Tässä väitöskirjassa arvioidaan lentolaserkeilauksen (ALS) perusteella tehtävän metsänarvioinnin, mobiilipohjaisten konenäkömenetelmien ja operatiivisten hakkuukonetiedon sovellettavuutta metsän inventointien ja käytön kehittämiseen. Tutkimuksessa keskitytään arvioimaan kaukokartoituksen ja mobiilipohjaisen konenäön avulla saatujen tilavuuksien tarkkuutta verrattuna operatiivisiin hakkuukoneiden mittauksiin, sekä parantamaan kaukokartoitukseen pohjautuvia arvioita tilavuudesta soveltamalla hakkuukoneiden mittauksia ja muita laaja-alaisia paikkatietoaineistoja.
Ensimmäisessä tutkimuksessani tarkastelin ALS:stä johdettujen Metsään.fi-kuviotietojen tarkkuutta vertaamalla niitä hakkuukoneiden mittaamiin operatiivisiin tietoihin. Tulokset osoittivat Metsään.fi-tiedon yliarvioivan tukkikertymää, erityisesti kuusen (Picea abies (L.) Karst.) osalta, vaikka pääpuulajin määritys sinällään oli onnistunut hyvin.
Toisessa tutkimuksessani arvioin Trestima-älypuhelinsovelluksen tarkkuutta leimikon ennakkomittauksessa, ja tulokseni osoittivat, että riittämätön valokuvien määrä metsikössä johti heikkoon mittaustarkkuuteen. Kun sovellusta käytettiin ohjeiden mukaisesti ottamalla riittävä määrä kuvia, suorituskyky parani. Arviot kuusen osalta olivat tarkempia, kun taas sovellus aliarvioi hieman mäntyjen (Pinus sylvestris L.) tilavuutta.
Kolmannessa tutkimuksessani tarkastelin Metsään.fi-tietojen ja muiden laaja-alaisten paikkatietoaineistojen avulla tukkipuun tilavuuden ennustamista operatiivisten hakkuukonetietojen avulla. Satunnaismetsä -malli toimi parhaiten tukkipuun todellisten määrien ennustamisessa. Mallipohjainen lähestymistapa paransi huomattavasti tukkipuun tilavuusennusteita männylle verrattuna alkuperäisiin Metsään.fi-arvioihin.
Tämän väitöskirjan tulokset osoittavat, että kaukokartoitus- ja konenäköpohjaiset menetelmät ovat toimivia eri puutavaralajien ja tukkiprosenttien ennustamisessa, mutta niitä voitaisiin edelleen kehittää käyttämällä avoimesti saatavilla olevia paikkatietoaineistoja. Vaikka tähän liittyy tiettyjä rajoituksia, parantuneet tiedonkeruumenetelmät ja edistyneet mallinnustekniikat voivat parantaa metsäninventoinnin tarkkuutta ja käytettävyyttä operatiivisessa metsätaloudessa. Tämän väitöskirjan tulokset edistävät tehokkaampien ja aineistopohjaisten metsäninventointikäytäntöjen kehittämistä, jotka voivat helpottaa resurssien parempaa kohdentamista ja kestävyyttä pohjoismaisessa metsätaloudessa.
Ilmaston lämpeneminen, biologisen monimuotoisuuden väheneminen ja luonnon häiriöiden lisääntyminen korostavat kestävän metsänhoidon tarvetta, mikä edellyttää puiden kasvun ja kilpailun ymmärtämistä. Tämä väitöskirja pyrkii kehittämään menetelmiä runkojen ja latvusten kasvun sekä kilpailun arvioimiseksi laserkeilausaineistojen avulla, tutkien niiden soveltuvuutta kilpailudynamiikan ja kasvumallien arviointiin metsäkuvioilla. Tutkimuksessa I kehitettiin menetelmiä runko- ja latvuskilpailun arviointiin maalaserkeilauksen (TLS) avulla ja tutkittiin harvennuskäsittelyjen vaikutuksia kilpailuun mäntyvaltaisissa (Pinus sylvestris L.) metsissä. Tulokset osoittivat, että TLS mahdollistaa puun latvusominaisuuksien ja kasvutilan tarkemman arvioinnin, tarjoten uuden näkökulman puiden välisen kilpailun ymmärtämiseen. Tutkimuksessa II tarkasteltiin kaksiaikaisten TLS- ja lentolaserkeilaus (ALS) aineistojen käyttöä runkotilavuuden kasvun (ΔV) ja latvusrakenteen (sekä sen muutoksen) välisen suhteen arvioimiseksi 7 vuoden ajanjaksolla. Tulokset osoittivat, että multisensoriset laserkeilausaineistot voivat toimia tehokkaina välineinä ΔV:n ja latvusrakenteen välisen suhteen arvioinnissa. Tutkimuksessa III tarkasteltiin TLS- ja ALS-aineiston käyttökelpoisuutta yksittäisten puiden kilpailustressin kuvaamiseen kahdella lähestymistavalla: objektipohjaisella ja pistepilvipohjaisella. Objektipohjaiset kilpailuindeksit (CI:t) korreloivat vahvemmin maastopohjaisten CI-arvojen kanssa ja olivat johdonmukaisempia TLS- ja ALS-aineistojen välillä. Yhteenvetona tämä väitöskirja osoittaa, että kehitetyt laserkeilausmenetelmät soveltuvat puiden kasvun ja kilpailun arviointiin, parantaen ymmärrystä puiden kasvusta ja niiden reaktioista ympäröivään kilpailuun. Tulokset tarjoavat konkreettisia askelia kohti tarkempaa ja tehokkaampaa metsänhoitoa, vaikka menetelmien jatkokehitys on tarpeen niiden soveltamiseksi eri metsäekosysteemeissä.