Kaukokartoituspohjainen metsien inventointi Suomessa - mitä tästä eteenpäin? Petteri Packalen
|
|
- Olivia Karjalainen
- 5 vuotta sitten
- Katselukertoja:
Transkriptio
1 Laserkeilausseminaari 2017 MML Kaukokartoituspohjainen metsien inventointi Suomessa - mitä tästä eteenpäin? Petteri Packalen
2 Metsien inventointi Suomessa Kaksi erityyppistä inventointia: Valtakunnan metsien inventointi (LUKE) Kuvioittainen inventointi (SMK, palveluntarjoajat) Molempiin inventointeihin liittyy kaukokartoituksen käyttöä, mutta kuvioittainen inventointi on se, missä laserkeilausaineistoa hyödynnetään Samaa kuvioittaista inventointia käytetään sekä julkisella (SMK/MH) että yksityisellä puolella (metsäyhtiöt) Julkisen metsävaratiedon tuottamisen rooli on vahvistumassa, kiinnostusta yhdistää inventointeja
3 Kuvioittainen inventointi ennen Perinteisesti kuvioittainen inventointi on tehty sijoittamalla muutama maastokoeala per kuvio Puustotunnukset arvioidaan puulajeittain Pohjapinta-ala, runkoluku, ikä, dgm & hgm Maaluokka, kasvupaikka, lisämääreitä Inventointitiedon hyödyntämiseen on vakiintunut tapa (jakaumamallit, tuotosmallit, jne.) kaukokartoitusinventoinnin pitää tuottaa yhteensopivat lähtötiedot käytännössä kaukokartoitusinventointi tuottaa samat tiedot kuin perinteinen maastoinventointi, paitsi että lehtipuut on yhdistetty ja osa tunnuksista otetaan vanhasta tiedosta
4 Laserkeilausinventoinnin periaate Yksinpuintulkinta 1. tunnistetaan yksittäiset puut 2. ennustetaan puukohtaiset tunnukset 3. koostetaan metsä puista Etuja puutason tietoa, sijainti? puulajin ja puun tunnusten ennustus suoraviivaista Ongelmakohtia valtapuiden alla olevia puita jää paljon tunnistamatta läpimitan ennustus pituudella vaikeaa pitkä malliketju, (puutason paikalliset mallit?) Vaatii korkean pistetiheyden
5 Laserkeilausinventoinnin periaate Aluepohjainen ennustaminen kerätään laserdata ja maastokoealat yehdään paikallinen malli: puustotunnus = f( laserdata) ennustetaan hilalle Etuja ennusteiden tarkkuus hyvä (kokonaistunnukset) yleensä harha ei ole ongelma vakiintunut konsepti Ongelmakohtia ylimmän latvuksen alla olevat puut eivät kuvaudu kovin hyvin (keilausparametrit) yleensä melko paljon koealamittauksia jokaiselle tunnukselle tarvitaan oma malli Alhainen pistetiheys (<1pt/m 2 ) riittää
6 Laserkeilausinventoinnin periaate Puulajeittainen ennustaminen on erittäin vaikeaa Tämä on kuitenkin tietotarve Suomessa mänty, kuusi & lehtipuut lehtipuut ryhmänä, koska erottelu on erittäin vaikeaa ( G, BA, N, dgm & hgm ) ( mänty, kuusi, lehtipuut ) Yleensä käytetään ilmakuvia parantamaan puulajierottelua Ennustus usein lähimmän naapurin menetelmillä Samalta alueelta ja samalta ajankohdalta tarvitaan laserkeilausaineisto ilmakuvat maastokoealat jos joku puuttuu osalta aluetta, niin inventointi jää tekemättä käytännössä aineistojen homogeenisuus on merkittävä ongelma
7 SMK:n ja UEF:n yhteishankkeet laserinventoinnin kehittämiseksi Osa MM:n Metsätieto ja sähköiset palvelut hankekokonaisuutta Puulajeittaisten läpimittajakaumien Kehittäminen (Maltamo) Monikanavaisella laserkeilausinstrumentilla parempaa puulajierottelua (Packalen) Tiheäpulssisesta laserkeilausaineistosta parempaa tarkkuutta (Packalen)
8 Frekvenssi Puulajeittaisten läpimittajakaumien kehittäminen Hankkeen tavoitteena on vertailla ja kehittää eri tavoin ennustettuja laserkeilausinformaatioon perustuvia puulajeittaisia läpimittajakaumia 0.25 Lähtökohtana laserkeilausinventoinnin yksi ongelmakohde eli puulajeittaiset läpimittajakaumat keskiarvoistuminen, sivupuulajit Nykykäytäntö inventoinnissa on ennustaa puulajeittaiset puustotunnukset ja niiden perusteella laskea vastaavat teoreettiset Weibull-jakaumat Vaihtoehtona inventointialueen maastokoealojen puulistojen hyödyntäminen lähimmän naapurin menetelmällä Läpimitta, cm Mitattu jakauma k-nn Weibull paramet rien ennusta minen
9 Puulajeittaisten läpimittajakaumien kehittäminen Lähtökohtaisesti hankkeessa vertaillaan edellä mainittuja menetelmiä, mutta: Lisäinformaatiota läpimittajakaumiin tuo myös monikanavainen ja tiheämpi laserdata sekä eri datayhdistelmät (muut SMK/UEF hankkeet) Mitä lopulta halutaan (sivupuulajien tietotarve?) ja millä jakaumia validoidaan (tukkitilavuus? error index?) Jakaumat on ennustettava kaukokartoitustiedolla ilman kuviotason kalibrointeja maastomittausinformaatiolla
10 Monikanavaisella laserkeilausinstrumentilla parempaa puulajierottelua Tavoitteena on selvittää, saadaanko monikanavalaseraineistolla parempaa tarkkuutta puulajikohtaisiin ennusteisiin kuin perinteisellä laseraineistolla, kun: käytetään sekä laseraineistoa että ilmakuvia käytetään pelkästään laseraineistoa Fokus on intensiteettitiedon hyödyntämisessä puulajitulkinnassa
11 Optech Titan Käyttäjän näkökulmasta katsoen Optech Titan -keilaimessa on kolme erillistä keilainta, jotka toimivat eri aallonpituuksilla Vihreä (532 nm), NIR (1064 nm) ja keski-infra (1550 nm) Pulssin avauskulma on vihreällä kanavalla kaksi kertaa suurempi kuin muilla kanavilla (0.7 vs mrad)
