Alwin A. Hardenbol, Anton Kuzmin, Lauri Korhonen, Pasi Korpelainen, Timo Kumpula, Matti Maltamo (email), Jari Kouki

Haapojen tunnistaminen havupuuvaltaisessa vanhassa metsässä eri vuodenaikojen droonikuva-aineistoista

Hardenbol A. A., Kuzmin A., Korhonen L., Korpelainen P., Kumpula T., Maltamo M., Kouki J. (2021). Haapojen tunnistaminen havupuuvaltaisessa vanhassa metsässä eri vuodenaikojen droonikuva-aineistoista. Metsätieteen aikakauskirja vuosikerta 2021 artikkeli id 10651. https://doi.org/10.14214/ma.10651

Tekijät
  • Hardenbol, Itä-Suomen yliopisto, Metsätieteiden osasto, Joensuu ORCID ID:Sähköposti alwin.hardenbol@uef.fi
  • Kuzmin, Itä-Suomen yliopisto, Metsätieteiden osasto, Joensuu; Itä-Suomen yliopisto, Historia- ja maantieteiden laitos, Joensuu ORCID ID:Sähköposti anton.kuzmin@uef.fi
  • Korhonen, Itä-Suomen yliopisto, Metsätieteiden osasto, Joensuu ORCID ID:Sähköposti lauri.korhonen@uef.fi
  • Korpelainen, Itä-Suomen yliopisto, Historia- ja maantieteiden laitos, Joensuu ORCID ID:Sähköposti pasi.korpelainen@uef.fi
  • Kumpula, Itä-Suomen yliopisto, Historia- ja maantieteiden laitos, Joensuu ORCID ID:Sähköposti timo.kumpula@uef.fi
  • Maltamo, Itä-Suomen yliopisto, Metsätieteiden osasto, Joensuu ORCID ID:Sähköposti matti.maltamo@uef.fi (email)
  • Kouki, Itä-Suomen yliopisto, Metsätieteiden osasto, Joensuu ORCID ID:Sähköposti jari.kouki@uef.fi

Vastaanotettu 8.10.2021 Hyväksytty 10.10.2021 Julkaistu 12.10.2021

Katselukerrat 2367

Saatavilla https://doi.org/10.14214/ma.10651 | Lataa PDF

Creative Commons -lisenssi full-model-article10651

Seloste artikkelista Hardenbol A.A., Kuzmin A., Korhonen L., Korpelainen P., Kumpula T., Maltamo M., Kouki J. (2021). Detection of aspen in conifer-dominated boreal forests with seasonal multispectral drone image point clouds. Silva Fennica vol. 55 no. 4 article id 10515. https://doi.org/10.14214/sf.10515

Haapa (Populus tremula L.) on erityisen arvokas puulaji luonnon monimuotoisuuden kannalta, sillä monet metsien eliölajit ja myös monet uhanalaiset lajit elävät haapapuilla. Metsän inventoinnin näkökulmasta haapa kasvaa yleensä ryhmittäisesti sivupuulajina ja erityisesti kaukokartoitussovelluksissa se jää usein ottamatta huomioon, sillä lehtipuita käsitellään yleensä yhtenä puulajiryhmänä. Jos kaukokartoitusaineistoa tulkitaan yksinpuin, mahdollistaa tämä paremmin haavan tunnistamisen. Aihepiiristä on julkaistu jonkin verran tutkimuksia, joissa on hyödynnetty ilmakuva-, laser ja hyperspektriaineistoja. Näissä töissä haavan luokittelun tarkkuus on vaihdellut, mutta viimeaikaisissa, osittain vanhoissa metsissä tehdyissä tutkimuksissa, se on ollut noin 90 %. Eräs haavan erotteluun liittyvä tekijä on vuodenaikaisvaihtelu. Tähän liittyviä vaiheita ovat keväinen lehtien puhkeaminen, kasvaminen ja vihertyminen sekä vastaavasti syksyinen ruska ja lehtien putoaminen. Eri lehtipuulajeilla nämä vaiheet tapahtuvat osittain eri aikoihin, mikä edesauttaa erottelua. Kaukokartoitusaineistojen aikasarjat mahdollistavat vuodenaikaisvaihtelun seuraamisen ja hyödyntämisen puulajitulkinnassa. Eräs tapa kerätä aikasarja-aineistoa on droonilla tehtävä ilmakuvaus. Tässä tutkimuksessa selvitettiin haavan vuodenaikaista erottelua muista puulajeista havupuuvaltaisella vanhan metsän alueella hyödyntäen droonilla kerättyä monikanavaista ilmakuva-aineistoa.

