Artikkelit jotka sisältää sanan 'laser scanning'

Kategoria : Articles

Mohammad Imangholiloo. (2024). Toward an enhanced characterization of seedling stands using remote sensing. https://doi.org/10.14214/df.355
Avainsanat: LiDAR, lennokkikuvaus, lentolaserkeilaus, metsien inventointi, konvoluutioneuroverkot, uudistusalat
Tiivistelmä | Näytä lisätiedot | Artikkeli PDF-muodossa | Tekijä

Taimikoiksi kutsutaan metsäalueita, joilla kasvaa nuoria, tyypillisesti muutamia vuosia sitten istutettuja tai luontaisen uudistumisen seurauksena syntyneitä puun taimia. Taimikot edustavat metsän kehityksessä tärkeää alkuvaihetta ja niille suunnitelluilla sekä toteutetuilla toimenpiteillä onkin keskeinen merkitys metsien uudistumisen, kasvun ja metsän käytölle asetettujen tavoitteiden toteutumisen kannalta.

Metsien käytön ja hoidon suunnittelua varten tarvittavan metsävaratiedon tuottaminen taimikoista on tyypillisesti perustunut maastotöihin, jotka ovat ajankäytöllisesti työläitä, vaativat runsaasti työvoimaa ja ovat siten kustannuksiltaan korkeita. Koska taimikoiden puut ovat vielä kooltaan pieniä, ja ne kasvavat yleensä tiheästi lähellä toisiaan, yksittäisten taimien havaitseminen ja mittaaminen on haastavaa kaukokartoitusperusteisessa metsävarojen inventoinnissa. Kaukokartoitusmenetelmien kehitys, erityisesti laserkeilaus sekä lennokkien käyttö, voivat mahdollistaa uusien menetelmien kehittämisen taimikoiden oikea-aikaiseen ja spatiaalisesti tarkkaan inventointiin. Uudet menetelmät voisivat korvata maastomittaukset osittain tai jopa täysin.

Väitöskirjan tavoitteena oli kehittää taimikoiden tiheyden, keskipituuden sekä puulajien määrittämiseen käytettäviä kaukokartoitusmenetelmiä suomalaisissa boreaalisissa metsissä. Väitöskirjan osatutkimuksissa hyödynnettiin uusia kaukokartoitustekniikoita kolmella eri tutkimusalueella. Osatutkimuksissa I ja IV käytettiin lennokilla kerättyjä fotogrammetrisia pistepilviä sekä multi- ja hyperspektrikuvia, lisäksi osatutkimuksissa II ja III aineistona hyödynnettiin monikanava- ja yksittäisen fotonin mittaustekniikalla tuotettua lentolaserkeilausaineistoa. Osatutkimuksissa I ja II analysoitiin lehdettömään ja lehdelliseen aikaan lennokista kerätyn hyperspektrikuva-aineiston sekä monikanavatekniikalla tuotetun lentolaserkeilausaineiston soveltuvuutta taimikoista tehtäviin mittauksiin. Osatutkimuksessa II aluskasvillisuuden luokittelun raja-arvoa (Cth) optimoitiin, jotta voitiin minimoida aluskasvillisuuden vaikutus puiden tunnistamiseen sekä niiden pituus- ja puulajiestimointiin. Osatutkimuksessa III arvioitiin yksittäisen fotonin mittaustekniikkaan perustuvan lentolaserkeilausaineiston soveltuvuutta taimikoiden tiheyden ja puiden pituuden ennustamiseen. Tässä tutkimuksessa kehitettiin myös uusi menetelmä (ABAEdgeITD) taimikoiden tiheyden ja puiden pituuden ennustamiseen yhdistämällä yksinpuintulkinnasta saadut ominaisuustiedot ja reunapuiden vaikutuksen korjauksen sisältävä aluepohjainen menetelmä. Osatutkimuksessa IV esitettiin ja arvioitiin uutta menetelmää, jossa konvoluutioneuroverkkojen syötteenä taimikoiden puulajitunnistukseen käytettiin esikäsiteltyjä lennokilla otettuja multispektrikuvia.