12 Range Correction What is optimal value of power parameter? Is there any gain from Range Correction?
13 Tiheäpulssisesta laserkeilausaineistosta parempaa tarkkuutta Hankkeen tavoitteena on selvittää, voidaanko tiheämpipulssisella laseraineistolla parantaa metsien inventoinnin tarkkuutta verrattuna nykyiseen harvapulssiseen aineistoon Erityisenä kiinnostuksen kohteena on ns. rajapuu-menetelmä, jolla korjataan reunapuiden vaikutusta aluepohjaisessa menetelmässä Verrataan seuraavia menetelmiä: Rajapuu-menetelmä Aluepohjainen tulkinta Yksinpuintulkinta
14 Miten tiheäpulssiaineistosta parempaa tarkkuutta? Pistetiheyden vaikutusta inventoinnin tarkkuuteen on tutkittu paljon ja lähes poikkeuksetta johtopäätös on ollut, että nykymuotoisessa aluepohjaisessa menetelmässä pistetiheydellä ei ole suurta vaikutusta inventoinnin tarkkuuteen Jos halutaan hyötyä tiheämmästä laserkeilausaineistosta, pitää käyttää jotakin muuta menetelmää kuin nykyisin käytössä olevaa aluepohjaista lähestymistapaa Yksinpuintunnistusta pidetään usein vaihtoehtona aluepohjaiselle lähestymistavalle. Yksinpuintunnistuksessa on kuitenkin omat ongelmakohtansa eikä julkaistujen tutkimusten perusteella voida vetää johtopäätöstä, että yksinpuintulkinnalla saataisiin tarkempia ennusteita kuin käytössä olevalla aluepohjaisella menetelmällä
15 Rajapuu-menetelmä
16 Käytännössä huomioitavaa Puusto vaihtelee ja kaukokartoitusaineiston ominaisuudet vaihtelevat: tarvitaan paikallinen malli alueen pitää olla riittävän suuri, jotta tarvittavan paikallisen malliaineiston hinta per pinta-ala ei ole liian suuri käytännössä alueen minimikoko on usein luokkaa ha Kaukokartoitusaineistojen hankinta on kustannustehokasta vain suurilla alueilla Koko inventoinnin hinta pitää olla muutamia euroja per hehtaari Aineistojen homogeenisuus on käytännössä usein suurin ongelma tasalaatuisuus inventointialueen sisällä ajallinen tasalaatuisuus Laseraineistoa hyödynnetään kuvioittaisessa inventoinnissa myös muulla tavalla kuin puustotunnusten ennustamisessa, esim. automaattinen kuviointi, puuston korkeusmallit visualisoinnissa, jne.
17 Kiitos mielenkiinnosta! kysymyksiä?
Tiheäpulssinen ja monikanavainen laserkeilausaineisto puulajeittaisessa inventoinnissa
Metsätieto ja sähköiset palvelut -hankkeen lopputulosseminaari Helsinki, 22.1.2019 Tiheäpulssinen ja monikanavainen laserkeilausaineisto puulajeittaisessa inventoinnissa Petteri Packalen, Eetu Kotivuori,
LisätiedotLaserkeilauspohjaiset laskentasovellukset
Laserkeilauspohjaiset laskentasovellukset Petteri Packalén Matti Maltamo Laseraineiston käsittely: Ohjelmistot, formaatit ja standardit Ei kovin monia ohjelmia laserpisteaineiston käsittelyyn» Terrasolid
LisätiedotLaserkeilauksen hyödyntäminen metsätaloudellisissa
Metsätieteen aikakauskirja 4/2008 Tieteen tori Matti Maltamo, Petteri Packalén, Janne Uuttera, Esa Ärölä ja Juho Heikkilä Laserkeilaustulkinnan hyödyntäminen metsäsuunnittelun tietolähteenä Johdanto Laserkeilauksen
LisätiedotPuustotietojen keruun tekniset vaihtoehdot, kustannustehokkuus ja tarkkuus
Puustotietojen keruun tekniset vaihtoehdot, kustannustehokkuus ja tarkkuus Janne Uuttera Metsätehon seminaari 8.5.2007 Metsävaratietojärjestelmien tulevaisuus Tausta Tietojohtamisen välineissä, kuten metsävaratietojärjestelmissä,
LisätiedotSuomen metsäkeskus. SMK:n ja VMI:n inventointien yhteistyömahdollisuuksia. Taksaattoriklubin kevätseminaari Helsinki, 20.3.
Suomen metsäkeskus SMK:n ja VMI:n inventointien yhteistyömahdollisuuksia Taksaattoriklubin kevätseminaari Helsinki, 20.3.2015 Juho Heikkilä Sisältöä 1. SMK:n metsävaratiedosta lyhyesti 2. VMI-SMK yhteistyön
LisätiedotVMI-koealatiedon ja laserkeilausaineiston yhdistäminen metsäsuunnittelua varten
VMI-koealatiedon ja laserkeilausaineiston yhdistäminen metsäsuunnittelua varten Kuortaneen metsäsuunnitteluseminaari 10.09.2007 Aki Suvanto, Joensuun yliopisto Petteri Packalén, Joensuun yliopisto Matti
LisätiedotVaihtoehtoisia malleja puuston kokojakauman muodostamiseen
Vaihtoehtoisia malleja puuston kokojakauman muodostamiseen Jouni Siipilehto, Harri Lindeman, Jori Uusitalo, Xiaowei Yu, Mikko Vastaranta Luonnonvarakeskus Geodeettinen laitos Helsingin yliopisto Vertailtavat
LisätiedotMetsävaratieto ja sen käytön mahdollisuudet. 4.12.2014 Raito Paananen Metsätietopäällikkö Suomen metsäkeskus Julkiset palvelut, Keski-Suomi
Metsävaratieto ja sen käytön mahdollisuudet 4.12.2014 Raito Paananen Metsätietopäällikkö Suomen metsäkeskus Julkiset palvelut, Keski-Suomi Sisältö 1. Julkisin varoin kerättävien metsävaratietojen keruun
LisätiedotMetsäkeilauksista suunnistuskarttoja?
