Artikkelit jotka sisältää sanan 'ilmakuva'

Tarkka puulajien luokittelu on keskeistä metsäsuunnittelussa, biodiversiteetin seurannassa ja ekologisessa tutkimuksessa. Boreaalisten metsien suhteellisen vähäinen puulajimäärä ja yksinkertainen latvusrakenne tarjoavat suotuisat lähtökohdat kaukokartoitukseen perustuvalle puulajitulkinnalle. Puulajin luokittelu on kuitenkin edelleen haastavaa metsien rakenteellisen vaihtelun sekä ekologisesti merkittävien lehtipuulajien, kuten haavan, hajanaisen esiintymisen vuoksi. Tässä väitöskirjassa arvioidaan RGB-, multispektri- ja LiDAR-sensoreilla varustettujen miehittämättömien ilma-alusten mahdollisuuksia puulajiluokittelussa ja keskeisten biodiversiteetti-indikaattorien tunnistamisessa Suomen boreaalisissa metsissä.

Tutkimus perustuu neljään osatutkimukseen, jotka toteutettiin käyttäen erilaisia miehittämättömiä ilma-aluksia ja sensorikokoonpanoja. Aineistot sisälsivät muun muassa helikopteripohjaista RGB-kuva-aineistoa, fotogrammetrisia pistepilviä ja miehittämättömällä ilma-aluksella kerättyä LiDAR-aineistoa. Luokiteltavat puulajit olivat mänty (Pinus sylvestris L.), kuusi (Picea abies (L.) Karst.), koivut (Betula pendula Roth, B. pubescens Ehrh.) ja haapa (Populus tremula L.). Luokitusmenetelminä käytettiin lineaarista erotteluanalyysiä (LDA), tukivektorikoneita (SVM) ja satunnaismetsiä (RF). Luokittelussa hyödynnettiin kohteiden spektriä, rakennetta, tekstuuria ja muotoa kuvaavia piirteitä.

Korkein kokonaisluokittelutarkkuus (95 %) saavutettiin toukokuussa kerätyillä multispektrikuvilla ja käsin rajatuilla latvussegmenteillä. Myös RGB-kuvista johdettuihin pistepilviin perustuva automaattinen segmentointi tuotti hyviä tuloksia: kokonaisluokittelutarkkuus oli 92 % ja kappa-kerroin 0,90. Rakenne- ja spektritietojen yhdistäminen paransi luokittelutuloksia, erityisesti silloin kun aineistot oli kerätty samanaikaisesti. Menetelmät osoittautuivat tehokkaiksi myös ekologisesti merkittävien haapojen ja pystylahopuiden tunnistamisessa. Haavan F1-arvo oli parhaimmillaan 97 %.

Tulokset osoittavat myös, että vuodenaikaisvaihtelu vaikuttaa merkittävästi luokittelutarkkuuteen. Kasvukauden alku tarjoaa parhaat olosuhteet spektriin perustuvalle puulajin luokittelulle. Piirteiden tärkeyttä koskevat analyysit korostivat spektriä, rakennetta ja tekstuuria kuvaavien tietojen yhdistämisen merkitystä luokittelutarkkuuden maksimoimisessa. Vaikka useita sensoreita yhdistävät menetelmät tuottivat korkeimmat tarkkuudet, myös hyvin toteutetut yhden sensorin menetelmät tuottivat luotettavia tuloksia suotuisissa olosuhteissa.

Tämä väitöskirja osoittaa, että miehittämättömiin ilma-aluksiin perustuva kaukokartoitus tarjoaa kustannustehokkaan ja resoluutioltaan korkean vaihtoehdon maastoinventoinneille puulajien luokittelussa ja biodiversiteetin arvioinnissa. Tutkimus esittää joustavia ja käytännön toimintaan soveltuvia työskentelytapoja boreaalisten metsien biodiversiteetin seurantaan. Tulokset myös vahvistavat miehittämättömien ilma-alusten roolia kestävän metsätalouden tukena.

• Kuzmin, University of Eastern Finland, Faculty of Science, Forestry and Technology, School of Forest Sciences https://orcid.org/0000-0001-5066-5535 Sähköposti: anton.kuzmin@uef.fi

Laserkeilauksen aikakausi ja uusien inventointimenetelmien kehitys on vähentänyt maastomittausten tarvetta ja inventointien kokonaiskustannuksia viimeisen kahden vuosikymmenen aikana. Vaikka menetelmäkehitys onkin ollut merkittävää, systemaattisia maastomittauksia tarvitaan käytännössä yhä edelleen. Esimerkiksi yleisesti käytössä oleva aluepohjainen inventointimenetelmä tukeutuu maastossa tehtäviin koealamittauksiin. Laserkeilausperusteisten inventointien lisäksi aluepohjaista menetelmää voidaan käyttää myös lennokeilla tehtävissä inventoinneissa ilmakuvapistepilviä hyödyntäen. Maastossa tehtävät koealamittaukset eivät ole yleensä lennokki-ilmakuvapistepilviä käytettäessä kannattavia lennokkien pienen toiminta-alueen takia. Tämän väitöskirjan tavoitteena oli tutkia laserkeilauspohjaisten mallien toimivuutta laserkeilaukseen ja lennokki-ilmakuvapistepilviin perustuvissa inventoinneissa ilman uusia paikallisia maastomittauksia.

