Annika Kangas (email)

Laserkeilausaineiston ja fotogrammetrisen 3D aineiston arvo metsätalouden päätöksenteossa

Kangas A. (2018). Laserkeilausaineiston ja fotogrammetrisen 3D aineiston arvo metsätalouden päätöksenteossa. Metsätieteen aikakauskirja vuosikerta 2018 artikkeli id 9952. https://doi.org/10.14214/ma.9952

Tekijät
  • Kangas, Luonnonvarakeskus (Luke), Biotalous ja ympäristö, Joensuu ORCID ID:Sähköposti annika.kangas@luke.fi (email)

Vastaanotettu 24.1.2018 Hyväksytty 25.1.2018 Julkaistu 26.1.2018

Katselukerrat 11015

Saatavilla https://doi.org/10.14214/ma.9952 | Lataa PDF

Creative Commons -lisenssi full-model-article9952

Seloste artikkelista Kangas A., Gobakken T., Puliti S., Hauglin M., Naesset E. (2018). Value of airborne laser scanning and digital aerial photogrammetry data in forest decision making. Silva Fennica vol. 52 no. 1 article id 9923. https://doi.org/10.14214/sf.9923

Lentolaserkeilaus on Suomessa ja Norjassa tällä hetkellä tärkein metsävaratiedon hankinta­menetelmä metsäsuunnittelua varten. Viime vuosina myös digitaalinen fotogrammetria ja sen avulla tuotetut pistepilviaineistot ovat tuottaneet lähes yhtä tarkkoja tuloksia (esim. Tuominen ym. 2017; Puliti ym. 2017). Fotogrammetrinen pistepilviaineisto on myös halvempaa kuin laserkeilaus­aineisto. Tässä tutkimuksessa haluttiin selvittää, onko laserkeilauksen parempi tarkkuus merkittävä tiedon käytössä, eli metsäsuunnittelussa.

Tiedon käyttöarvo kuvaa rahallista lisähyötyä jonka päätöksentekijä paremman metsä-varatiedon avulla saa, tai toisin päin paljonko metsänomistaja häviää rahaa, sen takia että metsävaratiedoissa on virheitä. Tähän asti tehdyissä tutkimuksissa laskennalliset tappiot epätarkoista metsävaratiedoista ovat vaihdelleet merkittävästi, välillä 13–470 €/ha. Teimme julkaistuista tutki­muksista meta-analyysin, jonka tavoitteena oli arvioida syitä suurelle vaihtelulle.

Tutkimus perustuu 314 tarkasti mitattuun koealaan Etelä-Norjassa. Niitä käytettiin opetus­aineistona sekä laserkeilausaineistossa että fotogrammetrisessa pistepilviaineistossa. Koealoille tuotettiin puustotiedot kaukokartoitusaineistoista regressioanalyysillä käyttäen samaa aluepohjaista menetelmää, jota käytetään myös Suomessa metsään.fi aineistojen tuottamisessa. Laserkeilaus­aineistossa tilavuuden keskivirhe oli 20,8% ja fotogrammetrinen aineiston 27,2%, eli laserkeilausaineisto oli jonkin verran tarkempaa.

Metsänomistajan tavoitteeksi oletettiin metsätalouden nettotulojen nykyarvon maksimointi. Tavoitteen kannalta optimaaliset hakkuiden ajoitukset 100 vuoden suunnittelukaudella laskettiin GAYA-J ohjelmistolla koealoilta mitattujen tarkkojen puustotietojen pohjalta. Tämän jälkeen laskettiin myös laserkeilaus- ja fotogrammetrisen metsävaratiedon avulla optimaaliset käsittelyohjelmat samoille koealoille. Lopuksi vielä laskettiin, mitä nämä virheitä sisältävillä metsävaratiedoilla lasketut käsittelyohjelmat todellisuudessa tuottaisivat. Todellisen optimaalisen käsittelyohjelman sekä kahden muun käsittelyohjelman tuottamien tulojen erotus kuvaa metsävaratiedon virheistä johtuvien väärien päätösten tuottamia tappioita. Lopuksi tappiot ryhmiteltiin regressiopuutekniikalla kolmeen ryhmään joko puuston tilavuuden tai tilavuuden virheen suhteen.

