TAIMIKKOTULKINNAN PARANTAMINEN
|
|
- Amanda Kähkönen
- 4 vuotta sitten
- Katselukertoja:
Transkriptio
1 1 TAIMIKKOTULKINNAN PARANTAMINEN Pekka Savolainen Terratec Oy
2 2 JOHDANTO Suomen metsiä on inventoitu lentolaserpohjaisesti jo noin 10 vuoden ajan. Ensimmäinen kierros lähestyy yksityismetsien osalta loppuaan ja valtion ja yhtiöiden metsissä ollaan jo osin toisella kierroksella. Inventointiohjelmia pidetään yleisesti menestystarinana ja niiden tuottamia metsävaratietoja parhaina maailmassa. Jos ensimmäisistä inventointivuosista alkaen yhtenä heikkoutena on pidetty tulkinnan laatua taimikoissa ja erityisesti tunnuksista johdettujen toimenpide-ehdotusten huonoa osuvuutta. Tätä ongelmaa on korostanut vuosi vuodelta vähentyneet kohdistetut maastoinventoinnit, jotka alati vähentyneiden määrärahojen takia ovat loppumassa tyystin. Laser- ja ilmakuvaisen inventoinnin pitäisi kuitenkin kaiken järjen mukaan soveltua taimikoihinkin, kunhan kaikki tulkinnan osatehtävät tehdään parhaalla mahdollisella tavalla. Kaikessa metsien kaukokartoitustulkinnassa, myös taimikoissa, laatu määräytyy kolmiyhteydestä kaukokartoitus, referenssi ja menetelmät. Jos kaikkiin näihin voisi saada parannusta, voisi taimikoidenkin tulkinta nousta tasolle, jolla se olisi todella käyttökelpoista toimenpiteiden ennustamiseen. Vaihtoehtona itse tulkittujen tunnusten käytölle on mietitty toimenpiteiden suoratulkintaa. Teoreettisessa katsannossa suoratulkinnan pitäisi olla tarkempaa kuin tunnusten kautta kulkeva päättelyketju. Tehdyissä testeissä suoratulkintaa on eniten vaikeuttanut kunnollisen referenssin tuottaminen, kun mielipiteet toimenpiteiden tarpeesta ja kiireellisyydestä ovat hyvin pitkälti subjektiivisia. Laimin lyödyt hoitotoimet aiheuttavat, että harvennustarve voi esiintyä hyvin eri ikäisissä ja kokoisissa taimikoissa, jolloin tarvetta ei voi päätellä pelkästään tiheystunnusten perusteella. Laserkeilaustekniikat paranevat vuosi vuodelta uusien sensorien myötä. Valtakunnallinen keilausohjelma on kuitenkin hidastanut laadun parantamista, kun määrittelyt esimerkiksi pistemäärien suhteen pidetään nykyisen ohjelman loppuun saakka samana sinänsä ymmärrettävistä syistä. Uuden keilausohjelman alku lähenee ja 5-10-kertaiseksi nouseva pistemäärä voi tuottaa laatuloikan myös taimikoiden tulkintaan. Perinteisissä lineaarikeilaimissa on ollut eräänä ongelmana pitkähkö minimiväli liipaistujen kaikujen välillä, jopa useita metrejä. Tämä haittaa erityisesti pienempien taimikoiden tulkintaa. Eräs mahdollisesti toimiva apu olisi aaltomuotokeilauksen (full waveform) käyttöönotto, mutta pelkkä taimikkotulkinta ei riitä motivoimaan sen vaatimaa hyvin suurta panostusta laitteisiin ja jättimäisiin datamääriin. Sen sijaan saattaa uusimmat Riegl 1560i -keilaimet tarjota tähän parannusta viimeisten metrien kuvailevuuteen. Rieglin myös diskreeteissä keilaimissa käyttämä tekniikka perustuu hyvin pitkälti aaltomuototekniikkaan, jossa ei esiinny liipaisujen välistä aikarajoitetta tai sen on hyvin lyhyt. Tätä verrattiin ottamalla muutama taimikkokuvio, joilla laserkorkeus oli m. Kuvioille rajattiin pistepilvet ALS60- ja Riegl 1560ikeilaimista ja kullekin last-of-many-tyyppiselle kaiulle etsittiin vastaavat saman lähetetyn pulssin muut kaiut. ALS60-keilaimella näitä löytyi vain muutama (alle 0.4 %) ja niiden korkeuserot viimeiseen kaikuun olivat vähintään useita metrejä. Rieglin keilamella
3 3 suhteellinen määrä oli suurempi (noin 4 %) niitä esiintyi kaikilla korkeuseroilla nollasta ylöspäin. Tämä luo uskoa siihen, että modernit keilaimet voisivat kuvailla paremmin matalaa kasvillisuutta. Ilmakuvauksessa kehitys on ollut jonkin verran hitaampaa ja suuriformaattisempien sensorien tuoma parannus on mennyt pääosin tuottavuuden nostamiseen. Pikselin koko tulkinnoissa on kuitenkin jonkin verran pienentynyt, noin puolesta metristä 30 cm:iin. Vielä tärkeämpää on ollut suuremman tuottavuuden mahdollistama nopeampi kuvaus ja sen mahdollistama tasaisempi kuvanlaatu. Maastoreferenssin mittaus on aina ollut hyvin työvaltaista ja sen myötä hidasta ja kallista. Taimikoiksi laskettaviin kohteisiin on tulkinta-alueesta riippuen mitattu yleensä parisataa koealaa. Tällainen määrä ei