Artikkelit jotka sisältää sanan 'knn-menetelmä'

Tutkimuksessa tarkasteltiin Landsat TM -satelliittikuvan käyttökelpoisuutta puustotietojen sekä toimenpide-ehdotusten estimoimiseksi metsikkökuvioille ja segmenteille ei parametrisella k-lähimmän naapurin menetelmällä (knn). Satelliittikuvan informaation ohella estimoinnissa hyödynnettiin vanhan inventoinnin mukaisia puustotietoja. Tutkimuksessa vertailtiin myös satelliittikuvan sävyarvoista eri tavoin laskettujen keskiarvojen tehokkuutta estimoinnissa. Estimoinnin tukiaineisto koostui 935 kuviosta ja kohdeaineisto 921 kuviosta.

Paras estimointitulos saatiin käyttämällä satelliittikuvan informaationa kuvioiden ydinosien keskiarvosävyjä ja kuvioiden reunaetäisyydellä painotettujen sävyarvojen keskiarvoja sekä vanhaa inventointitietoa. Puuston keskitilavuuden keskivirheeksi saatiin 42,1 % (51,6 m³ ha^–1). Tarkimmin estimoitiin puuston keskiläpimitta (keskivirhe 32,3 % (5,4 cm)), sekä keskipituus (keskivirhe 34,1 % (4,6 m)). Nuorissa ja varttuneissa kasvatusmetsissä vastaavat keskivirheet olivat noin 10 %-yksikköä pienemmät kuin koko aineistossa keskimäärin. Segmenttiestimoinnissa suhteelliset keskivirheet olivat 10–15 %-yksikköä vastaavia metsikköestimointeja suuremmat.

Toimenpide-ehdotusten luokittelussa kasvatushakkuiden oikeinluokitusprosentiksi saatiin 61,3 % ja uudistamishakkuiden 64,1 %. Hoitotoimenpide-ehdotusten luokittelussa koko aineiston oikeinluokitusprosentti oli 71,2 %.

Tutkimuksessa testattu menetelmä tarjoaa nopean ja edullisen vaihtoehdon puustotunnusten ja toimenpide-ehdotusten tuottamiseksi esimerkiksi välialueiden suunnitteluun.

• Hyvönen, Sähköposti: pekka.hyvonen@metla.fi