Artikkelit jotka sisältää sanan 'kuvio'

Tutkimuksessa tarkasteltiin puustotunnusten ajantasaistuksen luotettavuutta ja virhelähteitä. Virhelähteet olivat kuvioittainen arviointi, kuviota kuvaavan puujoukon generointi puustotunnuksista ja kasvun ennustaminen. Aineistona oli 84 kuviota neljästä eri metsikkötyypistä Pohjois-Savon metsäkeskuksen Kerkonjoensuun suunnittelualueelta. Tutkimus pohjautui systemaattiseen koealaotantaan, jonka avulla muodostettiin tarkat puu- ja puustotason kontrollitunnukset tarkastelujakson (1–7 vuotta) alkuun sekä loppuun. Lisäksi lähtötietoina olivat käytössä tarkastelujakson alkutilan kuvioittaisella arvioinnilla kerätyt puustotunnukset. Puujoukon muodostaminen puustotason lähtötiedoista ja kasvun simulointi tarkastelujakson loppuun tehtiin Motti-metsikkösimulaattorilla. Tutkituista virhelähteistä vähiten vaikutusta oli puutason tiedon generoinnilla. Kasvun ennustevirhe aiheutti aliarviota 1,3 m²ha^–1 ja 1,6 m²ha^–1 kuusiositteiden pohjapinta-aloihin ja 0,8 m ja 1,0 m mäntyositteiden keskipituuksiin. Kasvuennusteen ja puutason tiedon generoinnin yhteisvirhe tuotti 0,2–0,8 cm aliarvion ositteiden keskiläpimittaan ja 1,4 m ja 1,5 m aliarviot mäntyositteiden keskipituuksiin. Kuvioittaisen arvioinnin, puutason tiedon generoinnin ja kasvuennusteen yhteisvirhe aiheutti yliarvioita runkolukuihin 427–834 ha^–1 ja mäntyositteiden pohjapinta-aloihin 1,9 m²ha^–1 ja 2,8 m²ha^–1. Keskiläpimitta ja -pituus aliarvioitui kaikissa ositteissa. Aliarviot vaihtelivat keskiläpimitassa 3,4–6,6 cm ja keskipituudessa 0,0–3,2 m. Tutkimuksen tarkastelujaksolla kuvioittaisen arvioinnin virheet olivat suurin epävarmuuden aiheuttaja ajantasaistetuissa puustotunnuksissa.

• Vastaranta, Sähköposti: mikko.vastaranta@helsinki.fi
• Ojansuu, Sähköposti: ei.tietoa@metsatiede.org
• Holopainen, Sähköposti: ei.tietoa@metsatiede.org

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, Sähköposti: pekka.hyvonen@metla.fi
• Pekkarinen, Sähköposti: ei.tietoa@metsatiede.org
• Tuominen, Sähköposti: ei.tietoa@metsatiede.org

Tutkimuksen tavoitteena oli selvittää, kuinka luotettavasti ilmasta käsin kerätystä harvapulssisesta laserpisteaineistosta voidaan ennustaa kuviokohtaisia puustotunnuksia. Maastoaineistona käytettiin 472 koealan puustotietoja, jotka oli mitattu 67 kasvatus- ja uudistamisvaiheen kuviolta. Kaukokartoitusmateriaalina käytettiin laserpisteaineistoa, jonka tiheys oli keskimäärin 0,7 pulssia neliömetrille. Tutkimusaineisto kerättiin elo–syyskuussa 2004 UPM-Kymmene Oyj:n omistamalta tilalta Varkaudesta.

