Laserkokeiluja Hyytiälän metsissä ja soilla

Transkriptio

1 Laserkokeiluja Hyytiälän metsissä ja soilla Ilkka Korpela (HY, ISY) MML laserkeilausseminaari Jukka Laine

2 Sisältö Hyytiälä Sijainti, luonto ja toiminta Kaukokartoitustutkimusta Hyytiälässä Kokemuksia laserkeilauksista (ml. korkeusmallinnusta)

3 Helsingin yliopiston Hyytiälän metsäasema Hyytiälä sijainti, luonto ja toiminta Hyytiälä N E Siikaneva Korkeakoski Ilmakuvat FM-kartta Oy m m.p.y.

4 Intensiivialue 2 x 8 km Korkeakoski Lakkasuo Ilmakuvat FM-kartta Oy

5 Valtionmaa (ent. Korkeakosken ha.) Talousmetsiä (ja suojelualueita) 0-60-v & >120-vuot. metsiä. Lakkasuo, Siikaneva Viljelysmaita vähän Vesistöjä m m.p.y.

6 Mänty-kuusivaltaisia 1950-luvun alkuun tukkiharsintaa Avohakkuita ja viljelymetsiä 1950 Koivikot alle 40-v Haapa, lepät, jne. harvinaisia (rehevät kasvupaikat) Aimo Rantala Aimo Rantala

7 Toiminta 1910 Kenttäopetus, (tutkimus) SMEAR II Kenttäopetus, tutkimus (365 vrk), seminaarit, jne Metsätieteiden laitos Fysiikan laitos (atm-osasto)

8 Metsien kaukokartoitustutkimus Hyytiälässä Taustaa Kaukokartoitus on vaihtoehto/täydentää metsien inventointimenetelmien palettia Inventointi osa suunnitteluprosessia (t, s). Inventointi sisältää aina kolmiyhteyden otanta-mittaus-mallinnus. Metsätalous perinteisesti (ainakin osin) katsoo kustannusten perään ja estimaatteja on seurattava muutakin kuin lasku työstä. Kaukokartoitussovelluksia (Suomessa) 1940-luvulta. Ilmakuvat (VäIP) n (Tapio, HY, yritykset), satelliittikuvakokeiluja (S. Poso, T. Häme et al.), VMI (E. Tomppo) ortoilmakuvat 1995-, digit. fotogrammetria (I. Korpela), laserkeilaus (TKK/J. & H.Hyyppä, JoY, GL, HY). Vuosiluvut suuntaa antavia. 2010: ISY, HY, TKK, GL, VTT, Metla, Tapio, yrityksiä, Ilmakuvat Maanmittaushallitus 1946 Metla

9 Metsien kaukokartoitustutkimus Hyytiälässä Taustaa Metsän halutut ominaisuudet johdetaan kaukokartoitushavainnoista Menetelmät Î [Empiiriset.Teoreettiset] Enemmän fysiikkaa Þ vähemmän empiiristä dataa (vrt. tarvittavan ajattelun määrä) Empiirisessä (data-driven) päättelyssä tarvitaan hyvät koejärjestelyt, koska mallit johdetaan suoraan havainnoista (+ tarkat mittaukset) Þ Metsästä paljon edustavia näytteitä kattaen Y-vektorin vaihtelua Þ Kaukokartoitusaineistoa kattaen X-muuttujien vaihtelua, X-muuttujiin vaikuttavien lisätekijöiden kontrolli U. Beisl, Leica Geosystems

10 Metsien kaukokartoitustutkimus Hyytiälässä Metsästä paljon edustavia näytteitä kattaen Y-vektorin vaihtelua Metsä kasvaa hitaasti Y-vaihtelun jäsentäminen: ikä-, kasvupaikka-, puulajikoostumus-, ja puuston rakenteen (tilajärj. ja vertikaalinen, metsänhoito) vaihtelu - 1 km2 alueelta ei löydä kaikkea maakunnallista vaihtelua Y-vektorin tulisi kiinnostaa metsästä päättäviä (relevanttia) - Ongelmia: maastossa mitattavaa ei saa ilmasta, ilmasta saa myös muuta, uutta (esim. LAI). Tarkka DEM on metsämiehelle ihan kiva. LAI Detectives (HY) Aarne Hovi

