Artikkelit jotka sisältää sanan 'läpimitan kasvu'

Kategoria : Articles

Susanna Sironen. (2009). Estimating individual tree growth using non-parametric methods. https://doi.org/10.14214/df.94
Avainsanat: pituuskasvu; läpimitan kasvu; k-lähimmän naapurin menetelmä; yleistetyt additiiviset mallit
Tiivistelmä | Näytä lisätiedot | Artikkeli PDF-muodossa | Tekijä
Metsien tulevan kehityksen ennustamisessa tarvitaan informaatiota sekä metsien nykytilasta että metsän kasvun mallinnusta. Luotettavat ennusteet metsävarojen kehityksestä ovat tärkeitä niin metsäsuunnittelussa, arvioitaessa metsänhoidollisten toimenpiteiden vaikutuksia kuin varmistettaessa metsien käyttöä kestävän kehityksen mukaan. Suomessa käytettävät kasvumallit ovat yleisesti valtakunnallisia, jotka tuottavat harhattomia ennusteita suuremmilla alueilla, mutta pienemmillä alueilla ja metsikkötasolla kasvumallien ennusteet voivat olla suuriakin yli- tai aliarvoita. Ei-parametriset menetelmät tarjoavat vaihtoehdon perinteisille regressiomalleille, joita kasvun ennustamisessa on yleisesti käytetty. Ei-parametrisissa menetelmissä kasvuja ei ennusteta koko aineiston perusteella kuten regressiomalleilla, vaan kunkin kohdehavainnon ennustettu kasvu saadaan yleensä sitä selittävien muuttujien suhteen läheisesti muistuttavien havaintojen eli lähimpien naapureiden kasvujen painotettuna keskiarvona. Ei-parametrisilla menetelmillä paikallisuutta voidaan kuvata helposti, mikäli paikallista aineistoa on saatavilla. Tämän väitöskirjatyön tarkoituksena oli tutkia ei-parametristen menetelmien soveltuvutta puukohtaisen kasvun ennustamiseen. Yhtenä keskeisimmistä tavoitteista oli kyetä vähentämään kasvuennusteisiin liittyviä aluekohtaisia harhoja, ja saada metsiköittäin ja alueittain mahdollisimman tarkkoja kasvuennusteita. Tutkimusaineisto koostui kahdesta erillisestä aineistosta: paikallisesta kertakoeala-aineistosta, joka oli kerätty Kuusamon alueelta Koillis-Suomesta, sekä valtakunnallisesta kasvatusmetsien pysyvien koealojen INKA-aineistosta. Kasvuennusteet laadittiin männylle ja kuuselle. Tutkimuksessa käytetyt ei-parametriset menetelmät olivat k-lähimmän naapurin menetelmä sekä yleistetyt additiiviset mallit. Tutkimuksessa käsiteltyihin aiheisiin kuuluivat paikalliset ei-parametriset kasvunennustamismenetelmät, ei-parametristen kasvuennusteiden lokalisointi, läpimitan kasvun ja pituuskasvun yhtäaikainen ennustaminen sekä korreloivien havaintojen vaikutus ei-parametrisiin kasvunennustamismenetelmiin. Tulosten mukaan ei-parametriset menetelmät soveltuivat kasvun ennustamiseen. Yksikään tutkituista ei-parametrista menetelmistä ei osoittautunut ylivertaisesti paremmaksi, vaan menetelmien toimivuus riippui käytetystä aineistosta ja sovelluksesta. Ei-parametrisin menetelmin saatiin vähennettyä kasvuennusteiden aluekohtaista harhaa. Ei-parametrisin menetelmin saatiin vähintään yhtä tarkkoja kasvuennusteita kuin vertailuissa käytetyillä parametrisilla menetelmillä sekä puu-, metsikkö- että aluetasolla. Tässä tutkimuksessa esitettyjä menetelmiä voidaan käyttää käytännön metsäsuunnittelujärjestelmissä, vaikkakin erityisesti metsänhoidollisten toimenpiteiden sisällyttäminen ei-parametrisiin kasvunennustamismenetelmiin vaatii vielä lisää tutkimista.
