Artikkelit jotka sisältävät avainsanan 'metsäteiden luokitus'.

Katalin Waga. (2021). Unpaved forest road quality assessment using airborne LiDAR data. https://doi.org/10.14214/df.316

Tutkimuksessa kehitettiin lentolaserkeilausperusteisia menetelmiä metsäteiden laadun arviointiin. Harva - ja tiheäpulssisista laserkeilausaineistoista muodostetettiin rasteripohjaisesia pintamalleja eri resoluutioilla (0,2 m – 1 m). Työssä vertailtiin erilaisten interpolointi menetelmien (IDW, NN, Spline ja Kriging) ja niiden avulla laadittujen tunnusten soveltuvuutta pinnan laadun kuvaukseen. Tien laatua kuvattiin pinnan tasaisuudella, pinnoitteen laadulla, rakennetunnuksilla, ojien laadulla, kuivatus ominaisuuksilla, veden kerääntymis potentiaalilla ja tiealueen kasvillisuuden määrällä.

Suomen aineistossa käytettiin Metsätehon laatuluokituksen mukaista luokitusta. Kanadan aineistossa ennustettiin metsäteiden käytön ja käyttämättömyyden tilaa. Lineaarisella erotteluanalyysillä ennustettiin teiden

laatuluokkia. Tien pinnan laadun, kosteus indeksin ja maaperäkartan tietojen avulla laatuluokka ennnustettiin 81,6–89.8 % tarkkuudella. Korkealla pulssitiheydellä päästiin hyviin tuloksiin jo pelkällä pintaa kuvaavilla indekseillä. Kasvillisuuteen perustuvilla tuloksilla päästiin 73 % tarkkuuteen, mutta ojien ja tiheä pulssisen tienpintakuvauksen avulla päästiin jopa 92 % tarkkuuteen. Tuloksia voidaan käyttää maastotyön suuntaamiseen ja semi-autimaattisen tienlaadun arviointiin osana laserkeilausperusteisia metsätiedon keruuhankkeita.

  • Waga, University of Eastern Finland, Faculty of Science and Forestry, School of Forest ORCID ID:Sähköposti katalin.waga@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