mitenkään voi olla riittävä monimuuttujaiseen k-nn-tulkintaan. Nuorissa taimikoissa käytettävä mittaustapa (2.62-säteiset osakoealat) on myös ongelmallinen kaukokartoituspohjaisen yleistyksen kannalta. Koealalla on merkittävästi pinta-alaa, joka näkyy kaukokartoituksessa, mutta ei ole tullut mitatuksi. Taimikkoreferenssin täydentäminen korkean resoluution UAV-kuvauksella ja/tai - keilauksella voisi mahdollistaa riittävän määrän maastoreferenssiä taimikkotulkinnan parantamiseksi. Toimistotyönä tehtävien koealojen tulisi olla hyvin paikannettuja, jotta vastaavuus kk-aineiston kanssa olisi täsmällinen. Kolmas lähestymistapa on kehittää uusia, entistä parempia menetelmiä. Tässä on omat haasteensa, mutta voisi tarjota halvimman tavan saada aikaan laatuparannusta. Lienee kuitenkin aika selvää, että pitää panostaa yhtä aikaa kaikkin osa-alueisiin, jos halutaan saada toimenpiteet kaikissa tapauksissa kohtuullisen luotettavasti ennustettua. Tässä työssä keskitytään miettimään menetelmien kehittämistä nykyisillä maastokoealoilla ja kk-aineistoilla. Kannattaa kuitenkin pitää mielessä, että lopputuloksen laatua kuvaa parhaiten tulkinnan kolmen osakomponentin laadun tulo. Mikään niistä ei saisi olla huono ja paras hyöty saadaan parantamalla kaikkia yhtä aikaa. Laserpiirteet lasketaan perinteisesti pistepilven korkeusjakauman persentiilikorkeuksista maanpinnasta ja vastavista tiheystunnuksista eri pituusluokissa. Lisää kuvailevuutta saadaan laskemalla tunnukset ensimmäisen kaiun ja vastaavasti viimeisen kaiun pisteistä. Lisänä voidaan käyttää intensiteeteistä johdettuja tunnuksia. Käytettävät laserpiirteet ovat aikojen saatossa viilautuneet sopimaan varttuneiden metsien tulkintaan. Lienee mahdollista hakea parannusta taimikoihin miettimällä uusia tunnuksia, jotka toimivat pituusjakauman alapäässä. Tässä työssä ei kuitenkaan ole ollut mahdollista käyttää aikaa uusiin tunnuksiin, vaan taimikkomallit on laskettu normaaleilla piirresarjoilla. Monijaksoisuus aiheuttaa koealamittaukselle ja erityisesti keskitunnuksille ongelmia. Jos ositteen kaikki puut olisivat saman kokoiset, tulisi keskitunnuksille samat arvot kaikilla painotustavoilla. Mutta jos koealalla on esimerkiksi pienempi lukumäärä paksumpaa ja
4 4 pidempää puustoa ja sen lisäksi hyvin suuri määrä matalia taimia, tulee ppa-painotetuille keskiarvoille hyvin erilaiset tulokset kuin runkolukupainotetuille. Tätä on yritetty torjua koealamittausohjeella, jossa painotetaan mitattujen tai arvioitujen tunnusten yhteensopivuutta. Huonosti yhteensopivia tunnuksia esiintyy kuitenkin useimpien mittaajien joissakin koealoissa. Mallinnuksessa ne tulevat karkeimmillaan näkyviin poikkeavan suurina residuaaleina, mutta lievemmissä tapauksissa ne vain heikentävät malleja ja tuloksia kontrollikoealoilla ja itse tulkinnassa. Koealojen laskentapalvelu olettaa ositteiden olevan yksijaksoisia ja mitattujen tunnusten olevan yhteensopivat. Äärimmäinen esimerkki huonosti yhteensopivasta koelasta on, kun lehtipuuositteen keskipituus on 6.9 m, keskiläpimitta 7.4 cm ja runkoluku /ha. Laskentapalvelu laskee kertaa 7.4 cm rungon pohjapinta-alaksi 79.6 m2/ha ja tilavuudeksi 283 m3/ha. Suuri enemmistö runkoluvusta lienee luettu nuoremmista taimista ja runkoluvulla painotettu keskiläpimitta pitäisi olla näiden läpimitan luokkaa. Pohjapinta-alapainotusta voidaan käyttää vain lukupuukoealoilla. Vastaavat ongelmat tulevat vastaan monijaksoisten puustojen tulkinnassa. Tulokset voisivat olla teoriassa jollakin määrittelyllä täsmälleen oikein, silti tuloksilla ei ole metsänhoidollista arvoa. Esimerkkinä mainittakoon tiheä taimikko, jossa on harvahko pidempi puusto. Runkolukupainotuksella saadaan alemman jakosn tunnukset, ppapainotuksella ylemmän. Näin edellyttäen tietysti, että referenssit on mitattu ja laskettu oikein ja sitä on riittävästi. Uudet latvusrajattuihin tulkintayksiköihin perustuvat menetelmät tulevat varmuudella parantamaan siemen- ja jättöpuustojen, siemenpuuryhmien, ylispuustojen ja muiden monijaksoisten kohteiden tulkintaa ja tuloksista tehtävien päätelmien laatua. Tämä kehitys saattaa yltää osin myös taimikkotulkintaan, jossa sekaisin kasvavat erikokoiset taimet saattavat tulla paremmin