Articles containing the keyword 'ilmakuva'.

Tutkimusartikkeli

Lasermittauksilla kohti täsmämetsätaloutta

artikkeli id 6333. Tutkimusartikkeli – Lasermittauksilla kohti täsmämetsätaloutta
Markus Holopainen, Sakari Tuominen, Mika Karjalainen, Juha Hyyppä, Hannu Hyyppä, Mikko Vastaranta, Teppo Hujala, Timo Tokola. (2009). Korkearesoluutioisten E-SAR-tutkakuvien tarkkuus puustotunnusten koealatason estimoinnissa. Metsätieteen aikakauskirja vuosikerta 2009 numero 4 artikkeli id 6333. https://doi.org/10.14214/ma.6333

Tutkimuksessa selvitettiin korkearesoluutioisen E-SAR-tutkakuvan tarkkuutta koealatason metsikkötunnusten estimoinnissa. E-SAR-tutkakuvaukset suoritettiin syksyllä 2000 ja keväällä 2000 ProSmart II -projektissa, jonka tarkoituksena oli tutkia tuolloin suunnitteilla olleen TerraSAR-X-satelliittisysteemin potentiaalisia sovellusalueita. Metsikkötunnusten estimointi tehtiin käyttäen ei- parametrista k:n lähimmän naapurin (k-nn) -menetelmää ja tarkkuuden arviointi ristiinvalidiointi-menetelmällä. Estimoituja metsikkötunnuksia olivat kokonaistilavuus, puulajikohtaiset tilavuudet ja osuudet, pohjapinta-ala, keskipituus ja keskiläpimitta. E-SAR-tulkinnan tarkkuutta verrattiin numeeristen ilmakuvien sekä keskiresoluution optisen aallonpituusalueen Landsat ETM -satelliittikuvien tarkkuuteen. Maastoaineistona käytettiin 199 relaskooppikoealaa. E-SAR-estimoinnin suhteelliset RMSE-arvot olivat parhaimmillaan kokonaistilavuudelle, keskiläpimitalle, keskipituudelle ja pohjapinta-alalle 44,8 %, 27,8 %, 27,5 %, 38,3 %. Vertailuaineistona olleille numeerisille ilmakuville vastaavat suhteelliset RMSE-arvot olivat 49,3 %, 25,6 %, 26,5 % ja 40,6 % ja Landsat ETM -kuville 58,3 %, 38,5 %, 34,5 % ja 46,9 %. E-SAR-tutkakuvat toimivat parhaiten kokonaistilavuuden estimoinnissa, jossa niiden tuottama estimointitarkkuus oli huomattavasti sekä ilmakuvaa että Landsat ETM-kuvaa tarkempi. Keskiläpimitan, keskipituuden ja pohjapinta-alan estimoinnissa E-SAR-tutkakuvat sekä numeeriset ilmakuvat tuottivat suurinpiirtein yhtä tarkan tuloksen, joka oli kuitenkin huomattavasti Landsat ETM -kuvaa parempi. Puulajien tilavuuksien ja osuuksien osalta numeeriset ilmakuvat tuottivat E-SAR-kuvia tarkemman estimointituloksen.

  • Holopainen, ORCID ID:E-mail markus.holopainen@helsinki.fi (email)
  • Tuominen, ORCID ID:
  • Karjalainen, ORCID ID:
  • Hyyppä, ORCID ID:
  • Hyyppä, ORCID ID:
  • Vastaranta, ORCID ID:
  • Hujala, ORCID ID:
  • Tokola, ORCID ID:

Tutkimusartikkeli

artikkeli id 5739. Tutkimusartikkeli
Hanna Eerikäinen, Petteri Packalén, Matti Maltamo, Juha Mäkitalo. (2010). Ruissalon tammien visuaalinen tulkinta stereokuvalta. Metsätieteen aikakauskirja vuosikerta 2010 numero 2 artikkeli id 5739. https://doi.org/10.14214/ma.5739

