Artikkelit jotka sisältävät avainsanan 'laserkeilaus'.

Topi Tanhuanpää. (2016). Developing laser scanning applications for mapping and monitoring single tree characteristics for the needs of urban forestry. https://doi.org/10.14214/df.230

Kaupungeissa kasvavat puut, yleisemmin kaupunkimetsät, tarjoavat erityyppisiä ekosysteemipalveluita. Näiden ekosysteemipalveluiden ylläpitäminen vaatii kuitenkin usein intensiivistä kaupunkipuiden hoitoa, jota voidaan tehostaa ajantasaisella puukohtaisella tiedolla. Viime vuosiin saakka, puukohtainen tieto on kerätty perinteisillä maastomittauksilla. Nykyään kasvillisuutta voidaan kartoittaa myös erilaisilla laserkeilausmenetelmillä, jotka mahdollistavat yksittäisten puiden tarkan kuvaamisen kolmiulotteisten pistepilvien avulla. Tämän väitöskirjan tarkoituksena oli kehittää laserkeilausta hyödyntäviä menetelmiä yksittäisten kaupunkipuiden kartoitukseen.

Ensimmäisessä osatutkimuksessa kehitettiin useita tietolähteitä hyödyntävä MS-STI (Multi Source-Single Tree Inventory) -menetelmä puutason tunnusten määrittämiseksi. Menetelmässä yhdistettiin lentolaserkeilauksen (ALS) ja maastomittausten avulla kerättyä tietoa sekä ennakkotieto puiden sijainneista. Maasto-otoksesta mitatut tunnukset yleistettiin koko puujoukolle ei-parametrista lähimmän naapurin menetelmää käyttäen. Kasvuympäristöstä riippuen, puille määritettyjen rinnankorkeusläpimittojen suhteellinen keskineliövirheen neliöjuuri (RMSE) vaihteli 18,8%:n ja 33,8%:n välillä.

Toisessa osatutkimuksessa arvioitiin MS-STI-menetelmän tarkkuutta soveltamalla sitä olemassa olevan puurekisterin tunnusten päivittämiseen. Puurekisterin puista pystyttiin automaattisesti päivittämään 88,8%. Yleisimpien läpimittaluokkien rinnankorkeusläpimittojen suhteellinen RMSE vaihteli 21,7%:n ja 24,3%:n välillä.

Kolmannessa osatutkimuksessa kartoitettiin kaatuneet puut Helsingin kaupungin virkistysmetsäalueelta. Tutkimusjakson aikana kaatuneet puut havaittiin latvustossa tapahtuneiden muutosten avulla. Kaatuneista puista löydettiin 97,7%. 10% kaatuneeksi luokitelluista puista eivät todellisuudessa olleet kaatuneet. Kaikille kaatuneiksi luokitelluille puille määritettiin ALS-piirteiden avulla puulajiryhmä ja olemassa olevien allometristen mallien avulla rinnankorkeusläpimitta ja tilavuus. Rinnankorkeusläpimitan suhteellinen RMSE oli havupuilla 20,8% ja lehtipuilla 34,1%.

Viimeisessä, neljännessä osatutkimuksessa kehitettiin maastolaserkeilaukseen (TLS) perustuva menetelmä, jossa puun rungon biomassa estimoitiin tilavuuden ja puuaineen tiheyden avulla. Menetelmällä estimoitujen runkobiomassojen suhteellinen RMSE vaihteli 8,4%:n ja 10,5%:n välillä.

Tämä väitöskirja osoittaa, että laserkeilauksella tuotettu tieto soveltuu monipuolisen puutason tiedon tuottamiseen kaupunkimetsistä. Väitöskirjassa kehitettyjen menetelmien avulla pystytään tuottamaan ajantasaista puutason tietoa kustannustehokkaasti kaupunkimetsien suunnittelun ja hoidon tarpeisiin.