tunnistetuiksi. Kaukokartoitukselle on helpompaa havaita rinnakkaiset ilmiöt, joissa molemmat jaksot näkyvät ylöspäin kuin päällekkäiset jaksot, joissa ylempi kerros peittää alikasvokset. Kumpaakaan painotustapaa ei voi pitää toista oikeampana, vaan molemmissa on omat hyvät ja huonot puolensa. Kumpikin tapa hävittää tietoa keskiarvoistuksessa. Tietomallin kannalta taimikoissakin pitäisi tuottaa jakauman säilyttävä kuvaus kohteesta. Tällainen voisi olla joko parametrinen malli taikka empiirinen jakauma, esimerkiksi pituuden runkolukusarja. Eri painotusten tuottamaa jyrkkää eroa yritetään tässä työssä lieventää käyttämällä vaihtuvaa tai liukuvaa painotusta sekä koealatunnusten laskemisessa että tulkinnassa. Referenssin pieni määrä, pari sataa koealaa aiheuttaa suuria ongelmia k-nn-menetelmille. Taimikkomallit tarvitsisivat aivan yhtä suuren määrän populaation vaihtelua hyvin kuvaavia koealoja kuin varttuneiden mallitkin, kpl. Tämäkään ei vielä riitä kompensoimaan taimikkomallien mittausten huomattavasti suurempaa epämääräisyyttä, mutta veisi varmasti tuloksia oikeaan suuntaan ja lisäisi oikeiden toimenpide-ehdotusten osuutta. Eräs ajatus koealojen määrän lisäämiseksi on generoida niitä lisää yhdistelemällä mitatuista koealoista. Tätä on mietitty varttuneisiinkin puustoihin. Ajatus on houkutteleva:
5 5 kahden koealan kombinaatioita syntyy N:stä koealasta N*(N-1)/2 kpl. Esimerkiksi N= 200: kpl ja N= 500: kpl. Vasta-argumenttina on metsän biologia. Jokainen koeala edustaa yhtä todellista mitattua kohtaa populaatiossa. Kahden koealan yhdistelmä on suuressa osassa tapauksia biologisesti mahdoton, esimerkiksi kasvupaikan tai puuston historian ja ominaisuuksien suhteen. Taimikoissa tilanne on jossakin määrin erilainen. Nuorena taimet muistuttavat hyvin paljon toisia samanikäisiä taimia inventointialueen eri osissakin. Samalla kuviollakin esiintyy vaihtelua pituudessa ja puulajisuhteissakin. Voisi perustellusti ajatella, että kahden pituudeltaan jonkin verran eroavan taimikkokoealan rinnakkainen yhdistelmä tuottaisi uuden biologisesti mahdollisen koealan, jonka pituus ja tiheys ovat kahden alkuperäisen koealan välimuoto. Aineistot Tässä työssä kokeiltiin uusien koealojen syntetisoimista käyttämällä melko konservatiivisia rajoitteita puuston pituuserolle, puulajille ja kasvupaikalle. Näin tuskin on syntynyt kovin mahdottomia yhdistelmiä. Päinvastoin voi todeta, että äärimmäisen pieni referenssin määrä aiheuttaa paljon suurempia biologisia ristiriitoja: tietyn tulkintayksikön puustoa kuvaamaan tulevat lähimmät naapurit ovat keskenään ja kohteen kanssa eri pituisia, eri tiheyksisiä ja eri puulajia, koska sopivaa yhdistelmää ei referenssistä kerta kaikkiaan löydy. k:n lähimmän naapurin välillä ei tulkinnassa aseteta biologisia rajoitteita, esimerkiksi kasvupaikka ei Työ tehtiiin vuoden 2016 tulkinta-alueella Juva-Mikkeli käyttäen alueelle mitattuja koealoja kaukokartoitusaineistoja. Taimikoihin oli mitattu tyypillisen vaatimaton joukko koealoja, keskipituudeltaan yli 7 m aloja oli 195 kpl. Alkuperäisistä taimikoealoista muodostettiin joukko synteettisiä koealoja. Yhdistelmät valittiin maltillisesti tiukoilla rajoitusehdoilla siten, että koealojen yhdistelmä olisi biologisesti mahdollinen. Keskimäärin jokaista alkuperäistä taimikoealaa kohti syntyi 2 uutta yhdistelmää. Mallinnuksessa rajoitettiin, että selittävissä koealoissa ei saanut esiintyä kumpaakaan selitettävien koealojen yksilöistä. Synteettisille koealoille laskettiin laser- ja ilmakuvatunnukset normaliin tapaan. Käytettäessä mittakaavasta ja tasokoordinaateista riippumattomia laserpiirteitä voidaan yhdistelmäkoealan piirteet laskea yksinkertaisesti vain yhdistämällä pistepilvet ja laskemalla piirteet normaalisti. Sama pätee ilmakuvapiirteille, kun käytetään Terratecin tapaa leikata kukin pistepilven piste fotogrammetrisesti niille ilmakuville, joilla se näkyy ja laskemalla näiden pikseleiden 4-kanavaisista arvoista ja niistä edellen johdetuista tunnusluvuista ja indekseistä normaali piirrejoukko. Ilmakuvien osalta on huomattava kuitenkin, että osakoealat voivat olla kuvatut hyvinkin eri aikaan, jolloin syntyy hieman enemmän keskiarvoistumista normaalitilanteeseen verrattuna.
