Artikkelit jotka sisältää sanan 'lidar'

Tutkimusartikkeli

artikkeli 6831, Tutkimusartikkeli
Tero Heinonen, Vesa Leppänen, Timo Pukkala, Martin Gunia. (2008). Dynaamisiin käsittelykuvioihin perustuva metsäsuunnittelu. Metsätieteen aikakauskirja vuosikerta 2008 numero 4 artikkeli 6831. https://doi.org/10.14214/ma.6831
Original keywords: lidar; kaukokartoitus; aligradienttimenetelmä; laserkeilaus; spatiaalinen optimointi
Tiivistelmä | Näytä lisätiedot | Artikkeli PDF-muodossa | Tekijät

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 (sähköposti)
  • Leppänen, Sähköposti: ei.tietoa@metsatiede.org
  • Pukkala, Sähköposti: ei.tietoa@metsatiede.org
  • Gunia, Sähköposti: ei.tietoa@metsatiede.org
artikkeli 6419, Tutkimusartikkeli
Matti Närhi, Matti Maltamo, Petteri Packalén, Heli Peltola, Janne Soimasuo. (2008). Kuusen taimikoiden inventointi ja taimikonhoidon kiireellisyyden määrittäminen laserkeilauksen ja metsäsuunnitelmatietojen avulla. Metsätieteen aikakauskirja vuosikerta 2008 numero 1 artikkeli 6419. https://doi.org/10.14214/ma.6419
Original keywords: Picea abies; taimikot; lidar; varttuneet taimikot; toimenpidetarve
Tiivistelmä | Näytä lisätiedot | Artikkeli PDF-muodossa | Tekijät

Taimikonhoidon tarve määritetään perinteisesti maastoinventoinnilla, joka on kuitenkin hidasta ja kallista. Viime aikoina onkin pohdittu mahdollisuutta hyödyntää kaukokartoitusmateriaaleja taimikonhoitotarpeen määrittämisessä. Tämän tutkimuksen tavoitteena oli selvittää laserkeilauksen soveltuvuutta varttuneiden kuusen taimikoiden inventointiin ja taimikonhoitotarpeen määrittämiseen. Tutkimuksessa hyödynnetty maastoaineisto mitattiin Pohjois-Savossa Sonkajärven kunnan alueella ja se koostui yhteensä 25 taimikosta inventoidusta 195 koealaryppäästä. Kaukokartoitusmateriaalina käytettiin pistetiheydeltään 0,5 pulssia per neliömetri olevaa laserpisteaineistoa.

Laserpisteaineiston tunnuksilla ja metsätaloussuunnitelmatiedoilla ennustettiin lineaarisilla sekamalleilla koealojen puustojen keskipituutta ja tiheyttä. Taimikonhoidon kiireellisyysluokitus tuotettiin sekä lineaarisella erotteluanalyysillä käyttäen selittäjinä suoraan lasertunnuksia että luokittelemalla, jolloin hyödynnettiin laadittuja malleja puuston tiheydestä ja pituudesta. Laskettuja estimaatteja verrattiin maastossa mitatuille koealoille tehtyyn taimikonhoidon kiireellisyysluokitukseen virhematriisin avulla.

Taimikonhoidon kiireellisyysluokittelu onnistui hieman paremmin suoralla erotteluanalyysillä (oikeinluokitusprosentti 71,8 %) verrattuna sekamalleihin perustuvien puuston pituus- ja tiheys–estimaattien käyttöön luokittelussa (oikeinluokitusprosentti 69,2 %). Tulokset antavat viitteitä siitä, että laserkeilausta voitaneen tulevaisuudessa hyödyntää myös varttuneiden taimikoiden inventointiin ja taimikonhoidon kiireellisyyden määrittämiseen.

  • Närhi, Sähköposti: matti.maltamo@joensuu.fi (sähköposti)
  • Maltamo, Sähköposti: ei.tietoa@metsatiede.org
  • Packalén, Sähköposti: ei.tietoa@metsatiede.org
  • Peltola, Sähköposti: ei.tietoa@metsatiede.org
  • Soimasuo, Sähköposti: ei.tietoa@metsatiede.org
artikkeli 6317, Tutkimusartikkeli
Janne Uuttera, Perttu Anttila, Aki Suvanto, Matti Maltamo. Yksityismetsien metsävaratiedon keruuseen soveltuvilla kaukokartoitusmenetelmillä estimoitujen puustotunnusten luotettavuus. Metsätieteen aikakauskirja vuosikerta 2006 numero 4 artikkeli 6317. https://doi.org/10.14214/ma.6317
Original keywords: metsäsuunnittelu; ilmakuva; lidar; kaukokartoitus; metsien inventointi
Tiivistelmä | Näytä lisätiedot | Artikkeli PDF-muodossa | Tekijät

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, Sähköposti: janne.uuttera@tapio.fi (sähköposti)
  • Anttila, Sähköposti: ei.tietoa@metsatiede.org
  • Suvanto, Sähköposti: ei.tietoa@metsatiede.org
  • Maltamo, Sähköposti: ei.tietoa@metsatiede.org
artikkeli 6138, Tutkimusartikkeli
Aki Suvanto, Matti Maltamo, Petteri Packalén, Jyrki Kangas. Kuviokohtaisten puustotunnusten ennustaminen laserkeilauksella. Metsätieteen aikakauskirja vuosikerta 2005 numero 4 artikkeli 6138. https://doi.org/10.14214/ma.6138
Original keywords: kuvioittainen arviointi; keskivirhe; lidar; regressiomalli
Tiivistelmä | Näytä lisätiedot | Artikkeli PDF-muodossa | Tekijät

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 (sähköposti)
  • Maltamo, Sähköposti: ei.tietoa@metsatiede.org
  • Packalén, Sähköposti: ei.tietoa@metsatiede.org
  • Kangas, Sähköposti: ei.tietoa@metsatiede.org

Rekisteröidy
Click this link to register to Metsätieteen aikakauskirja.
Kirjaudu sisään
Jos olet rekisteröitynyt käyttäjä, kirjaudu sisään tallentaaksesi valitsemasi artikkelit myöhempää käyttöä varten.
Ilmoitukset päivityksistä
Kirjautumalla saat tiedotteet uudesta julkaisusta
Valitsemasi artikkelit