  • Sironen, University of Joensuu, Faculty of Forest Sciences Sähköposti: susanna.sironen@joensuu.fi (sähköposti)
Veli-Pekka Ikonen. (2008). Modelling the growth and properties of stem and wood of Scots pine (Pinus sylvestris L.) as related to silvicultural management with implications for sawing yield and properties of sawn pieces. https://doi.org/10.14214/df.65
Avainsanat: latvusrakenne; rungon oksikkuus; sahaussimulaattori; puun metsikköasema; läpimitan kasvu; puuaineen laatu
Tiivistelmä | Näytä lisätiedot | Artikkeli PDF-muodossa | Tekijä
Tämän tutkimuksen tavoitteena oli mallintaa männyn (Pinus sylvestris L.) kasvua sekä rungon ja puuaineen ominaisuuksien kehitystä. Lisäksi tavoitteena oli tutkia, miten metsänhoito vaikuttaa rungon oksikkuuteen ja muihin puuaineen ominaisuuksiin sekä sahatavaran saantoon ja ominaisuuksiin. Tutkimuksessa kehitettiin edelleen olemassa olevaa kolmiulotteista männyn kasvumallia, joka ennustaa rungon ja puuaineen ominaisuuksia (osajulkaisu I). Kolmiulotteista kasvumallia käytettiin myös yhdessä sahaussimulaattorin (osajulkaisu II) kanssa, kun tutkittiin miten metsänhoito (puuston alkutiheys, harvennus ja oksien pystykarsinta) vaikuttaa sahatavaran laatuun ja saantoon (osajulkaisu III). Lisäksi kehitettiin empiirisiä malleja rungon paksuuskasvun (osajulkaisu IV) ja puuaineen ominaisuuksien, kuten kevätpuun osuuden, puuaineen tiheyden ja kuidun pituuden (osajulkaisu V) ennustamiseksi rungon eri osissa. Näitä empiirisiä malleja hyödynnettiin edelleen prosessipohjaisella kasvu- ja tuotosmallilla tehtävissä simuloinneissa (osajulkaisut IV ja V). Työssä havaittiin, että sahatavaran laadun maksimoimiseksi tulisi kiertoajan alussa metsikköä kasvattaa tiheässä (jopa 5 000 runkoa hehtaarilla), jotta oksien kasvua saataisiin hillittyä, ja vastaavasti kiertoajan lopussa metsikön tulisi olla suhteellisen harva (esimerkiksi 500 runkoa hehtaarilla), jotta kuolleiden oksien luontainen karsiutuminen ja oksien kylestyminen nopeutuisivat ja rungon tilavuuskasvu olisi mahdollisimman suuri (osajulkaisu III). Lisäksi havaittiin, että rungon paksuuskasvu ja puuaineen ominaisuudet rungon eri osissa vaihtelivat suuresti johtuen metsikön kehitysvaiheesta (nuoresta varttuneeseen metsikköön), metsänkäsittelystä (puuston alkutiheydestä ja harvennushakkuista) sekä puiden metsikköasemasta (vallitussa asemat olevat puut ja valtapuut). Lisäksi kyseiset ominaisuudet vaihtelivat huomattavasti tarkastelun kohteena olevan rungon osan mukaan (koko runko keskimäärin, rungon sisä-, pinta- tai latvaosa) (osajulkaisut IV ja V). Johtopäätöksenä todettakoon, että tässä työssä kehitetyt integroidut mallit mahdollistavat tutkia, miten metsänhoito vaikuttaa samanaikaisesti sekä puiden kasvuun että ominaisuuksiin.
  • Ikonen, University of Joensuu, Faculty of Forest Sciences Sähköposti: vi@nn.fi (sähköposti)

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