Kirjallisuuskatsaus puustotunnusten mallinnukseen laserkeilausaineistojen

Samankaltaiset tiedostot
MARV Metsikkökoealaharjoitus Aluepohjaiset laserpiirteet puustotunnusten selittäjinä. Ruuduille lasketut puustotunnukset:

VMI-koealatiedon ja laserkeilausaineiston yhdistäminen metsäsuunnittelua varten

Puiden biomassan, puutavaralajien ja laadun ennustaminen laserkeilausaineistoista

Kuviokohtaisten puustotunnusten ennustaminen laserkeilauksella

Tree map system in harvester

Puulajitulkinta laserdatasta

Kymmenen vuotta maastolaserkeilaustutkimusta käytännön kokemuksia

Tiheäpulssinen ja monikanavainen laserkeilausaineisto puulajeittaisessa inventoinnissa

Laserkeilauksella kattavaa tietoa kaupunkimetsistä

Biomassatulkinta LiDARilta

Laserkeilauspohjaiset laskentasovellukset

Vaihtoehtoisia malleja puuston kokojakauman muodostamiseen

Forest Big Data (FBD) -tulosseminaari Helsingin yliopiston metsätieteiden laitos & Maanmittauslaitoksen paikkatietokeskus (FGI)

Laserkeilauksen hyödyntäminen metsätaloudellisissa

Kaukokartoituspohjainen metsien inventointi Suomessa - mitä tästä eteenpäin? Petteri Packalen

Laatua kuvaavien kasvumallien kehittäminen. Annikki Mäkelä, Anu Kantola, Harri Mäkinen HY Metsäekologian laitos, Metla

Paikkatietoa metsäbiomassan määrästä tarvitaan

METSÄ SUUNNITELMÄ

Olosuhdetieto. Metsäntutkimuksen ja päätöksenteon apuna. Metsäteho Timo Tokola. UEF // University of Eastern Finland

Kuusen kasvun ja puutavaran laadun ennustaminen

Laserkeilaus puustotunnusten arvioinnissa

Tehtävä 1. Jatka loogisesti oheisia jonoja kahdella seuraavaksi tulevalla termillä. Perustele vastauksesi

Metsätieteen aikakauskirja

Kuusen kasvun ja puutavaran laadun ennustaminen

Jakaumamallit MELA2009:ssä. MELA käyttäjäpäivä Kari Härkönen

Kuusen kasvun ja puutavaran laadun ennustaminen

Puun kasvu ja runkomuodon muutokset

PURO - Puuraaka-aineen määrän ja laadun optimointi metsänkasvatuksessa ja teollisuuden prosesseissa

Research plan for masters thesis in forest sciences. The PELLETime 2009 Symposium Mervi Juntunen

Kehittyvien satelliittiaineistojen mahdollisuudet

Taimikonhoidon omavalvontaohje

Tervasrosoon vaikuttavat tekijät - mallinnustarkastelu

NUORTEN METSIEN RAKENNE JA KEHITYS

METKA-maastolaskurin käyttäjäkoulutus Tammela Matti Kymäläinen METKA-hanke

Lauri Korhonen. Kärkihankkeen latvusmittaukset

Kuusen kasvun ja puutavaran laadun ennustaminen

Satelliittipaikannuksen tarkkuus hakkuukoneessa. Timo Melkas Mika Salmi Jarmo Hämäläinen

Puustotietojen keruun tekniset vaihtoehdot, kustannustehokkuus ja tarkkuus

Miehittämättömän lennokin ottamien ilmakuvien käyttö energiakäyttöön soveltuvien biomassojen määrän nopeassa arvioinnissa

Teledyne Optech Titan -monikanavalaser ja sen sovellusmahdollisuudet

LUONTAISEN UUDISTAMISEN ONGELMAT POHJOIS-SUOMESSA SIEMENSADON NÄKÖKULMASTA. Anu Hilli Tutkija Oamk / Luonnonvara-alan yksikkö

Metsikön rakenteen ennustaminen 3D-kaukokartoituksella

ALS-pohjaisten pohjapinta-alamallien ennustevirheen selittäminen maastoaineistosta saatavilla ennakkotiedoilla

METSÄSUUNNITTELU. Metsäkurssi JKL yo 2014 syksy. Petri Kilpinen, Metsäkeskus, Keski-Suomi

TIHEÄPULSSISEN LASERAINEISTON VERTAILUTESTI

Metsävaratieto ja sen käytön mahdollisuudet Raito Paananen Metsätietopäällikkö Suomen metsäkeskus Julkiset palvelut, Keski-Suomi

METSÄ SUUNNITELMÄ

Spatiaalinen metsää kuvaava malli ja sen soveltaminen metsäninventointiin

Puukarttajärjestelmä hakkuun tehostamisessa. Timo Melkas Mikko Miettinen Jarmo Hämäläinen Kalle Einola

Regressioanalyysi. Vilkkumaa / Kuusinen 1

Nikkarilan Laserkeilausprojekti

Jyväskylän kaupungin metsät

Porolaidunten mallittaminen metsikkötunnusten avulla

Viljelytaimikoiden kehitys VMI:n mukaan

Metsien kaukokartoitus ja avoimet aineistot

Taimettuminen ja taimikon hoito männyn luontaisessa uudistamisessa Eero Kubin ja Reijo Seppänen Metsäntutkimuslaitos Oulu

MOBIDEC 1.1. Pikaohje

Regressioanalyysi. Kuusinen/Heliövaara 1

Puuston runkolukusarjan ja laatutunnusten mittaus kaukokartoituksella

Suomalainen ja ruotsalainen mänty rakennuspuusepän-, sisustus- ja huonekalutuotteiden raaka-aineena

Puusto poiminta- ja pienaukkohakkuun jälkeen

Puuston muutoksen määritys laserkeilauksen avulla

VALTAKUNNALLISET LASERKEILAUSPOHJAISET PUUSTON PITUUS- JA TILAVUUSMALLIT. Eetu Kotivuori

LASERKEILAUS METSÄVAROJEN HALLINNASSA.

Ilmastoon reagoivat metsän kasvun mallit: Esimerkkejä Suomesta ja Euroopasta


PUUSTOBIOMASSAN ENNUSTAMINEN HARVAPULSSISELLA LENTOLASERKEILAUSAINEISTOLLA

Mat Tilastollisen analyysin perusteet, kevät 2007

PURO - Puuraaka-aineen määrän ja laadun optimointi metsänkasvatuksessa ja teollisuuden prosesseissa

Metsävarojen inventoinnin keskeinen kiinnostuksen

Energiapuuharvennuskohteen valinta. METKA-hanke 2014

Syyskylvön onnistuminen Lapissa

Kasvatettavan puuston määritys koneellisessa harvennuksessa

Mikä on taimikonhoidon laadun taso?

Hakkuukoneen paikannetulla hakkuulaitteella kerätyn puutiedon hyödyntäminen lentolaserkeilaukseen perustuvan puustotulkinnan aputietona

Uudistamistuloksen vaihtelun vaikutus uudistamisen kustannustehokkuuteen metsänviljelyssä. Esitelmän sisältö. Taustaa. Tutkimuksen päätavoitteet


Suomessa metsätalousmaa on perinteisesti jaettu

Metsätieteen aikakauskirja

Taimikonhoidon vaikutus. Taimikonhoidon vaikutus kasvatettavan puuston laatuun

1. Tutkitaan tavallista kahden selittäjän regressiomallia

Dendron Resource Surveys Inc. Arbonaut Oy Finnish Forest Research Institute University of Joensuu

"Karuselli", 4 kohdetta, 4 ryhmää per kohde, min. Mukana kuljetettavat ryhmäkohtaiset varusteet ja kohteella annettavat välineet.