Työn tavoitteena oli selvittää Turun Ruissalon tammien (Quercus robur) tunnistusta visuaalisen stereokuvatulkinnan avulla. Työssä tutkittiin millä tarkkuudella tammen tunnistus on mahdollista sekä mitkä ovat suurimmat virhelähteet. Aineisto koostui tarkan spatiaalisen resoluution ilmakuvista sekä kaksiosaisesta maastoaineistosta: koealoista, jotka toimivat tulkinnan opetusaineistona ja harjoitustulkinnan tarkastusaineistona, sekä laajemman tulkinnan koealueesta. Työssä tunnistettiin subjektiivisesti tammia stereoilmakuvalta visuaalisen kuvatulkinnan menetelmiä käyttäen. Koealueen tammien oikeinluokitusprosentti on 53 %, kommissiovirhe 27,5 % ja omissiovirhe 19 %. Virhettä aiheutui siitä, että kuvalla puu virheellisesti tulkittiin tammeksi, vaikka maastomittausten mukaan se oli muuta puulajia. Useimmiten tammiin sekoitetut puulajit olivat lehmus ja raita. Virhettä aiheuttivat myös suurilatvuksiset tammet, joita kuvalla virheellisesti tulkittiin kahdeksi erilliseksi tammeksi. Kuvatulkinnassa täysin tunnistamatta jääneet tammet painottuivat pienimpiin läpimittaluokkiin. Menetelmän tarkkuus on parhaimmillaan silloin, kun keskitytään läpimitaltaan yli 50 cm oleviin tammiin. Tosin kuvatulkintaa on lähes mahdotonta suunnata vain tämän läpimitan ylittäviin tammiin. Menetelmä on kuitenkin tarkoituksenmukainen, koska vanhoista järeistä tammista ollaan Ruissalossa erityisen kiinnostuneita. Tarkkuutta voidaan parantaa kalibroimalla tulkitsijan silmää maastovierailuin sekä käyttämällä tulkinnassa apuna ulkopuolisia tiedonlähteitä, kuten kuviotietoja.

  • Eerikäinen, ORCID ID:E-mail matti.maltamo@uef.fi (email)
  • Packalén, ORCID ID:
  • Maltamo, ORCID ID:
  • Mäkitalo, ORCID ID:
artikkeli id 6696. Tutkimusartikkeli
Sakari Tuominen, Anssi Pekkarinen. (2007). Kuvioraja-aineiston virheiden korjaaminen numeeristen ortoilmakuvien ja automaattisen segmentoinnin avulla. Metsätieteen aikakauskirja vuosikerta 2007 numero 2 artikkeli id 6696. https://doi.org/10.14214/ma.6696

Tässä tutkimuksessa on pyritty kehittämään menetelmiä kuvioittaisella arvioinnilla tuotettujen vanhojen kuvioiden rajojen korjaamiseen numeeristen ortoilmakuvien automaattisen segmentoinnin avulla. Vanhoissa kuviorajoissa esiintyy paljon erityyppisiä sijaintivirheitä, jotka johtuvat suureksi osaksi siitä, että kuvioinnissa käytetty ilmakuva-aineisto ei ole ollut riittävän tarkkaa maastossa olevien kohteiden paikantamiseen. Lisäksi osassa kuvioista rajaus on muuttunut edellisestä inventointiajankohdasta esim. tehtyjen metsänhoitotoimenpiteiden takia.

