Tietojenkäsittelytieteen tutkimusmetodit J. Parkkinen, M. Hauta-Kasari & V. Heikkinen
|
|
- Iivari Karjalainen
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 Multi-scale Geospatial Analysis of Forest Ecosystems Tahko Tietojenkäsittelytieteen tutkimusmetodit J. Parkkinen, M. Hauta-Kasari & V. Heikkinen
2 Tutkimus yleisesti Radiometrisen informaation mittaaminen, käsittely ja analysointi: - Regressio ja interpolointi. - Luokittelu ja klusterointi. - Sensorien suunnittelu. (Piirreirroitus, aliavaruuskuvaukset) - Datan pakkaaminen. - Väriavaruudet. 2
3 Kernel pohjainen oppiminen Reproducing kernel Hilbert space (RKHS) menetelmät: Polynomi-mallit, Radiaaliset kantafunktio (verkot) menetelmät, Tukivektorikoneet, Polyharmoniset ( thin-plate ) splinit, jne. Menetelmät riippumattomia datan dimensiosta tai sen struktuurista ( meshfree methods ). Robusti regressio ja luokittelu kohinan ja suuriulotteisen datan tapauksessa. Funktioilla hyvin määritellyt regulointiominaisuudet. Tarvittaessa, useat mallit voidaan esittää myös ekvivalenttina Gaussin prosessina (ns. Kriging -mallit geostatistiikassa). Syvemmällä matemaattisella tasolla: Sobolev- ja Beppo Levi avaruudet. 3
4 Fysikaalinen mittaus (data) Kohteen pinnalta heijastuva sähkömagneettinen signaali ja siitä mitattu informaatio riippuu seuraavista tekijöistä (ainakin): 1. Valaistus- ja mittausgeometria. 2. Pinnan karakteriset reflektanssiominaisuudet. 3. Kohteen pinnalle tulevan spektritehon jakauma. 4. Mittalaitteen ominaisuudet. 5. Väliaine (esim. ilmakehä). Passiivisen kuvantamisen tapauksessa valaistuksen ominaisuudet (aurinko, ilmakehä) eivät ole hallinnassa. 4
5 Bidirectional spectral reflectance distribution function (BSRDF) (adapted from Nicodemus et. al (1977)) Pinta voidaan karakterisoida BSRDF avulla, joka määritellään: Heijastuneen radianssin ja pinnalla olevan irradianssin suhteena. 5
6 Kaukokartoitus: Hemispherical-conical reflectance (adapted from Nicodemus et. al (1977)) 6
7 Reflektanssimallit Lambertin BSRDF oletus on yleinen laskennallisissa malleissa: BSRDF on riippumaton valaistus- ja mittausgeometriasta. Käytännössä monet pinnat eivät kuitenkaan ole hyvin approksimoitavissa Lambertin mallilla. Esimerkiksi: Puiden latvusto. 7
8 Esim. 1: Empiirinen reflektanssin estimointi Reflektanssin estimointi: Estimoidaan kohteen reflektanssi ominaisuuksia tehdyistä spektrimittauksista. Empiirinen malli: Fysikaalista mallia sensorille, kohteen irradianssille ei konstruoida eksplisiittisesti. Ennustava malli perustuu opetusdatan käyttöön. Samat menetelmät BSRDF-normalisoinnissa (esim. Leica ADS multispektrisensorit), ilmakuvien värikalibroinnissa, tai puiden atribuuttien estimoinnissa. 8
9 Esim. 2: Tukivektorikoneet (SVM) kaukokartoitusdatan luokittelussa. Empiirinen evidenssi: Decision Fusion for the Classification of Hyperspectral Data: Outcome of the 2008 GRS-S Data Fusion Contest Giorgio Licciardi, Fabio Pacifici, Devis Tuia, Saurabh Prasad, Terrance West, Ferdinando Giacco, Christian Thiel, Jordi Inglada, Emmanuel Christophe, Jocelyn Chanussot, and Paolo Gamba. IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING, VOL. 47, NO. 11, NOVEMBER tutkimusryhmää, yli 2100 arvioitua luokittelutulosta: Almost all the best methods used some SVM based classifiers. 9
10 Esim. 3: Sensorien suunnittelu Hyperspektrilaitteissa yleensä suuri määrä kapeita kaistoja. Hyperspektridatan mittaaminen kaukokartoitus sovelluksissa voi olla kuitenkin huomattavan kallista. Kyseistä dataa voidaankin kuitenkin hyödyntää sensorien suunnittelussa. 10
11 Multispektrikamerat Esim. Leica Airborne Digital Sensor (ADS): - Ground Sampling Distance (GSD) is 40 cm from 4 km flight altitude. - Viivasensori. - Ei optimoitu kasvillisuudelle. 11
12 Tutkimus:Laboratorimittaukset, nm 12
13 Valaistuksen geometrian vaikutus 13