Metsäkeilauksista suunnistuskarttoja? Suunnistuskartoittajien talvipäivä 5.2.2011 Jussi Peuhkurinen 2 Arbonaut lyhyesti Perustettu 1994 Päätoimisto Joensuussa Sivutoimistot Helsingissä ja Vermontissa Konsultointi-,
LisätiedotPuulajitulkinta laserdatasta
Ilmakuvien tarve metsäsuunnittelussa? Taksaattoriklubin seminaari, Paikkatietomarkkinat 2009 Puulajitulkinta laserdatasta Jari Vauhkonen Esityksen sisältöä Millaista (puulaji-)tietoa laserkeilaindata sisältää?
LisätiedotLaserkeilaus ja metsäsovellukset Juho Heikkilä, metsätiedon johtava asiantuntija
Laserkeilaus ja metsäsovellukset 5.11.2018 Juho Heikkilä, metsätiedon johtava asiantuntija Metsäkeskuksen metsävaratieto Laserinventointi aloitettiin 2010. 1. kierros valmis 2020. Metsävaratietoa 12,4
LisätiedotTIHEÄPULSSISEN LASERAINEISTON VERTAILUTESTI
TIHEÄPULSSISEN LASERAINEISTON VERTAILUTESTI Pekka Savolainen Terratec Oy 07.12.2018 Luottamuksellisuus Tämän raportin kirjoittaja on allekirjoittanut salassapitosopimuksen, jossa on sitoutunut olemaan
LisätiedotLaserkeilaus yksityismetsien inventoinnissa
Kuvat Arbonaut Oy Laserkeilaus yksityismetsien inventoinnissa Laserkeilaus ja korkeusmallit Maanmittauslaitoksen seminaari 9.10.2009 Juho Heikkilä Metsätalouden kehittämiskeskus Tapio Sisältö Kuva Metla
LisätiedotJakaumamallit MELA2009:ssä. MELA käyttäjäpäivä Kari Härkönen
Jakaumamallit MELA29:ssä MELA käyttäjäpäivä 11.11.29 Kari Härkönen Metsäntutkimuslaitos Skogsforskningsinstitutet Finnish Forest Research Institute www.metla.fi Aineistonmuodostuksessa useita vaihtoehtoisia
LisätiedotMETSÄTIEDOT KOHTI 2020-LUKUA Janne Uuttera UPM
METSÄTIEDOT KOHTI 2020-LUKUA 15.4.2015 Janne Uuttera UPM Esityksen sisältö 1. Lähihistorian kehitysaskeleet 2. Seuraavan sukupolven järjestelmän visioita 3. Lähitulevaisuuden kehitysaskeleet UPM Metsäkeskuksen
LisätiedotTeledyne Optech Titan -monikanavalaser ja sen sovellusmahdollisuudet
Teledyne Optech Titan -monikanavalaser ja sen sovellusmahdollisuudet Jan Biström TerraTec Oy TerraTec-ryhmä Emoyhtiö norjalainen TerraTec AS Liikevaihto 2015 noin 13 miljoonaa euroa ja noin 90 työntekijää
LisätiedotPaikkatietoa metsäbiomassan määrästä tarvitaan
Biomassan estimointi laseraineiston, ilmakuvien ja maastomittausten perusteella Esitys Metsätieteen Päivän Taksaattorisessiossa 26.10.2011 Reija Haapanen, Sakari Tuominen ja Risto Viitala Paikkatietoa
LisätiedotSuomen metsäkeskuksen metsävaratieto ja sen hyödyntäminen
Suomen metsäkeskuksen metsävaratieto ja sen hyödyntäminen 22.3.2017 Magnus Nilsson, metsätietopäällikkö metsätieto- ja tarkastuspalvelut Metsäkeskuksen metsävaratieto Laserinventointi aloitettiin 2010
LisätiedotMetsätieto 2020 1 Tavoitetila
Metsätieto 2020-25.6.2015 Metsätieto 2020 1 SISÄLLYSLUETTELO TIIVISTELMÄ 3 1 JOHDANTO... 4 2 HANKKEEN TAVOITTEET... 4 3 AINEISTOT JA MENETELMÄT... 5 4 NYKYTILAN KUVAUS... 6 4.1 Valtakunnan metsien inventointi...
LisätiedotMetsänuudistamisen laatu Valtakunnan Metsien Inventoinnin (VMI) tulosten mukaan
Metsänuudistamisen laatu Valtakunnan Metsien Inventoinnin (VMI) tulosten mukaan NordGen Metsä teemapäivä 3.10.2011 Kari T. Korhonen VMI/Metla Valokuvat: E.Oksanen/Metla / Metsäntutkimuslaitos Skogsforskningsinstitutet
LisätiedotMETSÄSUUNNITTELU. Metsäkurssi JKL yo 2014 syksy. Petri Kilpinen, Metsäkeskus, Keski-Suomi
METSÄSUUNNITTELU Metsäkurssi JKL yo 2014 syksy Petri Kilpinen, Metsäkeskus, Keski-Suomi 1 SISÄLTÖ metsäsuunnitelman sisältö metsävaratiedon keruu Muut tuotteet / palvelut Metsävaratiedon keruu tulevaisuudessa.
LisätiedotLaserkeilaus puustotunnusten arvioinnissa
Uusi Teknologia mullistaa puun mittauksen Metsäpäivät 7.11.2008 Laserkeilaus puustotunnusten arvioinnissa Markus Holopainen Helsingin yliopisto Metsävarojen käytön laitos markus.holopainen@helsinki.fi
LisätiedotDrone-kuvausten käyttökelpoisuudesta metsäkeskuksen toiminnassa Maaseutu 2.0 loppuseminaari
Drone-kuvausten käyttökelpoisuudesta metsäkeskuksen toiminnassa Maaseutu 2.0 loppuseminaari 24.1.2018 Raito Paananen metsätietopäällikkö, Suomen metsäkeskus Dronet metsäkeskuksen toiminnassa SMK:n perustehtäviä
LisätiedotKaukokartoitusaineistot ja maanpeite
Kansallinen maastotietokanta hanke Maasto-työpaja 20.9.2016 Kaukokartoitusaineistot ja maanpeite Pekka Härmä Suomen Ympäristökeskus 1 Sisältö SYKE tietotarpeet Tietolähteet maanpeitetiedon tuottamisessa
LisätiedotForest Big Data (FBD) -tulosseminaari Helsingin yliopiston metsätieteiden laitos & Maanmittauslaitoksen paikkatietokeskus (FGI)
Forest Big Data (FBD) -tulosseminaari 8.3.2016 Helsingin yliopiston metsätieteiden laitos & Maanmittauslaitoksen paikkatietokeskus (FGI) Markus Holopainen, Aluepohjaista inventointia vai yksinpuintulkintaa?