Ympäristön aktiivinen kaukokartoitus laserkeilaimella: tutkittua ja tulevaisuutta

Metsäalueen kuviointi laserkeilausaineiston ja soluautomaatin avulla

Aaltomuodosta lisätarkkuutta laserkeilaukseen? SMK metsävaratietoseminaari Vantaa Aarne Hovi Helsingin Yliopisto

Motti-ohjelmisto: metsikön kehityksen simulointi

Kymmenen vuotta puulajin perässä Mihin päästiin? Ilkka Korpela, HY/Metsätieteiden laitos

HIRVI-INFO Uusi hirvivahinkojen korvausjärjestelmä. Heikki Kuoppala

Neulastutkimus Tampereen Tarastenjärvellä

METSÄTALOUDEN HIRVIVAHINGOT Uusi hirvivahinkojen korvausjärjestelmä

Liito-oravan elinympäristöjen mallittaminen Tampereen seudulla

MÄNNYN LÄPIMITAN TARKASTELU SYÖTTEEN LASERKEILAUSALUEELLA

Kasvatettavan puuston määritys koneellisessa harvennuksessa

Korkearesoluutioisten E-SAR-tutkakuvien tarkkuus puusto tunnusten koealatason estimoinnissa

Ville Hallikainen, Anu Akujärvi, Mikko Hyppönen, Pasi Rautio, Eero Mattila, Kari Mikkola

LENTOLASERKEILAUKSEEN PERUSTUVIEN PUUTASON MALLIEN SIIRRETTÄVYYS INVENTOINTIALUEIDEN VÄLILLÄ

Kasvava metsävaratiedon kysyntä. Metsässä puhaltavat uudet tuulet seminaari, , Mikkeli Kari T. Korhonen, Metla/VMI

Kuvioittaisen arvioinnin luotettavuus

PURO Osahanke 3. Elintoimintoihin perustuvat mallit: Tavoitteet. PipeQual-mallin kehittäminen. PipeQual-mallin soveltaminen

Transkriptio:

Kirjallisuuskatsaus puustotunnusten mallinnukseen laserkeilausaineistojen avulla Pohjoismaissa Raita Säynäjoki & Matti Maltamo Joensuun Yliopisto, metsätieteellinen tieekunta Hanke: VMI-koealatieon ja laserkeilausaineiston yhistäminen metsäsuunnittelua varten 1

Accuracy o orest inventory using airborne laser scanning: evaluating the irst Noric ull-scale operational project (Næsset, E. 004)... 4 Comparing regression methos in estimation o biophysical properties o orest stans rom two ierent inventories using laser scanner ata (Næsset, E., Bollansås, O.M. & Gobaggen, T. 005)... 6 Comparing stan inventories or large areas base on photo-interpretation an laser scanning by means o cost-plus-loss analyses (Ei, T., Gobaggen, T. & Næsset, E. 004)... 11 Determination o mean tree height o orest stans using airborne laser scanner ata (Næsset, E. 1997)... 14 Determination o tree size istribution moels in mature orest rom laser scanner ata (Gobaggen, T. & Næsset, E. 003)... 17 Eects o ierent lying altitues on biophysical stan properties estimate rom canopy height an ensity measure with a small ootprint airborne scanning laser (Næsset, E. 004)... 19 Eects on estimation accuracy o orest variables using ierent pulse ensity o laser ata in combination with multi-spectral satellite ata (Magnusson, M., Fransson, J.E.S. & Holmgren, J. (Submitte))... 5 Estimating orest growth using canopy metrics erive rom airborne laser scanner ata (Næsset, E. & Gobakken, T. 005)... 7 Estimating timber volume o orest stans using airborne laser scanner ata (Næsset, E. 1997)... 3 Estimating tree height an tree crown properties using airborne scanning laser in a boreal nature reserve (Næsset, E. & Øklan, T. 00)... 34 Estimating tree heights an number o stems in young orest stans using airborne laser scanner ata (Næsset, E. & Bjerknes, K-O. 001)... 37 Estimation o above- an below-groun biomass in boreal orest ecosystems (Næsset, E. 004)... 7 Estimation o iameter an basal area istributions in conierous orest by means o airborne laser scanner ata (Gobakken, T. & Næsset, E. 004)... 41 Estimation o stem volume using laser scanning-base canopy height metrics (Maltamo, M., Eerikäinen, K., Packalén, P. & Hyyppä, J. 006)... 46 Kuviokohtaisten puustotunnusten ennustaminen laserkeilauksella (Suvanto, A., Maltamo, M., Packalén, P. & Kangas, J. 005)... 51 Mapping eoliation uring a severe insect attack on Scots pine using airborne laser scanning (Solberg, S., Næsset, E., Hanssen, K.H. & Christiansen, E. 006)... 56 Nonparametric estimation o stem volume using airborne laser scanning, aerial photography, an stan-register ata (Maltamo, M., Malinen, J., Packalén, P., Suvanto, A. & Kangas, J. 006)... 58 Practical large-scale orest stan inventory using a small-ootprint airborne scanning laser (Næsset, E. 004)... 60 Preicting orest stan characteristics with airborne scanning laser using a practical twostage proceure an iel ata (Næsset, E. 00)... 65 Preicting the plot volume by tree species using airborne laser scanning an aerial photographs (Packalén, P. & Maltamo, M. 006)... 69 Preiction o tree height, basal area an stem volume in orest stans using airborne laser scanning (Holmgren, J. 004)... 7

Puustotieon sekä metsikkökuvioinnin tarkkuuen selvittäminen (Havia, J. 006)... 75 Testing the usability o truncate angle count sample plots as groun truth in airborne laser scanning-base orest inventories (Maltamo, M., Korhonen, K.T., Packalén, P., Mehtätalo, L. & Suvanto, A. 006)... 77 The k-msn metho or the preiction o species-speciic stan attributes using airborne laser scanning an aerial photographs (Packalén, P. & Maltamo, M. 006. (Submitte))... 80 Weibull an percentile moels or liar-base estimation o basal area istribution (Gobakken, T. & Næsset, E. 005)... 84 3

Accuracy o orest inventory using airborne laser scanning: evaluating the irst Noric ull-scale operational project Næsset, E. 004. Scaninavian Journal o Forest Research 19: 1-4. 1. Laserkeilauksen tekniset tieot Laserkeilain: ALTM 133 (Optech) Lentokorkeus: 800 m Pulssitiheys: 0.7/m Tallennetut kaiut: ensimmäinen ja viimeinen. Tutkimusalue ja maastoaineisto Tutkimusalue sijaitsi Norre Lanissa, Kaakkois Norjassa (60 50 N 10 05 E, 140-900 m a.s.l.). Alueen koko oli 40 km ja pääpuulajit kuusi (Picea abies) ja mänty (Pinus sylvestris). Tutkimuksessa käytettiin A) uuistuskypsiä (mature), rehevien kasvupaikkojen kuusivaltaisia kuvioita ja B) uuistuskypsiä, rehevien kasvupaikkojen mäntyvaltaisia kuvioita. A-kuvioita oli 55 ja B-kuvioita 5 kpl. Kuviokoko oli 50 m. Rinnankorkeusläpimitta mitattiin yli 10 cm paksuilta puilta ja pituus koepuilta. Testiaineisto koostui 1000 m ympyräkoealoista (A 1 kpl ja B 18 kpl) Toinen tutkimusalue sijaitsi Krøsheraissa, Kaakkois-Norjassa (60 10 N 9 35 E, 130-660 m a.s.l.). Alueen pääpuulajit olivat kuusi (Picea abies) ja mänty (Pinus sylvestris), mutta erityisesti nuorissa metsissä lehtipuien osuus oli suuri. Koealojen keskikoko oli 3685 m. Tutkimuksessa käytettiin vain koealoja, jotka sopivat A:n tai B:n määritelmään. 3. Regressiomallit Tutkimuksessa ennustettiin kuutta maastossa mitattua koealakohtaista muuttujaa erikseen aineistolle A ja B. Ennustetut muuttujat olivat pohjapinta-alalla painotettu keskipituus (h L ), valtapituus (h om ), pohjapinta-alaan perustuva keskiläpimitta ( g ), runkoluku (N), pohjapinta-ala (G) ja tilavuus (V). 4

