Takaisin

Laskennallisia menetelmiä kaukokartoitettujen metsätietojen luotettavuuden arviointiin

Väitös laskennallisen fysiikan alalta
Väittelijä:  FM Petri Varvia
Aika ja paikka 31.8.2018 klo 12, TTA, Tietoteknia, Kuopion kampus

Metsät kattavat noin kolmanneksen maailman maapinta-alasta. Tästä mittakaavasta johtuen metsien tilan ajantasainen seuranta vaatii kaukokartoitusmenetelmiä, eli esimerkiksi satelliittikuvantamista tai lentokoneesta tehtävää laserkeilausta.

Filosofian maisteri Petri Varvia esittää väitöstutkimuksessaan bayesilaiseen tilastotieteeseen perustuvan lähestymistavan epävarmuuksien mallintamiseen kahdessa metsien kaukokartoitusmenetelmässä. Mallintamalla kaukokartoitusongelmaan liittyvät epävarmuudet saadaan lopputuloksena arvio kaukokartoitetun metsätiedon luotettavuudelle.

Tutkimuksen ensimmäinen osa käsittelee epävarmuuksien arviointia niin kutsutussa aluepohjaisessa laserkeilausperusteisessa metsäinventoinnissa. Aluepohjainen lähestymistapa on Pohjoismaissa ja maailmalla laajasti käytetty menetelmä metsävaratietojen kaukokartoitukseen. Esimerkiksi suomalaisille metsänomistajille tutut metsien puustotiedot, kuten runkotilavuus, tuotetaan käyttäen laserkeilaukseen perustuvaa aluepohjaista menetelmää.

Väitöskirjassa esitetään uusi menetelmä, jolla aluepohjaisella lähestymistavalla saaduille metsävaratiedoille voidaan laskea paikkakohtainen luotettavuusarvio, eli käytännössä virherajat. Tulokset osoittavat, että menetelmällä lasketut virherajat puulajikohtaisille puustotunnuksille ovat päteviä tavanomaisessa aluepohjaisen menetelmän asetelmassa. Esitetyn menetelmän tuottama epävarmuustieto on potentiaalisesti hyödyllistä esimerkiksi metsän hoitotoimenpiteiden, kuten harvennusten ja hakkuiden, suunnittelussa.

Väitöstutkimuksen toinen osa käsittelee metsän biofysikaalisten muuttujien, erityisesti lehtialaindeksin, määrittämistä hyperspektraalisesta satelliittikuva-aineistosta. Hyperspektraalisella satelliittikuvalla tarkoitetaan satelliittikuvaa, joka koostuu perinteisen satelliittikameran (tai tavallisen digikameran) kuvan muutaman eri värikanavan sijaan jopa sadoista kapeista valon aallonpituuskanavista. Lehtialaindeksi puolestaan kuvaa puuston lehtien tai neulasten kokonaispinta-alaa ja on tärkeä muuttuja sekä kasvillisuuden ekologisissa malleissa, että ilmastomalleissa.

Tulosten perusteella väitöskirjassa esitetyllä metsän optisen heijastusmallin bayesilaiseen inversioon pohjautuvalla menetelmällä saadaan referenssimenetelmää huomattavasti parempia tuloksia. Tämän lisäksi menetelmällä saadaan arviot myös monelle muulle metsän optisiin ominaisuuksiin vaikuttavalle muuttujalle, sekä kaikille näille muuttujille virherajat. Menetelmän tuottama luotettavuustieto kaukokartoitetulle lehtialaindeksille on erityisen hyödyllinen ilmastomalleihin liittyvien epävarmuuksien tarkentamisessa ja sitä kautta lopulta ilmastonmuutokseen liittyvässä päätöksenteossa.

Filosofian maisteri Petri Varvian väitöskirja Uncertainty quantification in remote sensing of forests (Epävarmuuksien mallintaminen metsien kaukokartoituksessa) tarkastetaan Luonnontieteiden ja metsätieteiden tiedekunnassa. Vastaväittäjänä toimii dosentti Matti Mõttus Teknologian tutkimuskeskus VTT Oy, ja kustoksena apulaisprofessori Aku Seppänen, Itä-Suomen yliopisto.

Väittelijän painolaatuinen kuva on osoitteessa https://kuvapankki.uef.fi/A/UEF+kuvahakemisto/15140?encoding=UTF-8