Sakari Tuominen (email), Timo Pitkänen, Andras Balazs, Annika Kangas

Monilähteisen valtakunnan metsien inventoinnin kehittäminen 3D-ilmakuva-aineiston avulla

Tuominen S., Pitkänen T., Balazs A., Kangas A. (2017). Monilähteisen valtakunnan metsien inventoinnin kehittäminen 3D-ilmakuva-aineiston avulla. Metsätieteen aikakauskirja vuosikerta 2017 artikkeli 7792. https://doi.org/10.14214/ma.7792

Tekijät
  • Tuominen, Luonnonvarakeskus (Luke), Talous- ja yhteiskunta, Helsinki Sähköposti sakari.tuominen@luke.fi (sähköposti)
  • Pitkänen, Luonnonvarakeskus (Luke), Talous- ja yhteiskunta, Helsinki Sähköposti timo.p.pitkanen@luke.fi
  • Balazs, Luonnonvarakeskus (Luke), Talous- ja yhteiskunta, Helsinki Sähköposti andras.balazs@luke.fi
  • Kangas, Luonnonvarakeskus (Luke), Talous- ja yhteiskunta, Joensuu Sähköposti annika.kangas@luke.fi

Vastaanotettu 24.8.2017 Hyväksytty 1.9.2017 Julkaistu 1.9.2017

Katselukerrat 20858

Saatavilla https://doi.org/10.14214/ma.7792 | Lataa PDF

Creative Commons License full-model-article7792

Seloste artikkelista Tuominen S., Pitkänen T., Balazs A., Kangas A. (2017). Improving Finnish Multi-Source National Forest Inventory by 3D aerial imaging. Silva Fennica vol. 51 no. 4 article id 7743. https://doi.org/10.14214/sf.7743

Suomessa on 1990-luvulta lähtien käytetty operatiivisesti monilähteistä valtakunnan metsien inventointia (MVMI), jossa yhdistämällä maastomittausten, satelliittikuvien ja digitaalisten karttojen tieto tuotetaan tietoa metsävaroista teemakarttojen ja kunnittaisten metsätilastojen muodossa. Menetelmä on käyttöönotostaan lähtien ollut systemaattisen tutkimuksen ja kehitystyön kohteena. Vaikka uusia satelliittikuva-aineistoja on tullut viime vuosina saataville, on metsikkötason estimaattien tarkkuutta vaikea parantaa merkittävästi nykyisestään perinteisiä kaukokartoituskuvien tulkintamenetelmiä käyttämällä.

Tämän tutkimuksen tavoitteena oli tarkastella 3D-ilmakuva-aineiston käyttöä MVMI:n tietolähteenä. Digitaalisen fotogrammetrian kehitys on mahdollistanut kolmiulotteisten pinta­mallien tuottamisen suuressa mittakaavassa stereopeitollisista ilmakuvista, mukaan luettuna sellaiset arkistoidut ilmakuvat, joita kuvattaessa ei alun perin ole kuvausparametreja valittu stereofotogrammetrista 3D-mallinnusta ajatellen. Ilmakuvia voidaan kuvausten alueellisen kattavuuden ja ajallisen päivitystiheyden osalta pitää soveltuvana tietolähteenä MVMI:n vaatimuksiin. Tuloksia verrattiin satelliittikuvilta, 2D-ilmakuvilta ja laserkeilauksesta saatuihin tuloksiin samalla alueella.

Tutkimusalue sijaitsi Ähtärin, Virtain ja Keuruun alueilla, joille oli sijoitettu valtakunnan metsien inventoinnin koealaotosta tiheämpi systemaattinen koealaotos. Koealojen otannassa käytettiin 8 koealan L-muotoista ryvästä, joiden väli oli 4.3 km pääilmansuunnissa. Systemaattisen otoksen koealoista noin 1800 sijaitsi metsätalouden maalla.

Puustotunnusten estimoinnissa käytettiin samaa menetelmää kuin operatiivisessa MVMI:ssä eli k:n lähimmän naapurin estimointimenetelmää. Kaukokartoituspiirteiden valinnassa käytettiin geneettistä algoritmia parhaiten puustotunnuksia ennustavan piirreyhdistelmän valintaan kustakin testatusta kaukokartoitusaineistosta.

Tulosten laskennassa sovellettiin samoja periaatteita kuin operatiivisessa MVMI:ssä, mikä poikkesi joiltain osin esim. metsäsuunnittelussa käytettävästä puustotulkinnasta. Puustotulkinta kattoi kaikki kehitys- ja ikäluokat. Edelleen, puustotulkinnassa olivat mukana kaikentyyppiset koealat (kokonaan yhdessä metsikössä ja metsiköiden rajalla sijaitsevat koealat), jotka mitattiin systemaattisen otannan mukaisista sijaintipaikoista (siirto ei sallittu). Koealakohtaisten puustotunnusten estimaattien ja niiden keskivirheiden lisäksi tarkasteltiin estimoitujen puustotunnusten jakaumia suhteessa alkuperäiseen maastoaineistoon. Lisäksi tarkasteltiin tuotettujen teemakarttojen kykyä tunnistaa puustotunnusten jakauman yläpäätä edustavia kohteita maastossa.