Tutkimuksessa sovelletun tilastollista mallinnusta käyttävän lähestymistavan toiminta perustuu siihen, että regressioyhtälöillä lasketaan laserpisteaineistosta puustotunnukset. Työssä laadittiin malleja puustotunnusten ja laserpisteparvesta lasketun korkeusjakauman tunnusten välille koealatasolla. Laadituilla regressioyhtälöillä ennustettiin metsikkökuviolle, käyttäen koko kuviolle osuneita laserpisteitä, puuston keskiläpimitta, keskipituus, runkoluku, pohjapinta-ala ja tilavuus. Mallit tuottivat laadinta-aineistossaan edellä mainituille puustotunnuksille seuraavat absoluuttiset ja suhteelliset keskivirheet (RMSE): 1,9 cm (9,5 %), 1,9 m (5,3 %), 274 kpl/ha (18,1 %), 2,0 m²/ha (8,3 %), ja 19,9 m³/ha (9,8 %). Saadut tulokset ovat erittäin tarkkoja ja verrattuna SOLMU-muotoiseen maastossa tehtävään kuvioittaiseen arviointiin selvästi tarkempia. Esitetty inventointimenetelmä on edelleen kehitettynä erittäin lupaava vaihtoehto metsäsuunnittelun metsänmittaustehtävään Suomessa.

• Suvanto, Sähköposti: aki.suvanto@joensuu.fi
• Maltamo, Sähköposti: ei.tietoa@metsatiede.org
• Packalén, Sähköposti: ei.tietoa@metsatiede.org
• Kangas, Sähköposti: ei.tietoa@metsatiede.org

Tutkimuksen tarkoituksena oli tuottaa tietoa nykyisin käytössä olevan SOLMU-muotoisen kuvioittaisen arvioinnin luotettavuudesta, jossa puusto mitataan puusto-ositteittain. Tutkimusaineisto käsitti 1 304 kuviota, joista 142 oli taimikkokuviota. Pääosin Itä-Suomessa sijaitseva tutkimusaineisto mitattiin vuosina 1997–1998. Tutkimuksessa tarkasteltiin kuvioittaisen arvioinnin luotettavuutta kuvion ja puulajiositteiden keskitilavuuden, keskiläpimitan, keskipituuden, keski-iän, pohjapinta-alan sekä tukki- ja kuitutilavuuden keskivirheen ja harhan avulla. Luotettavuutta tarkasteltiin myös osittamalla aineisto pääryhmän, metsätyypin, kehitysluokan ja vallitsevan puulajin mukaan. Lisäksi tutkittiin mittaajien välistä vaihtelua. Tutkimuksessa vertailtiin myös erilaisia läpimittajakaumamalleja kuvauspuiden muodostamisessa osana inventointitulosten laskentaa.

Tutkimuksessa kuvion keskitilavuuden keskivirheeksi saatiin 24,8 %. Tarkistusmittauksen otantavirhe vähennettynä em. keskivirheeksi tuli 21,4 %. Keskitilavuus aliarvioitiin 1,6 %. Puulajeista männyn suhteelliset keskivirheet olivat kaikissa puustotunnuksissa pienimmät. Pohjapinta-ala ja keskitilavuus aliarvioitiin selvästi runsaspuustoisissa metsiköissä. Vähäpuustoisten metsiköiden pohjapinta-ala yliarvioitiin hieman. Mittaajien välinen vaihtelu oli huomattavaa. Keskitilavuuden mittaajakohtainen keskivirhe vaihteli 10,6 %:sta 33,9 %:iin (arvioijakohtainen otantavirhe poistettu tarkistusmittauksista). Pohjapinta-alan mittaajakohtainen keskivirhe vaihteli 6,6 %:sta 24,5 %:iin.

Tutkimustuloksia on mahdollista hyödyntää esimerkiksi metsävaratiedon laadun määrittämisessä, kuvioittaisen arvioinnin kehitystyössä ja vaihtoehtoisten tiedonhankintamenetelmien arvioinneissa.

• Haara, Sähköposti: arto.haara@metla.fi
• Korhonen, Sähköposti: ei.tietoa@metsatiede.org

Työssä tarkasteltiin suunnittelujärjestelmän virhelähteiden vaikutusta kuvion ensiharvennuskypsyyden määrityksen luotettavuuteen. Tutkitut virhelähteet olivat kuvioittainen arviointi, kuviota kuvaavan puujoukon generointi metsikkötunnuksista ja kasvun ennustaminen. Tutkimuksen kohteena olivat UPM-Kymmene Oyj:n omistamat männiköt Kainuussa. Puujoukon muodostaminen ja kasvun simulointi tehtiin Mela-suunnitteluohjelmistolla. Simuloitua puuston kehitystä verrattiin koealamittauksin selvitettyyn kehitykseen 87 kuviolla. Simulointijakson pituuden vaihteluväli oli 1–13 vuotta.