14 Tehty aihepiirin tutkimus ( ) Heikkinen, V., Jetsu, T., Parkkinen, J., Hauta-Kasari, M., Jääskeläinen, T., and Lee, S.D. Regularized learning framework in estimation of reflectance spectra from camera responses. Journal of the Optical Society of America A 24(9), 2007, Heikkinen, V., Lenz, R., Jetsu, T., Parkkinen, J., Hauta-Kasari, M. and Jääskeläinen, T. Evaluation and unification of some methods for estimating reflectance spectra from RGB images. Journal of the Optical Society of America A 25(10), 2008, Korpela Ilkka, Ørka H. O., Heikkinen V., Tokola T., & Hyyppä J. Range- and AGC normalization of LIDAR intensity data for vegetation classification. ISPRS Journal of Photogrammetry and Remote Sensing 65(4), 2010, Heikkinen, V., Tokola, T., Parkkinen, J., Korpela, I., & Jääskeläinen T. Simulated Multispectral Imagery for Tree Species Classification Using Support Vector Machines. IEEE Transactions on Geoscience and Remote sensing 48(3), 2010, Korpela, I., Heikkinen, V., Honkavaara, E., Rohrbach, F., & Tokola, T. Variation and anisotropy of reflectance of forest trees in radiometrically calibrated airborne line sensor images implications for species classification. Remote Sensing of Environment, in review (revision submitted 2011). Heikkinen, V., Korpela I., Tokola T., Honkavaara E., & Parkkinen, J. An SVM classification of tree species radiometric signatures based on the Leica ADS40 sensor. IEEE Transactions on Geoscience and Remote sensing, in review (revision submitted 2011). 14
15 Mahdollinen jatkotutkimus Regressio ja luokittelu: - Mallien optimointi tarkemmin kyseiselle datalle. - Probabilistinen näkökulma mukaan. - Funktioavaruuksien tarkempi määrittely. Sensorioptimointi kasvillisuudelle: - Simulointimallin tarkennus (ilmakehä). - Lentokoneesta kuvattuun hyperspektridataan pohjautuva simulointi. Datan fuusio: - Passiivisen ja LiDAR - datan kombinaatiot. - Muut informaatiolähteet (ekologia). 15
16 Kiitos.
Kymmenen vuotta puulajin perässä Mihin päästiin? Ilkka Korpela, HY/Metsätieteiden laitos
Kymmenen vuotta puulajin perässä Mihin päästiin? Ilkka Korpela, HY/Metsätieteiden laitos Yhteistyössä - opiskelijat Metsäylioppilaat paikantaneet ja mitanneet noin 3000 puuta/v 2007-2017 Yhteistyössä yritykset
LisätiedotGradu UASI-hankkeesta
Maatalouden tarpeet Metsätalouden tarpeet Kasvitaudit ja rikkataudit Heikki Jyväskylän yliopisto 8.3.2011 Maatalouden tarpeet Metsätalouden tarpeet Kasvitaudit ja rikkataudit 1 Johdanto ja motivointi Maatalouden
LisätiedotPuulajitulkinta laserdatasta
Ilmakuvien tarve metsäsuunnittelussa? Taksaattoriklubin seminaari, Paikkatietomarkkinat 2009 Puulajitulkinta laserdatasta Jari Vauhkonen Esityksen sisältöä Millaista (puulaji-)tietoa laserkeilaindata sisältää?
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
LisätiedotKymmenen vuotta maastolaserkeilaustutkimusta käytännön kokemuksia
Kymmenen vuotta maastolaserkeilaustutkimusta käytännön kokemuksia MMT Ville, Kankare Laserkeilaustutkimuksen huippuyksikkö Metsätieteiden laitos, Helsingin yliopisto Kymmenen vuotta maastolaserkeilaustutkimusta
LisätiedotDroneKnowledge Towards knowledge based export of small UAS remote sensing technology Kohti tietämysperusteisen UAS kaukokartoitusteknologian vientiä
DroneKnowledge Towards knowledge based export of small UAS remote sensing technology Kohti tietämysperusteisen UAS kaukokartoitusteknologian vientiä Tekes Challenge Finland Vaihe 1 Projekti, 1.6-14.11.2016
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
LisätiedotBiomassatulkinta LiDARilta
Biomassatulkinta LiDARilta 1 Biomassatulkinta LiDARilta Jarno Hämäläinen (MMM) Kestävän kehityksen metsävarapalveluiden yksikkö (REDD and Sustainable Forestry Services) 2 Sisältö Referenssit Johdanto Mikä
LisätiedotLaserkeilauksella kattavaa tietoa kaupunkimetsistä
Laserkeilauksella kattavaa tietoa kaupunkimetsistä Topi Tanhuanpää HY, Metsätieteiden osasto / UEF, Historia- ja maantieteiden osasto Kaupunkimetsät: Mitä ne ovat? Kaupungissa ja sen laitamilla kasvavien
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
LisätiedotFysikaaliset menetelmät metsien kaukokartoituksessa
Fysikaaliset menetelmät metsien kaukokartoituksessa Miina Rautiainen Metsätieteiden laitos, Helsingin yliopisto Image: Jacques Descloitres, NASA/GSFC Metsätieteen päivä, 12.11.2014 Kaukokartoitus luonnontieteellisenä
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?
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
LisätiedotINTENSITEETTITIEDON HYÖDYNTÄMINEN LASERKEILAUKSESSA. mallinnuksen instituutti. sanna.kaasalainen@fgi.fi, antero.kukko@fgi.fi, hannu.hyyppa@aalto.
