Matti Maltamo (email)

Leimikon läpimittajakauman kuvaaminen hakkuukone- ja laserkeilausaineistojen avulla

Maltamo M. (2019). Leimikon läpimittajakauman kuvaaminen hakkuukone- ja laserkeilausaineistojen avulla. Metsätieteen aikakauskirja vuosikerta 2019 artikkeli 10235. https://doi.org/10.14214/ma.10235

Tekijä
  • Maltamo, Itä-Suomen yliopisto, Luonnontieteiden ja metsätieteiden tiedekunta, Metsätieteiden osasto, Joensuu Sähköposti matti.maltamo@uef.fi (sähköposti)

Vastaanotettu 28.8.2019 Hyväksytty 28.8.2019 Julkaistu 29.8.2019

Katselukerrat 1690

Saatavilla https://doi.org/10.14214/ma.10235 | Lataa PDF

Creative Commons License full-model-article10235

Seloste artikkelista Maltamo M., Hauglin K.M., Næsset E., Gobakken T. (2019). Estimating stand level stem diameter distribution utilizing accurately positioned tree-level harvester data and airborne laser scanning. Silva Fennica vol. 53 no. 3 article id 10075. https://doi.org/10.14214/sf.10075

Maastoaineiston keruu muodostaa huomattavan osan kustannuksista laserkeilaukseen perustuvassa metsäninventoinnissa. Lisäksi käytettävät koealat ovat yleensä niin pieniä, että inventoinnin tarkkuudesta ei saada realistista kuvaa operationaalisella kuviotasolla. Yksi mahdollisuus vähentää kustannuksia on hyödyntää muita tarkoituksia varten kerättyä olemassa olevaa maastoaineistoa kuten Valtakunnan Metsien Inventoinnin koealoja. Metsän hakkuun yhteydessä hakkuukone kerää kattavasti tietoa kaadetuista puista. Tiedon hyödyntämistä metsäninventoinnissa on hankaloittanut hakkuupään tarkan paikannustiedon puuttuminen. Viime aikoina on kuitenkin esitetty teknisiä ratkaisuja, joiden avulla saadaan hakkuukoneen tuottama paikannustieto puutasolla, jolloin paikannusvirhe on noin metri eli samaa luokkaa kuin maastokoealoilla.

Tässä tutkimuksessa tarkasteltiin tarkkaan paikannetun hakkuukonetiedon hyödyntämistä puuston läpimittajakauman ja siihen liittyvien puustotunnusten kuvauksessa. Hakkuukonetietoa hyödynnettiin sekä mallitusaineistona koealatasolla, jolloin jakaumat ennustettiin laserkeilauspiirteiden avulla, että tarkastellessa ennustettujen jakaumatunnusten tarkkuutta leimikkotasolla. Tutkimuksessa vertailtiin myös erilaisia mallituskoealakokoja, jotka olivat 200, 400, 900 ja 1600 m2.

Tutkimusaineiston muodosti 47 erillistä kuusivaltaista päätehakkuualuetta Romeriken alueelta Norjasta. Jokaiselle alueella sijoiteltiin systemaattisesti ja kattavasti erikokoisia koealoja sen mukaan, kun niitä alueen sisälle mahtui. Tästä johtuen jokaisella koealakoolla oli eri määrä sekä mallituskoealoja että tulosten validoinnissa käytettäviä leimikoita. Esimerkiksi koealakoolla 200 m2 käytettävissä oli kaiken kaikkiaan 2306 koealaa. Alueelta oli käytettävissä myös harvapulssinen laseraineisto, josta hyödynnettiin aluepohjaisia piirteitä.

Läpimittajakaumien mallituksessa käytettiin epäparametrista k-lähimmän naapurin (k-nn) menetelmää. Tulosten tarkkuuden tarkastelussa hyödynnettiin ristiin validointia, jolloin kulloinkin tarkasteltavan leimikon kaikki koealat poistettiin mallitusaineistosta. Tämän lisäksi poistettiin myös puuston tilavuuden havaitun autokorrelaation takia naapurileimikot, jos ne sijaitsivat lähempänä kuin 200 metriä kohdeleimikosta. Tuloksia tarkasteltiin kahdella eri tavalla. Ensinnäkin hyödyntäen kullakin mallituskoealakoolla vain niitä leimikoita, joiden pinta-ala oli yli 0,5 hehtaaria. Tällöin tarkasteltavien leimikoiden määrä vaihteli koealakoon mukaan. Tällä tarkastelulla haluttiin jäljitellä hakkuiden operationaalista leimikkokokoa. Toisekseen tarkasteltiin kaikkia niitä leimikoita (n = 15), jotka olivat mukana suurimman mallituskoealakoon 1600 m2 aineistossa ja siten myös pienempien koealakokojen aineistoissa. Tällä tarkastelulla haluttiin puolestaan vertailla eri mallituskoelakokojen tarkkuutta keskenään mahdollisimman yhdenmukaisella leimikkoaineistolla.