11 Metsien kaukokartoitustutkimus Hyytiälässä Kaukokartoitusaineistoa kattaen X-muuttujien vaihtelua, X- muuttujiin vaikuttavien lisätekijöiden kontrolli (Fotogrammetriset) sensorit tehty ihan muuhun hommaan Kustannusvaikutus Þ lentokorkeuden vaikutus X-muuttujien kontrolli, redundanssi, riippumattomat lisämittaukset U. Beisl, Leica Geosystems

12 Metsien kaukokartoitustutkimus Hyytiälässä Metsästä paljon edustavia näytteitä kattaen Y-vektorin vaihtelua 1994 tarkkaan georeferoidun aineiston keruu (pysyviä koealoja, näytteitä). Pienimuotoista puuston käsittelyäkin. - Puulle: XY(Z) tyvi, XYZ latva, laji, pituus, lpm, latvustunnuksia kasvumittauksia - Taimikoissa ja soilla mitattu myös muita kohteita - DEM referenssiä puuta, 1-4 krt mitattua 1994 Tehokas foto-geodeettinen menet.

13 Metsien kaukokartoitustutkimus Hyytiälässä Tehokas foto-geodeettinen menetelmä. Silva Fennica 41(3) Puiden latvojen ½-autom. kartoitus kuvilta ja/tai LiDARilta Þ X latva, Y latva, Z latva, pituus, puulaji, latvuksen koko, rungon lpm Û Kiintopisteitä s x = s Y = m Kohteiden paikannus trilateroimalla/kolmioimalla metsässä. Toisin kuin takymetrillä, Z-referenssi jää saamatta.

14 Metsien kaukokartoitustutkimus Hyytiälässä Tehokas foto-geodeettinen menetelmä. Silva Fennica 41(3) Tuukka Tuomola H > 6 m fotogr.-geod. Menetelmä H < 6 m VRS-GNSS (XYZ!)

15 Metsien kaukokartoitustutkimus Hyytiälässä Havaintoyksikkö puu Historiasta käsitys 1946 lähtien Ilmakuva BlomKartta Oy Ilmakuva Maanmittaushallitus

16 Metsien kaukokartoitustutkimus Hyytiälässä Yli 90% Hyytiälän kattavista filmi-ilmakuvauksista, 1946-, skannattu ja kolmioitu :5000 VäIP :6000 VäIP :10000 VäIP Ilmakuvat FM-Kartta Oy

17 1989 1:5000 VäIP Yhteensovitus DEM (1989) aukeat ja taimikot ovat (LiDAR-aika) nuoria metsiä. Luotettavan Z- referenssin keruu DEM tarkasteluihin on vaikeaa kun puuston pituus menee > 5-6 m

18 Metsien kaukokartoitustutkimus Hyytiälässä CASI hyperspektri 1995 M. Holopainen et al. Satelliittikuvia SMI-tutkimus; S. Poso et al LAI-Detectives, P. Stenberg et al. Digitaalisia ilmakuvia 2006 lähtien ADS40-radiometri (rivikamera) 2008 DMC (MML) 2009 UAV kuvauksia 2009 ja 2010 Hyperspektriyritys 2010 SMEAR-II Aeronet Sun photometer Autom. näkyvyysmittauksia PilviLiDAR

19 Metsien kaukokartoitustutkimus Hyytiälässä - LiDAR Set Date Sensor Overlap % Scan angle Pulse density PRF, khz km 5.8. ALTM % ± km ALTM % ± km 4.7. ALS-50 55% ± km ALS-50 30% ± km ALS-50 30% ± km ALS-50 30% ± km ALS-50 30% ± km ALS-60 1-nsec 60% ± km ALS-60 1-nsec 30% ± km ALS-60 2-nsec 30% ± km ALS-60 1-nsec 30% ± km ALS-60 2-nsec 30% ±15 1

20 Metsien kaukokartoitustutkimus Hyytiälässä - LiDAR Laserkeilausten peittävyys (pulssia/ha)

21 Metsien kaukokartoitustutkimus Hyytiälässä - LiDAR Geometrinen tarkkuus KKJ-2/N60 ~ Karteesinen 3D-koordinaatisto Lokaali, vääristynyt versio, muunnokset. Puiden tyvet (täsmällisyys, s, keskihajonta) Takymetri s XY ~ 0.05 m + muunnosvirhe ~0.20 m s Z ~ 0.05 m + vaaitus ~0.05 m Foto-Geod. s XY ~ m RTK-GPS, VRS-GPS, VRS-GNSS s XYZ ~ m

22 Metsien kaukokartoitustutkimus Hyytiälässä - LiDAR Teppo Hujala Geometrinen tarkkuus ilmakuvat kolmioitu yhdessä blokissa samoja monumentteja käyttäen ilmakuvat kolmioitu edeleen samoja monumentteja käyttäen. XYZ field Þ (row,col) image osapikselitarkkuus ( mm), f = cm, h = 1-6 km Þ Kuvia ja niiltä mitattuja 2D- ja 3D-piirteitä käytetty LiDARin XY-tarkkuuden arviointiin.