4. Mallien luotettavuus Taulukko 1. Harha ennustettujen ja mitattujen arvojen välillä. NS = ei tilastollisesti merkitsevä (p>0.05) Harha, paikallinen testiaineisto Harha, muu testiaineisto vaihteluväli keskiarvo keskihajonta vaihteluväli keskiarvo keskihajonta Testiaineisto A h L -.17-0.95-0.53 0.7-0.4-0.83 0.1 NS 0.36 h om -1.47-1.81-0.1 NS 0.70-1.7-0.15-0.80 0.7 g -.08-.67 0.1 NS 1.9-3.13-1.5-0.19 NS 1.9 N -646-51 -33 NS -67-61 -55 NS 155 G -7.16-7.19 0.9 NS 4.88-4.77-3.34-0.3 NS.38 V -79.0-75..9 NS 45.9-31.3-36.4 11.6 NS 1.6 Testiaineisto B h L -.05-1.17-0.45 0.8-1.94-1.49 0.1 NS 1.37 h om -1.57-1.51-0.13 NS 0.78-3.88-0.34-1.31 NS 1.55 g -4.3-5.09 0.1 NS.60 -.7-.19-0.8 NS. N -89-71 47 NS 164-106-196 5 NS 10 G -3.64-6.70 1.95.78-3.43-4.18 0.31 NS.9 V -15.9-61. 13.3 17.9-11.8-17.8 4. NS 13.9 5

Comparing regression methos in estimation o biophysical properties o orest stans rom two ierent inventories using laser scanner ata Næsset, E., Bollansås, O.M. & Gobaggen, T. 005. Remote Sensing o Environment 94: 541-553. 1. Laserkeilauksen tekniset tieot Laserkeilain: ALTM 110 (Optech) Keilausajankohta: 8.-9.6.1999 (A), 3.8.-1.8.001 (B) Lentokorkeus: 60-730 m (A), 430-980 m (B) Lentonopeus: 71 m/s (A), 75 (B) Keilaimen pulssintoistotaajuus: 10 khz Scan requency: 1 Hz (A), 30 Hz Avauskulma: 17 (A), 16 (B) (tutkimuksessa käytettiin ainoastaan laserpulsseja, jotka oli lähetetty avauskulmalla 14 (A) ja 15 ) Footprint iameter: 1 cm (A), 3 cm (B) Pulssien keskimääräinen etäisyys maassa: 0.9 m (A), 1.0 m (B) Tallennetut kaiut: ensimmäinen ja viimeinen. Tutkimusalue ja maastoaineisto Ensimmäinen tutkimusalue (A) sijaitsi Vålerissa (59 30 N 10 55 E, 70-10 m a.s.l.) ja toinen (B) Krønsheraissa (60 10 N 9 35 E, 130-660 m a.s.l.), Kaakkois-Norjassa. Tutkimusalue A oli kooltaan 1000 hehtaaria ja B 6400 hehtaaria. Kummatkin olivat talousmetsää. Tutkimusalueelle A sijoitettiin systemaattisesti 133 ympyräkoealaa ja alueelle B 100. Alueella A koealakoko oli 00 m ja alueella B 3.9 m. Koealat jaettiin nuoriin metsiin (young orest), uuistuskypsiin (mature) karun kasvupaikan metsiin ja uuistuskypsiin rehevän kasvupaikan metsiin. Nuorten metsien koealoilta (80 kpl) mitattiin rinnankorkeusläpimitaltaan yli 4 cm puut ja uuistuskypsien metsien koealoilta (153 kpl) yli 10 cm paksut puut. Pituuet mitattiin koepuilta. Tutkimusalueelta A valittiin 61 kuviota (kooltaan 0.73-11.71 ha). Alueelta B valittiin 54 suurta koealaa (keskimääräinen koko 0.37 ha). Testiaineisto valittiin subjektiivisesti siten, että erilaiset ikä-, kasvupaikka- ja puulajiyhistelmät tulisivat eustetuiksi. Reerenssiaineisto kerättiin koealoilta, jotka sijoitettiin systemaattisesti kuvioille. Nuorissa metsissä koealakoko oli 100 m ja uuistuskypsissä 00 m. Koealojen määrä kuviolla vaihteli 14:stä 30:een. 6

3. Regressiomallit -Pohjapinta-alalla painotetun keskipituuen mallit -Valtapituuen mallit -Keskiläpimitan mallit -Runkoluvun mallit -Pohjapinta-alan mallit -Tilavuuen mallit Mallit estimoitiin käyttäen OLS (orinary least squares)-, SUR (seemingly unrelate regression)- ja PLS (partial least squares)-estimointia. Nuorille metsille, uuistuskypsien metsien karuille kasvupaikoille sekä uuistuskypsien metsien reheville kasvupaikoille on omat mallinsa. Taulukko. OLS-mallit (yleinen malli sekä tutkimusalueien A ja B mallit). Dummymuuttuja yleisessä mallissa 0, jos tutkimusalue on A ja 1, jos tutkimusalue on B. Dummymuuttujan Selittävät muuttujat p-arvo (B) Vastemuuttuja Selittävät muuttujat, yleinen malli Selittävät muuttujat (A) Nuori metsä h L h 10l, h 80l 0.046 h 90l, 9l h 80l h om h 90l 0.173 h 90l,, 5 h 90l, 0, 6, 9 g h 90l, 0, 8 0.986 h 10l, h 80l, 0 8, l N h 0, h 0l, h 90l, 0 0.99 h 80, 0 h 0, 0, 8 G h 50, 80l, h mean, 0.749 h 10, 1l h 90, h cv, 0l V h 10l, h mean, 0 0.8 h meanl, 1 h 90l, h cv, 0l Uuistuskypsä metsä, karut kasvupaikat h L h 0, h 90, h 90l 0.06 h 90 h 90, h 90l h om h 90 0.57 h 90, h 0l, h 80l h 80l, h 90l, 0l h 60, h 60l, 0, 9l h 50, h 60, 0, 4l g h 60, 0, 5l, 9l 0.818 h 90l, 6, l h 0, 40l, h cv, N h 80l, 0, 9, 4l 0.058 4l G h 90, 3 0.706 4 h 80l, 0 h 30, h 70, h mean, h 0, h 30, h 50, V 0 0.658 0 h 90l, 0 Uuistuskypsä metsä, rehevät kasvupaikat h L h 90 0.005 h 90, h 9 h 90 h om h 30, h 90, h 50l, 4l 0.898 h 30, h 90, 9, 3l h 80, h 90, 9l g h 90l, 1l 0.47 h 90l, 1l h 90, 1 N h 90l,, 7, 1l 0.16 h 80, 7, l h 70l, 4 G h 90, h cv, 5 0.7 5, 1l, 8l h 70l, 4l V h 80l, 0, 7 0.646 h 90l, h 5 h 30, h 70l, 1 7