Tulosten perusteella läpimittajakauma pystyttiin ennustamaan erittäin tarkasti erityisesti mallituskoealakokoja 200 m2 ja 400 m2 käyttäen. Alimmillaan ennustetun ainespuutilavuuden suhteellinen keskineliövirheen neliöjuuri (RMSE) oli alle 9 % leimikkotasolla. Myös muut tunnukset, kuten esimerkiksi jakaumien muodon vertailussa hyödynnetty virheindeksi, tuottivat leimikkotasolla erittäin pieniä arvoja. Tulokset olivat pääsääntöisesti hieman huonompia suurempia koealakokoja käytettäessä, joskin täytyy myös muistaa, että mallituskoeala-aineiston havaintojen määrä oli tällöin huomattavasti pienempi. Kahden eri leimikkotason tarkkuustarkastelun välillä ei havaittu merkittäviä eroja. Työssä tarkasteltiin myös ennustettuja läpimittajakaumia. Esimerkkikuvan (Kuva 1) jakauma on leimikosta, jolla saavutettiin pienin virheindeksin arvo. Laserpiirteillä ennustettu 200 m2 mallituskoealakokoa hyödyntävä leimikkotason jakauma noudattaa jopa pienipiirteisesti (lievä kolmihuippuisuus) maastossa havaittua jakaumaa.

1

Kuva 1. Leimikolle k-lähimmän naapurin menetelmällä laserpiirteillä ennustettu läpimittajakauma käyttäen 200 m2 mallituskoealakokoa sekä vastaava hakkuukoneen tuottama puujoukko.

Tämä tutkimus osoitti, että tarkasti paikannettu hakkuukoneaineisto mahdollistaa lukuisten mallituskoealojen käytön puustotunnusten ennustamisessa ja tulosten tarkkuuden tarkastelun todellisella leimikkotasolla. Erityisesti jälkimmäinen asia on erittäin merkittävä, sillä aiemmin tulosten tarkastelu on yleensä tehty huomattavasti pienemmillä pinta-aloilla. Tulokset osoittivat, että puustotunnuksia pystytään ennustamaan erityisen tarkasti, mutta toisaalta täytyy muistaa, että tutkimuksen aineisto on paikallinen sisältäen vähän vaihtelua ja vain hakkuukypsiä metsiköitä. Tämä on kuitenkin lähes aina sovellustilanne, kun hyödynnetään yhdessä hakkuukone-ja kaukokartoitusaineistoja.

Kirjallisuutta

Hauglin M., Hansen E., Næsset E., Busterud B.E., Omholt Gjevestad J.G., Gobakken T. (2017). Accurate single-tree positions from a harvester: a test of two global satellite-based positioning systems. Scandinavian Journal of Forest Research 32(8): 774–781. https://doi.org/10.1080/02827581.2017.1296967.

Hauglin M., Hansen E., Sørngård E., Næsset E., Gobakken T. (2018). Utilizing accurately positioned harvester data: modelling forest volume with airborne laser scanning. Canadian Journal of Forest Research 48(8): 913–922. https://doi.org/10.1139/cjfr-2017-0467.

Peuhkurinen J., Maltamo M., Malinen J. (2008). Estimating species-specific height-diameter distributions and saw log recoveries from ALS data and aerial photographs: a distribution-based approach. Silva Fennica 42(4): 625–641. https://doi.org/10.14214/sf.237.