Kuvioinnin korjaamisessa käytettiin kolmea vaihtoehtoista menetelmää. Ns. moodisegmenttimenetelmässä tutkimusalueelle luotiin suuri joukko pienehköjä segmenttejä, joille annettiin sen vanhan kuvion tunnus, jolle suurin osa segmentistä kuului. Kaikki samaan alkuperäisen kuvioinnin kuvioon kuuluneet segmentit yhdistettiin uudeksi kuvioksi. Toisessa menetelmässä muodostettiin automaattisesti uusi kuviointi, jossa uusien kuvioiden minimikooksi asetettiin 0,2 ha. Kolmannessa menetelmässä segmentit jaettiin kahteen pääryhmään: 1) todennäköisesti oikein rajatuilla alueilla oleviin segmentteihin ja 2) segmentteihin, jotka olivat todennäköisesti virheellisesti rajatulla alueella. Pääryhmässä 1 segmenteille palautettiin sen alkuperäisen kuvion numero, jonka alueella ne sijaitsivat. Pääryhmässä 2 segmentit yhdistettiin ilmakuvapiirteiden perusteella lähimpiin naapurikuvioihin tai segmentteihin.

Esitetyillä menetelmillä voidaan helposti korjata pienet siirtymät selväpiirteisessä kuviorajassa. Täysin automaattinen vanhan kuvioinnin virheiden korjaaminen ei kuitenkaan onnistu kuviointivirheiden komplisoidun luonteen vuoksi.

  • Tuominen, ORCID ID:E-mail sakari.tuominen@metla.fi (email)
  • Pekkarinen, ORCID ID:
artikkeli id 6100. Tutkimusartikkeli
Pekka Hyvönen, Anssi Pekkarinen, Sakari Tuominen. (2007). Ilmakuvasegmentteihin perustuvan kaksivaiheisen otannan luotettavuus puustotunnusten ei-parametrisessa estimoinnissa. Metsätieteen aikakauskirja vuosikerta 2007 numero 1 artikkeli id 6100. https://doi.org/10.14214/ma.6100

Tutkimuksessa tarkasteltiin ilmakuvasegmentteihin perustuvan kaksivaiheisen otannan luotettavuutta puustotunnusten ei-parametrisessa estimoinnissa. Aineistona oli kolmesta ilmakuvasta koostetun ortoilmakuvamosaiikin 10 alueelta mitattu segmenttiaineisto. Segmenttien lukumäärä oli 467 kpl, pinta-ala 163,8 ha ja keskimääräinen koko 0,351 ha. Segmentointi tehtiin ilmakuvan sävyarvojen perusteella. Segmentit paikannettiin ja niiden segmentti- ja puustotiedot tallennettiin tiedonkeruulaitteelle. Tiedonkeruulaitteessa käytettiin ilmakuva- ja segmenttiraja-aineistoa taustakarttoina sekä GPS-sijaintitietoa apuna paikantamisessa.

Segmenttien puustotunnusten estimaatit laskettiin segmenttien spektrisiä ominaisuuksia ja k-lähimmän naapurin (knn) menetelmää käyttäen ja niiden luotettavuutta tarkasteltiin ristiinvalidoinnilla. Käytännön sovellustilannetta jäljiteltiin simuloimalla otoksia sävyarvojen perusteella ositettuun segmenttiaineistoon. Otannan luotettavuutta tarkasteltiin ositteen keskitilavuuden keskiarvon keskivirheellä.

Estimoinnissa puustotunnusten suhteelliset keskivirheet vaihtelivat 36,8 %:n (keskiläpimitta) ja 156,3 %:n (lehtipuun tilavuus) välillä. Keskitilavuuden keskivirhe oli 55,1 %. Otannan simuloinnissa pienin keskitilavuuden keskiarvon keskivirhe 36,0 m3 ha–1 saatiin ositemäärällä 40 ja käyttämällä otannassa suhteellista kiintiöintiä.

Tarkasteltu menetelmä havaittiin jatkotutkimuksen arvoiseksi, vaikka tarkkuus ei tämän tutkimuksen perusteella vielä riitä sovellettavaksi käytännön metsätaloudessa.