Tässä tutkimuksessa valtakunnalliset laserkeilauspohjaiset mallit sovitettiin koko Suomen alueelle kolmelle puustotunnukselle (runkotilavuus, maan yläpuolinen biomassa ja valtapituus) ja niiden virheitä tarkasteltiin aluetasolla. Valtakunnallisten mallien aluetason ennusteet olivat usein systemaattisia yli- tai aliarvioita, minkä takia tutkittiin erilaisia kalibrointimenetelmiä. Ensimmäisenä testattiin valtakunnallisten mallien kalibrointia pienellä määrällä uusia maastomittauksia. Tämän jälkeen valtakunnallinen tilavuusmalli tai sen ennusteet kalibroitiin ilman uusia paikallisia maastomittauksia kolmen skenaarion avulla: a) käyttämällä malleissa ympäristöä ja maantieteellisiä olosuhteita kuvaavia lisäselittäjiä, b) uudelleen sovittamalla mallit käyttäen opetuskoealoja lähimmiltä inventointialueilta ja c) sovittamalla ennusteet alueittain valtakunnan metsien inventoinnin tietoihin. Lennokki-inventointia ilman uusia paikallisia maastomittauksia tutkittiin korvaamalla laserkeilauspohjaisten mallien selittäjät ilmakuvapistepilvistä johdetuilla tunnuksilla malleja käytettäessä. Laserkeilauspohjaisten mallien selittäjinä käytettiin niitä tunnuksia, jotka olivat mahdollisimman samankaltaisia laserkeilaus- ja lennokkiaineistojen välillä.

Tulokset osoittivat, että puustotunnusten ennustaminen ilman uusia paikallisia maastomittauksia on mahdollista kohtalaisella tarkkuudella laserkeilauspohjaisten mallien avulla. Systemaattiset virheet minimoituivat, kun yleiset mallit kalibroitiin lisäselittäjien, kuten lämpösumma-, sadanta- ja puulajisuhdetietojen avulla. Huolellisesti valittujen lisäkoealojen käyttö valtakunnallisten mallien kalibrointiin on kuitenkin suositeltavaa, jos uusien koealojen hankinta on taloudellisesti mahdollista. Laserkeilauspohjaisia malleja on mahdollista käyttää puustotunnusten ennustamiseen lennokki-ilmakuvapistepilvistä johdettujen selittäjien avulla erityisesti silloin, kun mallien selittäjät kuvaavat ylintä latvuskerrosta. Pienimmät virheet lennokki-inventoinnissa saavutettiin käyttämällä laserkeilausperusteista mallia lähimmältä samankaltaiselta alueelta luokittelemalla ennustusyksiköt havu- ja lehtipuuvaltaisuuden mukaan ennen ennustamista.

• Kotivuori, University of Eastern Finland, Faculty of Science and Forestry, School of Forest Sciences Sähköposti Sähköposti: eetu.kotivuori@uef.fi

Nykyaikaiset kaukokartoitusperusteiset metsäinventointimenetelmät hyödyntävät laserkeilausta ja ilmakuvia puulajeittaisten puustotunnusten ennustamisessa. Kyseiset menetelmät perustuvat oletukseen, että kolmiulotteista laserkeilausaineistoa voidaan käyttää ennustamaan puuston määrää, kun taas ilmakuvapiirteet ovat hyödyllisiä puulajien erottelussa. Suomessa ilmakuvat ovat osoittautuneet soveltuviksi yleisimpien puulajien, kuten männyn (Pinus sylvestris), kuusen (Picea abies) ja lehtipuiden (pääosin Betula pendula and Betula pubescens) erotteluun. Kahden erilaisen kaukokartoitusaineiston käyttö inventointiprosessissa voi kuitenkin johtaa lukuisiin ongelmiin, kuten virheisiin aineistojen yhdistämisessä sekä korkeisiin kustannuksiin aineiston keruussa ja käsittelyssä.

Instrumenttien ja algoritmien kehityksen tuloksena on noussut esiin kaksi potentiaalista yhden instrumentin aineistolähdettä puulajeittaista metsäinventointia varten: ilmakuvista tuotetut fotogrammetriset pistepilvet ja monikanavainen laserkeilaus. Molempien aineistolähteiden voidaan ajatella soveltuvan puulajeittaiseen ennustamiseen, sillä ne sisältävät sekä kolmiulotteista että optista tietoa. Monikanavaisessa laserkeilauksessa havainnoidaan instrumentin lähettämää säteilyä esimerkiksi kolmelta eri aallonpituusalueelta, kun taas ilmakuvauksessa havainnoidaan kohteesta heijastunutta tai sen lähettämää auringon säteilyä. Optisen tiedon tulkinta ja hyödyllisyys voivat täten olla erilaisia ilmakuvauksen ja monikanavaisen laserkeilauksen välillä. Tällöin keskeinen tutkimusaihe on, kuinka aineistolähteiden ominaispiirteet vaikuttavat puulajeittaisen metsäinventoinnin luotettavuuteen. 

