Artikkelit jotka sisältää sanan 'laserkeilaus'

Tutkimuksessa testattiin sellaista metsäsuunnittelman laadintatekniikkaa, jossa ei käytetä lainkaan perinteisiä metsikkökuvioita. Puustotunnukset tulkittiin kuusikulmion muotoisille pikseleille käyttäen laserkeilausaineistoa ja joukkoa suunnittelualueen läheltä mitattuja maastokoealoja. Lisäksi käytettiin digitaalista väri-infrakuvaa, jonka avulla pääteltiin, oliko tietty pikseli metsäpeitteetön, havupuustoinen vai lehtipuustoinen. Tutkimuksessa verrattiin kolmea pikselikokoa: 294 m², 591 m² ja 1182 m². Puustotunnusten tulkintamenetelmässä jokaiselle pikselille valittiin 50 ”lähintä” koealaa. Läheisyyttä mitattiin laser- ja väri-infra-aineistosta lasketuilla muuttujilla. Tulkintapikselille valittujen koealojen puustotunnusten ja laserpulsseista laskettujen muuttujien välille sovitettiin ennustin, jolla tulkintapikselin puustotunnukset saatiin laserpulsseja luonnehtivien muuttujien funktiona. Tulkintapikseleille simuloitiin vaihtoehtoisia käsittelyohjelmia kahdeksi 5-vuotiskaudeksi. Pikseleistä muodostettiin yhtenäisiä käsittely-yksiköitä spatiaalisen optimoinnin keinoin. Tulosten mukaan menetelmä on teknisesti toimiva, joskin osa käsittelykuvioista on varsin pieniä, ja käsittelykuvion sisälle voi jäädä käsittelemättömiä pikseleitä. Tämän tulkittiin olevan seurausta metsäalueen puuston heterogeenisuudesta eikä niinkään menetelmän kyvyttömyydestä ryhmittää metsän piirteitä ja käsittelyjä spatiaalisesti. Suurin pikselikoko tuotti vähiten sirpaleisen hakkuuehdotuksen, mutta pienin pikselikoko taas tuotti suurimman nettotulojen nykyarvon, kun hakkuukertymä vakioitiin.

• Heinonen, Sähköposti: tero.heinonen@joensuu.fi
• Leppänen, Sähköposti: ei.tietoa@metsatiede.org
• Pukkala, Sähköposti: ei.tietoa@metsatiede.org
• Gunia, Sähköposti: ei.tietoa@metsatiede.org

Tässä kirjallisuuskatsauksessa tarkastellaan, millaista metsien monimuotoisuutta kuvaavaa tietoa voidaan saada nykyaikaisen kaukokartoitus- ja sensoritekniikan avulla. Käsittely keskittyy Suomeen, Ruotsiin ja Norjaan, missä metsät, ilmasto-olot ja teknologiset valmiudet sekä käytetyt teknologiat ovat samankaltaisia. Laserkeilaimia ja kuvantavia monikanavasensoreita voidaan asentaa monenlaisille liikkuville alustoille: satelliitteihin, lentokoneisiin, drooneihin ja metsäkoneisiin. Mitä lähempää kohdetta havainnoidaan, sitä tarkempaa tietoa saadaan, mutta sitä pienempi on myös kerralla havainnoitu pinta-ala. Yleisesti käytetyistä monimuotoisuuden indikaattoreista suurikokoisten säästöpuiden määrää, puuston eri-ikäisrakenteisuutta ja vesistöjen suojavyöhykkeitä voidaan havainnoida suhteellisen luotettavasti Suomessa laajalti saatavilla olevilla lentolaserkeilausaineistoilla. Lahopuun ja vähälukuisten puulajien, kuten haavan (Populus tremula L.), tunnistaminen onnistuu tällä hetkellä esimerkiksi droonien avulla pienille alueille kerrallaan, mutta riittävän tarkan tiedon saaminen suuralueille vaatii nykyistä tarkemman tekniikan käyttöönottamista lentokoneilla tehtävissä kartoituksissa. Tietyille eläin- ja kasvilajeille sopivia elinympäristöjä voidaan kartoittaa suuriltakin alueilta, mutta esimerkiksi pintakasvillisuudesta ei käytännössä vielä saada riittävän tarkkoja suoria havaintoja. Kaukokartoitus soveltuu kuitenkin hyvin maastoinventointien kohdentamiseen oikeisiin paikkoihin. Metsäkonetietoa hyödyntämällä on mahdollista dokumentoida hakkuissa tehdyt tekopökkelöt ja säästöpuuryhmän tai muun käsittelemättömän alueen, esimerkiksi vesistön tai pienveden suojavyöhykkeen, avainbiotoopin, suojeltavan alueen tai riistatiheikön ympäriltä hakatut rungot. Hyödynnettäessä metsäkonetietoa metsäluonnon monimuotoisuuden mittaamisessa ja seurannassa tärkein asia juuri nyt on parantaa hakkuukoneen hakkuulaitteen sijaintitiedon tarkkuutta anturoimalla hakkuukoneen puomi. Tulevaisuudessa tavoitteena on oltava automatisoitu metsäluonnon monimuotoisuuden mittaaminen ja dokumentointi puunkorjuuoperaatioiden yhteydessä, mikä edellyttää metsäkoneen sensorointia. Tarkan, automatisoidun monimuotoisuustiedon tuottaminen metsäkoneissa olevilla sensoreilla on todennäköisesti mahdollista toteuttaa tällä vuosikymmenellä. Yhteenvetona kaukokartoitus- ja sensoritekniikka mahdollistaa tulevaisuudessa huomattavasti nykyistä tarkemman metsien monimuotoisuutta kuvaavan tiedon keräämisen myös suuralueilta. Tarkimpaan lopputulokseen päästään yhdistämällä useista eri lähteistä peräisin olevia tietoja.

• Korhonen, Itä-Suomen yliopisto, Metsätieteiden osasto, Joensuu https://orcid.org/0000-0002-9352-0114 Sähköposti: lauri.korhonen@uef.fi
• Kärhä, Itä-Suomen yliopisto, Metsätieteiden osasto, Joensuu Sähköposti: kalle.karha@uef.fi
• Maltamo, Itä-Suomen yliopisto, Metsätieteiden osasto, Joensuu https://orcid.org/0000-0002-9904-3371 Sähköposti: matti.maltamo@uef.fi
• Malinen, Metsäteho Oy, Vantaa https://orcid.org/0000-0002-5023-1056 Sähköposti: jukka.malinen@metsateho.fi
• Hyyppä, Paikkatietokeskus FGI, Espoo https://orcid.org/0000-0001-5360-4017 Sähköposti: juha.coelasr@gmail.com
• Kaartinen, Paikkatietokeskus FGI, Espoo https://orcid.org/0000-0002-4796-3942 Sähköposti: harri.kaartinen@nls.fi
• Toivonen, Luonnonvarakeskus, Biotalous ja ympäristö, Joensuu https://orcid.org/0000-0003-1319-3035 Sähköposti: janne.toivonen@luke.fi
• Packalen, Luonnonvarakeskus, Biotalous ja ympäristö, Helsinki https://orcid.org/0000-0003-1804-0011 Sähköposti: petteri.packalen@luke.fi
• Koivula, Luonnonvarakeskus, Luonnonvarat, Helsinki https://orcid.org/0000-0001-6415-4904 Sähköposti: matti.koivula@luke.fi