  • Tanhuanpää, University of Helsinki, Department of Forest Sciences ORCID ID:Sähköposti topi.tanhuanpaa@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)
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)
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)
Ville Kankare. (2015). The prediction of single-tree biomass, logging recoveries and quality attributes with laser scanning techniques. https://doi.org/10.14214/df.195

Laserkeilaus puutason biomassan, puutavaralajien sekä laatutiedon ennustamisessa

Yksityiskohtainen metsävaratieto on merkittävässä roolissa metsänomistajien päätöksenteon, metsänhoidon suunnittelun sekä puunhankintaketjun optimoinnin tukena. Laserkeilaus on yksi lupaavimmista kaukokartoitustekniikoista, jolla on mahdollista ennustaa metsävaratietoa yksittäisen puun tasolta laajoihin

alueisiin. Väitöskirjatyön päätavoitteina oli kehittää laserkeilauspohjaisia menetelmiä yksittäisten puiden kartoitukseen ja mittaamiseen.

Osajulkaisuissa I ja II selvitettiin laserkeilausmenetelmien tarkkuutta puutason biomassaositteiden mallinnuksessa. Kokonaisbiomassan mallinnustarkkuus maastolaserkeilaukseen perustuen oli männylle 12,9 % ja kuuselle 11,9 %. Maastolaserkeilauksen hyödyntäminen biomassan mallintamisessa tarkensi erityisesti latvusbiomassan mallinnustarkkuutta verrattuna läpimittaan ja pituuteen perustuviin biomassamalleihin. Lentolaserkeilauksen tarkkuudet olivat hieman heikompia verrattuna maastolaserkeilaukseen. Kokonaisbiomassan tarkkuudet olivat männylle 26,3 % ja kuuselle 36,8 %.

Osajulkaisuissa III ja IV tavoitteena oli ennustaa puutavaralajikohtaisia tilavuuksia sekä laatutietoa maastolaserkeilauksen ja lentolaserkeilauksen avulla. Tukkipuun tilavuuden ennustetarkkuudet olivat maastolaserkeilausta käytettäessä 17,5 % ja maasto- ja lentolaserkeilauksen yhdistelmää käytettäessä 16,8 %. Puuston laatu on erittäin tärkeä tekijä metsikköä arvioitaessa. Maastolaserkeilauksen avulla yksittäiset puut luokiteltiin puunhankinnan kannalta tärkeisiin laatuluokkiin 76,4 % – 83,6 % tarkkuudella.

Osajulkaisuissa V ja VI tavoitteena oli kehittää uusia automaattisia menetelmiä maastolaserkeilausaineiston käsittelyyn, sekä monilähdemenetelmiä läpimittajakauman ennustamiseen. Automaattisten menetelmien avulla maastolaserkeilausaineiston käsittelyä on mahdollista tehostaa ja jopa tarkentaa manuaaliseen aineiston käsittelyyn verrattuna. Osajulkaisussa V runkokäyrän mittaustarkkuus oli automaattista aineistonkäsittelymenetelmää käytettäessä ~ 1 cm. Osajulkaisussa VI hyödynnettiin monilähdemenetelmää, jossa tarvittu puustokartta mitattiin automaattisesti maastolaserkeilausaineistosta ja läpimittajakaumat ennustettiin maasto- ja lentolaserkeilausaineistojen avulla. Läpimitan ennustetarkkuus oli 1,4 cm ja 4,7 cm välillä puustoltaan hyvin vaihtelevissa metsiköissä.

Väitöskirjatyön osajulkaisuissa kehitetyt menetelmät ja esitetyt tulokset osoittivat laserkeilausmenetelmien olevan varteenotettava vaihtoehto yksittäisten puiden kartoitukselle ja mittaamiselle tulevaisuudessa.