Taulukko 3. SUR-mallien muuttujat. Selittävät muuttujat alkuperäisessä SURmalleissa Vastemuuttuja Nuori metsä h L h 10l, h 80l Poistetut muuttujat h om g h 90l h 90l, 0, 8 N h 0, h 0l, h 90l, 0 h 0l G h 50, 80l, h mean, V h 10l, h mean, 0 Uuistuskypsä metsä, karut kasvupaikat h L h 0, h 90, h 90l h 0, h 90l h om h 90 g h 60, 0, 5l, 9l N h 80l, 0, 9, 4l 9 G h 90, 3 V h 30, h 70, h mean, 0 Uuistuskypsä metsä, rehevät kasvupaikat h L h 90 h om h 30, h 90, h 50l, 4l h 50l g h 90l, 1l N h 90l,, 7, 1l G h 90, h cv, 5 h cv V h 80l, 0, 7 PLS-menetelmässä mallit kuuelle selitettävälle muuttujalle estimoitiin samanaikaisesti. Nuorten metsien mallissa selittävien muuttujien määrä oli 41 ja piilomuuttujien määrä 7. Uuistuskypsien metsien karujen kasvupaikkojen mallissa vastaavat arvot olivat 33 ja 5 sekä uuistuskypsien metsien rehevien kasvupaikkojen mallissa 31 ja 3. 8

4. Mallien luotettavuus Kuva 1 (Næsset et al. 005). Keskimääräinen harha ennustettujen ja maastomitattujen arvojen välillä. Stratum I=nuori metsä, II=varttunut karu metsä, III=varttunut rehevä metsä. Yläkulman selitykset: OLS site speciic=tutkimusaluekohtainen; OLS common moel=yleinen malli; SUR common moel; PLS common moel. Mean height=keskipituus, ominant height=valtapituus, mean iameter=keskiläpimitta. 9

Kuva 1 (jatk). Keskimääräinen harha ennustettujen ja maastomitattujen arvojen välillä. Stem number=runkoluku, basal area=pohjapinta-ala, volume=tilavuus. 10

Comparing stan inventories or large areas base on photointerpretation an laser scanning by means o cost-plus-loss analyses Ei, T., Gobaggen, T. & Næsset, E. 004. Scaninavian Journal o Forest Research 19: 51-53. 1. Laserkeilauksen tekniset tieot Laserkeilain: ALTM 110 (Optech) Keilausajankohta: 8.-9.6.1999 Lentokorkeus: 700 m Lentonopeus: 71 m/s Lentolinjojen lkm: 4+19 Keilaimen pulssintoistotaajuus: 10 khz Scan requency: 1 Hz Avauskulma: 17 (tutkimuksessa käytettiin ainoastaan laserpulsseja, jotka oli lähetetty avauskulmalla 14 ) Kaistan leveys (swath with): 40 m Footprint iameter: 1 cm Pulssien keskimääräinen etäisyys maassa: 0.9-0.94 m Tallennetut kaiut: ensimmäinen ja viimeinen. Tutkimusalue ja maastoaineisto Tutkimusalueet sijaitsivat Kaakkois-Norjassa Vålerissa, (59 30 N 10 55 E, 70-10 m a.s.l.) ja Krønsheraissa, (60 10 N 9 35 E, 130-660 m a.s.l.). Alueien pääpuulajit olivat kuusi (Picea abies) ja mänty (Pinus sylvestris). Tutkimusalue A (Våler) oli kooltaan noin 1000 hehtaaria ja alue B (Krønshera) 6500 ha. 39 kuviota Vålerista ja 38 kuviota Krønsheraista valittiin tutkimukseen. Kaikki kuviot olivat uuistuskypsiä (mature) metsiä. Vålerissa kuvioien keskikoko oli 1.7 ha ja niille sijoitettujen koealojen lukumäärä keskimäärin 19. Koealojen koko oli 00 m ja rinnankorkeusläpimitta mitattiin yli 10 cm puilta. Pituuet mitattiin koepuilta, joien määrä kuviota kohti oli 6-84 (keskimäärin 44). Krønsheraissa kuvioien keskikoko oli 3740 m. Rinnankorkeusläpimitta mitattiin, jos se oli yli 10 cm. Koepuita oli koealaa kohti 49-77 (keskimäärin 61). 3. Menetelmä Inventointimenetelmiä vertailtiin cost-plus-loss-analyysillä, jossa kokonaiskustannukset lasketaan nettonykyarvojen ja inventointikustannusten summana. Tutkimuksessa vertailtiin pohjapinta-alan, valtapituuen ja runkoluvun inventointeja laserkeilausaineistolta ja ilmakuvalta. Tunnusten tarkkuus ja harha arvioitiin, minkä 11

jälkeen arvioitiin cost-plus-loss-analyysillä laser- ja ilmakuva-aineistotulkinnan kustannukset. 1

4. Mallien luotettavuus Taulukko 1. Harha ja sen keskihajonta pohjapinta-alalle (BA), valtapituuelle (Hom) ja runkoluvulle (N). NS = ei tilastollisesti merkitsevä (p>0.05). Inventointimenetelmä Alue Re. aineisto (m ha -1 ) BA H om N Re. Re. Keskihajonta aineisto Harha Keskihajonta aineisto (%) (m ha -1 ) (%) (%) (m ha -1 ) Harha (%) Harha (%) Keskihajonta (%) Ilmakuvatulkinta Våler 4.9-7.1 11.8 0.3-5.6 8.9 70-4.4 NS 30.3 Ilmakuvatulkinta Krønsh. 5.4-5.4 NS 0.0 0.3-5.5 8.6 730-0.6 NS 36.0 Laserkeilaus Våler 4.9 0.1 NS 10.1 0.3-1.8 5. 70-6.4 NS 0.6 Laserkeilaus Krønsh. 5.4 7.5 1. 0.3-4.5 4.0 730 7.0 15.7 13

Determination o mean tree height o orest stans using airborne laser scanner ata Næsset, E. 1997. ISPRS Journal o Photogrammetry & Remote Sensing 5: 49-56. 1. Laserkeilauksen tekniset tieot Laserkeilain: ALTM 100 (Optech) Keilausajankohta: 0.10.1995. Lentokorkeus: 640-85 m Lentonopeus: 80 m/s Keilaimen pulssintoistotaajuus: khz Scan requency: 7 Hz Avauskulma: 0 (tutkimuksessa käytettiin ainoastaan laserpulsseja, jotka oli lähetetty avauskulmalla 19. ) Laserpulssin vaihe-ero: 0.5 mra Footprint iameter: 13-16 cm Pulssien keskimääräinen etäisyys maassa:.8-3.3 m Tallennetut kaiut: viimeinen. Tutkimusalue ja maastoaineisto Tutkimusalueet sijaitsivat Elverumissa (60 46 N 11 45 E, 170-00 m a.s.l.) ja Gruessa (60 4 N 11 58 E, 00-360 m a.s.l.), Kaakkois-Norjassa. Tutkimukseen valittiin 36 kuviota, joien valtapuina oli kuusi (Picea abies), mänty (Pinus sylvestris) tai sekoitus kumpaakin. Elverumissa (1) kuviot olivat mäntyvaltaisia (97 %) ja Gruessa () kuusivaltaisia (69 %). Metsiköien ikä koealoilla vaihteli 31:sta 145:een. Koealat sijoitettiin kuvioille systemaattisesti. Alueella 1 koealoja kuviota kohti oli keskimäärin 14 ja alueella keskimäärin 15. Nuorissa metsissä (young orest) koealakoko oli 100 m ja uuistuskypsissä (mature) metsissä 00 m. Jokaiselta koealalta valittiin ainakin yksi koepuu. Alueella 1 koepuien määrä oli keskimäärin 18 koealaa kohti, alueella keskimäärin 6. Nuorissa metsiköissä mitattiin rinnankorkeusläpimitta yli 4 cm paksuilta puilta ja uuistuskypsissä yli 10 cm paksuilta. Alueen 1 puien keskipituus oli 17.5 metriä ja alueen 14.9 metriä. 14

