Artikkelit jotka sisältää sanan 'laserkeilaus'

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 (C_th) 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 (ABA_EdgeITD) 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 https://orcid.org/0000-0001-6240-077X Sähköposti: mohammad.imangholiloo@helsinki.fi

Ilmastonmuutos ja luonnon monimuotoisuuden hupeneminen ovat synnyttäneet tarpeen tarkalle ja laaja-alaiselle metsävaratiedolle. Lentolaserkeilaus mahdollistaa tällaisen tiedon keräämisen tehokkaasti. Lahopuu on metsäympäristön keskeinen komponentti, sillä se sitoo hiiltä ja toimii elinympäristönä lukuisille eliölajeille. Lahopuukartoituksella kerätään paikkatietoa monimuotoisuuden kannalta merkittävistä kohteista. Tämä tieto on hyödyllistä esimerkiksi suojelu- ja entisöintitoimenpiteiden kohdentamisessa. Tämän väitöskirjan tavoitteena oli kehittää automaattisia menetelmiä yksittäisten maa- ja pystylahopuiden kartoittamiseksi lentolaserkeilausaineistosta.

Osatutkimuksissa I ja II kehitettiin viivojen tunnistukseen perustuva menetelmä kaatuneiden puiden kartoittamiseksi. Tämän menetelmän toimintaa tutkittiin lentolaserkeilausaineistolla, jonka pistetiheys oli noin 15 pistettä/m2 sekä dronella kerätyllä laserkeilausaineistolla, jonka pistetiheys oli noin 285 pistettä/m2. Tämän lisäksi osatutkimuksissa tarkasteltiin menetelmän toimintatarkkuuteen vaikuttavia tekijöitä. Osatutkimukset osoittivat, että kaatuneiden puiden pituus ja läpimitta vaikuttavat niiden tunnistustodennäköisyyteen ja että merkittävä osa suurista lahopuista saadaan kartoitettua kehitetyllä menetelmällä. Tämän lisäksi aluskasvillisuuden määrän ja tyypin sekä kaatuneita puita ympäröivien elävien puiden koon havaittiin vaikuttavan menetelmän toimintatarkkuuteen. Osatutkimus II osoitti myös, että laserkeilausaineiston pistetiheyden kasvattaminen ei automaattisesti paranna menetelmän toimintatarkkuutta, jos menetelmä ei kykene ottamaan huomioon lisääntynyttä kohinan ja yksityiskohtien määrää.

Osatutkimuksessa III tarkasteltiin dronella kerätyn tiheän laserkeilausaineiston soveltuvuutta yksittäisten pystylahopuiden kartoitukseen. Osatutkimuksessa kehitettiin kolmivaiheinen tunnistusmenetelmä, joka koostui yksittäisten puiden segmentoinnista, piirteiden laskennasta ja koneoppimispohjaisesta luokittelusta. Osatutkimus osoitti, että pelkästään puiden geometrisiin piirteisiin pohjautuvan tunnistusmenetelmän toimintatarkkuus on vaatimaton. Kuolleiden pystypuiden kartoittamiseksi laserkeilausaineisto tulisikin yhdistää spektritietoa sisältävien kaukokartoitusaineistojen, kuten ilmakuvien kanssa.

Tämän väitöskirjan tulokset parantavat ymmärrystämme muuttujista, jotka tulisi huomioida laserkeilauspohjaisessa lahopuukartoituksessa. Vaikka kaukokartoituspohjaiseen lahopuukartoitukseen liittyy edelleen merkittäviä haasteita, tämä väitöskirja on askel kohti laajamittaista kaukokartoituspohjaista monimuotoisuuden kartoitusta.

• Heinaro, University of Helsinki, Faculty of Agriculture and Forestry, Department of Forest Sciences https://orcid.org/0000-0003-2606-6131 Sähköposti: einari.heinaro@helsinki.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

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

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 Sciences Sähköposti: katalin.waga@uef.fi