  • Hyvönen, ORCID ID:E-mail pekka.hyvonen@metla.fi (email)
  • Pekkarinen, ORCID ID:
  • Tuominen, ORCID ID:
artikkeli id 6317. Tutkimusartikkeli
Janne Uuttera, Perttu Anttila, Aki Suvanto, Matti Maltamo. (2006). Yksityismetsien metsävaratiedon keruuseen soveltuvilla kaukokartoitusmenetelmillä estimoitujen puustotunnusten luotettavuus. Metsätieteen aikakauskirja vuosikerta 2006 numero 4 artikkeli id 6317. https://doi.org/10.14214/ma.6317

Yksityismetsien metsävaratiedon keruuseen tarvitaan lähitulevaisuudessa kustannustehokkaampia menetelmiä. Tässä tutkimuksessa vertailtiin kaukokartoitusmenetelmien ja nykymuotoisen maastoinventoinnin luotettavuutta samoilla testialueilla. Testatut kaukokartoitusmenetelmät olivat: 1) fotogrammetrisiin puumittauksiin ja visuaaliseen puulajitulkintaan perustuva ilmakuvatulkinta, 2) puoliautomaattinen yksinpuintulkinta numeeriselta ilmakuvalta, 3) puoliautomaattinen yksinpuintulkinta ilmakuvalta ja laserkeilausaineistosta ja 4) laserkeilainaineiston korkeusjakaumaan perustuva menetelmä.

Laserkeilainaineiston korkeusjakaumaan perustuva menetelmä oli kokonaisuutena testatuista menetelmistä luotettavin. Tällöin metsikkökohtainen puuston kokonaistilavuuden suhteellinen keskivirhe (%) oli 18,8 ja 17,8 tutkimuksen kahdella testialueella. Menetelmällä saatiin jopa luotettavammat metsikkötason puustotunnukset kuin nykymuotoisella maastoinventoinnilla. Ilmakuvien fotogrammetrisella mittauksella ja visuaalisella tulkinnalla saatiin luotettavia tuloksia puuston keskipituuden ja -läpimitan suhteen, mutta puuston pohjapinta-alan ja tilavuuden arviointi tuotti menetelmällä vaikeuksia. Yhdistämällä laserkeilainaineisto puoliautomaattiseen yksinpuintulkintaan saatiin luotettavammat tulokset kuin soveltamalla tulkintamenetelmää ainoastaan ilmakuvaan.

Seuraavan metsävaratietojärjestelmän tiedonkeruu- ja ylläpitomenetelmät sisältävät kaukokartoitusperusteisia menetelmiä yhdistettynä kevennettyyn maastoinventointiin sekä metsävaratiedon jatkuvaa ylläpitoa ja laskennallista ajantasaistusta. Kaukokartoitusmenetelmien osalta vuosituhannen vaihteen jälkeen tehty tutkimus osoittaa, että luotettavimmat tulokset saadaan laserkeilainaineiston ja ilmakuvan yhdistelmällä, jolloin voidaan tuottaa myös puulajeittaisia puustotunnuksia.

  • Uuttera, ORCID ID:E-mail janne.uuttera@tapio.fi (email)
  • Anttila, ORCID ID:
  • Suvanto, ORCID ID:
  • Maltamo, ORCID ID:
artikkeli id 6178. Tutkimusartikkeli
Perttu Anttila, Mikko Lehikoinen. (2002). Kuvioittaisten puustotunnusten estimointi ilmakuvilta puoliautomaattisella latvusten segmentoinnilla. Metsätieteen aikakauskirja vuosikerta 2002 numero 3 artikkeli id 6178. https://doi.org/10.14214/ma.6178

