Hyppää pääsisältöön

Koronavirustilanne Itä-Suomen yliopistossa

Metsä

Puuston kokojakauma arvioidaan lentolaserkeilauksen avulla

  • Ympäristö ja luonnonvarat

Metsikön puuston kokojakauma ennustetaan hyödyntämällä maastosta mitattua koealaotosta ja erilaisia kaukokartoitusaineistoja. MMM Janne Rädyn väitöstutkimuksessa tarkasteltiin erilaisten kaukokartoitusaineistojen käyttömahdollisuuksia puuston kokojakaumien ennustamisessa. Lisäksi selvitettiin puuston kokojakaumien ennustamiseen tarvittavia tilastollisia menetelmiä.

Tulokset osoittavat, että erityisesti kahtena erillisenä ajankohtana kerätyt laserkeilausaineistot ovat hyödyllisiä puulajikohtaisissa jakaumaennusteissa. Myös monikanavalaserkeilausaineisto (keilaus kolmella eri aallonpituudella) tuotti hieman pienemmät virheet puulajikohtaisille kokojakaumaennusteille kuin perinteinen yksikanavainen laserkeilausaineisto.

Puuston kokojakaumia voidaan arvioida laserkeilausaineiston perusteella joko aluepohjaisesti (esim. koeala, hilaruutu) tai yksittäisten puiden tasolla. Väitöstyössä tutkittiin näiden menetelmien suorituskykyä erilaisissa metsikkörakenteissa. Metsikkörakenteina käytettiin laskevia, kaksihuippuisia ja normaalijakautuneita puuston läpimittaan perustuvia kokojakaumia.

Tulokset osoittivat, että yksittäisiin puihin perustuva menetelmä suoriutuu aluepohjaista menetelmää paremmin normaalijakauman muotoisia kokojakaumia ennustettaessa. Kaksihuippuisten ja laskevien jakaumien tapauksissa aluepohjainen menetelmä suoriutui puutason menetelmää paremmin. Väitöstutkimuksessa esitettiin myös menetelmä, jolla aluepohjaisesti ja puutasolla ennustettu kokojakauma voidaan yhdistää, jolloin pyritään hyödyntämään molempien menetelmien parhaat ominaisuudet.

Suomen metsävaroja arvioidaan metsätalouden suunnittelun tarpeisiin lentolaserkeilaus- ja ilmakuva-aineistojen avulla. Lentolaserkeilausaineisto tuottaa metsästä kolmiulotteisen pisteaineiston, jonka perusteella esimerkiksi puuston pituudesta saadaan tarkkaa tietoa. Aineiston pistetiheydestä riippuen myös puuston latvuskerroksia voidaan erottaa pisteaineistosta. Nykyisellään operatiiviset metsäinventoinnit hyödyntävät laserkeilausaineistoja, joiden pistetiheys on harva (< 1 mitattu piste per m²).

Lähitulevaisuudessa pistetiheydet tulevat moninkertaistumaan. Laserkeilaukseen perustuva metsäinventointi on kustannustehokkaampaa kuin perinteinen pääosin maastossa tapahtuva kuvioittainen arviointi. Laserkeilausinventoinnissa kerätään satojen koealojen referenssiotos inventointialueelta, joka voi olla satoja tuhansia hehtaareja. Kuvioittaisessa arvioinnissa jokaisella metsäkuviolla täytyy suorittaa mittauksia ja metsäkuvioita voi olla kymmeniä metsätilalla (tilan pinta-ala keskimäärin 30 ha).

Laserkeilausaineistojen avulla tuotettujen puustotunnusennusteiden tarkkuudet kokonaispuuston tasolla ovat tutkimusten valossa osoittautuneet olevan vähintään kuvioittaisen arvioinnin tasolla. Laserkeilausinventoinnissa puulajikohtaisten tunnusten osalta epävarmuutta on enemmän kuin kuvioittaisessa arvioinnissa.

Puulajikohtaisten puustotunnusennusteiden tuottamiseksi tarvitaan myös ilmakuva-aineistoja, joiden avulla lehtipuu- ja havupuuvaltaiset metsäkuviot saadaan eroteltua toisistaan. Ilmakuvien ja lentolaserkeilauksen yhdenaikaiseen hyödyntämiseen liittyy haasteita, koska aineistot tulisi kerätä mahdollisimman samanaikaisesti referenssikoeala-aineiston kanssa. Ilmakuvien tilalle on esitetty monikanavalaserkeilausta, jossa laserkeilain mittaa kohdetta usealla eri aallonpituudella.

Kahtena eri ajankohtana kerätyt laserkeilausaineistot (esim. 5 vuotta) ovat vielä varsin harvinaisia Suomessa. Niiden avulla voidaan tulkita metsien muutoksia, esimerkiksi puuston kasvua. Kahdenaikaisia laserkeilausaineistojen on paremmin saatavissa tulevaisuudessa koko Suomen kattavan laserkeilausohjelman edetessä. Laserkeilausaineistot tulevat myös olemaan entistä tiheämpiä, mikä mahdollistaa yksittäisten puiden tasolla toteutettavan inventoinnin.

MMM Janne Rädyn metsätieteen alaan kuuluva väitöskirja Prediction of diameter distributions in boreal forests using remotely sensed data tarkastetaan luonnontieteiden ja metsätieteiden tiedekunnassa 5.6. (verkossa). Vastaväittäjänä toimii Dr. Jean-Pierre Renaud, Office National des Forêts, Ranska, ja kustoksena professori Matti Maltamo, Itä-Suomen yliopisto. Väitöstilaisuuden kieli on englanti.

Linkki väitöstilaisuuteen

Väittelijän painolaatuinen kuva

Väitöskirja verkossa

 

Metsädataa
Väitöstutkimuksen tuloksia