Tutkimuksen tulokset osoittavat, että lennokeilla otettujen kuva-aineistojen käyttö johti tarkempiin tuloksiin puuston tiheysennusteissa. Tiheäpulssisen monikanavaisen lentolaserkeilausaineiston käyttäminen tuotti parhaat tulokset taimikoiden puiden pituusennusteissa sekä lehdettömään että lehdelliseen aikaan. Yksinpuintulkinnasta saadut ominaisuustiedot ja reunapuiden vaikutuksen korjaaminen paransivat puuston tiheys- ja pituusennusteiden tarkkuutta verrattuna perinteiseen aluepohjaiseen menetelmään, mutta menetelmä oli silti epätarkempi kuin osatutkimuksissa I ja II käytetyt yksinpuintulkintamenetelmät. Varttuneiden taimikoiden ominaisuuksien ennustaminen onnistui tutkimuksissa paremmin kuin alle 1.3 m keskipituudeltaan olevien nuorten taimikoiden ominaisuuksien. Osatutkimuksessa IV käytetty kaukokartoituskuvien esikäsittely yhdistettynä konvoluutioneuroverkkojen käyttöön paransi taimien puulajitulkinnan tarkkuutta. Tutkimus osoittaa, että kaukokartoitusmenetelmiä voidaan hyödyntää operationaalisessa metsävarojen inventoinnissa täydentämään tai korvaamaan maastotöitä. Uudet tekniikat ovatkin tärke osa metsien käytön suunnittelun tehokkuuden lisäämistä.

  • Imangholiloo, University of Helsinki, Faculty of Agriculture and Forestry, Department of Forest Sciences ORCID https://orcid.org/0000-0001-6240-077X Sähköposti: mohammad.imangholiloo@helsinki.fi
Eetu Kotivuori. (2022). Prediction of forest attributes using airborne laser scanning-based models without new in-situ field measurements. https://doi.org/10.14214/df.328
Avainsanat: kaukokartoitus; laserkeilaus; aluepohjainen inventointi; yleinen malli; aluetason malli; lennokki; ilmakuvapistepilvi
Tiivistelmä | Näytä lisätiedot | Artikkeli PDF-muodossa | Tekijä

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
Blanca Sanz. (2022). Methods for supporting digital timber trade. https://doi.org/10.14214/df.326
Avainsanat: kaukokartoitus; hakkuukone; puutavaralajien kertymä; puutavaralajimenetelmä (CTL); ennakkoraivaus; puunhankinta; laserkeilaus (ALS)
Tiivistelmä | Näytä lisätiedot | Artikkeli PDF-muodossa | Tekijä

Tämän tutkimuksen tavoitteena on parantaa ymmärrystä digitaalisesta puukaupasta ja kehittää menetelmiä tukemaan puunkorjuun suunnittelua. Puutavaralajeittainen ennakkoinformaatio puun laadusta on erityisen tärkeää puunhankinnan suunnittelussa, sillä eri puulajeja, puun mittoja sekä laatuja hyödynnetään ja jalostetaan eri tehtaissa.

Tutkimus tehtiin kolmella alueella, joista kaksi (osajulkaisut I ja II) sijaitsivat Itä-Suomessa ja yksi (osajulkaisu III) Etelä-Suomessa. Tutkimusaineisto koostui 79, 99 ja 665 koealasta (osajulkaisut I, II ja III), 249 metsiköstä (osajulkaisu III), runkojen laatutietokannasta (osajulkaisut I ja III), ilmakuvista (osajulkaisut I ja III) ja lentolaserkeilauksesta (ALS) (osajulkaisut I, II ja III).