The Photogrammetric Journal of Finland, Vol. 22, No. 3, 2011 INTENSITEETTITIEDON HYÖDYNTÄMINEN LASERKEILAUKSESSA Sanna Kaasalainen 1, Antero Kukko 1 ja Hannu Hyyppä 2 1 Geodeettinen Laitos, Kaukokartoituksen
LisätiedotKaksiluokkainen tapaus, lineaarinen päätöspinta, lineaarisesti erottuvat luokat
1 Tukivektoriluokittelija Tukivektorikoneeseen (support vector machine) perustuva luoikittelija on tilastollisen koneoppimisen teoriaan perustuva lineaarinen luokittelija. Perusajatus on sovittaa kahden
LisätiedotLumen optisten kaukokartoitusmenetelmien kehittäminen boreaalisella metsävyöhykkeellä. Kirsikka Heinilä SYKE/HY 05.11.2014
Lumen optisten kaukokartoitusmenetelmien kehittäminen boreaalisella metsävyöhykkeellä Kirsikka Heinilä SYKE/HY 05.11.2014 Content Motivaatio Johdanto Lumen heijastusominaisuudet Lumisen metsän heijastusominaisuudet
LisätiedotIlmastoon reagoivat metsän kasvun mallit: Esimerkkejä Suomesta ja Euroopasta
Ilmastoon reagoivat metsän kasvun mallit: Esimerkkejä Suomesta ja Euroopasta MMT Sanna Härkönen Metsäasiantuntija sanna.harkonen@bitcomp.fi Sisältö SISÄLTÖ Metsän kasvun ennustaminen: tulevaisuuden haasteita
LisätiedotModerniOptiikka. InFotonics Center Joensuu
ModerniOptiikka InFotonics Center Joensuu Joensuun Tiedepuistossa sijaitseva InFotonics Center on fotoniikan ja informaatioteknologian yhdistävä kansainvälisen tason tutkimus- ja yrityspalvelukeskus. Osaamisen
LisätiedotTieteen ja tutkimusalan opintoihin hyväksyttävät opintojaksot ovat (taulukossa A= aineopinnot, S=syventävät opinnot, J = jatko-opinnot):
Fotoniikka = jatkoopinnot): Opintojakso Koodi (op) A/S/J 2017 Moderni biolääketieteellinen optiikka 3313005 4 J X Optinen mittaaminen sekä valmistusmenetelmät 3313004 4 J X Korkean teknologian kaupallistaminen
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
LisätiedotKasvava metsävaratiedon kysyntä. Metsässä puhaltavat uudet tuulet seminaari, 11.9.2012, Mikkeli Kari T. Korhonen, Metla/VMI
Kasvava metsävaratiedon kysyntä Metsässä puhaltavat uudet tuulet seminaari, 11.9.212, Mikkeli Kari T. Korhonen, Metla/VMI Maapinta-alasta 75 % on metsää 1. Suomen metsävaratiedot Puuston määrä 2,3 miljardia
LisätiedotMetsien kaukokartoitus ja lentokonekeilaus Osio 2
Metsien kaukokartoitus ja lentokonekeilaus Osio 2 Energiapuun tehokas käsittely ja kuivuminen Osio 1 Taimikoiden hoito ja nuorien metsien energiapuuvarojen hyödyntäminen Metsä työllistäjänä sekä energiapuun
LisätiedotModerni biolääketieteellinen optiikka X - Optinen mittaaminen sekä valmistusmenetelmät X X X
Tohtoriohjelman tarjoamat opinnot tieteenaloittain: Fotoniikka Tieteen ja tutkimusalan opintoihin hyväksyttävät opintojaksot ovat: Opintojakso Koodi (op) 2018- Moderni biolääketieteellinen optiikka 3313005
LisätiedotModerni biolääketieteellinen optiikka X - Optinen mittaaminen sekä valmistusmenetelmät X X X
Fotoniikka Opintojakso Koodi (op) 2018- - - Moderni biolääketieteellinen optiikka 3313005 4 - X - Optinen mittaaminen sekä valmistusmenetelmät 3313004 4 X X X Korkean teknologian kaupallistaminen (esimerkkinä
LisätiedotResearch plan for masters thesis in forest sciences. The PELLETime 2009 Symposium Mervi Juntunen
Modelling tree and stand characteristics and estimating biomass removals and harvesting costs of lodgepole pine (Pinus contorta) plantations in Iceland Research plan for masters thesis in forest sciences
LisätiedotJulkaisut. Jouni Peltoniemi
Jouni Peltoniemi Julkaisut Photometric modelling for laboratory measurements of dark volcanic sand Wilkman, O., Gritsevich, M., Zubko, N., Peltoniemi, J. I. & Muinonen, K. joulukuuta 2016 julkaisussa :
LisätiedotOnline-oppiva ilmavalvontajärjestelmän suorituskykymalli