Tämän työn tavoitteena oli arvioida fotogrammetristen pistepilvien ja monikanavaisen laserkeilauksen soveltuvuutta kaukokartoitusperusteiseen puulajeittaiseen metsäinventointiin. Tuloksista nähdään, kuinka nämä uudet yhden sensorin aineistolähteet ovat verrattavissa nykyiseen operationaaliseen menetelmään, jossa käytetään sekä laserkeilausta että ilmakuvausta. Työn tuloksia voidaan hyödyntää tulevien metsäinventointien aineistolähteiden valinnassa. 

• Kukkonen, University of Eastern Finland, Faculty of Science and Forestry, School of Forest Sciences Sähköposti: mikko.kukkonen@uef.fi

Globaalimuutos muuttaa jäljellä olevien luonnontilaisten boreaalisten metsien rakennetta ja dynamiikkaa. Näiden metsäekosysteemien muutoksilla on suuria vaikutuksia esimerkiksi luonnon monimuotoisuuteen ja hiilen kiertoon. Siksi on keskeistä ymmärtää miten luonnontilaisten metsien rakenne ja dynamiikka muuttuvat.

Väitöskirjassani tarkastelen luonnontilaisten boreaalisten metsien rakenteen vaihtelua tilassa ja muutosta ajassa kolmella Pohjois-Fennoskandiassa ja kahdella itäisessä Pohjois-Amerikassa sijaitsevalla tutkimusalueella. Hyödynnän ilmakuvilta visuaalisesti tulkittua latvuspeittävyyttä, maastomittauksia sekä puiden vuosilustoista saatavia kasvuhistoriatietoja metsärakenteen vaihtelun ja muutoksen tarkastelussa. Kolmelta ajanhetkeltä vuosien 1959 ja 2011 väliltä tehdystä visuaalisesta tulkinnasta laskettiin systemaattinen ja satunnainen tulkintavirhe, ja niitä hyödynnettiin Bayes-päättelyssä erotettaessa uskottavaa ekologista vaihtelua tai muutosta ilmakuvatulkinnan virheestä.

Väitöskirjassani kuvaan uuden menetelmän ja käytän sitä metsärakenteen spatiaalisen vaihtelun ja muutoksen tarkasteluun. Menetelmää hyödyntäen havaitsimme uskottavaa spatiaalista vaihtelua ja muutosta jokaisen tutkimusalueen metsien rakenteessa. Sekä muutos, että vaihtelu ilmenivät useilla mittakaavatasoilla, jotka olivat samankaltaisia eri tutkimusalueilla. Vaikka eri prosessien havaittiin aiheuttavan metsärakenteen vaihtelua eri mittakaavatasoilla, vaihtelun mittakaavatasojen samankaltaisuus tutkimusalueiden välillä osoittaa, että boreaalisista luonnonmetsistä saatetaan tunnistaa luonteenomaisia metsärakenteen vaihtelun mittakaavatasoja, jotka ovat riippumattomia esimerkiksi erilaisista valtapuulajeista tai häiriökierroista. Metsärakenteen muutoksen monimittakaavainen tarkastelu osoitti huomattavimpien muutosten tapahtuneen suurilla, neliökilometrien mittakaavatasoilla.

Väitöskirjani osoittaa historiallisten kaukokartoitusaineistojen käyttökelpoisuuden sekä käytön haasteet metsätutkimuksessa. Havaintoni luonnonmetsien rakenteen monimittakaavaisesta vaihtelusta ja muutoksesta, näiden mittakaavatasojen tunnistettavuudesta, erotettavuudesta ja laskennallisesta määrityksestä sopivat hierarkiateorian ja hierakkisen laikkudynamiikan viitekehykseen. Toisaalta havaitsemani laaja-alainen muutos on ristiriidassa vallitsevan boreaalisten luonnonmetsien muutosta kuvaavan teorian, pienaukkodynamiikan, kanssa. Väitöskirjani tuloksista voidaan päätellä tutkimieni metsien muuttuneen ensisijaisesti laaja-alaisten kasvuympäristön muutosten, esimerkiksi häiriökierron tai kasvuolosuhteiden muutosten, vuoksi. Nämä laaja-alaiset muutokset ovat kasvattaneet tutkimieni metsien puuston biomassaa viimeisten vuosikymmenten aikana.

• Kulha, University of Helsinki, Department of Forest Sciences Sähköposti: niko.kulha@helsinki.fi

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 Sähköposti: hou.zhengyang@gmail.com

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