Puulajitulkinta laserdatasta

Koko: px

Aloita esitys sivulta:

Download "Puulajitulkinta laserdatasta"

Ella Kapulainen
7 vuotta sitten
Katselukertoja:

1 Ilmakuvien tarve metsäsuunnittelussa? Taksaattoriklubin seminaari, Paikkatietomarkkinat 2009 Puulajitulkinta laserdatasta Jari Vauhkonen

2 Esityksen sisältöä Millaista (puulaji-)tietoa laserkeilaindata sisältää? Miten tätä tietoa voi irrottaa ja tulkita (automaattisesti)? Laser-muuttujat ja niiden valinta Miten puulaji päätellään laser-muuttujien perusteella? Luokitus-/estimointimenetelmä Millä tarkkuustasolla liikutaan? Laserpohjainen PL-tulkinta vs. ilmakuvien käyttö Jari Vauhkonen

3 Taustaa Tarvitaan puulajikohtaista tietoa puustosta Läpimittajakauma (mänty-kuusi-lehtipuu) Puuston tilavuus (-- --) Puutavaralajit Laserkeilauksella tarkkaa tietoa puuston määrästä puulajeista? Jari Vauhkonen

4 Taustaa Laseraineiston tulkintaan käytännössä kaksi (erillistä) menetelmää: Aluepohjainen menetelmä: Metsikkötunnusten päätteleminen pistepilvien jakaumasta Yksinpuintulkinta: Tunnistetaan aineistosta yksittäisiä puita, ennustetaan niiden tunnuksia ja summataan metsikkötasolle Jari Vauhkonen

5 Taustaa Kuva Petteri Packalén Puulajitietoa koealatasolla? Only 3-D coordinates are not enough to estimate stand tree species proportions. * The alternatives: To classify single trees and compute species proportions from these To use also intensity information by aerial images or laser *Törmä, M. (2000): Estimation of tree species proportions of forest stands using laser scanning, ISPRS Congress Symposium, Amsterdam, July 16-23, Jari Vauhkonen

6 Taustaa Kaukokartoituspohjainen puuston inventointijärjestelmä? Laserkeilain-, ilmakuva- ja maastoaineistojen yhdistelmänä: Petteri Packalén Jari Vauhkonen

7 Taustaa Ilmakuvatulkinta == ongelmallista E.g. image-object-sun variation Kuvat Ilkka Korpela Jari Vauhkonen

8 Puulajitulkinta puutasolla

9 Puulajitulkinta puutasolla Joensuulaisia tutkimustuloksia: Vauhkonen, Tokola, Packalén & Maltamo (2009): Identification of Scandinavian species of individual trees from airborne laser scanning data using alpha shape metrics. Forest Science 55: Vauhkonen, Korpela, Maltamo & Tokola (2009): Imputation of single-tree attributes using airborne laser scanning-based height, intensity and alpha shape metrics. Manuscript. Vastaavia tutkimuksia muualla, esim.: Ilkka Korpela et al. (Helsingin yliopisto) Johan Holmgren et al. (Sveriges lantbruksuniversitet) Jari Vauhkonen

10 Puulajitulkinta puutasolla Tarvitaan tiheää dataa: 3-5 pulssia / m 2, mieluiten 8-10! Mahdollisuus irrottaa kymmeniä / satoja / tuhansia muuttujia: latvuksen rakenne kaikujen intensiteetti (eri tyyppisten) kaikujen jakautuminen latvuksen eri osiin ym. ym. Jari Vauhkonen

11 Tulkinnassa hyödynnettyjä muuttujia Kaikujen määrä latvuksen eri osissa Korkeusjakaumasta lasketut tunnukset (persentiilit, tiheys, hajonta ) Jari Vauhkonen

12 * Edelsbrunner, H. & Mücke, E.P. (1994): 3D alpha shapes. ACM Transactions on Graphics 13: Alpha shapes* How to determine the shape of a point cloud? -> a family of shapes, parameterised by the α value Different alpha value results in different shapes Jari Vauhkonen

13 Alpha shapes from ALS data Compute using either the full point data or a predefined part of it Result is a 3D construct defined by the input points & the α value Jari Vauhkonen