Online-oppiva ilmavalvontajärjestelmän suorituskykymalli MATINE:n tutkimusseminaari 16.11.2017 Juha Jylhä ja Marja Ruotsalainen Tampereen teknillinen yliopisto Signaalinkäsittelyn laboratorio Hankkeelle
LisätiedotMaaston ja tiestön kantavuuden ennustaminen. Jori Uusitalo Jari Ala-ilomäki Harri Lindeman Tomi Kaakkurivaara Nuutti Vuorimies Pauli Kolisoja
Maaston ja tiestön kantavuuden ennustaminen Jori Uusitalo Jari Ala-ilomäki Harri Lindeman Tomi Kaakkurivaara Nuutti Vuorimies Pauli Kolisoja Metsätien kantavuuden mittaus Pudotuspainolaitteet Loadman ja
LisätiedotMAA-57.1010 (4 OP) JOHDANTO VALOKUVAUKSEEN,FOTOGRAM- METRIAAN JA KAUKOKARTOITUKSEEN Kevät 2006
MAA-57.1010 (4 OP) JOHDANTO VALOKUVAUKSEEN,FOTOGRAM- METRIAAN JA KAUKOKARTOITUKSEEN Kevät 2006 I. Mitä kuvasta voi nähdä? II. Henrik Haggrén Kuvan ottaminen/synty, mitä kuvista nähdään ja miksi Anita Laiho-Heikkinen:
LisätiedotYKJ ETRS (usein joutuu säätämään itse)
GPS-järjestelmästä ja kaukokartoituksesta Kertausta GPS-järjestelmästä GPS:n käyttämät koordinaatistot Sisäisesti GPS-järjestelmä käyttää WGS84-pallokoordinaatistoa Koordinaatit voidaan projisoida lennossa
LisätiedotExamples of potential exam questions Esimerkkejä mahdollisista tenttikysymyksistä
ENY-C2005 Geoinformation in Environmental Modelling Spring 2016 Examples of potential exam questions Esimerkkejä mahdollisista tenttikysymyksistä Other questions in an exam are possible but these questions
LisätiedotLauri Korhonen. Kärkihankkeen latvusmittaukset
Lauri Korhonen Kärkihankkeen latvusmittaukset Latvuspeittävyys ( canopy cover ) Väljästi määriteltynä: prosenttiosuus jonka latvusto peittää maanpinnasta Tarkasti määritettynä*: se osuus määräalasta, jonka
LisätiedotLiikkuvan maalin ilmaisu ja tunnistaminen SAR-tutkalla
Liikkuvan maalin ilmaisu ja tunnistaminen SAR-tutkalla MATINE:n tutkimusseminaari 16.11.2017 Risto Vehmas, Juha Jylhä, Marja Ruotsalainen, Minna Väilä, Henna Perälä Tampereen teknillinen yliopisto Signaalinkäsittelyn
LisätiedotDiskriminanttianalyysi I
Diskriminanttianalyysi I 12.4-12.5 Aira Hast 24.11.2010 Sisältö LDA:n kertaus LDA:n yleistäminen FDA FDA:n ja muiden menetelmien vertaaminen Estimaattien laskeminen Johdanto Lineaarinen diskriminanttianalyysi
LisätiedotKojemeteorologia. Sami Haapanala syksy 2013. Fysiikan laitos, Ilmakehätieteiden osasto
Kojemeteorologia Sami Haapanala syksy 2013 Fysiikan laitos, Ilmakehätieteiden osasto Mittalaitteiden staattiset ominaisuudet Mittalaitteita kuvaavat tunnusluvut voidaan jakaa kahteen luokkaan Staattisiin
LisätiedotTehostamiskannustin. Ekonomisti Matti Ilonen, Energiavirasto Energiaviraston Ajankohtaispäivä
Tehostamiskannustin Ekonomisti Matti Ilonen, Energiavirasto Energiaviraston Ajankohtaispäivä 17.6.2016 Esityksen sisältö Tehokkuusmittauksen tilanne (sähkön jakeluverkonhaltijat) Tehokkuusmittausmalli
Lisätiedot1. OHJAAMATON OPPIMINEN JA KLUSTEROINTI
1. OHJAAMATON OPPIMINEN JA KLUSTEROINTI 1 1.1 Funktion optimointiin perustuvat klusterointialgoritmit Klusteroinnin onnistumista mittaavan funktion J optimointiin perustuvissa klusterointialgoritmeissä
LisätiedotMetsien hyönteistuhojen kartoitus käyttäen hyperspektrisiä ilmakuvia
Metsien hyönteistuhojen kartoitus käyttäen hyperspektrisiä ilmakuvia Aalto-yliopiston insinööritieteiden korkeakoulun maankäyttötieteiden laitoksella tehty diplomityö Espoo, marraskuu 2014 Tekniikan kandidaatti
LisätiedotMetsänmittaukselle on tyypillistä epäsuora estimointi,
Tieteen tori Metsätieteen aikakauskirja 4/2014 Aarne Hovi ja Ilkka Korpela Aaltomuoto avain laserkeilainhavaintojen syvällisempään ymmärrykseen e e m t a Johdanto Metsänmittaukselle on tyypillistä epäsuora