Rekisteröidy
Click this link to register to Metsätieteen aikakauskirja.
Kirjaudu sisään
Jos olet rekisteröitynyt käyttäjä, kirjaudu sisään tallentaaksesi valitsemasi artikkelit myöhempää käyttöä varten.
Ilmoitukset päivityksistä
Kirjautumalla saat tiedotteet uudesta julkaisusta
Valitsemasi artikkelit
Hakutulokset
Eerikäinen H., Packalén P. et al. (2010) Metsätieteen aikakauskirja vol. 2010 no. 2 artikkeli 5739
Närhi M., Maltamo M. et al. (2008) Metsätieteen aikakauskirja vol. 2008 no. 1 artikkeli 6419
Pesonen A., Korhonen K. T. et al. (2007) Metsätieteen aikakauskirja vol. 2007 no. 2 artikkeli 6695
Uuttera J., Anttila P. et al. (1970) Metsätieteen aikakauskirja vol. 2006 no. 4 artikkeli 6317
Suvanto A., Maltamo M. et al. (1970) Metsätieteen aikakauskirja vol. 2005 no. 4 artikkeli 6138
Kangas A., Heikkinen E. et al. (1970) Metsätieteen aikakauskirja vol. 2002 no. 3 artikkeli 6181
Maltamo M., Haara A. et al. (1970) Metsätieteen aikakauskirja vol. 2002 no. 3 artikkeli 6180
Rouvinen S., Kangas A. et al. (1970) Metsätieteen aikakauskirja vol. 1997 no. 4 artikkeli 6234
Maltamo M., Packalén P. et al. (2008) Metsätieteen aikakauskirja vol. 2008 no. 4 artikkeli 6834
Hardenbol A. A., Kuzmin A. et al. (2021) Metsätieteen aikakauskirja vol. 2021 no. 0 artikkeli 10651
Kukkonen M., Kotivuori E. et al. (2021) Metsätieteen aikakauskirja vol. 2021 no. 0 artikkeli 10558
Karjalainen T., Packalen P. et al. (2020) Metsätieteen aikakauskirja vol. 2020 no. 0 artikkeli 10304
Korhonen L., Repola J. et al. (2019) Metsätieteen aikakauskirja vol. 2019 no. 0 artikkeli 10236
Maltamo M., (2019) Metsätieteen aikakauskirja vol. 2019 no. 0 artikkeli 10235
Maltamo M., Karjalainen T. et al. (2018) Metsätieteen aikakauskirja vol. 2018 no. 0 artikkeli 10033
Korhonen L., Pippuri I. et al. (2013) Metsätieteen aikakauskirja vol. 2013 no. 2 artikkeli 6892
Korpela I., Ørka H. O. et al. (2010) Metsätieteen aikakauskirja vol. 2010 no. 3 artikkeli 5918
Suvanto A., Maltamo M. (2010) Metsätieteen aikakauskirja vol. 2010 no. 3 artikkeli 5917
Maltamo M., Peuhkurinen J. et al. (2009) Metsätieteen aikakauskirja vol. 2009 no. 4 artikkeli 6350
Peuhkurinen J., Maltamo M. et al. (2008) Metsätieteen aikakauskirja vol. 2008 no. 3 artikkeli 6397
Korhonen L., Korhonen K. T. et al. (2007) Metsätieteen aikakauskirja vol. 2007 no. 4 artikkeli 5989
Mehtätalo L., Maltamo M. et al. (1970) Metsätieteen aikakauskirja vol. 2006 no. 3 artikkeli 5703
Hotanen J.-P., Maltamo M. et al. (1970) Metsätieteen aikakauskirja vol. 2006 no. 1 artikkeli 5730
Kangas A., Maltamo M. (1970) Metsätieteen aikakauskirja vol. 2002 no. 4 artikkeli 6211
Sironen S., Kangas A. et al. (1970) Metsätieteen aikakauskirja vol. 2002 no. 1 artikkeli 6554
Maltamo M., Eerikäinen K. (1970) Metsätieteen aikakauskirja vol. 2001 no. 4 artikkeli 6173
Kangas A., Maltamo M. (1970) Metsätieteen aikakauskirja vol. 2000 no. 4 artikkeli 6075
Kangas A., Maltamo M. (1970) Metsätieteen aikakauskirja vol. 2000 no. 4 artikkeli 6074
Uuttera J., Maltamo M. (1970) Metsätieteen aikakauskirja vol. 1998 no. 3 artikkeli 6579
Pyörälä J., Räsänen T. et al. (2019) Finnish Metsätieteen aikakauskirja vol. 2019 no. 0 artikkeli 10253