Osajulkaisuissa I ja III pyrittiin arvioimaan puutavaralajeja, niiden taloudellista arvoa ja puunmaksukykyä (WPC) koealoille (osajulkaisu I) tai leimikoille (osajulkaisu III), hyödyntänen erilaisia katkontavaihtoehtoja (apteerausvaihtoehdot). Vaihtoehtoiset puun apteeraukset olivat (1) käyttämällä sahan ja kuitupuun enimmäismääriä ilman laatukriteerejä (teoreettinen maksimi) ja (2) apteeraus maksimoimalla puun arvoa käyttämällä sahatukin pituuksia 30 cm:n välein., huomioiden puun laatuindikaattorit. Ensimmäinen lähestymistapa vastaa pääosin tällä hetkellä pohjoismaissa käytössä olevaa menetelmää. Metsiköiden taloudelliseen arvoon vaikuttaa oleellisesti pienten puiden määrä vallitussa latvuskerroksessa. Puunkorjuuta vaikeuttavan kasvillisuuden takia saatetaan tarvita hakkuuta edeltävä raivaus. Tutkimuksen osajulkaisussa II kehitimme menetelmän, jolla voidaan arvioida hakkuuta edeltävän raivauksen tarve suoraan laserkeilausaineistosta.

Tulokset osoittivat, että kehitettyjen menetelmien käyttö voisi tukea puunhankintaa (1) paikantamalla arvokkaita metsiköitä, joissa on haluttu puutavaralajijakauma (osajulkaisut I ja III), (2) tunnistamalla automaattisesti kohteet, joissa on tehtävä ennakkoraivaus ennen korjuuta. (osajulkaisu II) ja (3) vähentämällä puunkorjuun suunnittelussa tarvittavien maastokäyntien määrää (osajulkaisut I, II ja III).

Johtopäätelmänä voidaan todeta, että tutkimuksen tulokset voivat tehostaa puumarkkinoiden toimivuutta, koska kehitetyt menetelmät tarjoavat yksityiskohtaista ennakkotietoa puunhankintaa ja -korjuuta varten, jota puunostajat tai -myyjät voivat käyttää päätöksenteon tukivälineenä perinteisessä ja digitaalisessa markkinaympäristössä.

  • Sanz, University of Eastern Finland, Faculty of Science and Forestry, School of Forest Sciences Sähköposti: blanca.sanz@uef.fi (sähköposti)
Tuomas Yrttimaa. (2021). Characterizing tree communities in space and time using point clouds. https://doi.org/10.14214/df.314
Avainsanat: LiDAR; maastolaserkeilaus; lähikartoitus; pistepilven prosessointi; metsien kartoitus
Tiivistelmä | Näytä lisätiedot | Artikkeli PDF-muodossa | Tekijä

Luonnonilmiöiden taustalla olevien prosessien ymmärtämiseksi tarvitaan tarkkoja havaintoja ja mittauksia. Metsäekosysteemin hierarkkisen rakenteen vuoksi sen toiminnalliset ominaisuudet määräytyvät suurelta osin puiden ja puujoukkojen toiminnallisten ominaisuuksien kautta. Siksi metsäekosysteemin toiminnallista rakennetta ja siinä tapahtuvia muutoksia voidaan tarkastella puiden toiminnallisilla ominaisuuksilla ja niissä tapahtuvilla muutoksilla. Kolmiulotteiset lähikartoitusmenetelmät ovat mahdollistaneet puiden yksityiskohtaisen tarkastelun pistepilvien avulla. Tämän tutkielman tavoitteena oli kehittää pistepilvi​​menetelmiä elävien ja kaatuneiden puiden kartoitukseen sekä testata kehitettyjen menetelmien toimivuutta ja sovellettavuutta metsän rakenteen tarkasteluun boreaalisissa metsissä.