LisätiedotNurmisadon mittaamisen käytäntö ja nykyteknologia. Antti Suokannas Vihreä teknologia Automatisaatio ja digitaaliset ratkaisut
Nurmisadon mittaamisen käytäntö ja nykyteknologia Antti Suokannas Vihreä teknologia Automatisaatio ja digitaaliset ratkaisut Esityksen sisältö Yleistä mittaamisesta Sadon määrän lohkokohtainen mittaus
Lisätiedot1 2 3 4 5 6 7 8 9 10 2 12,999,976 km 9,136,765 km 1,276,765 km 499,892 km 245,066 km 112,907 km 36,765 km 24,159 km 7899 km 2408 km 76 km 12 14 16 1 12 7 3 1 6 2 5 4 3 11 9 10 8 18 20 21 22 23 24 25 26
LisätiedotMetsätuhoihin liittyvät riskit, kuten kuivuus-, lumi-,
Metsätieteen aikakauskirja 1/2015 Tieteen tori Mikko Vastaranta, Eija Honkavaara, Ninni Saarinen, Markus Holopainen ja Juha Hyyppä Tuuli- ja lumituhojen kartoitus ja mallinnus useampiaikaisten kaukokartoituspintamallien
LisätiedotSäilörehunurmen sadon määrän kaukokartoitus
Säilörehunurmen sadon määrän kaukokartoitus Jere Kaivosoja, LUKE LYHYESTI Kaukokartoitusta droneilla ja satelliiteilla Dronet: +Tarkka resoluutio +Absoluuttiset arvot mahdollisia +Tarkemmat laatutiedot
LisätiedotViikko 2: Ensimmäiset ennustajat Matti Kääriäinen matti.kaariainen@cs.helsinki.fi
Viikko 2: Ensimmäiset ennustajat Matti Kääriäinen matti.kaariainen@cs.helsinki.fi Exactum C222, 5.-7.11.2008. 1 Tällä viikolla Sisältösuunnitelma: Ennustamisstrategioista Koneoppimismenetelmiä: k-nn (luokittelu
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS TERMINATOR SIGNAALINKÄSITTELY KUVA VOIDAAN TULKITA KOORDINAATTIEN (X,Y) FUNKTIONA. LÄHDE: S. SEITZ VÄRIKUVA KOOSTUU KOLMESTA KOMPONENTISTA (R,G,B). ÄÄNI VASTAAVASTI MUUTTUJAN
LisätiedotLAS- ja ilmakuva-aineistojen käsittely ArcGIS:ssä
Esri Finland LAS- ja ilmakuva-aineistojen käsittely ArcGIS:ssä November 2012 Janne Saarikko Agenda Lidar-aineistot ja ArcGIS 10.1 - Miten LAS-aineistoa voidaan hyödyntää? - Aineistojen hallinta LAS Dataset
LisätiedotImpedanssispektroskopia
Impedanssispektroskopia Puun ja biomassan mittaus Puun mittauspäivät, Kajaani, 14.3.2019 Markku Tiitta Tausta Kuopion yliopisto/itä-suomen yliopisto Impedanssispektroskopiaan liittyviä tutkimuksia mm.
LisätiedotTree map system in harvester
Tree map system in harvester Fibic seminar 12.6.2013 Lahti Timo Melkas, Metsäteho Oy Mikko Miettinen, Argone Oy Kalle Einola, Ponsse Oyj Project goals EffFibre project 2011-2013 (WP3) To evaluate the accuracy
LisätiedotKASVILLISUUDEN KAUKOKARTOITUS
TEKNILLINEN TIEDEKUNTA KASVILLISUUDEN KAUKOKARTOITUS Katriina Keto YMPÄRISTÖTEKNIIKKA Kandidaatintyö Maaliskuu 2017 TEKNILLINEN TIEDEKUNTA KASVILLISUUDEN KAUKOKARTOITUS Katriina Keto Ohjaaja: Anssi Rauhala
LisätiedotKuvioraja-aineiston virheiden korjaaminen numeeristen ortoilmakuvien ja automaattisen segmentoinnin avulla
Metsätieteen aikakauskirja t u t k i m u s a r t i k k e l i Sakari Tuominen ja Anssi Pekkarinen Sakari Tuominen Kuvioraja-aineiston virheiden korjaaminen numeeristen ortoilmakuvien ja automaattisen segmentoinnin
LisätiedotDIGITAALINEN ILMAKUVAUS JA SEN MAHDOLLISUUDET. Eija Honkavaara, Lauri Markelin, Kimmo Nurminen
The Photogrammetric Journal of Finland, Vol. 22, No. 3, 2011 DIGITAALINEN ILMAKUVAUS JA SEN MAHDOLLISUUDET Eija Honkavaara, Lauri Markelin, Kimmo Nurminen Geodeettinen laitos, Kaukokartoituksen ja fotogrammetrian
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
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
LisätiedotTEEMU ROOS (KALVOT MUOKATTU PATRIK HOYERIN LUENTOMATERIAALISTA)
JOHDATUS TEKOÄLYYN TEEMU ROOS (KALVOT MUOKATTU PATRIK HOYERIN LUENTOMATERIAALISTA) KONEOPPIMISEN LAJIT OHJATTU OPPIMINEN: - ESIMERKIT OVAT PAREJA (X, Y), TAVOITTEENA ON OPPIA ENNUSTAMAAN Y ANNETTUNA X.