  • Kankare, University of Helsinki, Department of Forest Sciences ORCID ID:Sähköposti ville.kankare@helsinki.fi (email)
Inka Pippuri. (2015). Airborne laser scanning based forest inventory for forest management by applying novel metrics and multiple data source. https://doi.org/10.14214/df.193

Laserkeilausperusteisen metsien inventoinnin kehittäminen metsänhoidon päätöksenteon tueksi hyödyntäen uudenlaisia lasermuuttujia sekä useita aineistolähteitä

Suomessa on hiljattain siirrytty uuteen laserkeilausperusteiseen metsien inventointiin, jonka avulla puustotunnukset voidaan ennustaa aiempaa tarkemmin ja kustannustehokkaammin. Laserkeilausperusteinen inventointi ei ole kuitenkaan vielä pystynyt täyttämään kaikkia metsänhoidon tietotarpeita. Tämän tutkimuksen tavoitteena oli kehittää laserkeilausperusteista metsien inventointia metsänhoidon tueksi soveltaen uudenlaisia lasermuuttujia ja useita aineistolähteitä. Työssä tutkittiin erityisesti metsämaan luokittelua, puulajikohtaisten puustotunnusten ennustamista ja puiden tilajärjestyksen sekä metsänhoitotarpeiden,kuten ensiharvennuksen ja taimikonhoidon, tunnistamista.

Laserkeilausaineistoon perustuvassaa aluepohjaisessa inventoinnissa hyödynnettiin useita aineistolähteitä, kuten laserkeilaus-, satelliitti-, ilmakuva- ja olemassa olevaa kuviotietoaineistoa. Lisäksi testattiin valtakunnan metsien inventoinnin maastoaineiston soveltuvuutta mallinnusaineistoksi. Erityisesti tutkittiin horisontaalisten lasermuuttujien soveltuvuutta metsämaan, puiden tilajärjestyksen sekä ensiharvennustarpeen luokittelussa.

Tulokset osoittivat, että metsämaan luokittelu sekä puuston tilajärjestyksen ja metsänhoitotarpeen tunnistaminen on mahdollista laserkeilausperusteiseen metsien inventointimenetelmään perustuen. Erityisen hyvin onnistui maankäytön luokittelu, mutta myös kasvupaikkojen, sekä kuivatustilanteen luokittelu onnistui kohtuullisen hyvin. Puulajikohtaisten puustotunnusten ennustaminen useamman kuin kolmen puulajin tapauksessa tarkentui, kun ennustamisessa hyödynnettiin puulajitietoa olemassa olevasta kuviotietoaineistosta. Puuston tilajärjestyksen sekä ensiharvennustarpeen tunnistaminen onnistui erityisen hyvin ja taimikonhoitotarpeen kohtuullisesti. Horisontaalisten lasermuuttujien havaittiin olevan tärkeimpiä selittäviä muuttujia maankäyttöluokkien, metsämaan päätyypin, kuivatustilanteen, puiden tilajärjestyksen sekä ensiharvennustarpeen ennustamisessa.

Tässä työssä tuotettiin uutta metodologista tietotaitoa horisontaalisten lasermuuttujien sekä useiden aineistolähteiden yhtäaikaisesta hyödyntämisestä kustannustehokkaassa metsien inventoinnissa ja metsänhoidon suunnittelussa. Osaa kehitetyistä menetelmistä on jo sovellettu metsien inventointiin Suomessa.

  • Pippuri, University of Eastern Finland, School of Forest Sciences ORCID ID:Sähköposti inka.pippuri@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)
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)
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)
Annukka Pesonen. (2011). Comparison of field inventory methods and use of airborne laser scanning for assessing coarse woody debris. https://doi.org/10.14214/df.113

Maastoinventointimenetelmien vertailu ja laserkeilauksen käyttö lahopuuston inventoinnissa

Metsien monimuotoisuuden ylläpito on yksi metsien kestävän käytön periaatteista mm. Suomessa. Lahopuusto on yksi tärkeimmistä metsien monimuotoisuuden eli biodiversiteetin indikaattoreista ja sillä on suuri merkitys mm. metsien ravinnekierrossa. Sen vuoksi viimeaikoina on kehitetty useita erilaisia inventointimenetelmiä, joilla pyritään entistä kustannustehokkaampaan lahopuuston inventointiin. Maastotyön määrä ja kustannukset voivat kuitenkin nousta suuralueilla melko suuriksi vaikka käytössä olisivat parhaat lahopuuston inventointiin kehitetyt otantapohjaiset maastoinventointimenetelmät. Tässä tutkimuksessa tutkittiin erilaisten otantapohjaisten lahopuuston inventointimenetelmien tehokkuutta Suomessa, ja koska kaukokartoitusmenetelmistä erityisesti laserkeilaus on osoittautunut hyväksi menetelmäksi elävän puuston inventointiin, tässä tutkimuksessa tutkittiin myös laserkeilauksen käyttöä lahopuuston inventoinnissa.