LisätiedotMetsään peruskurssi. Sisältö
Laserkuva Metla Metsään peruskurssi Metsäomaisuuden hoito 19.3.2013 Metsävaratieto ja sen hyödyntäminen Marko Mustonen Metsäneuvoja Suomen metsäkeskus, Julkiset palvelut / Keski-Suomi Sisältö 1. Yleistä
LisätiedotOlosuhdetieto. Metsäntutkimuksen ja päätöksenteon apuna. Metsäteho Timo Tokola. UEF // University of Eastern Finland
Olosuhdetieto Metsäntutkimuksen ja päätöksenteon apuna Metsäteho 22.6.2016 Timo Tokola Metsätiedon kehittämisen kokonaisuus Tokola 21.11.2016 2 Tausta ja sisältö Olosuhdetieto puunkorjuussa Suvinen et
LisätiedotKoostimme Metsätieteen aikakauskirjan erikoisnumeroon
Metsätieteen aikakauskirja t i e t e e n t o r i Markus Holopainen, Mikko Vastaranta ja Juha Hyyppä Yksityiskohtaisen metsävaratiedon tuottaminen kohti täsmämetsätaloutta? e e m t a Johdanto Koostimme
LisätiedotSuomen metsäkeskus vuonna 2012
Suomen metsäkeskus vuonna 2012 Keski-Suomen metsänhoitajien kevätkokous 19.3.2012 Raito Paananen Aluepäällikkö, metsätietopalvelut Keski-Suomen alueyksikkö Metsäkeskus elää ajassa. Nyt kyseessä painopisteen
LisätiedotEarth Observation activities in University of Eastern Finland
Group on Earth Observations (GEO) yhteistyö ja sovellukset Suomessa SYKE 23-24.5.2018 Earth Observation activities in University of Eastern Finland Timo Kumpula Department of Geographical and Historical
LisätiedotMetsävaratiedon saatavuus ja käytettävyys energiapuun hankinnassa
Metsävaratiedon saatavuus ja käytettävyys energiapuun hankinnassa Dos. Jari Vauhkonen Yliopistonlehtori, HY (-> 28.2.2014) Yliopistotutkija, ISY (1.3.2014 ->) Sisältöä 1. Kaukokartoituspohjainen metsävaratieto
LisätiedotPuuston runkolukusarjan ja laatutunnusten mittaus kaukokartoituksella
Metsätehon raportti 223 1.8.2013 Puuston runkolukusarjan ja laatutunnusten mittaus kaukokartoituksella Esiselvitys ja käytännön testi Jari Vauhkonen Ville Kankare Topi Tanhuanpää Markus Holopainen Mikko
LisätiedotKumisaappaista koneoppimiseen
Kumisaappaista koneoppimiseen Taimikkotiedon tuottaminen tekoälyn avulla Esri-käyttäjäpäivät 30.1.2019 Suomen metsäkeskus, kehityspäällikkö Henna Etula Lähtökohta Näköpiirissä ei ole yksittäistä menetelmää,
LisätiedotMetsien kaukokartoitus ja avoimet aineistot
Geoinformatiikan valtakunnallinen tutkimuspäivä 2013 Metsien kaukokartoitus ja avoimet aineistot Sakari Tuominen, MMT METLA Valtakunnan metsien inventointi Metsäntutkimuslaitos Skogsforskningsinstitutet
LisätiedotVMI kasvututkimuksen haasteita
VMI kasvututkimuksen haasteita Annika Kangas & Helena Henttonen 18.8.2016 1 Teppo Tutkija VMIn aikasarjat mahdollistavat kasvutrendien tutkimuksen 2 Korhonen & Kangas Missä määrin kasvu voidaan ennustaa?
LisätiedotMARV Metsikkökoealaharjoitus Aluepohjaiset laserpiirteet puustotunnusten selittäjinä. Ruuduille lasketut puustotunnukset:
MARV1-11 Metsikkökoealaharjoitus Aluepohjaiset laserpiirteet puustotunnusten selittäjinä Metsikkökoealojen puuston mittaukseen käytetty menetelmä, jossa puut etsitään laseraineistosta/ilmakuvilta ja mitataan
LisätiedotKaukokartoitusaineistot ja maanpeite
Kansallinen maastotietokanta hanke Maasto-työpaja 20.9.2016 Maanmittauslaitos Kaukokartoitusaineistot ja maanpeite Pekka Härmä Suomen Ympäristökeskus 1 Sisältö SYKE tietotarpeet / kokemukset maanpeiteseurannassa
LisätiedotTaimikonhoidon ajoitus ja sen merkitys kuusen uudistamisketjussa. Karri Uotila Kustannustehokas metsänhoito seminaarisarja 2011 17.11.
