indikaattorina, joka auttaa valitsemaan optimaalisen menetelmän läpimittajakaumaennusteiden tuottamiseksi.

  • Räty, University of Eastern Finland, School of Forest Sciences ORCID ID:Sähköposti janne.raty@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)

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