Tutkimusaineisto koostui kolmen eri alueen aineistoista: Kolin kansallispuistosta kerättyä laserkeilaus- ja lahopuuaineistoa käytettiin ennustamaan maa- ja pystylahopuuston tilavuuksia laseraineiston perusteella luonnonmetsissä. Sonkajärven ja Juuan talousmetsistä kerättyjä aineistoja käytettiin tutkittaessa otantapohjaisten lahopuuston inventointimenetelmien tehokkuuksia. Otantamenetelmiä vertailtiin keskiarvon keskivirheiden perusteella laskemalla kullakin otantamenetelmällä saavutetut tarkkuudet eri maastoinventointimäärillä. Lisäksi tutkittiin, kuinka paljon esimerkiksi laserpohjaisen lisäinformaation käyttö parantaa otannan tehokkuutta eli pienentää keskiarvon keskivirhettä tietyllä inventointipanoksella. Lisäinformaatiota käytettiin joko otantavaiheessa hyödyntämällä otantaa otosyksikön koon mukaan tai käyttämällä lisäinformaatiota tunnusten estimointivaiheessa joko suhde- tai regressioestimoinnissa.

Laserkeilausaineisto osoittautui käyttökelpoiseksi lahopuuston tilavuuksien ennustamiseen luonnonmetsissä. Keskineliövirheet (RMSEt) maalahopuuston, pystylahopuuston ja kokonaislahopuuston tilavuuksille olivat 51.6%, 78.8% ja 54.2%. Laserpohjaiset lahopuuston tilavuusennusteet osoittautuivat huomattavasti tarkemmiksi kuin lahopuuston tilavuusennusteet elävän puuston tunnusten perusteella. Otantapohjaisista maastoinventointimenetelmistä erityisesti ne inventointimenetelmät, jotka on kehitetty erityisesti lahopuuston tai muiden harvinaisten ilmiöiden ennustamiseen, osoittautuivat tehokkaimmiksi maastoinventointimenetelmiksi. Erityisesti erilaiset relaskoopin käyttöön perustuvat menetelmät osoittautuivat tehokkaiksi lahopuuston inventointiin. Otanta otosyksikön koon mukaan paransi huomattavasti lahopuuston inventoinnin tehokkuutta, mutta lisäinformaation käytöllä estimointivaiheessa ei saavutettu niin paljoa parannusta estimaattien tarkkuuteen. Lisäinformaation käytöllä saavutettu otannan tehokkuuden parantuminen vaihteli kuitenkin merkittävästi eri lahopuutyyppien ja otantamenetelmien kesken. Vaikka relaskoopin käyttöön perustuvien menetelmien tehokkuus parani muita inventointimenetelmiä vähemmän lisäinformaation käytön ansiosta, olivat ne siitä huolimatta kaikista kustannustehokkaimpia lahopuuston maastoinventointimenetelmiä. Lisäksi tutkimuksissa todettiin, ettei vanhan metsikkökuvioaineiston tai ilmakuvien käyttö lisäinformaationa parantanut inventointitehokkuutta enää lisää, vaan useimmiten pelkän laserpohjaisen lisäinformaation käyttö oli tehokkainta.

