Metsien kaukokartoitus ja avoimet aineistot

Transkriptio

1 Geoinformatiikan valtakunnallinen tutkimuspäivä 2013 Metsien kaukokartoitus ja avoimet aineistot Sakari Tuominen, MMT METLA Valtakunnan metsien inventointi Metsäntutkimuslaitos Skogsforskningsinstitutet Finnish Forest Research Institute

2 Suomen metsät tilastolukuina Metsätalouden maata ha 72 % maa-alasta 5 ha metsätalousmaata per capita Metsä- ja kitumaata ha Puusto metsätalousmaalla m3 on (runkopuuta) 100 m3/ha metsä- ja kitumaalla Noin 400 m3 per capita Kasvu noin m3/v metsä- ja kitumaalla 5 m3/ha/v metsämaalla

3 Puuvarojen kehitys peräkkäisten inventointien perusteella

4 Metsävaroja kuvaavat tietoaineistot, tilanne aiemmin Valtakunnan metsien inventointiaineisto alueellisesti ja sisällöllisesti kattava karttatuote maksua vastaan saatavana kaikille käyttäjille Metsikkökuvioittainen suunnitteluaineisto perustui kuvioittaiseen arviointimenetelmään omistajan yksityinen ja viranomaiskäyttö laaja tietosisältö - alueellisesti ei kattava Tietosisällöltään edellisiä rajoitetumpia ja kattavuudeltaan sekalaisia tietoaineistoja eri käyttäjien hallussa Aineistojen saatavuutta rajoittamassa esim. kaupallisten tai muiden kilpailuetujen tai tiedon yksityisyyden suojelu

5 Valtakunnan metsien inventointi (VMI) Ensimmäinen VMI (VMI1) Ensimmäiset 4 inventointia linja-arviointeja Siirtyminen systemaattiseen ryväsotantaan VMI5:ssa ( ), Noin vajaan 10 vuoden inventointikierto VMI5-9 Monilähteinen VMI (MVMI) operatiiviseksi 1990 (VMI8:n aikana) VMI10: siirtyminen 5 vuoden inventointikiertoon ja mittauksiin vuosittain koko maan alueella Nykyinen VMI11 alkanut 2009

6 Monilähteinen VMI (MVMI) Vuodesta 1990 lähtien (VMI8) Metlassa on laskettu operatiivisesti metsävaratuloksia käyttäen satelliittikuvia ja digitaalisia kartta-aineistoja aputietona. Pienaluetulokset tilastolukuina Estimaatit metsätunnuksista teemakarttamuodossa Teemakartta-aineisto ollut vapaasti katseltavana ja ladattavana vuoden 2012 loppupuolelta lähtien Metsäntutkimuslaitos Skogsforskningsinstitutet Finnish Forest Research Institute

7 Satelliittikuvatulkintaan perustuva VMI Pelkkien VMI:n maastokoealojen avulla metsävaratiedot voidaan laskea luotettavasti noin hehtaarin suuruiselle alueelle Satelliittikuvatulkinnan avulla metsävaratiedot voidaan tuottaa huomattavasti pienemmille alueille: kunta, metsätila, metsikkö tai yksittäinen satelliittikuvapikseli (noin 20 x 20 m). Kaukokuvan sävyistä tai muista kuvapiirteistä ei yleensä voida suoraan johtaa minkään metsätunnuksen arvoa Toisaalta voidaan olettaa, että metsät jotka ovat kuvalla samanlaisia (joilla samat kuvapiirteet), ovat samanlaisia myös metsikkötunnuksiltaan Maastoreferenssi tarvitaan aina Metsäntutkimuslaitos Skogsforskningsinstitutet Finnish Forest Research Institute

8 Tietolähteet: satelliittikuvat Satelliittikuvat: Landsat TM /ETM+, IRS, SPOT (tulevaisuudessa ESA:n Sentinel?) Landsat-aineisto (USGS) ollut pääosin vapaata 2000 luvun alkupuolelta Maastoresoluutio m, Yksi pikseli on pienempi kuin keskim. metsikön koko mutta suurempi kuin tarkasteltava kohde (puu) pikseliä voidaan käyttää metsikön tunnusten estimointiin

9 VMI-koealamittaukset koealatunnusta koealaa inventointikierron aikana

10 Digitaaliset kartta-aineistot Maankäyttöluokat: metsän erottaminen muista maankäyttöluokista metsäestimaatit vain metsäpikseleille muulle maalle maaluokka pikselin arvoksi Kangas suo -maski Maaston korkeusmalli: voidaan käyttää korjaamaan kuvan sävyarvoja sekä osituksessa estimoinnin yhteydessä

11 Metsäntutkimuslaitos Skogsforskningsinstitutet Finnish Forest Research Institute

12 Monilähteinen VMI tietolähteet Maastoaineisto Satelliittikuvat Digitaalinen karttaja muu aineisto Prosessointi Tilastot Numeeriset teemakartat

13 Karttatasot, standardituotteet Ikä, v Pohjapinta-ala, m 2 /ha, Runkotilavuus, m 3 /ha Männyn tilavuus, m 3 /ha Mäntytukin tilavuus, m 3 /ha Mäntykuidun tilavuus, m 3 /ha Kuusen tilavuus, m 3 /ha Kuusitukin tilavuus, m 3 /ha Kuusikuidun tilavuus, m 3 /ha Koivun tilavuus, m 3 /ha Koivutukin tilavuus, m 3 /ha Koivukuidun tilavuus, m 3 /ha Muun lehtipuun tilavuus, m 3 /ha Muu lehtipuutukin tilavuus, m 3 /ha Muu lehtipuukuidun tilavuus, m 3 /ha Keskipituus, dm Keskiläpimitta, cm Maaluokka (metsä-, kitu-, joutomaa) Päätyyppi (kangas, korpi, räme, avosuo) Kasvupaikkatyyppi (esim. tuore kangas, kuivahko kangas jne) Biomassaositteiden määrä (massayksikköä/ha) puulajiryhmille mänty, kuusi ja lehtipuu, (vain uusimman päivityksen kattama alue): elävät oksat juuret kanto kuolleet oksat latva neulaset/lehdet runko kuorineen