Osajulkaisuissa I–III kehitettiin pistepilvi​​menetelmiä metsän eri rakenteiden havaitsemiseen ja niiden ominaisuuksien kartoittamiseen. Kaatuneet kuolleet puunrungot pystyttiin erottamaan aluskasvillisuudesta niiden säännöllisen, sylinterimäisen geometrian avulla (I). Tasaiset ja sylinterimäiset pinnat sekä pystysuoruus olivat toisaalta ominaisuuksia, joiden perusteella elävien puiden rungot voitiin erottaa lehdistä ja oksista (II). Näiden menetelmällisten periaatteiden pätevyys sekä niihin perustuvien pistepilvimenetelmien toimivuus testattiin rakenteellisesti vaihtelevissa boreaalisissa metsissä.

Osajulkaisuissa II–V tutkittiin kehitettyjen pistepilvimenetelmien sovellettavuutta puiden ja puujoukkojen tarkasteluun sekä niissä tapahtuvien muutosten havaitsemiseen. Metsikön rakenteellisen monimuotoisuuden havaittiin olevan tärkein puun tarkastelun tarkkuuteen vaikuttavista tekijöistä (II). Väitöskirjassa kehitetyn pistepilvimenetelmän havaittiin toimivan parhaiten tasarakenteisissa metsissä. Puuston rakenteen vaikutusta kyseisen pistepilvimenetelmän tarkkuuteen tutkittiin tarkemmin kontrolloiduissa olosuhteissa harvennuskokeiden avulla (III). Niissä harvennusvoimakkuuden havaittiin olevan merkittävämpi tarkkuuteen vaikuttava tekijä kuin harvennustapa (ts. yläharvennus, alaharvennus ja systemaattinen harvennus). Latvuston yläpuolelta kerätyn ilmakuvapistepilven yhdistäminen maastolaserkeilauspistepilveen paransi puiden ja puujoukkojen pituusominaisuuksien tarkastelun tarkkuutta pelkkään maastolaserkeilauspistepilveen perustuvaan menetelmään verrattuna (IV). Lopuksi havaittiin, että viiden vuoden tarkastelujakson aikana puiden ja puujoukkojen rakenteissa tapahtuneita keskimääräisiä muutoksia pystyttiin mittaamaan kahden eri ajankohdan maastolaserkeilauksella (V).

Tämän tutkielman tulokset parantavat tietämystä pistepilvimenetelmien sovellettavuudesta puiden ja puujoukkojen ominaisuuksien sekä niissä tapahtuvien muutosten tarkasteluun. Metsäympäristön yksityiskohtainen kolmiulotteinen mallinnus pistepilvien avulla parantaa puun ominaisuuksien tarkastelua, kun puiden kasvua ja puujoukkojen dynamiikkaa voidaan havainnoida entistä tarkemmin. Tämän tutkielman perusteella metsistä kerättyjen pistepilvien ja niitä hyödyntävien analyysimenetelmien avulla voidaan siis ymmärtää metsäekosysteemejä ja niitä muokkaavia prosesseja paremmin.

  • Yrttimaa, University of Eastern Finland, Faculty of Science and Forestry, School of Forest Sciences Sähköposti: tuomas.yrttimaa@uef.fi (sähköposti)
Mikko Kukkonen. (2020). Single sensor airborne data sources for forest inventories by tree species. https://doi.org/10.14214/df.297
Avainsanat: fotogrammetria; ilmakuva; aluepohjainen menetelmä; monikanavainen lentolaserkeilaus
Tiivistelmä | Näytä lisätiedot | Artikkeli PDF-muodossa | Tekijä

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 (sähköposti)
Janne Räty. (2020). Prediction of diameter distributions in boreal forests using remotely sensed data. https://doi.org/10.14214/df.294
Avainsanat: puuston läpimittajakauma; lähimmän naapurin menetelmä; aluepohjainen menetelmä; lentolaserkeilaus; monikanavainen lentolaserkeilaus; yksinpuintulkinta
Tiivistelmä | Näytä lisätiedot | Artikkeli PDF-muodossa | Tekijä

