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.
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 pistepilvimenetelmiä elävien ja kaatuneiden puiden kartoitukseen sekä testata kehitettyjen menetelmien toimivuutta ja sovellettavuutta metsän rakenteen tarkasteluun boreaalisissa metsissä.
Osajulkaisuissa I–III kehitettiin pistepilvimenetelmiä 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.
Hyönteisten aiheuttamat metsätuhot lisääntyvät ilmaston muuttuessa. Kotoperäisten hyönteislajien lisäksi vieraslajit uhkaavat metsien terveyttä. Saman aikaisesti tuhojen lisääntyessä, lisääntyy myös niiden ennustamiseen liittyvä epävarmuus. Tehokkaita menetelmiä metsien terveyden seurantaan tarvitaan kiireellisesti, jotta tuhoista aiheutuvia negatiivisia vaikutuksia voitaisiin ehkäistä tai vähentää. Tehokkaan metsien terveyden seurannan tueksi tarvitaan valtava määrä tarkkaa tietoa laajoilta alueilta. Tietoja on myös pystyttävä päivittämään usein. Tarvittavaa tietoa ei voida tuottaa ainoastaan perinteisiin menetelmiin tukeutuen. Viime aikojen nopea kehitys kaukokartoitus- ja paikkatietomenetelmissä, kuten myös spatiaalisten mallien ja algoritmien kehitys, on tuottanut uusia tehokkaita keinoja metsävarojen seurantaan. Näiden menetelmien mukauttaminen metsätuhojen kartoitukseen ja metsien terveyden seurantaan on vaativaa. Metsänterveyden seurantaan liittyvä epävarmuus vaikuttaa myös menetelmien soveltamiseen.
Väitöskirja koostuu yhteenvedosta ja kuudesta osajulkaisusta, joissa tutkitaan hyönteistuhojen seurantaa ja arviointia monella eri mittakaavalla. Tutkimuksissa on hyödynnetty useita eri kaukokartoitus- ja mallinnusmenetelmiä. Tarkastelun mittakaava vaihtelee yksittäisen puun tasolta mannertason malleihin. Työssä vertaillaan myös hyönteistuhojen seurantaa erityyppisillä metsäalueilla Fennoskandiasta Pohjois-Amerikkaan. Tuhon laajuus, intensiteetti ja jakautuminen maastossa vaihtelevat huomattavasti, riippuen muun muassa hyönteislajista ja alueesta. Tästä vaihtelevuudesta johtuen kaukokartoitus ja mallinnusmenetelmät tulee tarkasti valita niin, että ne sopeutuvat kyseisen tuhon havaitsemiseen ja seurantaan. Myös käytettävä tieto ja aineistot vaikuttavat sopivien menetelmien ja mittakaavan valintaan. Spatiaalinen resoluutio, sekä mittakaava, jolla tuhoa tarkastellaan ovat tärkeässä asemassa seurannan onnistumisen kannalta. Seurannan ajoitus ja temporaalinen resoluutio vaikuttavat huomattavasti siihen, voidaanko kyseessä oleva tuho havaita ilmasta käsin. Oikea ajoitus vaikuttaa myös hyönteistuhojen negatiivisia seurauksia vähentävien toimenpiteiden oikea-aikaiseen toteutukseen.
Metsien terveyden kattava seuranta olisi saatava osaksi metsäalueitten monitorointijärjestelmiä. Tämä seuranta sisältäisi parhaimmillaan yhdistelmän korkean ja matalan resoluution kaukokartoitusta ja spatiaalisia malleja, joita yhdistelemällä voitaisiin taata joustava ja kustannustehokas metsien terveyden monitorointijärjestelmä, joka toimisi erilaisissa ympäristöissä yli ilmasto- ja kasvillisuusgradienttien. Nopeasti kehittyvä satelliittiteknologia, sekä vapaasti käytettävät aineistot saattavat olla tärkeä osa järjestelmiä. Viime aikaisesta kehityksestä huolimatta, runsaasti uutta tutkimusta on vielä tehtävä, ennen kuin metsien terveyden tehokas seuranta voidaan mukauttaa käytännön tasolle.