Artikkelit jotka sisältävät avainsanan 'arviointivirhe'.

Arto Haara. (2005). The uncertainty of forest management planning data in Finnish non-industrial private forestry. https://doi.org/10.14214/df.8

Nykyisten ja tulevien hakkuumahdollisuuksien sekä metsänhoitotarpeiden selvittäminen on olennainen osa nykyistä metsäsuunnittelua. Nämä tiedot tuotetaan erilaisia kasvu- ja tuotosmalleja sisältävillä metsäsuunnitteluohjelmistoilla, joiden tuottamien kasvu- ja kertymäennusteiden luotettavuutta on vaikea selvittää ohjelmistojen monimutkaisuuden ja mallien monimutkaisten vuorovaikutussuhteiden vuoksi. Laskentajärjestelmien metsävaratieto tuotetaan maastotyönä kuvioittaisella arvioinnilla. Myös arviointimenetelmän subjektiivisuus ja suuri luotettavuuden vaihtelu vaikeuttavat edelleen luotettavuusennusteiden laatimista. Lisäksi luotettavuuden arviointia hankaloittaa kattavien ja pitkäaikaisten riippumattomien metsikkökoealojen puute.

Tutkimuksen tavoitteena oli tarkastella metsävaratietoihin liittyvää epävarmuutta. Työssä tarkasteltiin nykyisen puusto-ositteittaisen kuvioittaisen arvioinnin luotettavuutta. Lisäksi tutkimuksessa käsiteltiin kasvu- ja tuotosennusteiden luotettavuuden arviointia sekä metsävaratietojen laskennallista ajantasaistusta. Laskennallisesti ajantasaistetun metsävaratiedon käyttökelpoisuutta suunnittelulaskelmien lähtötietona tutkittiin sekä puustotunnusten luotettavuuden että päivitetyistä tunnuksista johdettujen toimenpide-ehdotusten kannalta. Tutkimusaineistojen puutteellisuuden vuoksi tutkimuksessa vertailtiin myös erilaisia tapoja tuottaa mahdollisimman lähellä käytännön metsävara-aineistoja olevia lähtöaineistoja arviointivirheineen.

Tutkimuksessa kuvioittaisen arvioinnin puustotunnusten luotettavuudet olivat tyydyttävällä tasolla. Arvioinnin maastotöiden kustannukset ja ajanmenekki ovat kuitenkin melko korkeita. Mittaajien ja eri aineistojen välillä oli suurta vaihtelua. Mittaus- ja arviointivirheet osoittautuivat ajantasaistettujen puustotunnusten ja niistä johdettujen toimenpide-ehdotusten suurimmaksi virhelähteeksi. Toisaalta kuvioittaisen arvioinnin virhettä sisältävien ajantasaistettujen puustotunnusten luotettavuus pysyi jokseenkin samalla tasolla ajantasaistuksen jälkeen kuin ennen ajantasaistusta. Kasvuennusteiden luotettavuutta ennustettiin kahdella eri menetelmällä: havaittuja virheitä mallittamalla sekä k-lähimmän naapurin menetelmällä. Molemmilla menetelmillä saatiin käyttökelpoisia metsäalueen kasvuennusteiden luotettavuusarvioita. Menetelmät ovat helposti liitettävissä metsäsuunnittelu-ohjelmistoihin, eikä niiden käyttö lisää merkittävästi laskenta-aikaa. Menetelmien käytön rajoitteena on tarvittavien riippumattomien mallitus- ja referenssiaineistojen puute. K-lähimmän naapurin menetelmässä referenssiaineistoa voidaan kuitenkin täydentää jatkuvasti. Tutkimuksen mukaan kasvumallien avulla ajantasaistettu inventointiaineisto voisi soveltua metsäsuunnittelun lähtöaineistoksi sekä puustotunnusten luotettavuuden että päivitetyistä tunnuksista johdettujen toimenpide-ehdotusten käyttökelpoisuuden kannalta.

  • Haara, University of Joensuu, Faculty of Forestry ORCID ID:Sähköposti arto.haara@metla.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