Metsikön puuston läpimittajakaumaa kuvataan usein teoreettisten todennäköisyysjakaumien avulla. Tyypillisesti todennäköisyysjakauman parametrit johdetaan joko ennustetuista tai arvioiduista puustotunnuksista. Kaukokartoitukseen perustuvissa metsäinventoinneissa todennäköisyysjakaumien käyttäminen ei ole kuitenkaan välttämätöntä, koska läpimittajakaumat voidaan ennustaa hyödyntämällä mitattua koeala-aineistoa (puulistat) ja epäparametrista lähimmän naapurin (NN) menetelmää. Tämän väitöstutkimuksen tavoitteena oli tarkastella NN-menetelmään ja kaukokartoitusaineistoihin perustuvaa läpimittajakaumien ennustamista boreaalisissa metsissä. Ensimmäisessä osatutkimuksessa tarkasteltiin NN-menetelmässä käytettyjä vastemuuttujakokoonpanoja, kun läpimittajakaumia ennustetaan puulajikohtaisesti. Toisessa osajulkaisussa hyödynnettiin erilaisia kaukokartoitusaineistoja tukkikokoisten puiden läpimittajakaumien ennustamisessa. Esimerkiksi monikanavaisen sekä kahdenaikaisen lentolaserkeilausaineiston käyttökelpoisuuttaa verrattiin operationaaliseen standardiin, jossa lentolaserkeilausaineistoa ja ilmakuvia hyödynnetään yhdenaikaisesti. Kolmannessa osajulkaisussa tarkasteltiin mahdollisuuksia ennustaa läpimittajakaumia yhdistäen aluepohjaista puustotulkintaa ja yksinpuintulkintaa. Tulokset osoittivat, että NN-menetelmän vastemuuttujakokoonpanolla on merkitystä puulajikohtaisten jakaumaennusteiden hyvyyteen. Tulosten perusteella voidaan todeta, että operationaalisesti käytössä oleva vastemuuttujakokoonpano ei ole optimaalisin vaihtoehto läpimittajakaumia ennustettaessa. Toisen osajulkaisun tulokset osoittivat, että puulajikohtaisten tukkitilavuusennusteiden virheet ovat suurempia, kun käytetään monikanavaista lentolaserkeilausaineistoa perinteisen yksikanavaisen lentolaserkeilausaineiston ja ilmakuvien yhdistelmän asemesta. Sen sijaan, kahdenaikaisen lentolaserkeilausaineiston (lehdettömään ja lehdelliseen aikaan kerätty) avulla tuotetut puulajikohtaiset tukkitilavuusennusteet saavuttivat lähes saman virhetason verrattuna perinteiseen lentolaserkeilausaineiston ja ilmakuvien yhdistelmään. Kolmannen osajulkaisun tulokset osoittivat, että aluepohjaisen puustotulkinnan ja yksinpuintulkinnan yhdistäminen on hyödyllistä puuston läpimittajakaumia ennustettaessa. Inventointimenetelmien yhdistelmällä saavutettiin yleisesti pienemmät virhetasot verrattuna siihen, että hyödynnettäisiin ainoastaan joko aluepohjaista puustotulkintaa tai yksinpuintulkintaa. On syytä huomata, että yksinpuintulkinnan havaittiin olevan aluepohjaista puustotulkintaa herkempi virheille metsäkuvioilla, joissa läpimittajakauma on muodoltaan kaksihuippuinen tai laskeva. Muodoltaan normaalijakaumaa muistuttaville läpimittajakaumille yksinpuintulkinta tuotti usein aluepohjaista puustotulkintaa pienemmät jakaumaennusteiden virheet. Metsärakenteen analyysia tiheäpulssisen lentolaserkeilausaineiston avulla voidaan hyödyntää indikaattorina, joka auttaa valitsemaan optimaalisen menetelmän läpimittajakaumaennusteiden tuottamiseksi.