Taimikonhoidon ajoitus ja sen merkitys kuusen uudistamisketjussa Karri Uotila Kustannustehokas metsänhoito seminaarisarja 2011 17.11.2011 Mikkeli Karri Uotila Taimikonhoidon kustannukset Taimikonhoidon
LisätiedotKaukokartoitusmenetelmien hyödyntämis- mahdollisuuksista maaainesten oton valvonnassa ja seurannassa
Kaukokartoitusmenetelmien hyödyntämis- mahdollisuuksista maaainesten oton valvonnassa ja seurannassa Riitta Teiniranta, Pekka Härmä, Markus Törmä, Jari Rintala ja Mikko Sane Suomen Ympäristökeskus Maa-aineispäivät
LisätiedotPuukarttajärjestelmä hakkuun tehostamisessa. Timo Melkas Mikko Miettinen Jarmo Hämäläinen Kalle Einola
Puukarttajärjestelmä hakkuun tehostamisessa Timo Melkas Mikko Miettinen Jarmo Hämäläinen Kalle Einola Tavoite Tutkimuksessa selvitettiin hakkuukoneeseen kehitetyn puukarttajärjestelmän (Optical Tree Measurement
LisätiedotKaukokartoitusperusteisen inventointimallin kokonaistestaus
Kaukokartoitusperusteisen inventointimallin kokonaistestaus Kuortaneen metsäsuunnitteluseminaari 10.9. 2007 Juho Heikkilä Metsätalouden kehittämiskeskus Tapio 19.9.2007 1 Esityksen sisältö 1. Strategiset
LisätiedotKARELIA-AMMATTIKORKEAKOULU
KARELIA-AMMATTIKORKEAKOULU Metsätalouden koulutusohjelma Alain Minguet VANHAN KUVIOTIETOAINEISTON KÄYTTÖ LASERKEILAUS- PERUSTEISEN METSIEN INVENTOINNIN APUTIETOLÄHTEENÄ Opinnäytetyö Tammikuu 2013 OPINNÄYTETYÖ
LisätiedotLeimikon arvosaanto ja puukaupan tehostaminen. Jukka Malinen, Harri Kilpeläinen, Tapio Wall & Erkki Verkasalo
Leimikon arvosaanto ja puukaupan tehostaminen Jukka Malinen, Harri Kilpeläinen, Tapio Wall & Erkki Verkasalo / Metsäntutkimuslaitos Skogsforskningsinstitutet Finnish Forest Research Institute www.metla.fi
LisätiedotLaserkeilauksen ja kuvauksen tilaaminen
www.terrasolid.com Laserkeilauksen ja kuvauksen tilaaminen Arttu Soininen 22.08.2017 Käsiteltävät aiheet Tarjouspyynnössä määrättävät asiat Laserkeilaustyön jakaminen osiin Ajankohdan vaikutus laserkeilaukseen
LisätiedotMETKA-maastolaskurin käyttäjäkoulutus 9.12.2010 Tammela Matti Kymäläinen METKA-hanke 27.3.2014 1
METKA-maastolaskurin käyttäjäkoulutus 9.12.2010 Tammela Matti Kymäläinen METKA-hanke 27.3.2014 1 METKA-maastolaskuri: Harvennusmetsien energiapuun kertymien & keskitilavuuksien laskentaohjelma Lask ent
LisätiedotPUUSTOBIOMASSAN ENNUSTAMINEN HARVAPULSSISELLA LENTOLASERKEILAUSAINEISTOLLA
PUUSTOBIOMASSAN ENNUSTAMINEN HARVAPULSSISELLA LENTOLASERKEILAUSAINEISTOLLA Aapo Lindberg Maisterintutkielma Helsingin Yliopisto Metsätieteiden laitos Metsävaratiede- ja teknologia Toukokuu 2016 Tiedekunta/Osasto
LisätiedotAaltomuodosta lisätarkkuutta laserkeilaukseen? SMK metsävaratietoseminaari Vantaa Aarne Hovi Helsingin Yliopisto
Aaltomuodosta lisätarkkuutta laserkeilaukseen? SMK metsävaratietoseminaari Vantaa 15.4.2015 Aarne Hovi Helsingin Yliopisto Aaltomuotokeilaus tutkijan näkökulmasta Lentolaserkeilauksessa käytetään pulssilaseria
LisätiedotMETSÄ SUUNNITELMÄ 2013 2027
METSÄ SUUNNITELMÄ 2013 2027 Omistaja: Itä-Suomen yliopisto Osoite: Yliopistokatu 2, 80101 Joensuu Tila: Suotalo 30:14 Kunta: Ilomantsi 2 SISÄLTÖ 1 JOHDANTO... 3 2 METSÄN NYKYTILA... 4 2.1 Kasvupaikkojen
LisätiedotKasvatettavan puuston määritys koneellisessa harvennuksessa
Kasvatettavan puuston määritys koneellisessa harvennuksessa Pohjois-Suomi Ohje hakkuukoneen kuljettajalle HARVENNUKSEN TAVOITTEET Harvennuksen tavoitteena on keskittää metsikön puuntuotoskyky terveisiin,
LisätiedotARVO-ohjelmisto pienpuun hankinnan tukena
ARVO-ohjelmisto pienpuun hankinnan tukena Jukka Malinen Pienpuupäivä Keskiviikko 17.11.2010 Mikpoli, auditorio, Patteristonkatu 2, 50100 Mikkeli Metsäntutkimuslaitos Skogsforskningsinstitutet Finnish Forest
LisätiedotKaukokartoitustiedon käyttö LUKE:ssa
Kaukokartoitustiedon käyttö LUKE:ssa Sakari Tuominen sakari.tuominen@luke.fi Metsien kartoitus: Valtakunnan metsien inventointi VMI VMI perustuu systemaattiseen ryvästettyyn koealaotantaan 5 vuoden inventointikierrolla
LisätiedotBiomassatulkinta LiDARilta
Biomassatulkinta LiDARilta 1 Biomassatulkinta LiDARilta Jarno Hämäläinen (MMM) Kestävän kehityksen metsävarapalveluiden yksikkö (REDD and Sustainable Forestry Services) 2 Sisältö Referenssit Johdanto Mikä
LisätiedotMetsikön rakenteen ennustaminen 3D-kaukokartoituksella
8.10.2017 1 Metsikön rakenteen ennustaminen 3D-kaukokartoituksella Dosentti (MMT) Mikko Vastaranta Metsätieteiden laitos, Helsingin yliopisto Laserkeilaustutkimuksen huippuyksikkö mikko.vastaranta@helsinki.fi