6 6 Mallinnusten tuottamista ristivalidoinnin tuloksista tehtiin koealatason tarkkuusraportit. Raporteissa otettiin mukaan vain keskipituudeltaan alle 7 m koealat. Synteettisten koealojen mallin tulokset esitetään mallinnuksessa mukana olleille 567 kpl alle 7 m keskipituuden koealalle. Jotta saataisiin paremmin alkuperäisten tulosten kanssa vertailukelpoinen taulukko, rajattiin mukaan vain alkuperäiset normaalit koealat, joita siis selitettiin muilla alkuperäisillä ja synteettisillä koealoilla. Koealamäärä Ka_tulkinta Ka_mittaus Sd_mittaus RMSE RMSE % Harha Harha % merkitsevyys Taulukko 1: Koealatason tarkkuustunnukset ppa-painotuksella Koealamäärä Ka_tulkinta Ka_mittaus Sd_mittaus RMSE RMSE % Harha Harha % merkitsevyys Taulukko 2: Koealatason tarkkuustunnukset rulupainotuksella Koealamäärä Ka_tulkinta Ka_mittaus Sd_mittaus RMSE RMSE % Harha Harha % merkitsevyys Taulukko 3: Koealatason tarkkuustunnukset synteettisillä koealoilla (kaikki)
7 7 Koealamäärä Ka_tulkinta Ka_mittaus Sd_mittaus RMSE RMSE % Harha Harha % merkitsevyys Taulukko 4: Koealatason tarkkuustunnukset synteettisillä koealoilla (vain alkuperäiset) Keskustelua Tulokset asettuivat loogiseen järjestykseen. Synteettiset koealat tarjosivat lisää vaihtoehtoja valita lähimpiä naapureita ja tämä heijastui Y-muuttujiin ja tuotti alkuperäisiä matalampia keskivirheitä erityisesti puulajittaisille pituuksille. Keskipituus ja kokonaisrunkoluku ei parantunut merkittävästi. Puulajittaisille runkoluvuille näkyy parannusta, kun raportissa on mukana kaikki synteettisetkin koealat. Tämä ero häviää, kun raporttiin rajataan mukaan vain alkuperäiset. Tämä johtunee runkolukuun liittyvästä luontaisesta kohinaisuudesta: sen mittaus tai arviointi sisältää jo itsessään merkittävän virheen ja runkoluvun korrelaatio kaukokartoituspiirteiden kanssa on paljon heikompi kuin pituuksien, joita laserkeilaus mittaa jopa suoraan. Nämä tulokset ovat lupaavia ja niitä kannattaa kehittää edelleen. Yhdistelyssä käytettyjä biologisia rajoitteita voisi höllentää hieman, niin että lukumäärä kasvaisi vielä ehken kaksinkertaiseksi. Taimikoita varten kannattaa tuottaa niille optimoitu laserpiirrejoukko. Yhdessä uusien sensorien kanssa on mahdollista saada taimikoiden tulkintatarkkuus sellaiselle tasolle, että tunnusten perusteella tehdyt toimenpide-ehdotukset osuvat pääosin kohdalleen. Osalla vuoden 2019 pilotalueita käytään keilaimia (esimerkiksi Riegl 1560i), jotka kuvaavat matalan pään taimikoita merkittävästi paremmin verrattuna klassikkokeilaimeen ALS60.
MARV 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
LisätiedotTIHEÄPULSSISEN LASERAINEISTON VERTAILUTESTI
TIHEÄPULSSISEN LASERAINEISTON VERTAILUTESTI Pekka Savolainen Terratec Oy 07.12.2018 Luottamuksellisuus Tämän raportin kirjoittaja on allekirjoittanut salassapitosopimuksen, jossa on sitoutunut olemaan
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
LisätiedotTiheäpulssinen 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,
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
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
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
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
LisätiedotTervasrosoon vaikuttavat tekijät - mallinnustarkastelu
Tervasrosoon vaikuttavat tekijät - mallinnustarkastelu Ville Hallikainen Kuva: Risto Jalkanen Tutkimuskysymykset Mitkä luonnossa vallitsevat ekologiset ja metsänhoidolliset ym. tekijät vaikuttavat tervasroson
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
LisätiedotMikä on taimikonhoidon laadun taso?
Mikä on taimikonhoidon laadun taso? MMT Timo Saksa Luonnonvarakeskus Suonenjoen toimipaikka Pienten taimikoiden laatu VMI:n mukaan Tyydyttävässä taimikossa kasvatettavien taimien määrä on metsänhoito-suositusta
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,
LisätiedotTaimikonhoidon omavalvontaohje
Omavalvonnalla laatua ja tehoa metsänhoitotöihin Taimikonhoidon omavalvontaohje Taimikonhoidon merkitys Taimikonhoidolla säädellään kasvatettavan puuston puulajisuhteita ja tiheyttä. Taimikonhoidon tavoitteena
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
LisätiedotPuusto poiminta- ja pienaukkohakkuun jälkeen
Puusto poiminta- ja pienaukkohakkuun jälkeen Metsälakiseminaari 22.10.2014 Lahti Johtava metsänhoidon asiantuntija Eljas Heikkinen Suomen metsäkeskus Eri-ikäisrakenteisen metsän rakennepiirteitä Sekaisin
LisätiedotTaimikonhoito. Mänty Ohjeet omatoimiseen taimikonhoitoon Pekka Riipinen, Jyväskylän ammattikorkeakoulu. Sykettä Keski Suomen metsiin
Taimikonhoito Mänty Ohjeet omatoimiseen taimikonhoitoon Pekka Riipinen, Jyväskylän ammattikorkeakoulu Sykettä Keski Suomen metsiin Taimikonhoito Tavoitteena luoda sopivalla tiheydellä ja puulajisuhteella