  • Räty, University of Eastern Finland, School of Forest Sciences Sähköposti: janne.raty@uef.fi (sähköposti)
Samuli Junttila. (2019). Utilizing multispectral lidar in the detection of declined trees. https://doi.org/10.14214/df.277
Avainsanat: kaukokartoitus; laserkeilaus; maastolaserkeilaus; puiden terveys; lehtien vesipitoisuus; metsän heikentyminen
Tiivistelmä | Näytä lisätiedot | Artikkeli PDF-muodossa | Tekijä

Maailman metsät altistuvat uudenlaiselle stressille ilmastonmuutoksen myötä. Tuhohyönteiset sekä patogeenit siirtyvät uusille leveysasteille ja kuumuuden aiheuttama stressi lisääntyy, mikä johtaa lisääntyneeseen puiden kuolleisuuteen sekä kasvaneeseen metsäpalojen määrään maailmanlaajuisesti. On vaikeaa arvioida, kuinka voimakasta metsien heikentyminen ilmastonmuutoksen myötä on minkä vuoksi tarvitaan uusia harhattomia menetelmiä metsien kunnon arviointiin. Kaukokartoitusmenetelmillä voidaan mitata useita eri muuttujia metsistä, mutta stressin havaitseminen aikaisessa vaiheessa on ollut haastavaa muutoksien hienovaraisuudesta johtuen. Monikanavalaserkeilausteknologialla on potentiaalia havaita aikaisia puun heikentymisen merkkejä tarjoamalla tarkkaa kolmiulotteista tietoa sekä informaatiota puun heijastuvuudesta useilla eri aallonpituuksilla samanaikaisesti.

Tämän väitöskirjan päätavoitteena oli tutkia monikanavalaserkeilauksen kykyä havaita ja arvioida useiden eri stressitekijöiden aiheuttamaa puun heikentymistä. Tämä tehtiin tutkimalla kaukokartoituksen avulla havaittavaa puiden heikentymisen indikaattoria, lehtien vesipitoisuutta. Väitöskirjassa kehitettiin uusia menetelmiä lehtien vesipitoisuuden arviointiin monikanavalaserkeilauksen avulla useilla eri mittakaavoilla yksittäisistä lehdistä kokonaisiin latvuksiin. Myös lehtien vesipitoisuuden ja erilaisten puun heikentymistä aiheuttavien stressitekijöiden välistä suhdetta tutkittiin, jotta stressin ja vesipitoisuuden välistä riippuvuutta voitaisiin ymmärtää paremmin.

Osatutkimukset I-III keskittyivät tutkimaan lehtien vesipitoisuuden sekä laserintensiteetin, eli laserin heijastaman valon, välistä yhteyttä usealla aallonpituudella. Ensin, hyperspektrilaserkeilainta, joka havaitsee kahdeksaa eri aallonpituutta, käytettiin muutosten havaitsemiseen tuoreiden sekä kuivuuskäsiteltyjen mäntyjen sekä kuusten välillä (osatutkimus I). Sitten tehtiin tutkimus yksittäisillä lehdillä sekä neulasryhmillä (osatutkimus II) käyttäen mäntyä, kuusta, metsälehmusta, vaahteraa sekä rauduskoivua ja havaittiin vahva riippuvuus lehtien vesipitoisuuden sekä 1550 nm ja 690 nm aallonpituuksista lasketun indeksin välillä. Tämän jälkeen osatutkimuksessa III tutkittiin neulasten kosteuspitoisuuden arviointia monikanavalaserkeilauksen avulla sekä patogeenin ja kuivuuden aiheuttamaa lehtien vesipitoisuuden vaihtelua kuusen taimilla. Sinistäjäsienellä infektoitujen taimien neulasten vesipitoisuus vähentyi nopeasti, kun taas kuivuuskäsiteltyjen taimien vesipitoisuus pysyi tasaisempana erittäin voimakkaaseen kuivuuteen asti. Neulasten kosteuspitoisuus sekä heikentyneet taimet pystyttiin ennustamaan hyvällä tarkkuudella käyttäen indeksiä, joka oli laskettu 1550 nm ja 905 nm aallonpituuksista.

