Artikkelit jotka sisältää sanan 'ennustaminen'

Tässä tutkimuksessa testattiin k-lähimmän naapurin (knn) menetelmän ja monitavoiteoptimoinnin soveltuvuutta metsikön kasvuennusteiden luotettavuuden arviointiin. Tutkimuksen aineistona käytettiin Metsäntutkimuslaitoksen kangasmaiden kasvukoealoja. Puulajeista tarkasteltiin mäntyä, kuusta ja koivua. Koealoilta muodostettiin kuvioittaisen arvioinnin SOLMU- ja TASO-muotoiset tiedostot, joihin simuloitiin lisäksi kuvioittaisen arvioinnin mittausvirhettä. Luotettavuusarviot estimoitiin pohjapinta-alamediaanipuun läpimitalle ja pituudelle, pohjapinta-alalle ja tilavuudelle. Luotettavuusarviot estimoitiin puulajeittain ja metsikölle. Kuvion puustotunnusten luotettavuusarviot saatiin k lähimmän naapurin vastaavien tunnusten kehitysennusteiden virheiden hajonnasta, joille oli ennustettu samantasoinen kasvu samanlaisilla puustotunnuksilla. Virhe saatiin kasvukoealalta mitatun ja MELAlla simuloidun kehityksen erona. Lähimpien naapureiden haussa käytetyt metsikkö- ja puustotunnukset ja tunnusten painot etsittiin monitavoiteoptimoinnilla. Menetelmää testattiin estimoimalla kunkin kuvion puustotunnuksien kehitysennusteiden luotettavuusarviot etsien lähimmät naapurit tutkimusaineistosta, josta poistettiin kulloinkin käsiteltävä kuvio. Menetelmän hyvyyttä tarkasteltiin vertaamalla puustotunnusten kasvuennusteiden toteutuneita keskivirheitä ja harhaa knn-menetelmän tuottamiin keskivirheiden ja harhan ennusteisiin. Lisäksi hyvyyttä arvioitiin tarkastelemalla keskivirheitä ja harhaa metsätyypeittäin ja pohjapinta-ala- ja ikäluokittain. Menetelmä toimi hyvin tutkimusaineistossa. Kuvioaineiston tietosisällöllä (SOLMU/TASO) ei ollut merkittävää vaikutusta tuloksiin. Menetelmää voidaan käyttää metsänomistajan päätöksenteon tukena ennusteiden luotettavuuden arvioinnissa. Luotettavuusarviot poistavat liian optimistiset kuvitelmat suunnittelulaskelmien paikkansa pitävyydestä. Menetelmää voidaan käyttää myös laskennallisessa ajantasaistuksessa päätettäessä, käytetäänkö kuviotiedoston ajantasaistusta kuvioittaisen inventoinnin tukena tai korvaamassa osittain uutta inventointitietoa.

• Haara, Sähköposti: arto.haara@metla.fi

Metsätalouden eri osa-alueilla pyritään jatkuvasti kustannussäästöihin. Kustannusten vähentämiseen tähtäävien toimenpiteiden vaikutukset jäävät kuitenkin valitettavan usein selvittämättä. Yksityismetsien metsäsuunnittelun tietotarpeita tyydyttävään kuvioittaiseen arviointiin on haettu viime aikoina kustannussäästöjä erilaisia korvaavia ja täydentäviä arvioimismenetelmiä testaamalla. Metsäkeskusten suorittamassa yksityismetsien metsäsuunnittelussa metsälön kaikki kuviot käydään läpi maastoinventoinneilla noin kymmenen vuoden välein. Laskennallisessa ajantasaistuksessa kuvioaineistoa päivitetään tilastollisilla malleilla toimenpiteet huomioon ottaen. Tällöin rajoiltaan muuttumattomilla kuvioilla ei tarvitse suorittaa puustomittauksia jokaisella inventointikerralla. Kasvuennusteiden luotettavuusarvioita ei kuitenkaan tehdä, vaan ajantasaistettua kuvioaineistoa käytetään kuten varsinaista uutta inventointiaineistoa.

Tässä katsauksessa tarkastellaan erilaisia menetelmiä, joiden avulla voidaan tuottaa ajantasaistetuille tunnuksille luotettavuusarvioita. Nämä luotettavuusarviot palvelevat tilanteissa, joissa olisi päätettävä, käytetäänkö kuviotiedoston ajantasaistusta kuvioittaisen inventoinnin tukena tai korvaamassa osittain uutta inventointitietoa. Suunnittelijalle luotettavuusarviot antavat tukea päätöstilanteessa, jossa valitaan kuviot, joille ajantasaistus voidaan tehdä luotettavasti.

• Haara, Sähköposti: arto.haara@metla.fi

Metsätalouden laskentajärjestelmät pohjautuvat yhä enemmän simuloituihin metsien kehitysennusteisiin, mutta näin saatujen kehitysennusteiden ja -skenaarioiden luotettavuutta ei ole riittävästi tarkasteltu. Tässä artikkelissa esitellään erilaisten puustotunnusten ennustamiseen liittyviä epävarmuuden lähteitä. Lähinnä tarkastellaan mallien jäännösvirheiden ja kertoimien sekä malleissa tarvittavien lähtötietojen virheiden vaikutuksia saataviin ennusteisiin. Lisäksi tarkastellaan esimerkkilaskelman avulla virheiden vaikutuksia metsäsuunnitelmaan. Puustotunnusten ennustamisen lisäksi metsäsuunnittelussa aiheuttavat epävarmuutta esimerkiksi päätöksentekijän tavoitteiden analysointi ja kuvaaminen. Ennustamiseen ja suunnitteluun liittyvät erilaiset epävarmuustekijät ja niiden yhteisvaikutukset tulisikin tuntea nykyistä paremmin. Epävarmuus pitäisi myös pystyä kuvaamaan päätöksentekijälle tämän ymmärtämässä muodossa.

• Kangas, Sähköposti: annika.kangas@metla.fi
• Kangas, Sähköposti: ei.tietoa@metsatiede.org