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
LisätiedotMetsäalueen kuviointi laserkeilausaineiston ja soluautomaatin avulla
Metsäalueen kuviointi laserkeilausaineiston ja soluautomaatin avulla Taksaattoriklubin vuosikokous 9.4.2019 Eero Viitanen Taustaa Metsikkökuvio Oliver & Larson: Spatiaalisesti jatkuva joukko puita ja muuta
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
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
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
LisätiedotKaukokartoituspohjainen metsien inventointi Suomessa - mitä tästä eteenpäin? Petteri Packalen
Laserkeilausseminaari 2017 MML 12.10.2017 Kaukokartoituspohjainen metsien inventointi Suomessa - mitä tästä eteenpäin? Petteri Packalen Metsien inventointi Suomessa Kaksi erityyppistä inventointia: Valtakunnan
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
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
LisätiedotTaimikonhoidon ja ensiharvennuksen tilanne ja tarve
Taimikonhoidon ja ensiharvennuksen tilanne ja tarve Metsänhoitoklubin kevätseminaari 21.4.217 Kari T. Korhonen Luke/VMI Sisältö 1. VMI 2. Taimikoiden ja nuorten kasvatusmetsien tila 3. Rästit 4. Puulajit
LisätiedotBiomassatulkinta LiDARilta
Biomassatulkinta LiDARilta 1 Biomassatulkinta LiDARilta Jarno Hämäläinen (MMM) Kestävän kehityksen metsävarapalveluiden yksikkö (REDD and Sustainable Forestry Services) 2 Sisältö Referenssit Johdanto Mikä
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
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
LisätiedotKumisaappaista koneoppimiseen
Kumisaappaista koneoppimiseen Taimikkotiedon tuottaminen tekoälyn avulla Esri-käyttäjäpäivät 30.1.2019 Suomen metsäkeskus, kehityspäällikkö Henna Etula Lähtökohta Näköpiirissä ei ole yksittäistä menetelmää,
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
LisätiedotJatkuvat satunnaismuuttujat
Jatkuvat satunnaismuuttujat Satunnaismuuttuja on jatkuva jos se voi ainakin periaatteessa saada kaikkia mahdollisia reaalilukuarvoja ainakin tietyltä väliltä. Täytyy ymmärtää, että tällä ei ole mitään
LisätiedotEnergiapuuharvennuskohteen valinta. METKA-hanke 2014
Energiapuuharvennuskohteen valinta METKA-hanke 2014 Ryhmätyö - ryhmätyö 10 min (kaikki ryhmät) - ryhmätyön purku 10 min Mitkä ovat energiapuuharvennuksen vaikeimmat kohdat? Kohteen rajaaminen? Hinnoittelu
LisätiedotPuutavaran tukkimittarimittauksessa käytettävä tyvisylinterin pituus ja tarkastusmittauksen mittaussuunta
Puutavaran tukkimittarimittauksessa käytettävä tyvisylinterin pituus ja tarkastusmittauksen mittaussuunta Puutavaranmittauksen neuvottelukunnan suosituksen 12.10.2017 taustamateriaali Suositusta muutettu
LisätiedotLaserkeilauspohjaiset laskentasovellukset
Laserkeilauspohjaiset laskentasovellukset Petteri Packalén Matti Maltamo Laseraineiston käsittely: Ohjelmistot, formaatit ja standardit Ei kovin monia ohjelmia laserpisteaineiston käsittelyyn» Terrasolid
LisätiedotMOBIDEC 1.1. Pikaohje 30.3.2011
MOBIDEC 1.1 Pikaohje 30.3.2011 SISÄLTÖ 1 ALOITUS... 1 1.1 Laitteet... 1 1.2 Datasiirtomaksut... 1 1.3 Soveltuvuus... 1 1.4 Aloitussivu... 1 2 REKISTERÖITYMINEN... 2 2.1 Yleistä... 2 2.2 Virhetilanteet...
LisätiedotSisällysluettelo ESIPUHE 1. PAINOKSEEN... 3 ESIPUHE 2. PAINOKSEEN... 3 SISÄLLYSLUETTELO... 4
Sisällysluettelo ESIPUHE 1. PAINOKSEEN... 3 ESIPUHE 2. PAINOKSEEN... 3 SISÄLLYSLUETTELO... 4 1. METODOLOGIAN PERUSTEIDEN KERTAUSTA... 6 1.1 KESKEISTEN KÄSITTEIDEN KERTAUSTA... 7 1.2 AIHEESEEN PEREHTYMINEN...
LisätiedotNUMEERISET ILMAKUVAT TAIMIKON PERKAUSTARPEEN MÄÄRITTÄMISESSÄ
NUMEERISET ILMAKUVAT TAIMIKON PERKAUSTARPEEN MÄÄRITTÄMISESSÄ Selvitettiin numeeristen ilmakuva-aineistojen hyödyntämismahdollisuuksia taimikon puustotunnusten ja perkaustarpeen määrittämisessä. Tuukka
LisätiedotLaiminlyönnit metsän uudistamisessa ja hoidossa ja niiden vaikutukset tuleviin puuntuotantomahdollisuuksiin
Laiminlyönnit metsän uudistamisessa ja hoidossa ja niiden vaikutukset tuleviin puuntuotantomahdollisuuksiin Kari T. Korhonen Valtakunnan metsien inventointi/metla Kari.t.Korhonen@metla.fi VMI1/ 9.8.27
LisätiedotUudistamistuloksen vaihtelun vaikutus uudistamisen kustannustehokkuuteen metsänviljelyssä. Esitelmän sisältö. Taustaa. Tutkimuksen päätavoitteet
Uudistamistuloksen vaihtelun vaikutus uudistamisen kustannustehokkuuteen metsänviljelyssä Metsänuudistaminen pohjoisen erityisolosuhteissatutkimushankkeen loppuseminaari 15.3.2012 Rovaniemi Esitelmän sisältö
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
LisätiedotSuositus puutavaran tukkimittarimittauksessa käytettävän tyvisylinterin pituudeksi ja tarkastusmittauksen mittaussuunnaksi.