23 Metsien kaukokartoitustutkimus Hyytiälässä - LiDAR Two overlapping 500-m altitude ALTM3100 strips Suunnistus.isoallo.net Bird-eye view Z DN Side-view Squirrel s view on intensity

24 Metsien kaukokartoitustutkimus Hyytiälässä - LiDAR LiDAR Pisteitä vai pulsseja? Kohteen tunnistaminen pulsseilla, jotka eivät sironneet kohteesta lähtien LiDAR data pulssiformaatissa (LAS ei tunnistanut pitkään) Projektiotaso

25 Metsien kaukokartoitustutkimus Hyytiälässä - LiDAR Rem ALTM3100 & ALS-50 pulse data, Rem 207 bytes per record Type LidarRecord GPStime As Double ReturnCount As Byte Returns(1 To 4) As point3d Intensity(1 To 4) As Integer Range(1 To 4) As Double Angle As Double Roll As Double Pitch As Double Heading As Double Poslidar As point3d StripNum As Integer SyncBit As Byte Res1 As Byte AGC Res2 As Byte End of scan Res3 As Byte End Type LiDAR Pisteitä vai pulsseja? LiDAR data pulssiformaatissa Jaettu 1-hehtaarin ruutuihin aaltomuotolaser = Kaikulaser tai 256 näytettä intensiteetistä. * Osoite näytetietueeseen * näytetietueen ensimmäisen näytteen sijainti (aika pikosekunteina)

26 Kokemuksia laserkeilauksista 1. Puiden paikantaminen ilmakuvilta harvan laserin osoittamista paikoista (Korpela) 2. Maanpintamallinnus kesäaikaisella LiDAR datalla varttuneissa puustoissa ja taimikoissa (Korpela, Välimäki, Tuomola, Dahlin et al.) 3. Intensiteetin käyttö kasvillisuuden luokituksessa (Korpela, Hyyppä, Tokola, Ørka, Heikkinen et al.) ja kasvillisuuden elinvoimaisuuden mittana. 4. LAI:n estimointi LiDARilla (Korhonen et al.) 5. Yksinpuinmittaus LiDAR datalla (Vauhkonen et al.) 6. Suoluonnon karakterisointi LiDAR datalla (Korpela et al.) 7. Latvuston valo-olosuhteiden mallinnus LiDARilla (Korpela, Honkavaara, Beisl et al.) 8. Alikasvoksen mittausmahdollisuuksien arviointi (Hovi et al.) 9. Aaltomuotolaser (FWF-LiDAR): puulajin tunnistaminen, taimikon kasvillisuus, optimoitu DEM-estimointi 10.Lumituhokartoitus kahden ajankohdan LiDAR datasta.

27 1. Puiden paikantaminen ilmakuvilta harvan laserin osoittamasta avaruudesta P(näkyy ilmakuvalle) 0, h suht 0.5 Latvusto = mahdoton pinta Þ Piirrepohjainen yhteensovitus kohteena latvapisteet (XYZ), jotka yksikäsitteisiä. LiDAR antaa DEM:n (pituusestimointi) LiDARilta voi arvioida puuston valtapituuden spatiaalista vaihtelua ja asettaa latvojen etsintäavaruuden.

28 2. Maanpintamallinnus kesäaikaisella LiDARilla Näytteenotto LiDARilla Pulssia per m2 vai eri kokoisten aukkojen tn-jakauma? 2006 altm als-50 Maanmittaus 2/2007 Varttuneet metsät, 27 kpl, 8329 pistettä (takymetri + vaaitus). Axelsson (1999). LiDAR-DEM 0.14 m referenssin alapuolella, RMSE 0.27 m. 1 km LiDAR 1.5 p/m2. RMSE = sqrt(sd 2 +HARHA 2 ) SD LiDAR = sqrt(sd diff 2 -SD ref 2 ) HARHA? Taimikoissa RMSE m, Harha m m. (VRS-GPS).