Tutkimusalueena käytettiin Lieksan Jyrinvaarassa sijaitsevaa yhdeksän hehtaarin suuruista vanhan metsän aluetta, jolta kartoitettiin 106 haapaa, 160 koivua, 122 kuusta ja 122 mäntyä. Haapojen rinnankorkeusläpimitta oli minimissään 25 cm. Droonikuvauksessa käytettiin monikanavasensoria, jolla saatiin kuvat yhtä aikaa sinisen, vihreän, punaisen, punaisen reunan ja lähi-infrapunan aallonpituusalueilta. Aineistoa kerättiin vuonna 2019 ajankohtina 13.5., 22.5., 30.5., 13.6. ja 27.9. Lisäksi viimeisenä ajankohtana tehtiin myös spatiaalisesti tarkempi RGB-kuvaus näkyvän valon aallonpituusalueilla. Suhteessa haavan vuodenaikaisvaihteluun nämä ajankohdat kuvasivat lehdetöntä aikaa, varhaista lehtien puhkeamista, myöhäistä lehtien puhkeamista, vihreää aikaa ja ruskaa. Vastaavasti koivun osalta ajankohdat kuvasivat myöhäistä lehtien puhkeamista, kolmea vihreää aikaa ja ruskaa. Kyseisiä puulajikohtaisia eroja monikanavakuvilla on esitetty Kuvassa 1. Kuvilta muodostettiin fotogrammetrinen pistepilvi, jolta suoritettiin yksinpuintulkinta ja latvusten segmentointi sekä automaattisesti (monikanava- ja RGB-kuvat) että manuaalisesti (RGB-kuvat). Puukohtaisten segmenttien alueelta laskettiin monikanava-aineiston eri kuvausajankohtien pistepilvistä joukko korkeuteen ja sävyarvoihin liittyviä selittäjiä. Lopuksi puulajit luokiteltiin ristiinvalidoituina käyttäen viiden selittäjän lineaarista erotteluanalyysia.

1

Kuva 1. Monikanavakuvasarjat viideltä eri ajankohdalta kuvastaen koivun (keltainen piste) ja haavan (vihreä piste) kehitysvaiheita.

Tulokset osoittivat, että haapa erottui muista puulajeista hyvin. Korkeimmillaan saavutettiin 97 prosentin tarkkuus toukokuun 13. päivän lehdettömistä kuvista tehdyssä luokittelussa hyödyntäen manuaalista segmentointia. Vastaavassa aineistossa kaikkien neljän tarkastellun puulajin oikeinluokitteluprosentti oli 95. Epätarkinta puulajien luokittelu oli syyskuussa kuvatun aineiston perusteella, jolloin haapa ja koivu sekoittuivat eniten toisiinsa. Vertailtaessa automaattisia segmentointeja RGB-pohjainen segmentointi oli monikanava-aineistoon perustuvaa segmentointia tarkempaa.

Tutkimuksessa päästiin kaiken kaikkiaan hyviin luokittelutuloksiin. Vuodenaikaisvaihtelun hyödyntäminen haavan tulkinnassa sisältää sekä etuja että ongelmia. Paras luokittelutulos saatiin keväällä haavan lehdettömään aikaan. Tämä onkin tutkimuksen keskeisin tulos. Toisaalta tulokset olivat huomattavasti epätarkempia syksykuvilla, vaikka yleisesti ottaen puulajeissa onkin tällöin havaittavissa selviä eroja. Ilmeisesti muutokset puuyksilöissä tapahtuvat syksyllä eri aikaan ja niiden huomioon ottaminen on vaikeampaa kuin keväällä. Lisäksi tutkimuksessa oli käytössä vain yksi kuvausajankohta syksyltä. Kaukokartoitusaineistojen näkökulmasta manuaalinen segmentointi johti automaattisista segmentointia tarkempaan lopputulokseen, mutta toisaalta manuaalinen segmentointi on laajemmilla inventointialueilla hitautensa takia epärealistista. Tässä tutkimuksessa se osoittikin lähinnä optimin, johon hyödynnetyillä aineistoilla voidaan päästä. Automaattinen segmentointi oli huomattavasti tarkempaa RGB-kuvilta. Vaikka varsinainen aikasarja kuvattaisiin monikanavasensorilla, kannattaa segmentoinnin takia tehdä myös RGB-kuvaus. Tutkimuksen lähestymistapa soveltuu erityisesti haapojen kartoittamiseen suojelualueilla. Tutkimus käsitteli vain suuria haapoja, joten pienempien kokoluokkien mukaan ottaminen edellyttää lisätutkimusta.