3. Regressiomallit - Keskipituuen mallit (1-) Taulukko 1. Malleissa esiintyvien muuttujien selitykset Muuttuja Selitys h h1 h 15 15 SITEDUMMY G N OFFNADIR Laserpituuksien aritmeettinen keskiarvo Laserpituus, laskettu 15 15 m ruutujen maksimiarvojen keskiarvona Valemuuttuja aineistoille. (Aineisto 1 on mäntyvaltaista ja aineisto kuusivaltaista metsää.) Pohjapinta-ala Runkoluku / ha O-nair avauskulma Taulukko. Mallien muuttujien kertoimet. NS = ei merkitsevä (p>0.05). Muuttuja Kerroin Malli 1 (h h1 ) Malli (h 15 15 ) (Intercept) 5.8 3.98 h h1 0.96 h 15 15 0.75 SITEDUMMY -1.61 0.65, NS G 0.078 0.061, NS N -0.0018-0.0019 OFFNADIR 0.039, NS 0.046, NS 4. Mallien luotettavuus Taulukko 3. Mallien selitysasteet. R Malli 1 (h h1 ) 0.94 Malli (h 15 15 ) 0.94 15

Taulukko 4. Harha laserpituuksien (h h1, h h ja h h3 ) ja reerenssiaineistojen pituuksien (h L ) välillä ja harhan keskihajonta. h h ja h h3 ovat painotettuja arvoja. NS = ei tilastollisesti merkitsevä (p>0.05). Alue Vertailu Keskimääräinen h L Harha (m) Keskihajonta (m) 1 h h1 -h L 17.5-4.1 1.6 1 h h -h L 17.5 -.9 1.4 1 h h3 -h L 17.5 -.1 1.4 1 h 15 15 -h L 17.5-0.4 NS 1.3 1 h 0 0 -h L 17.5 0.3 NS 1.3 1 h 30 30 -h L 17.5 1.1 1.3 h h1 -h L 14.9-5.5 1.3 h h -h L 14.9-3.6 1.1 h h3 -h L 14.9 -.4 1.1 h 15 15 -h L 14.9 0.1 NS 1. h 0 0 -h L 14.9 0.9 1. h 30 30 -h L 14.9 1.9 1.3 16

Determination o tree size istribution moels in mature orest rom laser scanner ata Gobaggen, T. & Næsset, E. 003. 1. Laserkeilauksen tekniset tieot Laserkeilain: ALTM 110 (Optech) Keilausajankohta: 3.7.-1.8.001 (alue 1) ja 8.-9.6.1999 (alue ) Tallennetut kaiut: ensimmäinen ja viimeinen. Tutkimusalue ja maastoaineisto Tutkimusalue 1 sijaitsi Krøsheraissa (60 10 N 9 35 E, 130-660 m a.s.l.) ja alue Vålerissa (59 30 N 10 55 E, 70-10 m a.s.l.). Tutkimusalueelta 1 mitattiin 70 koealaa ja alueelta 83 koealaa. Kaikki koealat olivat uuistuskypsissä metsiköissä. Alueen 1 koealat olivat kooltaan 33 m ja alueen koealat 00 m. Koealat jaettiin kasvupaikan mukaan kahteen luokkaan: 71 kpl kuului karujen kasvupaikkojen koealoihin (luokka 1) ja 83 kpl rehevien kasvupaikkojen koealoihin (luokka ). Karujen kasvupaikkojen kasvupaikkaineksi 40-vuotiaissa metsissä oli alle 11 m ja rehevien kasvupaikkojen ineksi yli 11 m. Rinnankorkeusläpimitta mitattiin yli 10 cm paksuista puista. Läpimitta talletettiin cm luokissa. Pituuet mitattiin koepuilta. Pohjapinta-alalla painotettu keskipituus luokassa 1 oli 15.7 metriä ja luokassa 0. metriä. Läpimittajakauma tuotettiin summaamalla mitatut puut kussakin läpimittaluokassa. Pohjapinta-alajakauma saatiin kertomalla jokaisen läpimittaluokan runkoluku vastaavan luokan pohjapinta-alalla. Testiaineisto koostui 38 koealasta (0.4 ha), jotka sijaitsivat alueella 1 (Krøshera) ja 39 kuviosta, jotka sijaitsivat alueella (Våler). Kuviot ja koealat valittiin subjektiivisesti. Alueelta 1 mitattiin rinnankorkeusläpimitta kaikista puista. Alueelle sijoitettiin systemaattisesti ympyräkoealoja (100-00 m ), joilta mitattiin niinikään rinnankorkeusläpimitta kaikilta puilta. Pituuet mitattiin koepuilta. 3. Regressiomallit -Pohjapinta-alajakauman mallit Regressioanalyysillä tuotettiin mallit kummallekin kasvupaikkaluokalle. 17

Y = β + β h + β h 11 1 5 35 0l + β h + β + β 0 mean 0 0l 1 1 6 36 o + β h 10l + β h + β + β 1 1l + β h +... + β meanl +... + β 10 0 44 3 +... + β h 34 +... + β h 90l + β h cv 9l 9 10 4 90 + β h cvl missä Y = G (pohjapinta-ala) ja pohjapinta-alajakauman prosenttipisteien 10, 0,, 100 arvot; h 0, h 10,, h 90 = 0 90 % prosenttipisteet ensimmäisen heijastuksen pisteistä (m); h 0l, h 10l, h 90l = 0 90 % prosenttipisteet viimeisen heijastuksen pisteistä (m); h mean, h meanl = keskiarvot ensimmäisen ja viimeisen heijastuksen pisteistä (m); h cv, h cvl = ensimmäisen ja viimeisen heijastuksen pisteien variaatiokerroin (%); 0, 1,, 9 = 0/10 9/10 pulssiosuuen yläpuolelta heijastuneien ens. heij. pulssien suhe ens. heij. pulssien kokonaismäärään; 0l, 1l,, 9l = 0/10 9/10 pulssiosuuen yläpuolelta heijastuneien viim. heij. pulssien suhe viim. heij. pulssien kokonaismäärään. Alustavat mallit estimoitiin käyttäen askeltavaa pienimmän neliösumman menetelmää. Malliryhmä prosenttipisteille estimoitiin SUR-menetelmällä (seemingly unrelate regression). 4. Mallien luotettavuus Malleja testattiin tuottamalla keskipituus, runkoluku, pohjapinta-ala ja tilavuus ennustetusta jakaumasta. Taulukko 1. Harha ennustettujen ja mitattujen arvojen välillä. h L = pohjapinta-alalla painotettu keskipituus, N = runkoluku, G = pohjapinta-ala, V = tilavuus. NS = ei tilastollisesti merkitsevä (p>0.05). Harha Muuttuja Luokka (kasvupaikka) Mitattu keskiarvo Vaihteluväli Keskiarvo Keskihajonta h L 1 15.8-0.7-4.5 1.5 1.1 19.8-4.8 -.7-0.4 NS 1.7 N 1 69-74 - 34-9 NS 117 818-454 - 16-31 NS 145 G 1 0.33 -.1-5.17 1.56 1.83 9.4-7.66-8.08 1.94 3.3 V 1 156. -13.9-50.4 6.0 16.3 78.1-61.0-89.5 11.8 33.5 18