LisätiedotENERGIAPUUKOHTEEN TUNNISTAMINEN JA OHJAAMINEN MARKKINOILLE
ENERGIAPUUKOHTEEN TUNNISTAMINEN JA OHJAAMINEN MARKKINOILLE METSÄ metsänomistajat PROMOOTTORI metsäsuunnittelu ja -neuvonta MARKKINAT polttopuu- ja lämpöyrittäjät metsäpalveluyrittäjät energiayhtiöt metsänhoitoyhdistykset
LisätiedotToimenpiteet kuvioittain
Toimenpiteet kuvioittain Alaharvennus 24.0 (1 ha, mänty, ppa 26m 2 ) Toimenpide: Männikön alaharvennus - Minimi pohjapinta-ala 10m 2 - Poistetaan pienempiä puita alaharvennuksella, monimuotoisuuden kannalta
LisätiedotAlgoritmi I kuvioiden ja niille johtavien ajourien erottelu. Metsätehon tuloskalvosarja 7a/2018 LIITE 1 Timo Melkas Kirsi Riekki Metsäteho Oy
Algoritmi I kuvioiden ja niille johtavien ajourien erottelu Metsätehon tuloskalvosarja 7a/2018 LIITE 1 Timo Melkas Kirsi Riekki Metsäteho Oy Algoritmi I kuvioiden ja niille johtavien ajourien erottelu
LisätiedotSuomen metsäkeskuksen metsävaratiedon laatuseloste
Sisällys 1 Yleistä... 3 2 Metsävaratiedon keruu... 4 2.1 Kuvioittainen arviointi maastossa... 4 2.2 Kaukokartoitusperusteinen metsien inventointi... 5 3 Metsävaratiedon ajantasaistus... 9 3.1 Metsävaratiedon
LisätiedotTaimikonhoidon ajoituksen kustannus ja kannattavuusvaikutukset
Taimikonhoidon ajoituksen kustannus ja kannattavuusvaikutukset Juho Rantala Kustannustehokas metsänhoito seminaarisarja Joensuu 29.11.2011 Kilpailevan kasvillisuuden vaikutus Jo vähäinen kilpailu vaikuttaa
LisätiedotHakkuukoneen paikannetulla hakkuulaitteella kerätyn puutiedon hyödyntäminen lentolaserkeilaukseen perustuvan puustotulkinnan aputietona
Hakkuukoneen paikannetulla hakkuulaitteella kerätyn puutiedon hyödyntäminen lentolaserkeilaukseen perustuvan puustotulkinnan aputietona Atte Saukkola Pro gradu tutkielma Helsingin yliopisto Metsätieteiden
LisätiedotTuuli- lumituhojen ennakointi. Suomen metsäkeskus, Pohjois-Pohjanmaa Julkiset palvelut K. Maaranto
Tuuli- lumituhojen ennakointi Suomen metsäkeskus, Pohjois-Pohjanmaa Julkiset palvelut K. Maaranto Tuuli- lumituhojen ennakointi 1. Ilmastonmuutos 2. Kaukokartoitusperusteinen metsien inventointi Laserkeilaus
LisätiedotMaanmittauslaitos 2015 Lupanumero 3069/MML/14 Karttakeskus 2015
RN:o 15:1/1 n. 2,5 ha RN:o 2:131 18,5 ha RN:o 2:87/0 37,1 ha Maanmittauslaitos 2015 Lupanumero 3069/MML/14 Karttakeskus 2015 n. 2,5 ha RN:o 15:1/1 RN:o 2:87/0 37,1 ha RN:o 2:131 18,5 ha Raimola 595-427-2-87/0
LisätiedotTiedonsiirtorajapinta ja hilatieto kuvioiden rinnalle Esko Välimäki ja Juha Inkilä
Tiedonsiirtorajapinta ja hilatieto kuvioiden rinnalle 15.4.2015 Esko Välimäki ja Juha Inkilä Tiedonsiirtorajapinta Metsäkeskuksella on tarjolla rajapinta, josta toimijat voivat hakea järjestelmäänsä metsävaratietoa
LisätiedotTietopalveluja metsävaratiedosta? Miten kohtaavat käyttäjien tietotarpeet ja käytettävissä oleva tieto
Tietopalveluja metsävaratiedosta? Miten kohtaavat käyttäjien tietotarpeet ja käytettävissä oleva tieto Annika Kangas 1 Teppo Tutkija METsävaratiedon tuottamisen KUstannushyötyanalyysi METKU Hankkeen yleisenä
LisätiedotPuiden biomassan, puutavaralajien ja laadun ennustaminen laserkeilausaineistoista
Puiden biomassan, puutavaralajien ja laadun ennustaminen laserkeilausaineistoista MMT Ville Kankare Metsätieteiden laitos, Helsingin yliopisto Laserkeilauksen huippuyksikkö 8.3.2016 1 Sisältö I. Biomassaositteet
LisätiedotLASERKEILAUS METSÄOMAISUUDEN TALOUDELLISEN ARVONMÄÄRITTÄMISEN APUVÄLINEENÄ. Markus Holopainen 1, Kauko Viitanen 2
The Photogrammetric Journal of Finland, Vol. 22, No. 3, 2011 LASERKEILAUS METSÄOMAISUUDEN TALOUDELLISEN ARVONMÄÄRITTÄMISEN APUVÄLINEENÄ Markus Holopainen 1, Kauko Viitanen 2 1 Helsingin yliopisto, Metsätieteiden
LisätiedotPuun kasvu ja runkomuodon muutokset
Puun kasvu ja runkomuodon muutokset Laserkeilaus metsätieteissä 6.10.2017 Ville Luoma Helsingin yliopisto Centre of Excellence in Laser Scanning Research Taustaa Päätöksentekijät tarvitsevat tarkkaa tietoa
LisätiedotMetsävaratietojen ja digitalisaation hyödyntäminen biotalouden kasvussa Etelä- Savossa-hanke
Metsävaratietojen ja digitalisaation hyödyntäminen biotalouden kasvussa Etelä- Savossa-hanke Metsänomistajia tavoitetaan tiedonvälitystilaisuuksissa eri teemoin. Metsänomistajat saadaan hyödyntämään aktiivisemmin