Estimointitulosten yhtenä referenssinä käytetty perinteinen satelliittikuva tuotti aineistolle tyypillisen puustotunnusten tarkkuuden (esim. kokonaistilavuuden suhteellinen keskivirhe (RMSE) n. 60%). Ilmakuva tulkittuna perinteisellä 2D-menetelmällä ei merkittävästi eronnut satelliitti­kuvasta puustotunnusten tarkkuudessa. Tulokset 3D-ilmakuvatulkinnalla olivat selkeästi paremmat kuin satelliittikuvilla tai 2D-ilmakuvatulkinnalla. Tilavuuden RMSE oli 3D-aineistoja käytettäessä noin puolet verrattuna satelliitti- ja 2D-ilmakuvatulkintaan. Laserkeilauksen ja 3D ilmakuva­tulkinnan välinen ero tarkkuudessa oli verraten pieni. Eri aineistoilla tuotettujen puustotunnusten estimointitarkkuuksia on esitetty kuvassa 1.

1

Kuva 1. Puustotunnusten tarkkuus eri kaukokartoitusaineistoilla.

3D-ilmakuvatulkinta osoittautui erittäin käyttökelpoiseksi menetelmäksi teemakarttojen tuottamiseen monilähdeinventoinnissa. Vaikka ilmakuvauksen parametreja ei ollut valittu stereo­fotogrammetrista 3D-mallitusta varten, ja latvusmalli silmävaraisesti tarkasteltuna oli karkea (Kuva 2), sen korrelaatio puustotunnusten kannalta oli hyvä. Lisäksi menetelmä on tällä hetkellä kustannuksiltaan laserkeilausta edullisempi menetelmä, ottaen huomioon sen, että latvusmallitiedon tuottaminen on mahdollista tavallisia ilmakuvia käyttäen. Tässä esitetyt tulokset eivät ole suoraan verrattavissa laserkeilaukseen perustuvien metsäsuunnittelutiedon tuottamishankkeiden tuloksiin näissä käytettävien erilaisten koealojen poimintastrategioiden vuoksi (eroina esim. katettavat kehitysluokat, otoksen poiminta sekä koealojen siirtäminen metsikkörajatapauksissa).

2

Kuva 2. Havainnollistus fotogrammetrisesta 3D-ilmakuva-aineistosta.

Kansallisessa ilmakuvaohjelmassa tavoitteena on kuvata lähes koko Suomi viiden vuoden välein, jolloin ajantasaisuuden suhteen 3D-ilmakuvaus ei ole yhtä hyvä vaihtoehto kuin satelliitti­kuviin perustuva kartta. Laserkeilauksen suhteen vastaavaa toistoväliä ei kuitenkaan ole määri­telty, joten tältä osin ilmakuva-aineistojen hyödyntäminen varmistaa suhteellisen ajantasaisten 3D-aineistojen saatavuuden metsävaratiedon tuotannossa.

Laserkeilauksen ja ilmakuvatulkinnan välinen ero luotettavuudessa oli verraten pieni, joten sillä ei välttämättä ole merkitystä tuotettuja puustotietoja käytettäessä, mutta erojen merkitys käytännön päätöksenteossa täytyy vielä erikseen tutkia. Laserkeilausta ja 3D-ilmakuvatulkintaa voitaisiin siten soveltaa vaihtoehtoisina menetelminä riippuen kuvamateriaalin saatavuudesta.


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
Lähetä sähköpostiin
Kangas A., (2018) Metsätieteen aikakauskirja vol. 2018 no. 0 artikkeli 9952 (poista) | Muokkaa kommenttia
Peura M., (2016) Metsätieteen aikakauskirja vol. 2016 no. 3-4 artikkeli 5718 (poista) | Muokkaa kommenttia
Lukkarinen A. J., Ruotsalainen S. et al. (2009) Metsätieteen aikakauskirja vol. 2009 no. 2 artikkeli 5770 (poista) | Muokkaa kommenttia
Varhimo A., Penttilä T. et al. (1970) Metsätieteen aikakauskirja vol. 2002 no. 4 artikkeli 6200 (poista) | Muokkaa kommenttia
Hytönen J., Jylhä P. (2008) Metsätieteen aikakauskirja vol. 2008 no. 3 artikkeli 6394 (poista) | Muokkaa kommenttia
Rantala J., Laine T. (2011) Metsätieteen aikakauskirja vol. 2011 no. 1 artikkeli 5943 (poista) | Muokkaa kommenttia
Heräjärvi H., (1970) Metsätieteen aikakauskirja vol. 2001 no. 4 artikkeli 6172 (poista) | Muokkaa kommenttia
Toivonen R., Tilli T. et al. (1970) Metsätieteen aikakauskirja vol. 2000 no. 3 artikkeli 6056 (poista) | Muokkaa kommenttia
Packalén P., (2009) Metsätieteen aikakauskirja vol. 2009 no. 2 artikkeli 5774 (poista) | Muokkaa kommenttia
Siipilehto J., (2011) Metsätieteen aikakauskirja vol. 2011 no. 4 artikkeli 6826 (poista) | Muokkaa kommenttia
Hänninen R., Viitanen J. et al. (2007) Metsätieteen aikakauskirja vol. 2007 no. 3 artikkeli 6411 (poista) | Muokkaa kommenttia
Hakutulokset