Meta-analyysissä laskimme, miten suuren osan eri tutkimusten tappioiden eroista tilavuuden keskivirhe käytetyllä menetelmällä sekä testialueiden keskitilavuus pystyivät selittämään.

Minimissään tappiot ovat aina 0€, jolloin väärillä tiedoilla päädytään samaan käsit­te­lyohjelmaan kuin oikeillakin tiedoilla. Maksimissaan tappiot yhdellä koealalla olivat tässä tutki­muksessa yli 1800 €/ha. Tällaisiin tappioihin päädytään, jos päätehakkuu merkittävästi viivästyy kannattavimmasta ajankohdastaan. Keskimäärin tappiot olivat laserkeilausaineistolla noin 76 €/ha ja fotogrammetrisella aineistolla noin 83 €/ha. Mikäli vertailut olisi tehty metsikkötasolla, eikä koealatasolla, tietojen virheet olisivat olleet maltillisemmat ja todennäköisesti myös tappiot vastaavasti pienemmät.

Jos oletettiin, että tietoja käytettäisiin 100 vuoden sijaan vain 5 vuotta, tappiot olisivat olleet fotogrammetriselle aineistolle noin 33 €/ha ja laserkeilausaineistolle noin 35 €/ha, eli lyhyellä ajanjaksolla fotogrammetrinen aineisto oli jopa hieman laadukkaampaa kuin laserkeilausaineisto. Jos tietoja käytettäisiin 10 vuotta, laserkeilaus (tappio noin 51 €/ha) olisi jo hieman fotogrammetrista aineistoa (tappio noin 52 €/ha) laadukkaampaa, ja jos tietoa käytettäisiin 15 vuotta, ero laserkeilauksen eduksi olisi jo selkeä.

Kun tappiot ryhmiteltiin tilavuuden suhteen, koealoilla joissa tilavuus oli noin 600 m3/ha tai yli, tappioita ei tullut lainkaan. Tällaisessa metsikössä optimaalinen päätös tulojen kannalta on aina päätehakkuu mahdollisimman nopeasti, eivätkä suuretkaan ali- tai yliarviot metsävaratiedoissa vaikuttaneet siihen. Kun tilavuus oli noin 400 m3/ha tai alle, tappiot olivat myös pieniä. Luokassa 400–600 m3/ha tappiot olivat merkittäviä, jo ensimmäisen 5 vuoden aikana 220–240 €/ha. Tässä luokassa merkittävä aliarvio saattoi viivästyttää hakkuupäätöstä selvästi, mutta yliarvioilla ei ollut merkitystä. Kun tappiot ryhmiteltiin sen mukaan, mikä on tilavuuden arviointivirhe, luokassa jossa tilavuus aliarvioitiin 115–170 m3/ha tai enemmän, tappiot olivat jo 444 €/ha. Yliarvioilla ei ollut tappioihin juurikaan merkitystä.

Meta-analyysissä tilavuuden keskivirhe ja testialueen keskitilavuus selittivät yhdessä noin 77% havaituista tappioista. Tulosten perusteella yhden %-yksikön lisäys tilavuuden keskivirheeseen lisää väärien päätösten aiheuttamia tappioita noin 4,4 €/ha.

Metsänomistajan päätöksenteon näkökulmasta laserkeilausaineisto ja fotogrammetrinen aineisto tuottivat käytännössä saman tuloksen. Pieni tarkkuusero laserkeilauksen hyväksi ei ollut merkittävä tutkitussa aineistossa. Tämä pätee kuitenkin vain hakkuiden ajoituspäätöksiin.