Suositus puutavaran tukkimittarimittauksessa käytettävän tyvisylinterin pituudeksi ja tarkastusmittauksen mittaussuunnaksi Tukkimittarimittauksessa tyvisylinterin pituus ja tarkastusmittauksen suunta -
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
LisätiedotTehtävä 1. Jatka loogisesti oheisia jonoja kahdella seuraavaksi tulevalla termillä. Perustele vastauksesi
Tehtävä. Jatka loogisesti oheisia jonoja kahdella seuraavaksi tulevalla termillä. Perustele vastauksesi lyhyesti. a) a, c, e, g, b),,, 7,, Ratkaisut: a) i ja k - oikea perustelu ja oikeat kirjaimet, annetaan
LisätiedotHIRVI-INFO Uusi hirvivahinkojen korvausjärjestelmä. Heikki Kuoppala
HIRVI-INFO Uusi hirvivahinkojen korvausjärjestelmä Heikki Kuoppala Hirvivahinkojen arviointi muuttuu Valtioneuvoston asetus riistavahingoista annetun asetuksen muuttamisesta 268/2017 Tullut voimaan 15.5.2017
LisätiedotMETSÄTALOUDEN HIRVIVAHINGOT Uusi hirvivahinkojen korvausjärjestelmä
METSÄTALOUDEN HIRVIVAHINGOT Uusi hirvivahinkojen korvausjärjestelmä 20.3.2018 Heikki Kuoppala Hirvivahinkojen arviointiin muutoksia Valtioneuvoston asetus riistavahingoista annetun asetuksen muuttamisesta
LisätiedotEnergiapuukorjuukohteiden tarkastustulokset ja Hyvän metsänhoidon suositusten näkökulma. Mikko Korhonen Pohjois-Karjalan metsäkeskus
Energiapuukorjuukohteiden tarkastustulokset ja Hyvän metsänhoidon suositusten näkökulma Mikko Korhonen Pohjois-Karjalan metsäkeskus Mitä on korjuujälki? Metsikön puuston ja maaperän tila puunkorjuun jälkeen.
LisätiedotTehtävät. 1. Ratkaistava epäyhtälöt. a) 2(4 x) < 12, b) 5(x 2 4x + 3) < 0, c) 3 2x 4 > 6. 1/10. Sukunimi (painokirjaimin)
1/10 Tehtävä 1 2 3 4 5 6 7 8 9 10 Yhteensä Pisteet (tarkastaja merkitsee) Kokeessa on kymmenen tehtävää, joista jokainen on erillisellä paperilla. Jokaisen tehtävän maksimipistemäärä on 6 pistettä. Ratkaise
LisätiedotKestävää luontomatkailua
Ennallistamispoltot Repovedellä Susanna Lahdensalo Kestävää luontomatkailua Repovedelle hanke ESITYKSEN TAVOITE: Sertifioiduille oppailla aineistopankkiin tietoja Repoveden ennallistamispoltoista (erityisesti
LisätiedotLaserkeilaus (Lapin) metsävarojen hyödyntämisessä. Anssi Juujärvi Lapin metsätalouspäivät
metsävarojen hyödyntämisessä Anssi Juujärvi Lapin metsätalouspäivät 28.1.2016 -Metsävaratietojen tuottaminen -Metsävaratietojen hyödyntäminen -Mikä muuttuu 1.1.2016 alkaen 28.1.2016 Suomen metsäkeskus
LisätiedotKorkeusmallien vertailua ja käyttö nitraattiasetuksen soveltamisessa
Korkeusmallien vertailua ja käyttö nitraattiasetuksen soveltamisessa Valtakunnallisesti kattavaa laserkeilausaineistoa ei vielä ole. Kaltevuusmallit perustuvat tällä hetkellä digitaalisen korkeusmallin
LisätiedotSatelliittipaikannuksen tarkkuus hakkuukoneessa. Timo Melkas Mika Salmi Jarmo Hämäläinen
Satelliittipaikannuksen tarkkuus hakkuukoneessa Timo Melkas Mika Salmi Jarmo Hämäläinen Tavoite Tutkimuksen tavoite oli selvittää nykyisten hakkuukoneissa vakiovarusteena olevien satelliittivastaanottimien
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
LisätiedotTrestima Oy Puuston mittauksia
Trestima Oy Puuston mittauksia Projektissa tutustutaan puuston mittaukseen sekä yritykseen Trestima Oy. Opettaja jakaa luokan 3 hengen ryhmiin. Projektista arvioidaan ryhmätyöskentely, projektiin osallistuminen
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
LisätiedotENERGIAPUUKOHTEEN TUNNISTAMINEN JA OHJAAMINEN MARKKINOILLE
ENERGIAPUUKOHTEEN TUNNISTAMINEN JA OHJAAMINEN MARKKINOILLE METSÄ metsänomistajat PROMOOTTORI metsäsuunnittelu ja -neuvonta MARKKINAT polttopuu- ja lämpöyrittäjät metsäpalveluyrittäjät energiayhtiöt metsänhoitoyhdistykset
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
LisätiedotNUORTEN METSIEN RAKENNE JA KEHITYS
NUORTEN METSIEN RAKENNE JA KEHITYS Saija Huuskonen Metsäntutkimuslaitos, Vantaa Tutkimuksen tavoitteet 1. Selvittää 198-luvulla onnistuneesti perustettujen havupuuvaltaisten taimikoiden metsänhoidollinen
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
LisätiedotVäljennyshakkuu männyn luontaisessa uudistamisessa
Metsänuudistaminen pohjoisen erityisolosuhteissa Loppuseminaari Rovaniemi 15.03.2012 Väljennyshakkuu männyn luontaisessa uudistamisessa Mikko Hyppönen Sameli Salokannel Ville Hallikainen Mikä on väljennyshakkuu?