Tutkimuksessa selvitettiin yksittäisten latvusten segmentointiin ilmakuvalta perustuvan puustotunnusten arviointimenetelmän tarkkuus. Puuston arviointiin kehitetty tietokoneohjelma rajaa puiden latvukset puoliautomaattisesti, minkä jälkeen se laskee puustotunnukset malliketjulla. Puun rinnankorkeusläpimitta ennustettiin latvusalan perusteella, pituus rinnankorkeusläpimitan perusteella ja tilavuus rinnankorkeusläpimitan ja pituuden perusteella. Metsikkötunnukset saatiin kuvion kaikkien segmentoitujen puiden keskiarvoina ja summina. Ohjelmassa oli myös opetettava puulajintunnistusalgoritmi. Runkoluvun, pohjapinta-alan ja tilavuuden estimaatit olivat reiluja aliarvioita, mikä johtui osittain siitä, että aineistossa oli useita puuston tilavuudeltaan erittäin suuria kuvioita. Menetelmä osoittautui jatkotutkimuksen arvoiseksi, vaikka menetelmän tarkkuus ei tämän tutkimuksen perusteella riitäkään metsäsuunnittelussa tarvittavien lähtötietojen tuottamiseen.

  • Anttila, ORCID ID:E-mail perttu.anttila@forest.joensuu.fi (email)
  • Lehikoinen, ORCID ID:
artikkeli id 6116. Tutkimusartikkeli
Harri Hyppänen. (1999). Eriaikaiset ilmakuvat metsäkuvioiden muutosten tunnistamisessa. Metsätieteen aikakauskirja vuosikerta 1999 numero 2 artikkeli id 6116. https://doi.org/10.14214/ma.6116

Tutkimuksessa on esitetty menetelmä erotuskuvatekniikan soveltamisesta numeerisille ilmakuville sekä testattu menetelmän luotettavuus metsässä tapahtuneiden muutosten tunnistamiseksi. Kuviokartan ja erotuskuvan avulla tulkittiin muuttuneet kuviot ja tulkinnan tuloksia verrattiin maastossa kartoitettuihin muutoksiin. Tulosten mukaan menetelmällä on luotettavasti tulkittavissa esimerkiksi maanmuokkaukset ja päätehakkuut. Lievemmät muutokset, kuten harvennukset, eivät menetelmällä erottuneet.

  • Hyppänen, ORCID ID:E-mail harri.hyppanen@metsaliitto.fi (email)

Tiedonanto

artikkeli id 6186. Tiedonanto
Raisa Sell. (2002). Segmentointimenetelmien käyttökelpoisuus ennakkokuvioinnissa. Metsätieteen aikakauskirja vuosikerta 2002 numero 3 artikkeli id 6186. https://doi.org/10.14214/ma.6186

Tutkimuksen tavoitteena oli selvittää automaattisten ja puoliautomaattisten kuviointimenetelmien käyttökelpoisuutta ennakkokuvioinnissa. Tutkimuksessa vertailtiin visuaalisella kuvatulkinnalla, puoliautomaattisella menetelmällä ja kolmella eri segmentointiohjelmalla automaattisesti tuotettuja kuviointeja. Käytetyt segmentointiohjelmat olivat 1) Helsingin yliopistolla kehitetty automaattinen Winseg32-segmentointiohjelma, 2) Metsäntutkimuslaitoksessa kehitetty automaattinen segmentointiohjelma ja 3) Oy Arbonaut Ltd:n kehittämä puoliautomaattinen Stand Delineation Tool -segmentointiohjelma. Tutkimuksessa vertailtiin eri menetelmillä tuotettujen kuvioiden puustotunnusten homogeenisuutta ja kuviorajojen sijaintitarkkuutta. Puustotunnusten homogeenisuuden tarkastelussa visuaalinen ja puoliautomaattinen tulkinta osoittautuivat yhtä hyviksi menetelmiksi. Puoliautomaattisessa menetelmässä segmentointiohjelman tuottamia kuviorajoja jätettiin ennakkokuviointiin visuaalista tulkintaa enemmän. Kuviorajojen sijaintitarkkuus oli paras visuaalisessa tulkinnassa. Automaattiset menetelmät eivät tuota lopullista kuviointia, vaan visuaalinen tarkistus ja maastotarkistus ovat tarpeen.

  • Sell, ORCID ID:E-mail raisa.sell@tapio.mailnet.fi (email)

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