Kuvioittaisen arvioinnin systemaattiset ja satunnaiset virheet olivat selvästi suurin epävarmuuden aiheuttaja tarkastelujakson lopun puustotunnuksissa ja ensiharvennuskypsyyden määrityksessä. Pelkästään kuvioittaisen arvioinnin satunnainen virhe aiheutti merkittävän yliarvion ensiharvennuskypsien männiköiden määrässä. Puuston pituuskehitys aliarvioitiin kasvua ennustettaessa selkeästi, mutta se ei aiheuttanut tutkimusaineistossa yhtään virheellistä harvennuskypsyyden määritystä. Saatujen tulosten perusteella pääteltiin, että satunnainen virhe puustotunnuksissa aiheuttaa metsäalueen ensiharvennuspoistuman ennusteeseen yliarvion lyhyellä ajanjaksolla. Inventointivirheillä voi olla ensiharvennuskypsyyttä määritettäessä selvästi suurempi merkitys kuin puujoukon generoimisen virheillä ja kasvun ennustamisen virheillä.

• Ojansuu, Sähköposti: risto.ojansuu@metla.fi
• Halinen, Sähköposti: ei.tietoa@metsatiede.org
• Härkönen, Sähköposti: ei.tietoa@metsatiede.org

Tutkimuksen tavoitteena oli selvittää, kuinka luotettavasti tietyt puustotunnukset pystytään maastossa arvioimaan ja mitkä tekijät vaikuttavat puustotunnusten arvioinnin ajanmenekkiin. Perinteisten kuvioittaisen arvioinnin puustotunnusten lisäksi (pohjapinta-ala, keskiläpimitta, keskipituus) tutkittiin mm. runkolukumediaaniläpimitan, minimi- ja maksimiläpimitan sekä tukkikokoisen puuston pohjapinta-alan ja runkoluvun arvioinnin luotettavuutta. Tutkimuksen aineisto koostui kolmesta osasta. Koeala-aineisto käsitti 19 suorakaiteen muotoista koealaa, jotka mitattiin touko-kesäkuussa 2001. Näistä koealoista 18 oli mukana saman vuoden syyskuussa järjestetyissä mittauskokeissa, joista saatiin tutkimuksen varsinainen puustotunnusaineisto. Lisäksi kerättiin erillinen ajanmenekki-aineisto mittauskokeiden yhteydessä. Puustotunnusten arviointivirheet laskettiin vertaamalla mittaajien saamia arvoja tarkasti mitatusta koeala-aineistosta laskettuihin arvoihin. Tutkimuksen mukaan ns. uusien puustotunnusten arvioinnin luotettavuudessa vain runkolukumediaaniläpimitan, aritmeettisen keskiläpimitan ja maksimiläpimitan kohdalla päästään samalle luotettavuuden tasolle kuin pohjapinta-alan, keskiläpimitan ja keskipituuden arvioinnissa. Puustotunnusten arvioinnin ajanmenekkiin vaikuttivat voimakkaimmin puusto-ositteiden lukumäärä koealalla, koealojen mittausjärjestys sekä koealan kokonaispohjapinta-ala. Myös koealojen ja mittaajien välinen satunnainen vaihtelu oli tilastollisesti merkitsevää. Sen sijaan arvioitavat puustotunnukset eivät juurikaan vaikuttaneet ajanmenekkiin.