14 MVMI ajantasaisuus vuodenvaihteessa Vihreä 2009 Keltainen 2007 Oranssi 2005 Punainen 2002

15 MVMI-kartat paikkatietoikuna.fi -palvelussa

16 MVMI-kartat Metlan latauspalvelussa

17 Kartta Suomen puuston tilavuudesta (m3/ha)

18 Puuston tilavuuskartta pienemmällä alueella

19 Teemakartat: puuston latvuspeitto %

20 Puuston tilavuus ja puulajivaltaisuus (yhdistettynä peruskartan elementteihin)

21 Laserkeilausaineistoon ja numeerisiin ilmakuviin perustuva puustotulkinta Ns. uuden sukupolven metsäninventointijärjestelmä metsälötason metsäsuunnittelua varten MML:n laserkeilausaineisto ja ortoilmakuvat (väri- ja väärävärikuvat) ladattavissa laitoksen palvelimelta Tarjoaa aineiston metsikkötason (tai myös ns. talouskuviota pienemmän yksikön) puustotietojen estimoinnin pohjaksi Laserkeilausaineisto korreloi hyvin puuston dimensioon liittyvien tunnusten kanssa (kuten pituus, latvuksen dimensiot) Optisen alueen ilmakuvaa tarvitaan (valta-)puulajin tunnistamiseen, koska käytetyllä pulssitiheydellä laserkeilausaineisto ei tunnista eri puulajeja kovin hyvin

22 Spatiaaliset yksiköt uuden sukupolven metsäninventointijärjestelmässä Systemaattinen ruutuhila (Grid): inventointiyksikkö on hilan ruutu (16 x 16 m), jolle tulkittavat metsätunnukset estimoidaan Automaattinen metsikkokuviointi "Mikrokuviointi", automaattisesti rajatut kuviot tyypillisesti perinteistä hakkuu- tai metsänhoitoyksiköksi tarkoitettua Mikrokuvioiden rajaus tehdään automaattisella kuvasegmentointialgoritmilla

23 Digitaalinen vääräväri-ilmakuva

24 Laserpituus

25 Laserintensiteetti

26 Laserkeilausaineisto: 3-ulotteista kaukokartoitustietoa metsästä

27 Laserkeilauksen tuottama maaston pintamalli

28 Automaattisesti rajatut metsikkökuviot

29 Metsävaratietokanta (GRID, 16 x 16 m)

30 Metsävaratietokanta (automaattisesti rajatut metsikkökuviot)

31 Metlan työkaluja kaukokartoitukseen perustuvaa metsäninventointia varten: NFI-Tools Laskentamenetelmien kehittelyssä pyritty hyödyntämään mahdollisimman paljon opensource ohjelmia Piirteiden laskenta ja irrotus GRASS työkalut, esim. rasterikuvien tekstuurin laskenta R-funktiot, 3D-pistepiirteiden laskenta Piirrevalinta, geneettinen algoritmi (R) K-nn estimointi (R) Automaattinen (mikro-) kuviointi Työvälineet hyödynnettävissä eri puolilla maailmaa tehtävissä projekteissa

32 Piirreirrotus rasteri- ja 3D-pistedatasta NFI-Tools Sävyarvoista ja korkeustiedoista irrotetut piirteet: Keskiarvo-, keskihajonta- ja tekstuuripiirteet (Angular Second Moment, Contrast, Correlation, Variance, jne. (12 kpl.)) Kanavat: Ilmakuva (NIR, punainen, vihreä) ja resteroitu lidardata Korkeustiedoista irrotetut piirteet: korkeusjakaumaa kuvaavat piirteet, tiheys, jne

33 3D-piirteet, esimerkkejä Average value of H of vegetation pulses, [m] Standard deviation of H of vegetation pulses, [m] H where percentages of vegetation pulses (0%, 5%, 10%, 20%,..., 85%, 90%, 95%, 100%) were accumulated, [m] Coefficient of variation of H of vegetation pulses, [%] Proportion of vegetation pulses, [%] Proportions of vegetation pulses having H above fraction* 0, 1,...,9 from all points, [%] Proportion of vegetation pulses having H greater or equal to corresponding percentile of H, ( i.e., p20f is the proportion of points having H>= h20f), (%) Ratio of the number of vegetation pulses to the number of ground points

34 Menetelmä: Piirrevalinta R:ssä R:n genalg kirjaston perustuva geneettinen algoritmi, tehtävänä esim. painotettujen estimaattien RMSE:n minimointi Tyypillisesti valitut piirteet: Sävy, pieni paino valituissa tekstuuri: kohtalainen paino (korkeus ja sävy) Korkeuspiirteet 3D: suurin osa valituista piirteistä

35 Tulevaisuus: Fotogrammetriset 3D-aineistot? Digitaalisten stereoilmakuvien perusteella voidaan luoda latvuksen pintamalli Yhdestä kuvausaineistosta voidaan tuottaa muodollisesti laserkeilauksen ja numeerisen ilmakuvan yhdistelmää vastaava tietosisältö Pintamallien tuottamiseen kaupallisia ja vapaita työkaluja Stereokuvien saatavuus? Tällä hetkellä eivät ole vapaassa jakelussa

36 Fotogrammetrinen pintamalli Evon alueelta