14 Pine Pine Spruce Spruce Jari Vauhkonen

15 Latvuksen rakenne erilaisilla muuttujilla kuvattuna Jari Vauhkonen

16 Tulkinnassa hyödynnettyjä muuttujia Intensiteetti 1064 nm back-scatter Kuinka suuri osuus lähetetyn pulssin energiasta heijastui takaisin JOS kohde on pulssin halkaisijaa (10-30 cm) suurempi, intensiteettiarvo sen heijastusominaisuuksien mukaan Kasvillisuudesta heijastuneissa pulsseissa kohinaa Esim. lehden/neulasen koko ja asento, neulasmassan tiheys, ym., vaikuttaa SILTI: intensiteettijakaumien käyttö! Ilkka Korpela Jari Vauhkonen

17 Laser-muuttujista puulajeihin

18 Puulajin päätteleminen lasermuuttujista Useita menetelmävaihtoehtoja: Lineaariset luokitusfunktiot Koneoppiminen: esim. tukivektorikoneet; neuraaliverkot Lähimmän naapurin haku Opetus- / referenssidata? Jari Vauhkonen

19 Saatuja tuloksia

20 Harvoilanmäki* Tarkasti rajatut puut; 40 pulssia / m 2 ; alpha shape testidata Luokitustarkkuus % Pine Spruce Decid. Pine Spruce Decid *Vauhkonen, Tokola, Packalén, Maltamo (2009): Identification of Scandinavian commercial species of individual trees from airborne laser scanning data using alpha shape metrics, Forest Science 55: Jari Vauhkonen

21 Hyytiälä (1)* Kaikkien puutunnusten tuottaminen samanaikaisesti Opetusdata 1898 havaintoa, erillinen validointidata 1249 hav. Yhteensä 1846 selittävää laser-muuttujaa; RandomForestestimointimenetelmä Puulajitulkinta validointidatassa: Pine Spruce Decid. Pine Spruce Decid *Vauhkonen, Korpela, Maltamo & Tokola (2009): Imputation of single-tree attributes using airborne laser scanning-based height, intensity and alpha shape metrics. Manuscript. Jari Vauhkonen

22 Hyytiälä (1)* Muuttujien vähentäminen: 130 ja 24 muuttujaa Korkeus- ja intensiteettijakauman muuttujat puulajia selittämään Puulajiluokitus % oikein (~ muuttujalla) Myös muiden puutunnusten ennustaminen onnistui hyvin: esimerkkinä tilavuus *Vauhkonen, Korpela, Maltamo & Tokola (2009): Imputation of single-tree attributes using airborne laser scanning-based height, intensity and alpha shape metrics. Manuscript. Jari Vauhkonen

23 Hyytiälä (2): Korpela ym.* Yli puun aineisto; luokitus mänty-kuusi-koivu % tarkkuus saavutettavissa intensiteettimuuttujilla Erittäin kattava selvitys intensiteettiarvoihin vaikuttavista tekijöistä Esim. range normalization! *Korpela, Ørka, Maltamo, Tokola & Hyyppä (2009): Tree species classification using airborne LIDAR: Effects by stand and tree parameters, downsizing of training set, intensity normalization and sensor type. Manuscript. Jari Vauhkonen

24 Yhteenvetoa Laseriin perustuvalla (yksittäisten puiden) puulajitulkinnalla saavutettavissa % tarkkuus Lehtipuut sekoittuvat havupuiden kanssa Vastaava tarkkuustaso ilmakuvilta! Mänty ja kuusi sekoittuvat Ilmakuvia ei välttämättä tarvita yksinpuintulkinnassa (mutta ei niistä haittaakaan ole ) Jari Vauhkonen

25 Yksinpuintulkinnan ongelmia Tiheä data == kallista! Kaikkien puiden löytäminen ei välttämättä mahdollista riippuu metsikön rakenteesta Esim. 70 % runkoluvusta, mutta 90 % tilavuudesta Uusien menetelmien tarkkuus metsikkötasolla ==? Mallinnus- / referenssidatan hankinta? Jari Vauhkonen

26 Lopuksi puulajitiedon tuottaminen aluetasolla? Laser + ilmakuvat + maastokoealat* Tarkin ja varmin menetelmä Kevätlaser laserdatan hankinta lehdettömään aikaan? Tulevaisuudessa: Tiheän laserdatan käyttö kalibrointiin? Kustannusten lasku? Full waveform LiDAR? *Packalén (2009): Using airborne laser scanning data and digital aerial photographs to estimate growing stock by tree species. Dissertationes Forestales 77. Jari Vauhkonen

27 Kiitos! Ilkka Korpela & Petteri Packalén lainasivat kuvamateriaalia kiitti!

Samankaltaiset tiedostot

Puiden 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