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

Metsien rakennetyyppien (FST) arviointi tarjoaa työkaluja erilaisten metsiköiden erotteluun, kestävään metsäsuunnitteluun ja tehokkaaseen päätöksentekoon. Tässä työssä hyödynnettiin neljää aineistoa kolmelta kasvillisuusvyöhykkeeltä, jotka olivat pohjoinen havumetsävyöhyke, lauhkean vyöhykkeen metsä ja välimerellinen metsä. Rakennetyyppien arvioinnissa tarkasteltiin seuraavia menetelmiä. Puiden kokovaihteluun perustuvaa Gini-kerrointa (GC) hyödynnettiin metsän rakenteen määrittelyyn pohjoisen havumetsävyöhykkeen tutkimusaineistossa. Lisäksi tarkasteltiin koealakoon, puuston kasvatustiheyden ja lentolaserkeilauksen (ALS) pistetiheyden vaikutusta ALS pohjaiseen Gini-kertoimen estimointiin. Toisekseen neljää rakennetunnusta, jotka olivat neliökeskiläpimitta (QMD); GC, keskineliöläpimittaa suurempien puiden pohjapinta-ala (BALM) ja puuston runkoluku (N), hyödynnettiin kehitettäessä kasvillisuusvyöhykkeistä riippumatonta metsien rakennetyyppien arviointia. Lopuksi määritettiin maksimaalinen entropia-arvo, joka luokittelee erilaisia pohjoisen havumetsävyöhykkeen metsien rakennetyyppejä suoraan lentolaserkeilauksen korkeustunnusten perusteella. Sen jälkeen puuston biomassaa ennustettiin erikseen rakennetyypeittäin ja koko aineistossa.

Tulokset osoittivat, että koealan koolla on suurin vaikutus Gini-kertoimen estimointiin ja että 250–450 m2 (ympyräkoealan säde 9–12 m) on optimaalisin koko. Edelleen Gini-kerroin ja keskineliöläpimittaa suurempien puiden pohjapinta-ala ovat luotettavimpia tunnuksia erottelemaan läpimittajakaumaltaan laskevat sekä yksi- ja monihuippuiset metsiköt. Neliökeskiläpimittaa ja runkolukua voidaan puolestaan hyödyntää erotellessa nuoria ja vanhoja sekä tiheitä ja harvoja metsiköitä. Lentolaserkeilaustunnusten perusteella määritettävä maksimaalinen entropia-arvo on 0,33, kun taas hyödynnettäessä puuston pohjapinta-alaa päädytään arvoon 0,5. Jos lentolaserkeilaukseen perustuvaa arvoa hyödynnetään aineiston osittamisessa, johtaa se biomassan ennustamisen vähäiseen tarkentumiseen. Osittamisella päädytään myös erilaisten ALS-piirteiden valintaan eri ositteiden malleissa. Esimerkiksi suuria korkeuskvantiileja käytetään eri-ikäisrakenteisten ja nuorten metsien biomassan ennustamisessa, kun taas latvuspeittoon ja keskimääräisiin korkeuskvantiileihin perustuvia ALS-piirteitä hyödynnetään tasaikäisrakenteisten ja sulkeutuneiden metsiköiden biomassojen ennustamisessa. Tuloksia voidaan hyödyntää lentolaserkeilaukseen perustuvien piirteiden valinnassa erityisesti puustoltaan heterogeenisissä metsissä.

• Adnan, University of Eastern Finland, Faculty of Science and Forestry, School of Forest Sciences Sähköposti: adnan.adnan@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

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

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

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.

• White, University of Helsinki, Department of Forest Sciences https://orcid.org/0000-0003-4674-0373 Sähköposti: joanne.white@canada.ca

• Tanhuanpää, University of Helsinki, Department of Forest Sciences Sähköposti: topi.tanhuanpaa@helsinki.fi

• Melin, University of Eastern Finland, School of Forest Sciences Sähköposti: markus.melin@uef.fi

• Valbuena, University of Eastern Finland, School of Forest Sciences Sähköposti: rubenval@uef.fi

• Hovi, University of Helsinki, Department of Forest Sciences Sähköposti: aarne.hovi@helsinki.fi

• Kankare, University of Helsinki, Department of Forest Sciences Sähköposti: ville.kankare@helsinki.fi

• Pippuri, University of Eastern Finland, School of Forest Sciences Sähköposti: inka.pippuri@uef.fi

• Hou, University of Eastern Finland, School of Forest Sciences Sähköposti: hou.zhengyang@gmail.com

• Vastaranta, University of Helsinki, Department of Forest Sciences Sähköposti: mikko.vastaranta@helsinki.fi

• Korhonen, University of Eastern Finland, School of Forest Sciences Sähköposti: lauri.korhonen@uef.fi

• Pesonen, University of Eastern Finland, School of Forest Sciences Sähköposti: annukka.pesonen@uef.fi

• Packalén, University of Joensuu, Faculty of Forest Sciences Sähköposti: petteri.packalen@joensuu.fi