Eects o ierent lying altitues on biophysical stan properties estimate rom canopy height an ensity measure with a small ootprint airborne scanning laser Næsset, E. 004. Remote Sensing o Environment 91: 34-55. 1. Laserkeilauksen tekniset tieot Laserkeilain: ALTM 110 (Optech) Keilausajankohta: 16.-17. 7. 001 Lentokorkeus: 530-540 m (matala lento), 840-850 (korkea lento) Lentolinjojen lkm: 33 kummaltakin korkeuelta Keilaimen pulssintoistotaajuus: 10 khz Scan requency: 30 Hz Avauskulma: 16 (tutkimuksessa käytettiin ainoastaan laserpulsseja, jotka oli lähetetty avauskulmalla 15 ) Footprint iameter: 16 cm (matala lento), 6 cm (korkea lento) Pulssitiheys: 0.6-1.3/m (keskimäärin 0.84-0.89/m ) Tallennetut kaiut: ensimmäinen ja viimeinen. Tutkimusalue ja maastoaineisto Noin tuhannen hehtaarin suuruinen tutkimusalue sijaitsi Vålerissa, Kaakkois-Norjassa (59 30 N 10 55 E, 70-10 m a.s.l.). Alueen pääpuulajit olivat kuusi (Picea abies) ja mänty (Pinus sylvestris). 133 ympyräkoealaa sijoitettiin systemaattiseksi koealaverkoksi tutkimusalueelle. Koealat jaettiin nuoriin metsiin (young orest), uuistuskypsiin (mature) karujen kasvupaikkojen ja uuistuskypsiin rehevien kasvupaikkojen metsiin. Koealan koko nuorissa metsissä oli 300 m ja uuistuskypsissä 400 m. Nuorten metsien koealoilta mitattiin rinnankorkeusläpimitta rinnankorkeusläpimitaltaan yli 4 cm puilta ja uuistuskypsien metsien koealoilta yli 10 cm puilta. Pituuet mitattiin koepuilta, joien määrä koealalla oli -17 (keskimäärin 9). Koealoilla nuorten metsien pohjapinta-alalla painotettu keskipituus oli 14.5 m, uuistuskypsien metsien karujen kasvupaikkojen 16.4 m ja uuistuskypsien metsien rehevien kasvupaikkojen 0.5 m. Hehtaarikohtainen tilavuus oli vastaavilla alueilla 07. m 3, 157.0 m 3 ja 9.1 m 3. Tutkimuksessa käytettiin 56 subjektiivisesti valittua kuviota erilaisista metsiköistä. Koealojen määrä kuvioilla oli keskimäärin 0. Koealakoko nuorissa metsissä oli 100 m ja uuistuskypsissä 00 m. Rinnankorkeusläpimitta mitattiin yli 4 cm paksuilta puilta nuorissa ja yli 10 cm paksuilta puilta uuistuskypsissä metsissä. Koepuien määrä kuviolla oli 4-87. Koepuilta mitattiin pituus. Kuvioilla pohjapinta-alalla painotettu keskipituus nuorissa metsissä oli 14.4 m, uuistuskypsissä karujen kasvupaikkojen metsissä 16. m ja uuistuskypsissä rehevien kasvupaikkojen metsissä 19.6 m. Hehtaarikohtainen tilavuus vastaavilla alueilla 184.7 m 3, 15.8 m 3, 80.8 m 3. 19

3. Regressiomallit Nuorelle metsälle, uuistuskypsille karun kasvupaikan metsälle sekä uuistuskypsille rehevän kasvupaikan metsälle on omat mallinsa kummallakin lentokorkeuella. - Pohjapinta-alalla painotetun keskipituuen (h L ) mallit - Pohjapinta-alan (G) mallit - Tilavuuen (V) mallit Taulukko 1. Malleissa esiintyvien muuttujien selitykset. Muuttuja Selitys h L Pohjapinta-alalla painotettu keskipituus (m) G Pohjapinta-ala (m/ha) V Tilavuus (m3/ha) h 10, h 50, h 90 10, 50 ja 90 prosenttipisteen korkeus ensimmäisen heijastuksen pisteistä (m) h 10l, h 50l, h 90l 10, 50 ja 90 prosenttipisteen korkeus viimeisen heijastuksen pisteistä (m) h maxl Laserpulssien korkeuksien maksimiarvo viimeisen heijastuksen pisteistä (m) h cv Ensimmäisen heijastuksen pisteien variaatiokerroin (%) h mean Laserpulssien korkeuksien aritmeettinen keskiarvo ensimmäisen heijastuksen pisteistä (m) h meanl Laserpulssien korkeuksien aritmeettinen keskiarvo viimeisen heijastuksen pisteistä (m) 1, 5, 9 1/10, 5/10. tai 9/10 pulssiosuuksien (raction) yläpuolelle heijastuneien ensimmäisten pulssien osuus ens. heij. pulssien kokonaismäärästä 1l, 5l 1/10 tai 5/10 pulssiosuuksien (raction) yläpuolelle heijastuneien viimeisten pulssien osuus viim. heij. pulssien kokonaismäärästä Nuoren metsän mallit, matala lentokorkeus: hl = β 0 + β1 h90 + β hmeanl (1) G = β 0 + β1 h50 + β 1 () V = β 0 + β1 h50 + β 1 + β 3 9 (3) Nuoren metsän mallit, korkea lentokorkeus: hl = β 0 + β1 h90 + β hmeanl (4) G = β 0 + β1 h mean + β 1 (5) V = β 0 + β1 h mean + β 5l (6) Uuistuskypsän, karun metsän mallit, matala lentokorkeus: hl = β 0 + β1 h90l (7) G = β 0 + β1 h50 + β h10l + β 3 1 (8) V = β 0 + β1 h10l + β hmean + β 3 1 (9) 0

Uuistuskypsän, karun metsän mallit, korkea lentokorkeus: hl = β 0 + β1 h90 (10) G = β 0 + β1 h10 + β h50 + β 3 1 (11) V = β 0 + β1 h10l + β hmean + β 3 1 l (1) Uuistuskypsän, rehevän metsän mallit, matala lentokorkeus: hl = β 0 + β1 h90 + β hcv + β 3 5l (13) G = β 0 + β1 hmax l + β 5 (14) V = β 0 + β1 hmean + β 1 + β 3 5l (15) Uuistuskypsän, rehevän metsän mallit, korkea lentokorkeus: hl = β 0 + β1 h90 + β h10l (16) G = β 0 + β1 h90l + β 1 + β 3 5 (17) V = β 0 + β1 hmean + β 1 + β 3 5l (18) 4. Mallien luotettavuus Taulukko. Mallien RMSE:t ja selitysasteet Selitettävä Malli muuttuja RMSE R Nuori metsä, matala lentokorkeus 1 h L 0.08 0.90 G 0.11 0.90 3 V 0.14 0.94 Nuori metsä, korkea lentokorkeus 4 h L 0.08 0.89 5 G 0.1 0.90 6 V 0.13 0.94 Uuistuskypsä, karu metsä, matala lentokorkeus 7 h L 0.08 0.76 8 G 0.15 0.75 9 V 0.16 0.8 Uuistuskypsä, karu metsä, korkea lentokorkeus 10 h L 0.08 0.75 11 G 0.15 0.75 1 V 0.15 0.83 Uuistuskypsä, rehevä metsä, matala lentokorkeus 13 h L 0.06 0.86 14 G 0.1 0.84 15 V 0.13 0.91 Uuistuskypsä, rehevä metsä, korkea lentokorkeus 16 h L 0.07 0.8 17 G 0.1 0.85 18 V 0.13 0.91 1