LisätiedotALS-pohjaisten pohjapinta-alamallien ennustevirheen selittäminen maastoaineistosta saatavilla ennakkotiedoilla
Luonnontieteiden ja metsätieteiden tiedekunta Faculty of Science and Forestry ALS-pohjaisten pohjapinta-alamallien ennustevirheen selittäminen maastoaineistosta saatavilla ennakkotiedoilla Janne Aaltonen
LisätiedotKuviokohtaisten puustotunnusten ennustaminen laserkeilauksella
Metsätieteen aikakauskirja t u t k i m u s a r t i k k e l i Aki Suvanto, Matti Maltamo, Petteri Packalén ja Jyrki Kangas Aki Suvanto Matti Maltamo Petteri Packalén Kuviokohtaisten puustotunnusten ennustaminen
LisätiedotARVO ohjelmisto. Tausta
ARVO ohjelmisto Tausta Jukka Malinen, Metla Metsäntutkimuslaitos Skogsforskningsinstitutet Finnish Forest Research Institute www.metla.fi Ennakkotiedon tarve - Metsänomistaja 25.1.2010 2 Ennakkotiedon
LisätiedotKANSALLISET LASERKEILAUS- JA ILMAKUVAUSOHJELMAT
KANSALLISET LASERKEILAUS- JA ILMAKUVAUSOHJELMAT 1 ILMAKUVAUSOHJELMA Ilmakuvaukset tehty Kansallisen ilmakuvausohjelman mukaisesti vuodesta 2016 lähtien. Kansallinen kuvausohjelma: 5 vuoden kierto (Lapissa
LisätiedotLENTOLASERKEILAUKSEEN PERUSTUVIEN PUUTASON MALLIEN SIIRRETTÄVYYS INVENTOINTIALUEIDEN VÄLILLÄ
Luonnontieteiden ja metsätieteiden tiedekunta Faculty of Science and Forestry LENTOLASERKEILAUKSEEN PERUSTUVIEN PUUTASON MALLIEN SIIRRETTÄVYYS INVENTOINTIALUEIDEN VÄLILLÄ Tomi Karjalainen METSÄTIETEEN
LisätiedotARVO ohjelmisto. Tausta
ARVO ohjelmisto Tausta Jukka Malinen, Metla Metsäntutkimuslaitos Skogsforskningsinstitutet Finnish Forest Research Institute www.metla.fi Ennakkotiedon tarve - Metsänomistaja 11.2.2010 2 Ennakkotiedon
LisätiedotTARKKA METSÄVARATIETO LISÄÄ SUUNNITTELUN JA TOTEUTUKSEN TEHOKKUUTTA
: TARKKA METSÄVARATIETO LISÄÄ SUUNNITTELUN JA TOTEUTUKSEN TEHOKKUUTTA Sivu 2 LiDAR -aineistoa. Vasemmanpuolisessa ikkunassa näkymä laserkeilauspistepilveen ylhäältä ja oikeanpuoleisissa lisäikkunoissa
LisätiedotKasvatettavan puuston määritys koneellisessa harvennuksessa
Kasvatettavan puuston määritys koneellisessa harvennuksessa Etelä-Suomi Ohje hakkuukoneen kuljettajalle HARVENNUKSEN TAVOITTEET Harvennuksen tavoitteena on keskittää metsikön puuntuotoskyky terveisiin,
LisätiedotLASERKEILAUS METSÄVAROJEN HALLINNASSA. markus.holopainen@helsinki.fi, juha.hyyppa@fgi.fi, mikko.vastaranta@helsinki.fi, hannu.hyyppa@aalto.
The Photogrammetric Journal of Finland, Vol. 22, No. 3, 2011 LASERKEILAUS METSÄVAROJEN HALLINNASSA Markus Holopainen 1, Juha Hyyppä 2, Mikko Vastaranta 1 ja Hannu Hyyppä 3 1 Helsingin yliopisto, Metsätieteiden
LisätiedotNUMEERISET ILMAKUVAT TAIMIKON PERKAUSTARPEEN MÄÄRITTÄMISESSÄ
NUMEERISET ILMAKUVAT TAIMIKON PERKAUSTARPEEN MÄÄRITTÄMISESSÄ Selvitettiin numeeristen ilmakuva-aineistojen hyödyntämismahdollisuuksia taimikon puustotunnusten ja perkaustarpeen määrittämisessä. Tuukka
LisätiedotHELSINGIN YLIOPISTO MAATALOUS-METSÄTIETEELLINEN TIEDEKUNTA METSÄTIETEIDEN LAITOS
HELSINGIN YLIOPISTO MAATALOUS-METSÄTIETEELLINEN TIEDEKUNTA METSÄTIETEIDEN LAITOS METSÄKESKUKSEN HILATIEDON JA LUONNONVARAKESKUKSEN KOKOJAKAUMAMALLIN TARKKUUS PUUJOUKON LUONNISSA Matti Pesonen Pro Gradu-
LisätiedotMAASTOSSA MITATTAVAN MINIMILÄPIMITAN VAIKUTUS PUUSTOTULKINTAAN JA KUOLLEEN PYSTYPUUSTON ENNUSTAMINEN LASERKEILAUSPOHJAISESSA METSÄNINVENTOINNISSA
University of Eastern Finland Luonnontieteiden ja metsätieteiden tiedekunta Faculty of Science and Forestry MAASTOSSA MITATTAVAN MINIMILÄPIMITAN VAIKUTUS PUUSTOTULKINTAAN JA KUOLLEEN PYSTYPUUSTON ENNUSTAMINEN
LisätiedotRN:o 23:36. n.58,8 ha
?? RN:o 23:36 n.58,8 ha 0 metri Mittakaava: 1:10 000 400,0? Maanmittauslaitos 2014 Lupanumero 3069/MML/14 Karttakeskus 2014? Tammasuo 687-414-23-36 0 3 000 metri Mittakaava: 1:75 000 Maanmittauslaitos
Lisätiedotn.20,5 ha
476-406-0- n.20,5 476-406-0- n.20,5 Maununsuo kt. 476-406-0- Peruskartta Mittakaava :5000 Koordinaatisto Keskipiste Tulostettu ETRS-TM35FIN (508095, 6988752) Copyright Maanmittauslaitos 206/Copyright Lantmäteriverket
LisätiedotNikkarilan Laserkeilausprojekti
Tomi Miettinen Nikkarilan Laserkeilausprojekti Opinnäytetyö Metsätalouden koulutusohjelma Toukokuu 2009 Opinnäytetyön päivämäärä 6.5.2009 Tekijä Tomi Miettinen Koulutusohjelma ja suuntautuminen Metsätalouden
LisätiedotSuomen metsien inventointi
Suomen metsien inventointi Metsäpäivä Kuhmo 26.3.2014 Kari T. Korhonen / Metla, VMI Sisältö 1. Mikä on valtakunnan metsien inventointi? 2. Metsävarat ja metsien tila Suomessa 3. Metsävarat t ja metsien
