Artikkelit jotka sisältävät avainsanan 'kokojakauma'.

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)
Jouni Siipilehto. (2011). Methods and applications for improving parameter prediction models for stand structures in Finland. https://doi.org/10.14214/df.124

Menetelmiä ja sovelluksia kehittää metsiköiden rakennetta kuvaavien parametrien ennustemalleja Suomessa

Väitöskirja käsittelee menetelmiä ja sovelluksia metsikön puiden kokojakaumien ennustamiseksi. Menetelmien tavoitteena on parantaa ennustemalleja parametreille, joita tarvitaan kuvattaessa suomalaisten metsiköiden rakennetta. Alustavien tutkimusten aineisto oli paikallista, mutta lopullisten mallien aineistot kattoivat koko Suomen. Kattavista aineistoista laaditut mallit on tarkoitettu käytännön metsäsuunnittelun tarpeisiin. Työssä vertailtiin Weibull- ja Johnsonin SB-jakaumafunktioita ja erilaisia regressiomallien estimointimenetelmiä. Kehitettyjä malleja arvioitiin ennustetuista jakaumista laskettujen puustotunnusten, kuten tilavuuden, luotettavuutta tarkastelemalla.

Perinteisesti läpimittajakauma kuvataan yhdessä pituuden odotusarvon kanssa, jolloin pituusjakauma supistuu. Sen sijaan kaksiulotteisella jakaumalla voidaan kuvata yhtäaikaisesti läpimittaluokkien välinen ja sisäinen pituusvaihtelu. Kaksiulotteisen SBB-jakauman ennustemallilla saatiin kuvattua läpimitan ja pituuden välinen luonnonmukainen vaihtelu. SBB-jakaumaan verrattava vaihtoehto saatiin, kun käytettiin pituusmallin virhetermiä. Metsäsuunnittelun tarpeisiin metsiköiden rakenteen kuvaus on ollut puutteellista taimikoiden ja turvemaiden osalta. Niille laadittuja pituus- ja läpimittajakaumamalleja testattaessa väitöskirjassa vertailtiin myös tilastollisen mallin vaihtoehtoisia estimointimenetelmiä. Edistykselliset regressiomenetelmät paransivat ennustemallien luotettavuutta.

Metsikön puustotunnusten, jakaumafunktioiden ja pituuskäyrän ennustamiseksi laadittu malliperhe hyödynsi mallien virheiden välistä riippuvuutta ns. lineaariseksi ennustamiseksi. Siinä tunnettuja puustotunnuksia käytettiin tuntemattomien puustotunnusten ja parametrien ennusteiden kalibroimiseksi. Tällä sovelluksella etsittiin metsikön eri kehitysvaiheisiin sopivia puustotunnusten yhdistelmiä ennusteen tarkkuuden parantamiseksi ja laadittujen vaihtoehtoisten jakaumamallien vertailemiseksi. Vertailun perusteella pituusjakaumaa suositellaan käytettäväksi nuorimmissa taimikoissa pituusjakauman jatkuvan luonteen vuoksi. Kun keskipituus kasvaa yli neljän metrin, rinnankorkeusläpimittaan perustuva runkolukusarjamalli on paras vaihtoehto nuorissa metsiköissä, jolloin tunnetut puustotunnukset oletetaan aritmeettisiksi. Varttuneissa metsissä puustotunnukset arvioidaan tyypillisesti pohjapinta-alalla painottettuna, jolloin vastaavasti painotetut jakaumat ovat luotettavampia kuin painottamaton runkolukusarja. Väitöskirjatutkimus osoitti, että Näslundin pituuskäyrä on erittäin käyttökelpoinen puun läpimitan ja pituuden välistä riippuvuutta ennustettaessa. Tutkimuksessa esiteltiin myös joitain tehokkaita muunnoksia, kuten ns. muotoindeksi. Siinä yhdistettiin metsikön pohjapinta-ala, runkoluku ja mediaaniläpimitta havaitun ja laskennallisen pohjapinta-alan suhdeluvuksi. Muotoindeksin avulla ojitetuille rämeille laaditulla SB-jakaumamallilla pystyttiin luotettavasti kuvaamaan metsikön tiheyden vaihtelua. Kyseinen malli osoittautui käyttökelpoiseksi myös sitä kivennäismaille sovellettaessa.

  • Siipilehto, University of Helsinki, Department of Forest Sciences ORCID ID:Sähköposti jouni.siipilehto@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