Taulukko 3. Harha ja sen keskihajonta lentokorkeuksien välillä ensimmäisen heijastuksen ja viimeisen heijastuksen pulsseille. Lasermuuttujat koealoille. NS = ei tilastollisesti merkitsevä. Harha, ens. heij. pulssit Harha, viim. heij. pulssit Muuttuja keskiarvo keskihajonta keskiarvo keskihajonta Nuori metsä h 10 (m) -0.01 NS 0.50 0.31 NS 1.09 h 50 (m) 0.01 NS 0.3 0.16 NS 0.40 h 90 (m) 0.05 NS 0.31 0.09 NS 0.40 h max (m) -0.01 NS 0.76-0.08 NS 0.86 h mean (m) 0.0 NS 0.17 0.0 0.3 h cv (%) 0.17 NS 1.77-0.61 3.55 1 (%) 0.15 NS.57 1.41 NS 3.80 5 (%) 0.85 NS 5.61.0 3.90 9 (%) 0.37 NS 1.86 0.54 NS 1.68 Uuistuskypsä metsä, karut kasvupaikat h 10 (m) 0.06 NS 0.75 0.14 NS 0.85 h 50 (m) -0.0 NS 0.43 0.40 NS 1.11 h 90 (m) 0.01 NS 0.35 0.0 NS 0.44 h max (m) -0.0 NS 0.60-0.3 NS 0.67 h mean (m) -0.01 NS 0.31 0.33 0.57 h cv (%) -0.05 NS.46 -.19 NS 4.68 1 (%) -0.47 NS 3.31 0.63 NS.98 5 (%) -0.08 NS.86 1.43.47 9 (%) 0.74 1.6 0.75 1.3 Uuistuskypsä metsä, rehevät kasvupaikat h 10 (m) 0.13 NS 0.59 0.5 1.0 h 50 (m) 0.11 NS 0.39 0.3 NS 0.69 h 90 (m) 0.10 NS 0.31 0.04 NS 0.39 h max (m) -0.01 NS 0.75-0.03 NS 0.73 h mean (m) 0.08 NS 0.3 0.3 0.47 h cv (%) -0.19 NS 1.75-1.9 3.38 1 (%) 0.30 NS.17.10 3.69 5 (%) 0.88 NS 3.81.55 3.6 9 (%) 0.01 NS.13 0.05 NS 1.59

Taulukko 3. Harha ja sen keskihajonta lentokorkeuksien välillä ensimmäisen heijastuksen ja viimeisen heijastuksen pulsseille. Lasermuuttujat kuvioille. NS = ei tilastollisesti merkitsevä. Harha, ens. heij. pulssit Harha, viim. heij. pulssit Muuttuja keskiarvo keskihajonta keskiarvo keskihajonta Nuori metsä h 10 (m) 0.06 NS 0.13 0.18 NS 0.30 h 50 (m) 0.05 NS 0.17 0.9 0.4 h 90 (m) -0.01 NS 0.18 0.03 NS 0.16 h max (m) -0.1 NS 0.56-0.03 NS 0.63 h mean (m) 0.03 NS 0.14 0.1 0.16 h cv (%) -0.1 NS 0.49-1.74 0.79 1 (%) 0.43 NS 1.04 1.84 1.43 5 (%) 0.96 NS 3.01 1.35 NS.34 9 (%) 0.08 NS 0.18 0.06 NS 0.13 Uuistuskypsä metsä, karut kasvupaikat h 10 (m) 0.01 NS 0.13 0.07 0.07 h 50 (m) -0.01 NS 0.13 0.47 0.19 h 90 (m) -0.0 NS 0.09 0.08 NS 0.13 h max (m) -0.04 NS 0.33-0.08 NS 0.33 h mean (m) -0.0 NS 0.09 0.5 0.13 h cv (%) -0.01 NS 0.47-1.59 0.7 1 (%) 0.13 NS 0.64 1.36 0.73 5 (%) 0.14 NS 1.05 1.0 0.84 9 (%) -0.0 NS 0.13-0.01 NS 0.11 Uuistuskypsä metsä, rehevät kasvupaikat h 10 (m) 0.07 NS 0.16 0.9 0.3 h 50 (m) 0.05 NS 0.15 0.50 0.3 h 90 (m) 0.05 NS 0.16 0.10 NS 0.19 h max (m) -0.01 NS 0.80-0.0 NS 0.84 h mean (m) 0.06 NS 0.13 0.37 0.14 h cv (%) -0.4 NS 0.4 -.16 0.65 1 (%) 0.19 NS 0.94 1.75 1.6 5 (%) 0.5 NS.44 1.90 1.81 9 (%) 0.08 NS 0.36 0.06 NS 0.8 3

Taulukko. Mallien testaus (lasertunnuksista estimoiut muuttujat ja maastomuuttujat) ja simuloinnin tulokset. D keskiarvo = harhan aritmeettinen keskiarvo 10 000 iteroinnista. D ja D = harhan 10. ja 90. prosenttipisteien itseisarvo 10 000 iteroinnista. S.D. p10 ja S.D. p90 = harhan keskihajonnan 10. ja 90. p10 p90 prosenttipisteet 10 000 iteroinnista. S.D. keskiarvo = harhan keskihajonnan aritmeettinen keskiarvo 10 000 iteroinnista. Matala lentokorkeus Korkea lentokorkeus Simuloinnin tulokset D (harha) S.D. D (keskihajonta) D S.D. p10 Nuori metsä h L 0.49 0.86 0.48 0.79 0.4 1.09 0.75 0.69 1.17 0.83 G -.86.30 -.66.49.48 5.16-3.34.36 3.3.73 V 6.5 30.8-3.4 9.0 4.6 34.4 1.50 5.5 37.5 30.7 Uuistuskypsä, karu metsä h L 0.49 0.41 0.59 0.35 0.4 0.64 0.58 0.33 0.4 0.40 G -0.18 NS.5-0.01 NS.3 0.05 3.16-0.71.4.7.40 V 3.7 NS 0. 4.0 NS 0.3.5 6.5 1.90 19. 1.5 0. Uuistuskypsä, rehevä metsä h L 0.41 NS 1.11 0.80 0.87 0.3 1.14 0.83 0.88 1.14 0.99 G -4.68 3.5-5.16 3.01.57 5.19-4.34.8 3.5 3.6 V -31.1 3.8-14. NS 30.0 11.0 9.8-18.8 9.9 33.7 31.7 D D p90 keskiarvo S.D. p10 S.D. p90 S.D. keskiarvo 4

Eects on estimation accuracy o orest variables using ierent pulse ensity o laser ata in combination with multispectral satellite ata Magnusson, M., Fransson, J.E.S. & Holmgren, J. (Submitte) 1. Laserkeilauksen ja satellittikuvauksen tekniset tieot ja laseraineiston käsittely Laserkeilain: TopEye Keilausajankohta: 9.8.003. Lentokorkeus: 430 m Lentonopeus: 5 m/s Keilaimen pulssintoistotaajuus: 7 khz Scan requency: 17 Hz Avauskulma: 0 Laserpulssin vaihe-ero: 1.0 mra Pulssitiheys:.5 / m Tallennetut kaiut: ensimmäinen ja viimeinen Satelliitti: SPOT-5 Kuvausajankohta: 3.6.003 Tutkimuksessa käytetyt kanavat: vihreä (B1), punainen (B), lähi-inra (B3) ja lyhyen aallonpituuen inra (B4) Resoluutio: 10 m (B1-B3) Raiometrinen resoluutio: 56 Kuvan koko: 60 60 km View angle: 4.4 Auringon korkeuskulma: 5.6 Pulssitiheyen vaikutusta testattiin ensimmäisen heijastuksen pulssien pulssitiheyttä harventamalla. Pulssien minimietäisyyksiksi maanpinnalla määritettiin 1,,, 15 m. Estimoinnin tarkkuutta tarkasteltiin hila- ja kuviolähestymistavoilla. Hilamenetelmässä käytettiin 10 10, 0 0,, 150 150 m ruutuja siten, että harvennetusta pisteparvesta kuhunkin ruutuun tuli noin 100 pulssia. Lasermuuttujat laskettiin kullekin ruuulle ja summattiin kuviokohtaiseksi käyttäen aluepainotteista keskiarvoistamista (area-weighte averaging). Maastomitatut muuttujat yhistettiin kuvioittaisiin lasermuuttujien arvoihin. Kuviolähestymistavassa maastomittaukset yhistettiin koko kuvion kattaviin lasermuuttujiin. 5