  • Pesonen, University of Eastern Finland, School of Forest Sciences ORCID ID:Sähköposti annukka.pesonen@uef.fi (email)
Petteri Packalén. (2009). Using airborne laser scanning data and digital aerial photographs to estimate growing stock by tree species. https://doi.org/10.14214/df.77

Modernit kaukokartoitusmenetelmät ovat nykyisin houkutteleva vaihtoehto maastomittauksille metsän inventoinnissa. Lupaavin kaukokartoitusmenetelmä metsän inventointiin perustuu tällä hetkellä ilma-aluksesta suoritettavaan laserkeilaukseen. Useat tutkimukset ovat osoittaneet, että keskeiset puustotunnukset, kuten keskipituus, pohjapinta-ala ja tilavuus, voidaan ennustaa erittäin tarkasti hyödyntämällä laserkeilausaineistoa. Suurimmassa osassa tutkimuksista on kuitenkin tarkasteltu vain kokonaistunnuksia, mutta Suomessa puulajikohtaiset puustotunnukset ovat usein ensisijainen kiinnostuksen kohde. Tämän väitöskirjatyön tavoitteena on kehittää ja evaluoida menetelmiä puulajeittaisessa kuviotason inventoinnissa hyödyntämällä kaukokartoitusaineistoja.

Tutkimuksessa käytettiin kahta testialuetta jotka molemmat sijaitsevat Itä-Suomessa ja edustavat tyypillistä suomalaista hoidettua boreaalista metsää. Tarkastellut puulajit olivat mänty (Pinus sylvestris L.), kuusi (Picea abies (L.) Karst.) ja lehtipuut yhtenä puulajiryhmänä. Puustotunnusten mallinnus tehtiin koealatasolla. Laserkeilausaineiston ja ilmakuvien yhdenaikainen hyödyntäminen muodostaa työn perustan. Lähtökohta on, että laserkeilausaineisto antaa tietoa puuston määrästä ja että ilmakuvat auttavat erottelemaan eri puulajeja.

Ensimmäisessä osatutkimuksessa verrattiin regressiomallinnuksen ja sumean luokittelun yhdistelmää ei-parametriseen lähimpien naapurien hakuun perustuvaan k-MSN-menetelmään puulajikohtaisten tilavuuksien ennustamisessa. k-MSN-menetelmällä saatiin lupaavia tuloksia ja toisessa osatutkimuksessa testiä laajennettiinkin siten, että samanaikaisesti ennustettiin puulajeittain tilavuus, runkoluku, pohjapinta-ala ja pohjapinta-alamediaanipuun läpimitta ja pituus sekä puulajikohtaisten ennusteiden summana kokonaistunnukset. Kolmannessa osatutkimuksessa tarkasteltiin kaukokartoitusinformaation käyttöä puulajeittaisten läpimittajakaumien ennustamisessa. Menetelmä, jossa lähimpien koealanaapureiden maastossa mitatut puut muodostavat läpimittajakaumat suoraan, toimi paremmin kuin teoreettinen jakaumalähestymistapa Weibull-jakauman parametrien ennustamiseksi k-MSN mallin ennusteilla. Neljännessä osatutkimuksessa esiteltiin uusi menetelmä hyödyntää oikaisemattomia ilmakuvia, joiden sisäinen ja ulkoinen orientointi tunnetaan orto-oikaistujen kuvien sijaan. Uudella menetelmällä voidaan välttää kaksi aikaisemmin käytetyn lähestymistavan ominaispiirrettä: ilmakuvien radiometrinen kalibrointi sekä laserpisteiden ja ilmakuvien epätarkka yhdistäminen.

Lähimpien naapurien haku osoittautui tehokkaaksi ja monikäyttöiseksi lähestymistavaksi sekä kokonaistunnusten, puulajikohtaisten tunnusten että läpimittajakauman ennustamisessa käytettäessä lähtötietona laserkeilausaineistoa, ilmakuvia ja maastokoealoja. Tutkimuksessa saavutetut puulajikohtaiset tarkkuudet olivat vähintään yhtä hyviä kuin nykyisin käytetyssä kuvioittaisessa maastoinventoinnissa ja kokonaistunnusten osalta tarkkuus oli jopa parempi.

  • Packalén, University of Joensuu, Faculty of Forest Sciences ORCID ID:Sähköposti petteri.packalen@joensuu.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