Artikkelit jotka sisältää sanan 'point cloud processing'

Kategoria : Articles

Einari Heinaro. (2023). Detecting individual dead trees using airborne laser scanning. https://doi.org/10.14214/df.343
Avainsanat: lahopuu; laserkeilaus; pistepilvien prosessointi; monimuotoisuuden seuranta
Tiivistelmä | Näytä lisätiedot | Artikkeli PDF-muodossa | Tekijä

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.

Ville Luoma. (2022). Measuring tree growth using terrestrial laser scanning. https://doi.org/10.14214/df.329
Avainsanat: LiDAR; metsänarvioimistiede; TLS; metsän mittaus; muutosten seuranta; pistepilvien prosessointi; puiden kasvun kohdentuminen
Tiivistelmä | Näytä lisätiedot | Artikkeli PDF-muodossa | Tekijä

Metsät ovat kokonaisuus, joka on jatkuvan muutoksen alaisena. Keskeisimpiä luonnollisia syitä metsissä tapahtuville muutoksille ovat puiden kasvu, vaurioituminen ja kuolema. Puiden kasvu ilmenee puun eri osien koon muutoksena. Vallalla olevan käsityksen mukaan puiden kasvu noudattaa teoriaa, jossa puu kohdistaa kasvuresurssejaan ensin latvukseen, saavuttaakseen puiden välisessä kilpailussa riittävät valo-olosuhteet, minkä jälkeen resursseja voi kohdistaa myös rungon läpimitan kasvattamiseen. Kasvua voidaan mitata keräämällä toistuvia havaintoja jostain tunnuksesta valitulla ajanjaksolla. Aiemmat tutkimukset ovat jo osoittaneet puiden kasvun vaikuttavan esimerkiksi puun laatuun ja niiden kykyyn sitoa hiiltä, mutta voidaksemme ymmärtää entistä paremmin puiden kasvun syitä ja sen vaikutuksia, tarvitaan uusia menetelmiä puissa ja metsissä tapahtuvien muutosten määrittämiseksi.

Maastolaserkeilauksesta (TLS) on tullut 2000-luvun aikana menetelmä, jolla tuotetuista yksittäisiä puita tai metsiä kuvaavista 3D-pistepilvistä voidaan määrittää tarkasti puun mittoja ja ominaisuuksia. TLS-pistepilviä ei kuitenkaan ole vielä hyödynnetty laajemmin puiden kasvun mittaamisessa. Tämän väitöskirjatyön tavoitteena oli kehittää menetelmiä puiden kasvun mittaamiseksi boreaalisissa metsissä kahden ajankohdan TLS-pistepilviltä. Lisäksi tavoitteena oli tuottaa uutta tietoa puiden kasvusta eri olosuhteissa ja kehitysvaiheissa tutkimalla TLS-pistepilviltä puiden runkomuodon muutosta ja kasvun kohdentumista rungon eri osiin. Väitöskirjatutkimuksessa seurattiin yhteensä 1315 puun kasvua viiden ja yhdeksän vuoden ajanjaksoilla.

Väitöskirjan osajulkaisu I osoitti TLS-pistepilvien käyttökelpoisuuden puiden kasvun mittaamiseen. Osajulkaisuissa II ja III tutkittiin automatisoidun menetelmän soveltuvuutta kasvun mittaukseen. Automaattinen menetelmä onnistui havaitsemaan kahden ajankohdan TLS-pistepilvistä puut, jotka vastasivat pohjapinta-alaltaan 84.5 prosenttia koko tutkimuskohteiden puuston pohjapinta-alasta. Puiden rinnankorkeusläpimitassa, pituudessa sekä runko- ja tukkitilavuudessa havaittiin tilastollisesti merkitseviä muutoksia tarkastelujakson aikana. Puiden kasvu ja tilavuuskasvun kohdentuminen oli samankaltaisempaa rakenteeltaan samanlaisissa metsiköissä.

Tämän väitöskirjatutkimuksen tulokset osoittavat kahden ajankohdan TLS-pistepilvien soveltuvuuden puiden kasvun ja metsien rakenteessa tapahtuvien muutosten seurantaan. TLS-pistepilviä hyödyntämällä voidaan saada lisätietoa puiden kasvusta, mikä on tarpeen, jotta olisi mahdollista ymmärtää entistä paremmin metsissä tapahtuviin muutoksiin vaikuttavia tekijöitä. Parantunut ymmärrys ja lisääntynyt tieto voi olla erityisen arvokasta aloilla, joilla tarvitaan yksityiskohtaista tietoa puiden kasvusta ja metsien rakenteen muutoksista.

  • Luoma, University of Helsinki, Faculty of Agriculture and Forestry, Department of Forest Sciences Sähköposti: ville.luoma@helsinki.fi
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)

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