Kehitettyä menetelmää sekä neulasten kosteuspitoisuuden ja puun heikentymisen välistä yhteyttä tutkittiin osatutkimuksessa IV kirjanpainajan (Ips typographus L.) heikentämässä metsässä. Monikanavalaserkeilauksen avulla pystyttiin erottamaan hyvällä tarkkuudella (90% yleistarkkuus) kirjanpainajan saastuttamat puut jo silloin kun latvus ei vielä osoittanut visuaalisia heikentymisen merkkejä. Laserintensiteetin avulla pystyttiin havainnoimaan pihkavuotoja rungossa, mikä auttoi terveiden puiden luokittelussa. Huomattiin myös, että neulasten kosteuspitoisuus laskee jo pian kirjanpainajan iskeytymisen jälkeen.

Tämä väitöskirja edistää sekä objektiivisen ja automatisoitavan menetelmän kehitystä, jolla voidaan havaita ja mitata puiden heikentymistä, että lehtien vesipitoisuuden ja puiden heikentymisen välisen yhteyden ymmärtämistä. Väitöskirjan tuloksista julkaistaan myös populääri musiikki- ja videoteos nimellä: Idän Proffa feat. Linda Ilves – Keilaa puita. Video julkaistaan täällä: http://bit.ly/keilaapuita.

  • Junttila, University of Helsinki, Department of Forest Sciences Sähköposti: samuli.junttila@helsinki.fi (sähköposti)
Joanne C. White. (2019). Improving capacity for large-area monitoring of forest disturbance and recovery. https://doi.org/10.14214/df.272
Avainsanat: kaukokartoitus; aikasarja; Landsat; muutostulkinta; komposiittikuva; lentolaserkeilaus
Tiivistelmä | Näytä lisätiedot | Artikkeli PDF-muodossa | Tekijä

Tietotarpeista metsien seurantaan liittyen on tullut entistä monitahoisempia. Jotta näihin tietotarpeisiin voidaan vastata, aineistojen tulee olla systemaattisesti tuotettuja, spatiaalisesti kattavia ja yksiselitteisiä, sekä niiden avulla tulee olla mahdollista havaita muutokset spatiaalisella ja temporaalisella resoluutiolla, jotka ovat yhteismitallisia sekä luonnon että ihmisen vaikutusten kanssa. Lisäksi raportointivelvollisuudet asettavat edelleen vaatimuksia läpinäkyvyyden, toistettavuuden ja aineistojen alkuperän suhteen. Väitöskirjan tavoitteena oli keskittyä näihin tarpeisiin sekä parantaa metsissä tapahtuvien häiriöiden ja niistä palautumisen seurannan mahdollisuuksia laajoilla alueilla.