LisätiedotRN:o 2:95 2,5 ha. RN:o 2:87 n.19,3 ha
RN:o 2:95 2,5 ha RN:o 2:87 n.19,3 ha Maanmittauslaitos 2014 Lupanumero 3069/MML/14 Karttakeskus 2014 2,5 ha Palonen 595-427-2-95 Raimola 595-427-2-87 Maanmittauslaitos 2014 Lupanumero 3069/MML/14 Karttakeskus
LisätiedotKuvioittaisen arvioinnin luotettavuus
Metsätieteen aikakauskirja t u t k i m u s a r t i k k e l i Arto Haara Kari T. Korhonen Arto Haara ja Kari T. Korhonen Kuvioittaisen arvioinnin luotettavuus Haara, A. & Korhonen, K.T. 2004. Kuvioittaisen
LisätiedotTuulituhot ja metsänhoito
Tuulituhot ja metsänhoito Susanne Suvanto Metsänterveysseminaari 1 Susanne Suvanto, Metsänterveysseminaari Tuulituhot Suomessa Tuulituhot usein esiintyvät tuulennopeudet vs. myrskytuulet Myrskytuhot Syysmyrskyt
LisätiedotYmpäristön aktiivinen kaukokartoitus laserkeilaimella: tutkittua ja tulevaisuutta
Ympäristön aktiivinen kaukokartoitus laserkeilaimella: tutkittua ja tulevaisuutta Sanna Kaasalainen Kaukokartoituksen ja Fotogrammetrian Osasto Ilmastonmuutos ja ääriarvot 13.9.2012 Ympäristön Aktiivinen
LisätiedotMetsätieteen aikakauskirja
Metsätieteen aikakauskirja t u t k i m u s a r t i k k e l i Arto Haara Arto Haara ja Kari T. Korhonen Toimenpide-ehdotusten simulointi laskennallisesti ajantasaistetusta kuvioaineistosta Haara, A. & Korhonen,
LisätiedotPAIKKATIETOMARKKINAT 2018 LASERKEILAUSSEMINAARI
PAIKKATIETOMARKKINAT 2018 LASERKEILAUSSEMINAARI 9.11.2018 1 HISTORIAN HAVINAA Nykyinen valtakunnallinen laserkeilaus aloitettiin 2008 Suomi tulee katettua 100% vuonna 2019 Nykyiselle keilaukselle etukäteen
LisätiedotMetsäkonetieto puustotulkinnan apuaineistona MEAPU-hankkeen loppuraportti
1 Metsäkonetieto puustotulkinnan apuaineistona MEAPU-hankkeen loppuraportti Markus Holopainen, Mikko Vastaranta, Atte Saukkola, Jussi Peuhkurinen, Sanna Sirparanta, Heikki Astola, Laura Sirro, Tuomas Häme,
LisätiedotMaanmittauslaitoksen uusi valtakunnallinen korkeusmalli laserkeilaamalla
Maanmittauslaitoksen uusi valtakunnallinen korkeusmalli laserkeilaamalla MML:n korkeusmalliprosessin taustalla: Yhteiskunnallinen tarve tarkemmalle korkeustiedolle Tulvadirektiivi, Meludirektiivi Lentokenttäkartat,
LisätiedotLiitetaulukko 20. Puuston runkolukusarjat puulajeittain.
Liitetaulukko 20. Puuston runkolukusarjat puulajeittain. Ahvenanmaa Metsämaa Mänty 316,8 35,2 113,0 12,6 187,7 20,9 101,1 11,2 66,5 7,4 47,4 5,3 30,0 3,3 19,2 2,1 10,2 1,1 8,2 0,9 900,0 Kuusi 189,6 31,9
LisätiedotLASER2020 MARA-PÄIVÄT
LASER2020 MARA-PÄIVÄT 4.4.2019 Juha Kareinen 1 LASER2020/SU TAVOITTEET Luoda uusi Valtakunnallinen Keilausohjelma sisältäen: Tekniset spesifikaatiot Ajallisen ja alueellisen jaottelun huomioiden: Kustannukset
LisätiedotMetsätieteen aikakauskirja
Metsätieteen aikakauskirja t u t k i m u s s e l o s t e i t a Annika Kangas ja Matti Maltamo Prosenttipisteisiin perustuvat pohjapinta-alan läpimittajakaumamallit männylle, kuuselle ja koivuille Seloste
LisätiedotKANSALLISET LASERKEILAUS- JA ILMAKUVAUSOHJELMAT. Juha Kareinen 1
KANSALLISET LASERKEILAUS- JA ILMAKUVAUSOHJELMAT Juha Kareinen 1 ILMAKUVAUSOHJELMA Ilmakuvaukset tehty Kansallisen ilmakuvausohjelman mukaisesti vuodesta 2016 lähtien, jolloin Maanmittauslaitoksen Suomen
LisätiedotSMK:n ja VMI:n inventointien yhteistyömahdollisuuksia: VMI:n näkökulma
SMK:n ja VMI:n inventointien yhteistyömahdollisuuksia: VMI:n näkökulma Kai Mäkisara Luonnonvarakeskus Muita Luke:sta projektissa mukana olevia/olleita: Erkki Tomppo, Helena Henttonen, Nea Kuusinen, Nina
LisätiedotMetsävaratietolähteet
Metsävaratietolähteet Metsätehon iltapäiväseminaari Metsänomistus, puun tarjonta ja metsätietolähteet 24.5.2011 Tapio Räsänen 1. Oston sekä puunhankinnan suunnittelun ja ohjauksen tietotarpeet Oston strategiat
LisätiedotTukkiröntgendata sahapuun ohjauksessa
Tukkiröntgendata sahapuun ohjauksessa Tapio Räsänen Metsäteho Oy FOREST BIG DATA hankkeen tulosseminaari 8.3.2016 Heureka, Vantaa Kehittämistavoitteet Tavoitteena on parantaa puutuoteteollisuuden arvoketjun
LisätiedotLaatua kuvaavien kasvumallien kehittäminen. Annikki Mäkelä, Anu Kantola, Harri Mäkinen HY Metsäekologian laitos, Metla
Laatua kuvaavien kasvumallien kehittäminen Annikki Mäkelä, Anu Kantola, Harri Mäkinen HY Metsäekologian laitos, Metla Taustaa» Kasvumallit antavat puustoennusteen kiertoaikana, kun tunnetaan» kasvupaikkatiedot»
Lisätiedot