• Kangas, Sähköposti: annika.kangas@helsinki.fi
• Heikkinen, Sähköposti: ei.tietoa@metsatiede.org
• Maltamo, Sähköposti: ei.tietoa@metsatiede.org

Tutkimuksessa testattiin ja vertailtiin erilaisia läpimittajakaumamalleja kuvauspuiden muodostamisessa kuvioittaisen arvioinnin laskentajärjestelmässä. Tutkimuksen aineistona käytettiin Valtakunnan metsien inventoinnin kiinteäsäteisiä pysyviä koealoja. Vertaillut menetelmät olivat runkoluvullinen ja runkoluvuton prosenttiosuusmalli, vastaavat Johnsonin SB-jakauman parametrimallit sekä runkoluvuttomat Weibullin parametrimallit. Kaikki mallit kuvaavat pohjapinta-alan läpimittajakaumia, mutta runkoluvullisissa malleissa käytetään selittäjänä myös puusto-ositteen runkolukua. Puulajeista tarkasteltiin niin mäntyä, kuusta, koivuja kuin myös haapaa ja leppää. Tuotettujen puustotunnusestimaattien (kokonais- ja tukkitilavuus sekä runkoluku), tarkkuutta tarkasteltiin keskivirheen ja harhan avulla.

Mikäli runkoluku oli tiedossa, tuotti runkoluvullinen prosenttiosuusmalli yleensä tarkimmat tulokset niin tilavuuden kuin runkoluvunkin osalta. Tilavuusestimaattien osalta tarkkuuserot olivat kuitenkin pieniä. Jos taas runkolukua ei tiedetty, olivat vertaillut menetelmät keskimäärin likimain yhtä hyviä. Menetelmien keskinäinen tarkkuusjärjestys vaihteli puulajin, puuston koon ja tarkastellun puustotunnuksen suhteen. Käytettävän läpimittajakaumamallin valintaa tärkeämpää on kiinnittää huomiota maastossa mitattavan puustotiedon määrään ja etenkin laatuun.

• Maltamo, Sähköposti: matti.maltamo@forest.joensuu.fi
• Haara, Sähköposti: ei.tietoa@metsatiede.org
• Hirvelä, Sähköposti: ei.tietoa@metsatiede.org
• Kangas, Sähköposti: ei.tietoa@metsatiede.org
• Lempinen, Sähköposti: ei.tietoa@metsatiede.org
• Malinen, Sähköposti: ei.tietoa@metsatiede.org
• Nalli, Sähköposti: ei.tietoa@metsatiede.org
• Nuutinen, Sähköposti: ei.tietoa@metsatiede.org
• Siipilehto, Sähköposti: ei.tietoa@metsatiede.org

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

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, Sähköposti: perttu.anttila@forest.joensuu.fi
• Lehikoinen, Sähköposti: ei.tietoa@metsatiede.org

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

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, Sähköposti: harri.hyppanen@metsaliitto.fi

Tutkimuksessa selvitettiin satelliittikuvan, ilmakuvan ja satelliittipaikannuksen tarkkuutta päätehakkuiden kuviorajojen päivityksessä. Lisäksi tutkittiin käytännön päivittämättömän kuvioinnin luotettavuutta hakkuiden jälkeen. Tutkimuksen referenssiaineisto rajattiin orto-oikaistuilta numeerisilta ilmakuvilta. Pinta-alaerojen itseisarvojen keskiarvo oli satelliittikuvarajauksella 16 %, päivittämättömällä kuvioinnilla 22 %, ilmakuvilta päivitetyllä kuvioinnilla 13 % ja satelliittipaikannuksella 4 %. Varttuneen metsän ja päätehakkuun rajan sijaintiero oli suurinta päivittämättömän kuvioinnin rajoissa (noin 25 m). Vastaava sijaintiero satelliittikuvalta rajattaessa oli noin 15 m ja ilmakuvalta päivitettäessä noin 10 m. Satelliittipaikannuksella (GPS) saatu rajaus erosi referenssirajauksesta 5–8 m, mikä on erittäin vähän ottaen huomioon kummankin menetelmän virhelähteet.