LisätiedotTaimikonhoito. Elinvoimaa Metsistä- hanke Mhy Päijät-Häme
Taimikonhoito Elinvoimaa Metsistä- hanke Mhy Päijät-Häme Taimitermejä Pieni taimikko: keskipituus alle 1,3 metriä Varttunut taimikko: keskipituus yli 1,3 metriä, keskiläpimitta alle 8 cm Ylispuustoinen
LisätiedotPienet vai vähän suuremmat aukot - kuusen luontainen uudistaminen turv la Hannu Hökkä Metla Rovaniemi
Pusikoita vai puuntuotantoa tutkimuspäivä Rovaniemellä 11.12.2014 Pienet vai vähän suuremmat aukot - kuusen luontainen uudistaminen turvemailla Hannu Hökkä Metla Rovaniemi Taustaa Suomessa pitkät perinteet
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
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
LisätiedotLIITE 1 VIRHEEN ARVIOINNISTA
1 Mihin tarvitset virheen arviointia? Mittaustuloksiin sisältyy aina virhettä, vaikka mittauslaite olisi miten uudenaikainen tai kallis tahansa ja mittaaja olisi alansa huippututkija Tästä johtuen mittaustuloksista
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
LisätiedotPoimintahakkuiden puunkorjuu Matti Sirén
Poimintahakkuiden puunkorjuu Matti Sirén Kuva: Juhani Korhonen Poimintahakkuiden puunkorjuun tuottavuudesta vähän tietoa - tuottavuutta koskevat lainalaisuudet kuitenkin voimassa Hakkuun tuottavuustekijät:
LisätiedotMTTTP5, luento Otossuureita ja niiden jakaumia (jatkuu)
21.11.2017/1 MTTTP5, luento 21.11.2017 Otossuureita ja niiden jakaumia (jatkuu) 4) Olkoot X 1, X 2,..., X n satunnaisotos (, ):sta ja Y 1, Y 2,..., Y m satunnaisotos (, ):sta sekä otokset riippumattomia.
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.
LisätiedotLIITE 1 VIRHEEN ARVIOINNISTA
1 LIITE 1 VIRHEEN ARVIOINNISTA Mihin tarvitset virheen arviointia? Mittaustulokset ovat aina todellisten luonnonvakioiden ja tutkimuskohdetta kuvaavien suureiden likiarvoja, vaikka mittauslaite olisi miten
Lisätiedot1. Tilastollinen malli??
1. Tilastollinen malli?? https://fi.wikipedia.org/wiki/tilastollinen_malli https://en.wikipedia.org/wiki/statistical_model http://projecteuclid.org/euclid.aos/1035844977 Tilastollinen malli?? Numeerinen
LisätiedotLIITE 1 VIRHEEN ARVIOINNISTA
Oulun yliopisto Fysiikan opetuslaboratorio Fysiikan laboratoriotyöt 1 1 LIITE 1 VIRHEEN RVIOINNIST Mihin tarvitset virheen arviointia? Mittaustuloksiin sisältyy aina virhettä, vaikka mittauslaite olisi
LisätiedotTarvitseeko metsäsi hoitoa?
Tarvitseeko metsäsi hoitoa? Satuin vaimon kanssa patikkaretkelle kansallispuistoon. Vaimo tarkkaili luontoa kokonaisvaltaisesti ja minä katselin puita. Katsettani liiemmin teroittamatta näin ympärilläni
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 6 Sarjojen suppeneminen Kiinnostuksen kohteena on edelleen sarja a k = a + a 2 + a 3 + a 4 +... k= Tämä summa on mahdollisesti äärellisenä olemassa, jolloin sanotaan
LisätiedotTUTKIMUSTULOKSIA JA MIELIPITEITÄ METSÄNHOIDON VAIHTOEHDOISTA. Timo Pukkala
TUTKIMUSTULOKSIA JA MIELIPITEITÄ METSÄNHOIDON VAIHTOEHDOISTA Timo Pukkala Sisältö Jaksollinen jatkuva Tasaikäisen metsän jatkuva kasvatus Alikasvos Metsän uudistaminen Metsänhoidon tukeminen Säännöllisen
LisätiedotARVOMETSÄ METSÄN ARVO 15.3.2016
SISÄLTÖ MAA JA PUUSTO NETTONYKYARVO NETTOTULOT JA HAKKUUKERTYMÄT ARVOMETSÄ METSÄN ARVO 15.3.2016 KUNTA TILA REK.NRO 1234567892 LAATIJA: Antti Ahokas, Metsäasiantuntija 2 KASVUPAIKKOJEN PINTAALA JA PUUSTO
LisätiedotTuloperiaate. Oletetaan, että eräs valintaprosessi voidaan jakaa peräkkäisiin vaiheisiin, joita on k kappaletta
Tuloperiaate Oletetaan, että eräs valintaprosessi voidaan jakaa peräkkäisiin vaiheisiin, joita on k kappaletta ja 1. vaiheessa valinta voidaan tehdä n 1 tavalla,. vaiheessa valinta voidaan tehdä n tavalla,
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
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...
LisätiedotTaimikonhoidon laatu ja laadun. Mikkeli Kustannustehokas metsänhoito seminaarisarja 2011
Taimikonhoidon laatu ja laadun hallinta Ville Kankaanhuhta Mikkeli 17.11.2011 Kustannustehokas metsänhoito seminaarisarja 2011 Mistä hakea tietoa? Metsänhoitopalvelut portaali Metinfossa http://www.metla.fi/metinfo/metsanhoitopalvelut/
LisätiedotYhteensä 35 71 129 8 117 15.9 14.4 994 18.0 5.5 Mänty 35 63 115 8 104 16.0 14.5 869 16.0 4.8 Kuusi 35 8 14 1 13 15.0 14.0 125 2.0 0.