Kaikki metsävaratiedoissa olevat virheet eivät aiheuta rahallisia tappioita: virheet voidaankin jakaa kahteen ryhmään, eli niihin jotka tuottavat pettymyksiä, ja niihin jotka tuottavat tappioita. Pettymys tulee esimerkiksi silloin, kun päätehakkuukypsä metsä hakataan ajallaan, mutta mittauksissa puuta onkin vähemmän kuin metsävaratiedot ovat antaneet ymmärtää. Vaikka pettymys on harmillinen, virheellisiin tietoihin perustuva hakkuupäätös tuottaa kuitenkin samat tulot kuin virheettömiin tietoihin perustuva päätös olisi tuottanut. Tappiota metsävaratiedon virheet aiheuttavat silloin, kun virheen takia sopiva hakkuukohde jää kokonaan havaitsematta ja tulot saamatta, tai hakkuukypsän metsikön hakkuu pitkittyy virheen takia. Siksi metsänomistajan näkökulmasta suuret tilavuuden aliarviot ovat haitallisimpia. Suuret yliarviot aiheuttavat kyllä pettymyksiä, mutta ne ovat omistajan kannalta vaarattomia.

Metsävaratiedon laatua kannattaa koettaa parantaa vain silloin, jos parannukset auttavat välttämään tappioita. Siten suurien aliarvioiden välttäminen olisi erityisen tärkeää. Meta-analyysiin soveltuvia tutkimuksia oli vain vähän, joten suhde tappioiden ja tilavuuden keskivirheen välillä on lähinnä suuntaa antava. Se kuitenkin osoittaa, että metsänomistajalle metsävaratiedon luotettavuuden parantumisella on selkeä rahallinen merkitys.

Kirjallisuutta

Puliti S., Gobakken T., Ørka H.O., Næsset E. (2017). Assessing 3D point clouds from aerial photographs for species-specific forest inventories. Scandinavian Journal of Forest Research. 32(1): 68–79. https://doi.org/10.1080/02827581.2016.1186727.

Tuominen S., Pitkänen T., Balázs A., Kangas A. (2017). Improving Multi-Source National Forest Inventory by 3D aerial imaging. Silva Fennica 51(4) article 7743. https://doi.org/10.14214/sf.7743.