29 2. Maanpintamallinnus kesäaikaisella LiDARilla Suuri pulssitiheys ei juuri muuta tilannetta, taimikkotuloksia. DEM-algoritmi gradienttipohjainen. VRS-GPS harhaton (painuma)? 1 km keilauksia. Suokasvillisuus nostaa LiDARkaikuja (1 km cm jalanj.) - Pullosarakasvillisuus 2-3 cm - Suovarvut 2-4 cm - Raate ~5 cm Kermirämeen kermit (ja kuljut) 1300 m laserkeilauksesta (1-3 p/m2).

30 3. Intensiteetin käyttö H < 1 m Tutkayhtälö (teoria) etäisyyskorjaus 2 4 riippuen kohteen geometriasta. ALS50 keilaimen vastanottimessa AVS (AGC). H > 1 m

31 3. Intensiteetin käyttö 90% tarkkuus (mä, ku, ko) luokituksessa. l= 1064 nm 1 Km a.g.l. > 10 p/m 2.

32 3. Intensiteetin käyttö a = etäisyyskorjaus By echo type By tree species

33 4. Latvuspeittävyyden ja LAI:n estimointi LiDARilla (Korhonen et al.)

34 5. Yksinpuinmittaus LiDAR datalla (Vauhkonen et al.)

35 6. Suoluonnon karakterisointi LiDAR datalla

36 6. Suoluonnon karakterisointi LiDAR datalla Lakkasuo, Orivesi Suotyypit Ilmakuvat Maanmittaushallitus ja FM-kartta Oy

37 6. Suoluonnon karakterisointi LiDAR datalla Maaosumien intensiteetti Mättäiden keskikoko

38 6. Suoluonnon karakterisointi LiDAR datalla

39 7. Latvuston valo-olosuhteiden mallinnus LiDARilla Kohteen kirkkaus kuvalla riippuu myös sille lankeavan valon määrästä ja laadusta

40 7. Latvuston valo-olosuhteiden mallinnus LiDARilla Þ Suoran valon latvusten BRDF-pintoja

41 8. Alikasvoksen mittausmahdollisuuksien arviointi Sovellusalueet Puunkorjuu: Korjuu, turv la alikasvos parantaa kantavuutta Maanpinnan mallinnus: Maaosumien erottaminen alikasvososumista Muut: Hiilitaselaskelmat, metsän rakenne, monimuotoisuus ym. Tutkimusongelma Voidaanko laserkeilauksen avulla saada alikasvoksen määrä ja laatu? Jos alikasvos saa laserosumia, minkälainen on vaste ja mitkä tekijät siihen vaikuttavat (esim. häviöt ylempiin latvuskerroksiin)? Miten paljon laserpulsseja tulee vallitsevan latvuskerroksen läpi, ja mikä on niiden tilajakauma, ts. saadaanko alikasvoksesta edustava näyte? Pauliina Kulha

42 8. Alikasvoksen mittausmahdollisuuksien arviointi 2 kpl 3500 m2 koealoja (männiköitä) > 0.3 m puut kartoitettu < 10 cm s XY(KKJ-2) 6143 puuta

43 8. Alikasvoksen mittausmahdollisuuksien arviointi Puille paikat, latvusmallit, oletus neulasten tiheysjakaumasta häviöiden arviointi / laskenta. 1. kaiku 2. kaiku 3. kaiku Ylin leikkaus Levein leikkaus 4. kaiku gnd

44 9. Aaltomuotolaser: puulajin tunnistaminen, taimikon kasvillisuus, optimoitu DEM-estimointi 60% 0% Aarne Hovi Aarne Hovi pistettä (taimikoissa), osasta arvioitu peittävyys. OK? 1st (and only) return s intensity Waveform

45 10. Lumituhokartoitus kahden ajankohdan LiDAR datasta Tammihelmikuu 2010 H > 160 m

46 Koejärjestelyn merkitys ja alkupanos Prof. Pentti Räsänen & Jouko Laasasenaho Tutkimuksen rahoittajat Suomen Metsätieteellinen Seura, Metsämiesten säätiö, SA, TEKES, HY, MATINE, Taloudellisen tuen järjestäminen yrityksiltä Prof. Timo Tokola Taloudellinen ja muu tuki Hyytiälän metsäasema + HY/MMVAR Metsähallitus Kiitokset! Metsämannut Stora Enso UPM-Kymmene BlomKartta Arbonaut MML/ilmakuvatoimisto Finnmap FM-international GL JoY Metla/VMI Leica Geosystems Opiskelijat