LisätiedotSotkamon Kolmisoppijärven UAValustaisen hyperspektrilentokampanjan tekninen kuvaus
GEOLOGIAN TUTKIMUSKESKUS Ympäristögeologia Espoo 12.12.2016 90/2016 Sotkamon Kolmisoppijärven UAValustaisen hyperspektrilentokampanjan tekninen kuvaus Maarit Middleton, Heikki Salmirinne, Jussi Soukkamäki,
LisätiedotPitkän kantaman aktiivinen hyperspektraalinen laserkeilaus
Pitkän kantaman aktiivinen hyperspektraalinen laserkeilaus MATINE:n Tutkimusseminaari, 18.11.2015 Helsinki Sanna Kaasalainen, Olli Nevalainen, Teemu Hakala Paikkatietokeskus Sisällys Taustaa Multispektraaliset
LisätiedotKuusen kasvun ja puutavaran laadun ennustaminen
Kuusen kasvun ja puutavaran laadun ennustaminen Anu Kantola Työ on aloitettu omana hankkeenaan 1.1.2001 Suomen Luonnonvarain Tutkimussäätiön rahoittamana, siirtyi Puro -hankkeen rahoittamaksi 1.1.2004
LisätiedotLASERKEILAUS- JA KUVA-AINEISTOJEN AUTOMAATTINEN TULKINTA KARTTOJEN AJANTASAISTUKSESSA
The Photogrammetric Journal of Finland, Vol. 22, No. 3, 2011 LASERKEILAUS- JA KUVA-AINEISTOJEN AUTOMAATTINEN TULKINTA KARTTOJEN AJANTASAISTUKSESSA Leena Matikainen 1, Juha Hyyppä 1, Kirsi Karila 1, Matti
LisätiedotAutomaattinen betonin ilmamäärämittaus
Automaattinen betonin ilmamäärämittaus 1.11.2017 DI, Projektityöntekijä Aalto-yliopisto Teemu Ojala Betonitutkimusseminaari 2017 Messukeskus, Kokoustamo Esitelmän sisältö 1. Tausta ja tutkimustarve 2.
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
LisätiedotIlkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi
Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi TKK (c) Ilkka Mellin (2006) 1 Estimointi >> Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin
LisätiedotJohdatus tilastotieteeseen Estimointi. TKK (c) Ilkka Mellin (2005) 1
Johdatus tilastotieteeseen Estimointi TKK (c) Ilkka Mellin (2005) 1 Estimointi Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin ominaisuudet TKK (c) Ilkka Mellin (2005) 2 Estimointi:
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
LisätiedotMetsävarojen inventoinnin keskeinen kiinnostuksen
Metsätieteen aikakauskirja 1/2015 Ville Kankare, Mikko Niemi, Mikko Vastaranta, Markus Holopainen ja Juha Hyyppä Puustobiomassan kartoituksen ja seurannan kehittäminen e e m t a Luonnonvarariskien hallinta
LisätiedotTILASTOLLISTEN MENETELMIEN KIRJO JA KÄYTTÖ LÄÄKETIETEEN TUTKIMUSJULKAISUISSA. Pentti Nieminen 03.11.2014
TILASTOLLISTEN MENETELMIEN KIRJO JA KÄYTTÖ LÄÄKETIETEEN TUTKIMUSJULKAISUISSA LUKIJAN NÄKÖKULMA 2 TAUSTAKYSYMYKSIÄ 3 Mitä tutkimusmenetelmiä ja taitoja opiskelijoille tulisi opettaa koulutuksen eri vaiheissa?
LisätiedotPienimmän Neliösumman Sovitus (PNS)
Pienimmän Neliösumman Sovitus (PNS) n = Havaintojen määrä (Kuvan n = 4 punaista palloa) x i = Havaintojen ajat/paikat/... (i = 1,..., n) y i = y(x i) = Havaintojen arvot (i = 1,..., n) σ i = Havaintojen
LisätiedotThe spectroscopic imaging of skin disorders
Automation technology October 2007 University of Vaasa / Faculty of technology 1000 students 4 departments: Mathematics and statistics, Electrical engineerin and automation, Computer science and Production
LisätiedotLuento 7: Lokaalit valaistusmallit
Tietokonegrafiikan perusteet T-111.4300 3 op Luento 7: Lokaalit valaistusmallit Lauri Savioja 11/07 Lokaalit valaistusmallit / 1 Sävytys Interpolointi Sisältö Lokaalit valaistusmallit / 2 1 Varjostustekniikat
LisätiedotMatti Mõttus, Tuomas Häme. Land Remote Sensing senior scientist akatemiatutkija. Suomen GEO -tapaaminen 23.5.
Kaukokartoitus @VTT Matti Mõttus, Tuomas Häme Land Remote Sensing senior scientist akatemiatutkija Suomen GEO -tapaaminen 23.5.2018 VTT 2018 1 Kaukokartoitustoiminta VTT:llä Teknologian tutkimuskeskus
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS AI-TUTKIJAN URANÄKYMIÄ AJATUSTENLUKUA COMPUTER VISION SIGNAALINKÄSITTELY KUVA VOIDAAN TULKITA MUUTTUJIEN (X,Y) FUNKTIONA. LÄHDE: S. SEITZ VÄRIKUVA KOOSTUU KOLMESTA KOMPONENTISTA
LisätiedotMiehittämättömän lennokin ottamien ilmakuvien käyttö energiakäyttöön soveltuvien biomassojen määrän nopeassa arvioinnissa
Miehittämättömän lennokin ottamien ilmakuvien käyttö energiakäyttöön soveltuvien biomassojen määrän nopeassa arvioinnissa Anna Lopatina, Itä-Suomen yliopisto, Metsätieteiden osasto, Anna.lopatina@uef.fi
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS TERMINATOR SIGNAALINKÄSITTELY KUVA VOIDAAN TULKITA KOORDINAATTIEN (X,Y) FUNKTIONA. LÄHDE: S. SEITZ VÄRIKUVA KOOSTUU KOLMESTA KOMPONENTISTA (R,G,B). ÄÄNI VASTAAVASTI MUUTTUJAN
LisätiedotAerosolimittauksia ceilometrillä.