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
Halme P., Kangas A. et al. (2022) Metsien kestävyysmuutosten tunnistamiseen tarvit.. Metsätieteen aikakauskirja vuosikerta 2022 numero 0 artikkeli id 10686
Kangas A., Mehtätalo L. (2021) Monimuotoisuuskartta kaipaa korjaamista Metsätieteen aikakauskirja vuosikerta 2021 numero 0 artikkeli id 10625
Kangas A., Henttonen H. M. et al. (2020) Puiden tilavuusmallit on tarpeen päivittää Metsätieteen aikakauskirja vuosikerta 2020 numero 0 artikkeli id 10471
Katila M., Rajala T. et al. (2020) Paikallisten trendien arviointi ekosysteemipalve.. Metsätieteen aikakauskirja vuosikerta 2020 numero 0 artikkeli id 10470
Kangas A. (2020) Simulointitutkimusten tulkinnassa uusiin tutkimu.. Metsätieteen aikakauskirja vuosikerta 2020 numero 0 artikkeli id 10458
Sirro L., Häme L. et al. (2019) Metsävaratiedon ajantasaistus – satelliittikuvii.. Metsätieteen aikakauskirja vuosikerta 2019 numero 0 artikkeli id 10260
Haara A., Kangas A. (2019) Puulajivirheiden vaikutus puukauppatarjousten pa.. Metsätieteen aikakauskirja vuosikerta 2019 numero 0 artikkeli id 10079
Tuominen S., Kangas A. (2018) Miehittämättömät lentolaitteet metsien kaukokart.. Metsätieteen aikakauskirja vuosikerta 2018 numero 0 artikkeli id 10085
Kangas A., Packalen T. (2018) Metsävaratieto metsäalan toimijoiden päätöksente.. Metsätieteen aikakauskirja vuosikerta 2018 numero 0 artikkeli id 10031
Kangas A. (2018) Laserkeilausaineiston ja fotogrammetrisen 3D ain.. Metsätieteen aikakauskirja vuosikerta 2018 numero 0 artikkeli id 9952
Tuominen S., Pitkänen T. et al. (2017) Monilähteisen valtakunnan metsien inventoinnin k.. Metsätieteen aikakauskirja vuosikerta 2017 numero 0 artikkeli id 7792
Siipilehto J., Kangas A. (2015) Näslundin pituuskäyrä ja siihen perustuvia malle.. Metsätieteen aikakauskirja vuosikerta 2015 numero 4 artikkeli id 6584
Wallenius T., Laamanen R. et al. (2012) Lentolaserkeilaukseen perustuvan metsän inventoi.. Metsätieteen aikakauskirja vuosikerta 2012 numero 3 artikkeli id 6754
Kangas A., Mäkinen A. (2012) Metsävaratiedon elinkaari Metsätieteen aikakauskirja vuosikerta 2012 numero 1 artikkeli id 5849
Räty M., Kangas A. (2010) Globaalin regressiomallin lokalisointi homogeeni.. Metsätieteen aikakauskirja vuosikerta 2010 numero 2 artikkeli id 5752
Tikkanen J., Kangas A. et al. (2009) Vaikuttava ja hyväksyttävä alueellinen metsäohje.. Metsätieteen aikakauskirja vuosikerta 2009 numero 3 artikkeli id 6763
Saarinen N., Kangas A. et al. (2009) Osallistujien näkökulmat alueellisiin metsäohjel.. Metsätieteen aikakauskirja vuosikerta 2009 numero 3 artikkeli id 6761
Välimäki E., Kangas A. (2009) Kasvumallien toiminnan validointi ylitiheissä me.. Metsätieteen aikakauskirja vuosikerta 2009 numero 2 artikkeli id 5759
Kangas A., Haapakoski R. et al. (2009) Paikkaan sidottujen sosiaalisten arvojen käyttö .. Metsätieteen aikakauskirja vuosikerta 2009 numero 1 artikkeli id 5842
Kuusisto L., Kangas A. (2008) Harhakomponentit kuvioittaisen arvioinnin puusto.. Metsätieteen aikakauskirja vuosikerta 2008 numero 3 artikkeli id 6389
Mehtätalo L., Maltamo M. et al. (2006) Relaskooppikoealan pienimmän puun läpimitan mitt.. Metsätieteen aikakauskirja vuosikerta 2006 numero 3 artikkeli id 5703
Tokola T., Kangas A. et al. (2006) SIMO – SIMulointi ja Optimointi uuteen metsäsuun.. Metsätieteen aikakauskirja vuosikerta 2006 numero 1 artikkeli id 5726
Laukkanen S., Palander T. et al. (2005) Monikriteerisen äänestysmenetelmän soveltaminen .. Metsätieteen aikakauskirja vuosikerta 2005 numero 4 artikkeli id 6144
Saari A., Kangas A. (2005) Kuvioittaisen arvioinnin harhan muodostuminen Metsätieteen aikakauskirja vuosikerta 2005 numero 1 artikkeli id 6256
Kangas A., Aakala T. et al. (2004) Lahopuuinventoinnin menetelmien vertailu Nuuksio.. Metsätieteen aikakauskirja vuosikerta 2004 numero 1 artikkeli id 6080
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
Kangas A., Kangas J. et al. (2001) Outranking-menetelmät työkaluina strategisessa l.. Metsätieteen aikakauskirja vuosikerta 2001 numero 2 artikkeli id 6511
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
Kangas J., Kangas A. et al. (1998) Alue-ekologinen ote metsäsuunnittelussa: onko me.. Metsätieteen aikakauskirja vuosikerta 1998 numero 3 artikkeli id 6577
Kangas A., Kangas J. (1998) Ekologiset mallit ja ekologisten riskien hallint.. Metsätieteen aikakauskirja vuosikerta 1998 numero 2 artikkeli id 6963
Rouvinen S., Kangas A. et al. (1997) Männikön laatujakauman kuvaaminen oksarajatiedon.. Metsätieteen aikakauskirja vuosikerta 1997 numero 4 artikkeli id 6234
Kangas A., Kangas J. (1997) Mallit, ennusteet ja simulointi metsätalouden la.. Metsätieteen aikakauskirja vuosikerta 1997 numero 3 artikkeli id 6478