Lähteitä

Kuzmin A, Korhonen L, Kivinen S, Hurskainen P, Korpelainen P, Tanhuanpää T, Maltamo M, Vihervaara P, Kumpula T (2021) Detection of European aspen (Populus tremula L.) based on an unmanned aerial vehicle approach in boreal forests. Remote Sensing 13, article id 1723. https://doi.org/10.3390/rs13091723.

Mäyrä J, Keski-Saari S, Kivinen S, Tanhuanpää T, Hurskainen P, Kullberg P, Poikolainen L, Viinikka A, Tuominen S, Kumpula T, Vihervaara P (2021) Tree species classification from airborne hyperspectral and LiDAR data using 3D convolutional neural networks. Remote Sens Environ 256, article id 112322. https://doi.org/10.1016/j.rse.2021.112322.

Viinikka A, Hurskainen P, Keski-Saari S, Kivinen S, Tanhuanpää T, Mäyrä J, Poikolainen L, Vihervaara P, Kumpula T (2020) Detecting European aspen (Populus tremula L.) in boreal forests using airborne hyperspectral and airborne laser scanning data. Remote Sensing 12, article id 2610. https://doi.org/10.3390/rs12162610.


Rekisteröidy käyttäjäksi
Paina tätä linkkiä Metsätieteen aikakauskirjan käsikirjoituksen tarjoamis- ja seurantajärjestelmään (OJS) kirjautumiseen.
Kirjaudu sisään
Jos olet kirjautunut käyttäjäksi, kirjaudu sisään tallentaaksesi valitsemasi artikkelit myöhempää käyttöä varten.
Ilmoitukset päivityksistä
Kirjautumalla saat tiedotteet uudesta julkaisusta