Aerosolimittauksia ceilometrillä. Timo Nousiainen HTB workshop 6.4. 2006. Fysikaalisten tieteiden laitos, ilmakehätieteiden osasto Projektin kuvaus Esitellyt tulokset HY:n, IL:n ja Vaisala Oyj:n yhteisestä,
LisätiedotPURO - Puuraaka-aineen määrän ja laadun optimointi metsänkasvatuksessa ja teollisuuden prosesseissa
PURO - Puuraaka-aineen määrän ja laadun optimointi metsänkasvatuksessa ja teollisuuden prosesseissa Ympäristötekijöiden vaikutus puun ja puukuitujen ominaisuuksiin Pekka Saranpää Harri Mäkinen Tuula Jaakkola
LisätiedotSpektrin sonifikaatio
Spektrin sonifikaatio AS-0.3200 Automaatio- ja systeemitekniikan projektityöt Paula Sirén Sisällysluettelo 1. Johdanto... 2 2. Tehtävän kuvaus ja työn rakenne... 2 3. Teoria... 2 3.1 Ääni mekaanisena aaltona...
LisätiedotMatematiikka kesyttää myrskyt
26. elokuuta 2010 Hanna Parviainen Vesa Leppänen & Jarno Hämäläinen Matematiikka kesyttää myrskyt 1 Tuomo Kauranne Lappeenrannan teknillinen yliopisto ja 26. elokuuta 2010 Hanna Parviainen Vesa Leppänen
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS TERMINATOR SIGNAALINKÄSITTELY KUVA VOIDAAN TULKITA KOORDINAATTIEN (X,Y) FUNKTIONA. LÄHDE: S. SEITZ VÄRIKUVA KOOSTUU KOLMESTA KOMPONENTISTA (R,G,B). ÄÄNI VASTAAVASTI MUUTTUJAN
LisätiedotMaa-57.260 Fotogrammetrian erikoissovellutukset (Close-Range Photogrammetry)
Maa-57.260 Fotogrammetrian erikoissovellutukset (Close-Range Photogrammetry) -luennot: --ti 12-14 M5, to 12-14 M5 --Henrik Haggrén (HH), Petteri Pöntinen (PP) 1. Johdanto ja teoreettisia perusteita I,
LisätiedotKohti puuhuollon digitalisaatiota
Kohti puuhuollon digitalisaatiota Forest Big Data -hankkeen päätuloksia Metsätehon tuloskalvosarja 11/2016 Jarmo Hämäläinen (toim.) Metsäteho Oy Forest Big Data -visio Kaikkia metsäalan toimijoita palveleva
LisätiedotMatterport vai GeoSLAM? Juliane Jokinen ja Sakari Mäenpää
Matterport vai GeoSLAM? Juliane Jokinen ja Sakari Mäenpää Esittely Tutkimusaineiston laatija DI Aino Keitaanniemi Aino Keitaanniemi työskentelee Aalto yliopiston Rakennetun ympäristön mittauksen ja mallinnuksen
LisätiedotTilastotieteen aihehakemisto
Tilastotieteen aihehakemisto hakusana ARIMA ARMA autokorrelaatio autokovarianssi autoregressiivinen malli Bayes-verkot, alkeet TILS350 Bayes-tilastotiede 2 Bayes-verkot, kausaalitulkinta bootstrap, alkeet
LisätiedotVerkkodatalehti GRSE18S-P2447 GR18S SYLINTERINMALLISET VALOKENNOT
Verkkodatalehti GRSE8S-P2447 GR8S A B C D E F Esimerkkikuva Tilaustiedot Tyyppi Tuotenumero GRSE8S-P2447 069627 Muita laiteversioita ja varusteita www.sick.com/gr8s H I J K L M N O P R S T Yksityiskohtaiset
Lisätiedot9. Tila-avaruusmallit
9. Tila-avaruusmallit Aikasarjan stokastinen malli ja aikasarjasta tehdyt havainnot voidaan esittää joustavassa ja monipuolisessa muodossa ns. tila-avaruusmallina. Useat aikasarjat edustavat dynaamisia
LisätiedotLaserkokeiluja Hyytiälän metsissä ja soilla
Laserkokeiluja Hyytiälän metsissä ja soilla 2004-2010 Ilkka Korpela (HY, ISY) ilkka.korpela@helsinki.fi www.helsinki.fi/~korpela MML laserkeilausseminaari 8.10.2010 Jukka Laine Sisältö Hyytiälä Sijainti,
Lisätiedotpitkittäisaineistoissa
Puuttuvan tiedon käsittelystä p. 1/18 Puuttuvan tiedon käsittelystä pitkittäisaineistoissa Tapio Nummi tan@uta.fi Matematiikan, tilastotieteen ja filosofian laitos Tampereen yliopisto Puuttuvan tiedon
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
LisätiedotEstimointi. Estimointi. Estimointi: Mitä opimme? 2/4. Estimointi: Mitä opimme? 1/4. Estimointi: Mitä opimme? 3/4. Estimointi: Mitä opimme?
