Filosofian maisteri Kasper Kansanen kehitti väitöstutkimuksessaan uusia menetelmiä yksinpuintulkittujen kaukokartoitusaineistojen osittaisesta havaitsemisesta johtuvien ongelmien ratkaisemiseksi. Tutkimuksessa havaittiin, että Horvitz-Thompson-tyyppisten estimaattoreiden avulla voidaan arvioida koko puuston ominaisuuksia osittain havaitun puukokoelman ominaisuuksien perusteella. Uudet menetelmät olivat useimmissa testitilanteissa tarkempia tai yhtä tarkkoja kuin muut testatut menetelmät. Väitöstilaisuutta voi seurata 6.11.2020 klo 12 alkaen verkossa.
Metsien inventoinnissa selvitetään muun muassa puiden määrää, keskimäräistä kokoa ja koon vaihtelua erilaisten mittausten avulla. Kerätyn tiedon pohjalta voidaan arvioida puuston rahallista ja ekologista arvoa. Metsätietoa voidaan hyödyntää, kun tehdään metsänhoidollisia päätöksiä esimerkiksi harvennushakkuiden ajoittamisessa. Laajoista kansallisista metsien inventoinneista saadaan tietoa esimerkiksi metsäteollisuuden tehdasinventointien tueksi ja kestävien hakkuumäärien arvioimiseksi. Toisaalta kansallisen metsätiedon perusteella voidaan suunnitella metsien suojelua, sekä neuvotella ja valvoa kansainvälisiä sopimuksia, kuten Kioton ja Pariisin ilmastosopimuksia.
Nykyisin metsien inventoinnissa käytetään kenttämittausten ohella useiden kaukokartoitusmenetelmien tuottamaa dataa, kuten ilma- ja satelliittikuvia sekä laserkeilauksella saatua kolmiulotteista pisteittäistä mittausaineistoa. Kaukokartoituksella pystytään keräämään mittaustietoa laajoilta alueilta lyhyessä ajassa. Erityisesti ilmasta ja avaruudesta käsin tehdyllä mittauksilla voidaan peittää koko inventointialue tasaisesti. Kenttämittaukset sen sijaan rajoittuvat pienille, inventoitavalle alueelle hajautetuille koealoille.
Kaukokartoitusdataa voidaan hyödyntää useilla tavoilla. Yksi menetelmä korkearesoluutioisen datan hyödyntämiseen on niin sanottu yksinpuintulkinta, jossa datasta etsitään algoritmisesti yksittäisiä puita sovittamalla dataan puumalleja. Nämä puumallit antavat tietoa puun ominaisuuksista, esimerkiksi sijainnista ja latvuksen tai rungon koosta. Yksittäisten havaittujen puiden pohjalta voidaan arvioida alueellisia metsän ominaisuuksia, kuten keskiläpimitta, runkopuun kokonaistilavuus ja biomassa. Kansasen väitöstutkimuksessa yksinpuintulkinta tarkoittaa sekä ilmasta käsin tehtävään latvusten tunnistamista esimerkiksi lentolaserkeilausaineistosta että maasta käsin tehtävää runkojen tunnistamista esimerkiksi maalaserkeilausaineistosta.
Usein yksinpuintulkinnalla ei voida havaita kaikkia metsän puita. Merkittävin yksittäinen syy havaitsemisongelmaan on puiden vuorovaikutus. Puut voivat jäädä toistensa katveeseen, eikä niitä siksi havaita. Esimerkiksi korkean, suurilatvuksisen puun latvuksen alla kasvavat puut eivät näy ilmasta käsin kerätyssä datassa. Maasta kerätyssä datassa osa puiden rungoista voi jäädä tarkastelupistettä lähempänä sijaitsevien runkojen katveeseen. Havaitsemisongelman seurauksena yksinpuintulkitun kaukokartoitusdatan pohjalta lasketut metsän ominaisuudet voivat ovat virheellisiä. Esimerkiksi runkolukumäärä aliarvioidaan. Jos erityisesti pienet puut jäävät havaitsematta, esimerkiksi puuston keskiläpimitta yliarvioidaan.
Kansasen väitöstutkimuksessa kehitettyjen menetelmien keskiössä on puiden havaitsemistodennäköisyyksien laskeminen. Kun havaittuja ominaisuuksia painotetaan todennäköisyyksillä, saadaan arvio koko puuston ominaisuuksista. Havaitsemistodennäköisyyksien laskenta perustuu oletuksiin puiden sijaintien satunnaisuudesta sekä puiden sijaintien ja latvusten kokojen (latvuksia ilmasta käsin tarkasteltaessa) tai runkojen läpimittojen (runkoja maan pinnalta käsin tarkasteltaessa) määrittämästä havaitsemishierarkiasta.
Väitöstutkimuksessa uutta menetelmää sovellettiin lentolaserkeilausaineiston yksinpuintulkintaan ja maalaserkeilausaineiston yksinpuintulkintaan. Lisäksi tutkittiin ”havaitsemattomien” ominaisuuksien arviointia, eli tilannetta, jossa halutaan arvioida ominaisuuksia, jotka eivät käy suoraan ilmi yksinpuintulkinnan käyttämistä puumalleista.
FM Kasper Kansasen väitöskirja Horvitz–Thompson-like estimators based on stochastic geometry for forest remote sensing tarkastetaan Itä-Suomen yliopiston luonnontieteiden ja metsätieteiden tiedekunnassa. Vastaväittäjänä toimii research associate Thomas Opitz, French National Institute of Agronomic Research (INRAE), ja kustoksena professori Lauri Mehtätalo Itä-Suomen yliopistosta.