Valitsemasi artikkelit
Hakutulokset
Hardenbol A. A., Kuzmin A. et al. (2021) Haapojen tunnistaminen havupuuvaltaisessa vanhas.. Metsätieteen aikakauskirja vuosikerta 2021 numero 0 artikkeli id 10651
Kukkonen M., Kotivuori E. et al. (2021) Puulajeittaisen tilavuuden ennustaminen drooni-a.. Metsätieteen aikakauskirja vuosikerta 2021 numero 0 artikkeli id 10558
Karjalainen T., Packalen P. et al. (2020) Tukkitilavuuden ennustaminen mäntyvaltaisissa me.. Metsätieteen aikakauskirja vuosikerta 2020 numero 0 artikkeli id 10304
Pyörälä J., Räsänen T. et al. (2019) Puuston laatutunnusten mittaus ja mallinnus Metsätieteen aikakauskirja vuosikerta 2019 numero 0 artikkeli id 10253
Korhonen L., Repola J. et al. (2019) Laserkeilauspohjaisten puutason sekamallien sove.. Metsätieteen aikakauskirja vuosikerta 2019 numero 0 artikkeli id 10236
Maltamo M. (2019) Leimikon läpimittajakauman kuvaaminen hakkuukone.. Metsätieteen aikakauskirja vuosikerta 2019 numero 0 artikkeli id 10235
Maltamo M., Karjalainen T. et al. (2018) Vaihtoehtoja latvusrajatiedon liittämiseksi lase.. Metsätieteen aikakauskirja vuosikerta 2018 numero 0 artikkeli id 10033
Korhonen L., Pippuri I. et al. (2013) Taimikonhoitotarpeen määrittäminen korkean resol.. Metsätieteen aikakauskirja vuosikerta 2013 numero 2 artikkeli id 6892
Korpela I., Ørka H. O. et al. (2010) Laserkeilainperustainen puulajiluokitus – puu- j.. Metsätieteen aikakauskirja vuosikerta 2010 numero 3 artikkeli id 5918
Suvanto A., Maltamo M. (2010) Sekaestimoinnin hyödyntäminen kahden inventointi.. Metsätieteen aikakauskirja vuosikerta 2010 numero 3 artikkeli id 5917
Eerikäinen H., Packalén P. et al. (2010) Ruissalon tammien visuaalinen tulkinta stereokuv.. Metsätieteen aikakauskirja vuosikerta 2010 numero 2 artikkeli id 5739
Maltamo M., Peuhkurinen J. et al. (2009) Männyn puu- ja laatutunnusten ennustaminen laser.. Metsätieteen aikakauskirja vuosikerta 2009 numero 4 artikkeli id 6350
Maltamo M., Packalén P. et al. (2008) Laserkeilaustulkinnan hyödyntäminen metsäsuunnit.. Metsätieteen aikakauskirja vuosikerta 2008 numero 4 artikkeli id 6834
Peuhkurinen J., Maltamo M. et al. (2008) Puulajeittaisten läpimittajakaumien ja tukkisaan.. Metsätieteen aikakauskirja vuosikerta 2008 numero 3 artikkeli id 6397
Närhi M., Maltamo M. et al. (2008) Kuusen taimikoiden inventointi ja taimikonhoidon.. Metsätieteen aikakauskirja vuosikerta 2008 numero 1 artikkeli id 6419
Korhonen L., Korhonen K. T. et al. (2007) Paikalliset latvuspeittävyysmallit beta-regressi.. Metsätieteen aikakauskirja vuosikerta 2007 numero 4 artikkeli id 5989
Pesonen A., Korhonen K. T. et al. (2007) Taimikonhoitotarpeen arviointi valtakunnan metsi.. Metsätieteen aikakauskirja vuosikerta 2007 numero 2 artikkeli id 6695
Uuttera J., Anttila P. et al. (2006) Yksityismetsien metsävaratiedon keruuseen sovelt.. Metsätieteen aikakauskirja vuosikerta 2006 numero 4 artikkeli id 6317
Mehtätalo L., Maltamo M. et al. (2006) Relaskooppikoealan pienimmän puun läpimitan mitt.. Metsätieteen aikakauskirja vuosikerta 2006 numero 3 artikkeli id 5703
Hotanen J.-P., Maltamo M. et al. (2006) Suometsien kerroksellisuusrakenne Suomessa Metsätieteen aikakauskirja vuosikerta 2006 numero 1 artikkeli id 5730
Suvanto A., Maltamo M. et al. (2005) Kuviokohtaisten puustotunnusten ennustaminen las.. Metsätieteen aikakauskirja vuosikerta 2005 numero 4 artikkeli id 6138
Kangas A., Maltamo M. (2002) Puuston ja puutavaralajien tilavuuksien ennustev.. Metsätieteen aikakauskirja vuosikerta 2002 numero 4 artikkeli id 6211
Kangas A., Heikkinen E. et al. (2002) Puustotunnusten maastoarvioinnin luotettavuus ja.. Metsätieteen aikakauskirja vuosikerta 2002 numero 3 artikkeli id 6181
Maltamo M., Haara A. et al. (2002) Läpimittajakaumamalleihin perustuvat vaihtoehdot.. Metsätieteen aikakauskirja vuosikerta 2002 numero 3 artikkeli id 6180
Sironen S., Kangas A. et al. (2002) Puun kasvun ennustaminen k-lähimmän naapurin men.. Metsätieteen aikakauskirja vuosikerta 2002 numero 1 artikkeli id 6554
Maltamo M., Eerikäinen K. (2001) Khasinmännyn ei-parametrinen tuotosmalli Metsätieteen aikakauskirja vuosikerta 2001 numero 4 artikkeli id 6173
Kangas A., Maltamo M. (2000) Prosenttipisteisiin perustuvan läpimittajakauman.. Metsätieteen aikakauskirja vuosikerta 2000 numero 4 artikkeli id 6075
Kangas A., Maltamo M. (2000) Prosenttipisteisiin perustuvat pohjapinta-alan l.. Metsätieteen aikakauskirja vuosikerta 2000 numero 4 artikkeli id 6074
Uuttera J., Maltamo M. (1998) Intensiivisen metsätalouden aiheuttamat muutokse.. Metsätieteen aikakauskirja vuosikerta 1998 numero 3 artikkeli id 6579
Rouvinen S., Kangas A. et al. (1997) Männikön laatujakauman kuvaaminen oksarajatiedon.. Metsätieteen aikakauskirja vuosikerta 1997 numero 4 artikkeli id 6234