• Hyppänen, Sähköposti: harri.hyppanen@forest.joensuu.fi
• Pasanen, Sähköposti: ei.tietoa@metsatiede.org
• Saramäki, Sähköposti: ei.tietoa@metsatiede.org

Tutkimuksessa kehitettiin menetelmä, jossa paikkatietojärjestelmän avulla tarkennetaan metsäsuunnittelussa käytettävää puuston ja kasvupaikan perusteella tehtyä metsikkökuviointia maisemallisesti tärkeissä kohteissa, kuten vesistöjen rannoilla sekä virkistysreittien ja teiden varsilla. Lisäksi uuden metsikkökuvioinnin kuviot ryhmitellään paikkatietoanalyysien avulla maisemaluokkiin, joita hyödynnetään hakkuita kohdennettaessa.

Menetelmän käytöstä saatavaa hyötyä arvioitiin kolmen tapaustutkimuksen avulla. Niissä verrattiin tavallisella kuvioinnilla ja tarkennetulla kuvioinnilla tehtyjen metsäsuunnitelmien tuottamaa maisemaa grafiikkakuvien ja numeeristen tunnusten avulla. Metsäsuunnitelmat tehtiin MONSU-ohjelmistolla siten, että suunnitelmien mukaisten hakkuiden tuottamat nettotulot olivat molemmissa suunnitelmissa yhtäsuuret. Tutkimuksessa oli kuusi vertailtavaa metsäsuunnitelmaparia, joista kaikissa raati valitsi tarkennetulla kuvioinnilla tehdyn sunnnitelman tuottaman maiseman peruskuvioinnilla toteutetun suunnitelman tuottamaa maisemaa kauniimmaksi.

Tarkentamalla numeerisessa metsäsuunnittelussa käytettavää puuston ja kasvupaikan perusteella tehtyä metsikkökuviointia sekä hyödyntämällä paikkatietoanalyysejä sijainniltaan tärkeiden metsikkökuvioiden etsimisessä, saadaan maisemallisesti parempi lopputulos nettotuloja pienentämättä. Menetelmän tuottaman hyödyn määrään vaikuttavat tilalle asetettu tulotavoite ja tilan maisemalliset ominaisuudet. Tutkimuksessa kehitetty menetelmä mahdollistaa automaattisen tavan tarkentaa metsikkökuviointi uudeksi kuvioinniksi, joka palvelee metsäsuunnittelua paremmin kuin alkuperäinen kuviointi.

• Store, Sähköposti: ron.store@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

Kaukokartoitukseen perustuva hilamuotoisen (tai rasterimuotoisen) metsävaratiedon keruu on merkittävä investointi, joka on mitoitettava kustannustehokkaasti. Mitoittaminen edellyttää tietoa kustannusten lisäksi myös tiedon arvosta eli tiedon tuottamista hyödyistä kaikissa niissä päätöstilanteissa, joissa tietoa sovelletaan. Tämän tutkimuksen tavoitteena oli selvittää hilamuotoisen metsävaratiedon käyttöä ja hyötyjä. Tutkimusta varten haastateltiin metsäalan toimijoita metsävaratietoa hyödyntävistä organisaatioista. Haastatteluissa toimijat kuvasivat metsävaratiedon käyttötilanteita, käytettävyyttä eri tilanteissa, käytön laajuutta ja käytöstä arvioituja hyötyjä omasta näkökulmastaan. Tässä tutkimuksessa on koottu yhteen haastateltujen näkemykset. Lisäksi tarkastellaan haastatteluissa esille nousseita hyötyjen realisointiin vaikuttavia tekijöitä ja niiden vaikutuksia.

• Kangas, Luonnonvarakeskus (Luke), Metsävarojen inventointi ja metsäsuunnittelu, Joensuu https://orcid.org/0000-0002-8637-5668 Sähköposti: annika.kangas@luke.fi
• Packalen, Luonnonvarakeskus (Luke), Metsävarojen inventointi ja metsäsuunnittelu, Joensuu Sähköposti: tuula.packalen@luke.fi

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, Sähköposti: raisa.sell@tapio.mailnet.fi