Landsat-aikasarja tehostaa metsien seurannan mahdollisuuksia, erityisesti metsissä tapahtuvien häiriöiden jälkeisen palautumisen arviointia, kun taas komposiittikuvien tuottamisen lähestymistapa, jossa hyödynnetään parhaita saatavilla olevia pikseleitä, mahdollistaa Landsat-aikasarjan hyödyntämisen laajoilla metsäalueilla. Osajulkaisuissa I ja IV tunnistettiin metsien seurannan tietotarpeita ja liitettiin niitä komposiittikuvan tuottamisen kriteereihin sekä aineistojen saatavuuteen Kanadassa ja Suomessa. Osajulkaisussa II kehitettiin menetelmiä ja havainnollistettiin niitä tuottamalla laajan alueen yhtenäiset Landsat-komposiittikuvat, joista tunnistettiin muutokset, laskettiin jatkuvat muutospiirteet sekä tuotettiin vuosittaiset tiedot, jotka ovat olennaisen tärkeitä metsien seurannan kannalta. Osajulkaisussa III kansallista seurantamenetelmää testattiin Kanadan yli 650 Mha metsäekosysteemien alueella ja se mahdollisti yksityiskohtaiset analyysit kohteissa, joissa oli tapahtunut metsäpalo tai päätehakkuu edellisen 25 vuoden aikana (1985-2010). Lisäksi metsien lyhyen ja pitkän ajan palautumista pystytiin arvioimaan. Palautumista kuvaavista sävyarvopiirteistä tuotettiin lisätietoa osajulkaisuissa V ja VI. Osajulkaisussa V metsien palautumista kuvaavien sävyarvojen hyödyllisyyttä arvioitiin ja vahvistettiin vertaamalla niitä metsien peitteisyyden ja pituuden kriteereihin, jotka saatiin lentolaserkeilausaineistosta. Osajulkaisussa VI tutkittiin ja määrällistettiin maastossa mitattujen metsän rakenteen ja puulajisuhteiden vaikutusta palautumista kuvaaviin sävyarvoihin.

Keskittymällä metsien seurantajärjestelmien neljään tärkeimpään näkökulmaan, tietotarpeeseen, aineistojen saatavuuteen, menetelmäkehitykseen, ja tuotettuun tietoon, väitöskirjatutkimukset osoittivat, että yhdistämällä lähestymistapa, jossa komposiittikuvat tuotetiin hyödyntämällä parhaita saatavilla olevia pikseleitä, ja Landsat-aikasarja on mahdollista tuottaa sellaista tietoa ja aineistoja, joissa on tarvittavat ominaisuudet laajojen alueiden metsien seurantaa varten, samalla kun mahdollistetaan myös kokonaisvaltaisempi arviointi metsissä tapahtuvista häiriöistä ja metsien palautumisesta niiden jälkeen.

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
Avainsanat: laserkeilaus; kaupunkipuut; Kaupunkimetsien inventointi; Katupuut
Tiivistelmä | Näytä lisätiedot | Artikkeli PDF-muodossa | Tekijä

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 Sähköposti: topi.tanhuanpaa@helsinki.fi (sähköposti)
Aarne Hovi. (2015). Towards an enhanced understanding of airborne LiDAR measurements of forest vegetation. https://doi.org/10.14214/df.200
Avainsanat: kaukokartoitus; laserkeilaus; metsien inventointi; kalibrointi; pulssilaser; fysikaalinen mallinnus; säteenseuranta
Tiivistelmä | Näytä lisätiedot | Artikkeli PDF-muodossa | Tekijä
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 Sähköposti: aarne.hovi@helsinki.fi (sähköposti)
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
Avainsanat: kaukokartoitus; laserkeilaus; metsän inventointi; täsmämetsätalous
Tiivistelmä | Näytä lisätiedot | Artikkeli PDF-muodossa | Tekijä
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 Sähköposti: ville.kankare@helsinki.fi (sähköposti)
Mikko Vastaranta. (2012). Forest mapping and monitoring using active 3D remote sensing. https://doi.org/10.14214/df.144
Avainsanat: laserkeilaus; metsien inventointi; synteettisen apertuurin tutka (SAR); tutkakuvaus
Tiivistelmä | Näytä lisätiedot | Artikkeli PDF-muodossa | Tekijä
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 Sähköposti: mikko.vastaranta@helsinki.fi (sähköposti)
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
Avainsanat: laserkeilaus; lisäinformaatio; lahopuuston inventointi
Tiivistelmä | Näytä lisätiedot | Artikkeli PDF-muodossa | Tekijä
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 Sähköposti: annukka.pesonen@uef.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