TKK (c) Ilkka Mellin (2004) 1 Johdatus tilastotieteeseen TKK (c) Ilkka Mellin (2004) 2 Mitä opimme? 1/4 Tilastollisen tutkimuksen tavoitteena on tehdä johtopäätöksiä prosesseista, jotka generoivat reaalimaailman
LisätiedotTOIMISTOJEN ILMANVAIHDON JA LÄMPÖOLOSUHTEIDEN MALLINTAMINEN SUHTEESSA TUOTTAVUUTEEN
TOIMISTOJEN ILMANVAIHDON JA LÄMPÖOLOSUHTEIDEN MALLINTAMINEN SUHTEESSA TUOTTAVUUTEEN Samy Clinchard, Salvatore della Vecchia, Rick Aller, Ulla Haverinen-Shaughnessy Sisäilmastoseminaari 15.3.2018 TAUSTAA
LisätiedotSeurantalaskimen simulointi- ja suorituskykymallien vertailu (valmiin työn esittely) Joona Karjalainen
Seurantalaskimen simulointi- ja suorituskykymallien vertailu (valmiin työn esittely) Joona Karjalainen 08.09.2014 Ohjaaja: DI Mikko Harju Valvoja: Prof. Kai Virtanen Työn saa tallentaa ja julkistaa Aalto-yliopiston
LisätiedotMIKROAALTOUUNI VAASAN YLIOPISTO TEKNILLINEN TIEDEKUNTA SÄHKÖTEKNIIKKA. Tuomas Karri i78953 Jussi Luopajärvi i80712 Juhani Tammi o83312
VAASAN YLIOPISTO TEKNILLINEN TIEDEKUNTA SÄHKÖTEKNIIKKA Tuomas Karri i78953 Jussi Luopajärvi i80712 Juhani Tammi o83312 SATE.2010 Dynaaminen kenttäteoria MIKROAALTOUUNI Sivumäärä: 12 Jätetty tarkastettavaksi:
LisätiedotPerinnebiotoopit vanhassa kartta-aineistossa PerinneELOn tutkimusseminaari 3.12.2013 MH, Tikkurila Kaisa Raatikainen, JY
Perinnebiotoopit vanhassa kartta-aineistossa PerinneELOn tutkimusseminaari 3.12.2013 MH, Tikkurila Kaisa Raatikainen, JY 18.2. Perinnebiotooppien hoito kestävän kehityksen näkökulmasta 2013 2014 2015 2016
Lisätiedot1. OHJAAMATON OPPIMINEN JA KLUSTEROINTI
1. OHJAAMATON OPPIMINEN JA KLUSTEROINTI 1 1.1 Funktion optimointiin perustuvat klusterointialgoritmit Klusteroinnin onnistumista mittaavan funktion J optimointiin perustuvissa klusterointialgoritmeissä
LisätiedotMetsän kaukokartoituksen perustutkimus?
Metsätieteen aikakauskirja t i e t e e n t o r i Miina Rautiainen, Pauline Stenberg, Janne Heiskanen, Matti Mõttus, Lauri Korhonen, Jouni Peltoniemi, Juha Suomalainen, Sanna Kaasalainen ja Terhikki Manninen
LisätiedotHarha mallin arvioinnissa
Esitelmä 12 Antti Toppila sivu 1/18 Optimointiopin seminaari Syksy 2010 Harha mallin arvioinnissa Antti Toppila 13.10.2010 Esitelmä 12 Antti Toppila sivu 2/18 Optimointiopin seminaari Syksy 2010 Sisältö
LisätiedotTutkimusprojekti: Siemens Simis-C -asetinlaitteen data-analytiikka
Tutkimusprojekti: Siemens Simis-C -asetinlaitteen data-analytiikka https://www.siemens.com/fi/fi/home.html Toteutus: asetinlaitedatan hyödyntäminen kunnossapidon kehittämiseksi sekä hallinnoinnin ja suunnittelun
Lisätiedot1. TODENNÄKÖISYYSJAKAUMIEN ESTIMOINTI
1. TODENNÄKÖISYYSJAKAUMIEN ESTIMOINTI Edellä esitelty Bayesiläinen luokittelusääntö ( Bayes Decision Theory ) on optimaalinen tapa suorittaa luokittelu, kun luokkien tnjakaumat tunnetaan Käytännössä tnjakaumia
Lisätiedotmonitavoitteisissa päätöspuissa (Valmiin työn esittely) Mio Parmi Ohjaaja: Prof. Kai Virtanen Valvoja: Prof.
Epätäydellisen preferenssiinformaation hyödyntäminen monitavoitteisissa päätöspuissa (Valmiin työn esittely) Mio Parmi 15.1.2018 Ohjaaja: Prof. Kai Virtanen Valvoja: Prof. Kai Virtanen Tausta Päätöspuu
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
LisätiedotSimulation model to compare opportunistic maintenance policies
Simulation model to compare opportunistic maintenance policies Noora Torpo 31.08.18 Ohjaaja/Valvoja: Antti Punkka Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla. Muilta osin
Lisätiedot