Artikkelit jotka sisältää sanan 'Landsat satelliittikuva'

Kategoria : Articles

Helena Haakana. (2017). Multi-source forest inventory data for forest production and utilization analyses at different levels. https://doi.org/10.14214/df.243

Avainsanat: metsäsuunnittelu; kaukokartoitus; k; Landsat satelliittikuva; skenaariomallinnus; n lähimmän naapurin estimointimenetelmä; puuntuotannon rajoitus

Tiivistelmä | Näytä lisätiedot | Artikkeli PDF-muodossa | Tekijä

Valtakunnalliset ja alueelliset arviot metsien vaihtoehtoisista käyttömahdollisuuksista ja tulevista hakkuumahdollisuuksista perustuvat yleensä Valtakunnan metsien inventoinnin (VMI) tuottamaan koeala-aineistoon. Tarve vastaavanlaisille skenaariolaskelmille paikallisella tasolla on lisääntynyt kuten myös tarve sisällyttää laskelmiin paikkaan sidottua tietoa. VMI:n suhteellisen harvan otannan takia skenaariolaskelmia ei kuitenkaan voi tehdä pelkästään VMI-koealojen perusteella maakuntatasoa pienemmillä alueilla. Väitöskirjassa selvittiin mahdollisuutta tuottaa laskelmien lähtöaineisto VMI-koealoja, satelliittikuvia ja k:n lähimmän naapurin estimointimenetelmää käyttäen. Menetelmää hyödynnettiin ensin arvioitaessa metsien hallinnollisten ja teknisten käyttörajoitusten vaikutusta puuntuotantoon kahden kylän alueella Itä-Suomessa. Toisessa sovelluksessa arvioitiin liito-oravalle sopivien elinympäristöjen määrän kehittymistä kolmessa eri hakkuuskenaariossa metsäkeskusalueittain.

Skenaariolaskelmissa käytettiin MELA (Metsälaskelma) -ohjelmistoa. Laskentakuviot puuston kehitys- ja käsittelyvaihtoehtojen simulointia varten muodostettiin satelliittikuvien segmentoinnin ja puuntuotannon rajoitustietojen avulla. Laskentakuvioille haettiin satelliittikuvien avulla sävyarvoiltaan lähimmät VMI-koealat, joille estimoitiin uudet painot eli edustavuus kyseisellä laskentakuviolla. Työssä tarkasteltiin erilaisten segmentointimenetelmien ja sävyarvopiirteiden käyttöä estimoinnissa. Metsikkökuvioita mahdollisimman hyvin vastaavien segmenttien ansiosta liito-oravalle sopivien elinympäristöjen ennustamisessa voitiin käyttää kuvio- ja maisematason malleja.

Laskenta-aineiston tuottaminen satelliittikuviin perustuvalla koealapainojen estimoinnilla osoittautui käyttökelpoiseksi menetelmäksi, joka mahdollistaa skenaariolaskelmat pienemmillä alueilla kuin olisi mahdollista pelkän VMI-koeala-aineiston avulla, esimerkiksi kuntatasolla. Hyvän maantieteellisen kattavuuden ja jatkuvuuden ansiosta satelliittikuvat ja VMI ovat kustannustehokkaita tietolähteitä ja esitetyn menetelmän avulla VMI-aineistoa voidaan käyttää metsien käyttö- ja tuotantomahdollisuuksien arvioinnissa myös paikallistasolla.

Haakana, University of Eastern Finland, School of Forest Sciences Sähköposti: helena.haakana@luke.fi

Reija Haapanen. (2014). Feature extraction and selection in remote sensing-aided forest inventory. https://doi.org/10.14214/df.181

Avainsanat: Landsat satelliittikuva; ilmakuva; ALS; TerraSAR-X; k lähintä naapuria; geneettinen algoritmi

Tiivistelmä | Näytä lisätiedot | Artikkeli PDF-muodossa | Tekijä

Piirteiden irrotus ja valinta kaukokartoitusavusteisessa metsäninventoinnissa Tässä väitöskirjassa tutkittiin kaukokartoitusaineistoista irrotettujen piirteiden suorituskykyä suuralueen metsäninventoinnin yhteydessä. Tutkimusalueet sijoittuvat Suomen boreaalisen vyöhykkeen metsiin, yhtä Pohjois-Minnesotassa (Yhdysvallat) sijainnutta aluetta lukuunottamatta. Metsätunnusten estimointi tehtiin pikseli- tai hilatasolla, ei-parametrisen k-lähimmän naapurin menetelmän avulla. Kaukokartoitusaineistoina käytettiin Landsat 7 Enhanced Thematic Mapper Plus (ETM+) satelliittikuvia, väri-infra-ilmakuvia, TerraSAR-X tutkan sekä lentokoneesta tehtävän laserkeilauksen (ALS) tuottamia aineistoja. Näiden kuvatyyppien viitteellinen sopivuusjärjestys metsävaratunnusten estimoinnissa oli ALS, TerraSAR-X, ilmakuva ja Landsat 7 ETM+. Tutkimuksessa paneuduttiin erityisesti eri aineistoista irrotettujen piirteiden yhdistelyyn, sekä sellaisten piirreyhdistelmien etsimiseen, jotka tuottivat parhaan tuloksen metsävaratunnusten estimoinnissa. Piirteiden valinta tehtiin pääasiassa geneettisen algoritmin avulla. Tuloksina saadut suhteelliset keskineliövirheen neliöjuuret (RMSE) asettuivat välille 23–77 %, kun kyseessä oli puuston keskitilavuuden arviointi. Parhaat tulokset saatiin yhdistelemällä ALS- ja ilmakuvapiirteitä. Tällöin suhteelliset RMSE-arvot puuston keskitilavuudelle olivat 23–30 %, maisemakuvasta riippuen. Yleensä toisiaan täydentävien kuvatyyppien käyttö paransi arvioiden tarkkuutta. Automaattinen piirrevalinta vähensi suuresti hälyn sekä piirteiden määrää alkuperäiseen syötteeseen verrattuna ja johti parempaan estimointitulokseen. Niissä osatutkimuksissa, joissa hyödynnettiin ALS-aineistoja, erityisesti puuston vertikaalirakennetta kuvaavat ALS-tunnukset auttoivat pienentämään estimointivirhettä.

Haapanen, University of Helsinki, Department of Forest Sciences Sähköposti: reija.haapanen@gmail.com

Rekisteröidy

Click this link to register to Dissertationes Forestales.

Kirjaudu sisään

Jos olet rekisteröitynyt käyttäjä, kirjaudu sisään tallentaaksesi valitsemasi artikkelit myöhempää käyttöä varten.

Ilmoitukset päivityksistä

Kirjautumalla saat tiedotteet uudesta julkaisusta

Valitsemasi artikkelit