Siu 20 (1) Kannasto 743-425-5-221 3.6.2015 luettelo Pinta- Pääryhmä, kasupaikka, ala, kehitysluokka ja saautettauus puulaji ikä, tilauus tukkia, kuitua, läpimitta, pituus, runkoluku, ppa, kasu kuiolla
LisätiedotKorjuujäljen seuranta energiapuun korjuun laadun mittarina. Mikko Korhonen Suomen metsäkeskus 23.5.2014
Korjuujäljen seuranta energiapuun korjuun laadun mittarina Mikko Korhonen Suomen metsäkeskus 23.5.2014 Mitä on korjuujälki? Metsikön puuston ja maaperän tila puunkorjuun jälkeen. 2 23.5.2014 3 Korjuujäljen
LisätiedotUusimmat metsävaratiedot
Uusimmat metsävaratiedot Kari T. Korhonen & Antti Ihalainen Valtakunnan metsien 11. inventoinnin (VMI11) tulosten julkistamistilaisuus 18.3.2015 Suomi on Euroopan metsäisin maa Metsätalousmaata 26,2 milj.
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
LisätiedotT Luonnollisen kielen tilastollinen käsittely Vastaukset 3, ti , 8:30-10:00 Kollokaatiot, Versio 1.1
T-61.281 Luonnollisen kielen tilastollinen käsittely Vastaukset 3, ti 10.2.2004, 8:30-10:00 Kollokaatiot, Versio 1.1 1. Lasketaan ensin tulokset sanaparille valkoinen, talo käsin: Frekvenssimenetelmä:
LisätiedotM 1 ~M 2, jos monikulmioiden vastinkulmat ovat yhtä suuret ja vastinsivujen pituuksien suhteet ovat yhtä suuret eli vastinsivut ovat verrannolliset
Yhdenmuotoisuus ja mittakaava Tasokuvioiden yhdenmuotoisuus tarkoittaa havainnollisesti sitä, että kuviot ovat samanmuotoiset mutta eivät välttämättä samankokoiset. Kahdella yhdenmuotoisella kuviolla täytyy
LisätiedotTehtävä 1. Hypoteesi: Liikuntaneuvonta on hyvä keino vaikuttaa terveydentilaan. Onko edellinen hypoteesi hyvä tutkimushypoteesi? Kyllä.
Tehtävä 1 Hypoteesi: Liikuntaneuvonta on hyvä keino vaikuttaa terveydentilaan. Onko edellinen hypoteesi hyvä tutkimushypoteesi? Kyllä Ei Hypoteesi ei ole hyvä tutkimushypoteesi, koska se on liian epämääräinen.
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
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
LisätiedotTrestima Oy Puuston mittauksia
Koostanut Essi Rasimus ja Elina Viro Opettajalle Trestima Oy Puuston mittauksia Kohderyhmä: 9-luokka Esitiedot: ympyrä, ympyrän piiri, halkaisija ja pinta-ala, lieriön tilavuus, yhdenmuotoisuus, yksikkömuunnokset
LisätiedotTaimikon varhaishoito. Kemera-koulutus
Taimikon varhaishoito Kemera-koulutus 1.6.2015 Uusi työlaji Taimikon varhaishoito Taimikon perkausta ja harvennusta, sekä verhopuuston poistoa ja harvennusta. Pienpuun kerääminen mahdollista, ei tosin
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
LisätiedotKehittyvien satelliittiaineistojen mahdollisuudet
VTT TECHNICAL RESEARCH CENTRE OF FINLAND LTD Kehittyvien satelliittiaineistojen mahdollisuudet Forest Big Data loppuseminaari, Heureka 8.3.2016 Tuomas Häme, Laura Sirro, Yrjö Rauste VTT VTT:n satelliittikuvatutkimusaiheet
LisätiedotTaimikonhoitoon vaikuttavat biologiset tekijät
1.1.1 Taimikonhoitoon vaikuttavat biologiset tekijät Lehtipuiden kasvu ja vesominen Jari Miina, METLA Lehtipuita syntyy aina, - hakkuu/raivauskannot vesovat - haavan ja harmaalepän juurivesat - siemensyntyiset
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
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
Lisätiedotpitkittäisaineistoissa
Puuttuvan tiedon ongelma p. 1/18 Puuttuvan tiedon ongelma pitkittäisaineistoissa Tapio Nummi tan@uta.fi Matematiikan, tilastotieteen ja filosofian laitos Tampereen yliopisto mtl.uta.fi/tilasto/sekamallit/puupitkit.pdf
LisätiedotUlkoilumetsien hoidossa käytettävien toimenpiteiden kuvaukset Keskuspuiston luonnonhoidon yleissuunnitelma
Ulkoilumetsien hoidossa käytettävien toimenpiteiden kuvaukset Keskuspuiston luonnonhoidon yleissuunnitelma 1.10.2015 Helsingin kaupunki Rakennusvirasto Keskuspuiston ulkoilumetsiä hoidetaan luonnonmukaisesti
LisätiedotTil.yks. x y z
Tehtävien ratkaisuja. a) Tilastoyksiköitä ovat työntekijät: Vatanen, Virtanen, Virtanen ja Voutilainen; muuttujina: ikä, asema, palkka, lasten lkm (ja nimikin voidaan tulkita muuttujaksi, jos niin halutaan)
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
Lisätiedot