. Tutkimusalue ja maastoaineisto Noin 100 hehtaarin laajuinen tutkimusalue sijaitsi Remningstorpissa, Etelä-Ruotsissa (58 30 N 13 40 E). Pääpuulajit olivat kuusi (Picea abies), mänty (Pinus sylvestris) ja koivu (Betula spp.). Alueelle oli olemassa vektorimuotoiset kuviorajat sekä metsäsuunnitelma. Kuviorajat tarkastettiin ortoilmakuvia käyttäen. 340 kuviota jaettiin tilavuusluokkiin seuraavasti: 0-100, 100-00,, 600-700 m 3 ha -1. Näistä 15 valittiin satunnaisesti inventoitavaksi. Koealat sijoitettiin satunnaisesti kuviokohtaiselle koealahilalle (gri). Koealasäe oli 10 m. Koealoilta mitattiin rinnankorkeusläpimitta kaikilta puilta ja pituus satunnaisesti, valituilta koepuilta. Koealoittain estimoiut tilavuuet ja pituusmittaukset vuosilta 1999-00 muunnettiin vastaamaan vuotta 003. Tähän tutkimukseen valittiin havupuuvaltaisia kuvioita, yhteensä 70 kpl. Kuvioien tilavuus vaihteli välillä 30-60 m 3 ha -1 ollen keskimäärin 86. Kultakin kuviolta mitattiin keskimäärin 10 koealaa. 3. Regressiomallit Taulukko 1. Malleissa esiintyvien muuttujien selitykset. Muuttuja Selitys h i Pituus kuviolla i (m) h laser,i Laserpituus kuviolla i ε i Satunnaisvirhe δ i Otantavirhe kuviolla i v i Tilavuus kuviolla i (m 3 ha -1 ) laser,i Latvuston tiheys kuviolla i B1 i -B4 i SPOT-5-kanavien keskimääräiset DN-arvot kuviolla i Pituuen malli: hi = α 0 + α1h laser, i + ε i + δ i (1) Tilavuuen malli (laseraineisto): ( vi ) = α 0 + α1 ( hlaser, i ) + α laser, i + ε i + δ i () Tilavuuen malli (satelliittiaineisto): B3i ( vi ) = α 0 + α1bi + α B1i + α 3 + ε i + δ i (3) B4 i Tilavuuen malli (satelliittiaineisto ja laseraineisto): Bi ( vi ) = α 0 + α1b + α B4i + α 3 + α 4 ( hlaser, i ) + ε i + δ i (4) B3 i 6

Tilavuuen malli (satelliittaineisto, laseraineisto ja latvuston tiheys): B1i ( vi ) = α 0 + α1bi + α Bi + α 3 + α 4 ( hlaser, i ) + α 5 ( laser, i ) + ε i + δ i (5) B4 i 4. Mallien luotettavuus Taulukko. Mallin 1. RMSE, R aj, regressiokertoimet sekä ristiinvaliiointitestistä lasketut q-arvot. 90:s = 90:s prosenttipiste. RMSE Malli Menetelmä Laserpituus (m) R aj (%) α 0 α 1 q 1 hila 90:s 0.685 98.3 0.43 NS 1.07 1.01 1 hila keskipituus 0.936 96.9 0.95 1.31 1.01 1 kuvio 90:s 0.819 97.5 0.414 NS 1.03 1.0 1 kuvio keskipituus 0.946 96.8 0.937 1.3 1.0 Taulukko 3. Mallien -5 RMSE, R aj, regressiokertoimet sekä ristiinvaliiointitestistä lasketut q-arvot. 90:s = 90:s prosenttipiste. Menetelmpituus RMSE (%) α 0 α 1 α α 3 α 4 α 5 q Laser- R aj Malli hila 90:s 0.14 93.1 1.17 1.67 1.67 1.0 hila keskipit. 0.14 93.1 1.91 1.5 1.43 1.0 kuvio 90:s 0.14 93.1 1.11 1.68 1.78 1.03 kuvio keskipit. 0.144 93.0 1.86 1.55 1.53 1.04 3 0.315 65.9 4.63 0.134-0.0137 NS 1.04 4 kuvio 90:s 0.04 85.7 0.447 NS 0.157-0.000194-6.71 1.91 1.07 5 kuvio 90:s 0.136 93.6 1.33-0.111 0.0043 1.41 1.73 1.64 1.06 7

Estimating orest growth using canopy metrics erive rom airborne laser scanner ata Næsset, E. & Gobakken, T. 005. Remote Sensing o Environment 96: 453-465. 1. Laserkeilauksen tekniset tieot Laserkeilain: ALTM 110 (Optech) Keilausajankohta: 8.-9.6.1999 (A) ja 16.-17.7.001 (B) Lentokorkeus: 700 m (A) ja 850 m (B) Lentolinjojen lkm: 43 (A) ja 33 (B) Keilaimen pulssintoistotaajuus: 10 khz Scan requency: 1 Hz (A) ja 30 Hz (B) Avauskulma: 17 (A) ja 16 (B) (tutkimuksessa käytettiin ainoastaan laserpulsseja, jotka oli lähetetty avauskulmalla 14 (A) ja 15 (B)) Footprint iameter: 1 cm (A) ja 6 cm (B) Pulssitiheys: 1.18/m (A) ja 0.87 /m (B) Tallennetut kaiut: ensimmäinen ja viimeinen. Tutkimusalue ja maastoaineisto Noin tuhannen hehtaarin suuruinen tutkimusalue sijaitsi Vålerissa, Kaakkois-Norjassa (59 30 N 10 55 E, 70-10 m a.s.l.). Alueen pääpuulajit olivat kuusi (Picea abies) ja mänty (Pinus sylvestris). Maastoreerenssiaineisto koostui koealoista ja metsikkökuvioista. 133 koealaa sijoitettiin systemaattisesti tutkimusalueelle. Ne jaettiin nuorten metsien (young orest), uuistuskypsien (mature) karujen kasvupaikkojen metsien ja uuistuskypsien rehevien kasvupaikkojen metsien koealoihin. Koealakoko oli 300 m nuorissa metsiköissä ja 400 m uuistuskypsissä metsiköissä. Nuorissa metsiköissä mitattiin puut, joien rinnankorkeusläpimitta oli yli 4 cm ja uuistuskypsissä metsiköissä puut, joien rinnankorkeusläpimitta oli yli 10 cm. Nuorissa metsissä pohjapinta-alalla painotettu keskipituus oli 14.5 m, uuistuskypsissä karujen kasvupaikkojen metsissä 16.6 m ja uuistuskypsissä rehevän kasvupaikan metsissä 0.5 m. Hehtaarikohtaiset tilavuuet olivat vastaavasti 07. m 3, 157.0 m 3 ja 9.1 m 3. Metsikkökuvioita valittiin tutkimukseen 56. Keskimääräinen kuviokoko oli 1.7 ha ja koealojen määrä kuviolla keskimäärin 0. Nuorissa metsiköissä koealakoko oli 100 m ja uuistuskypsissä 00 m. Rinnankorkeusläpimitta mitattiin yli 4 cm paksuista puista nuorten metsien koealoilla ja yli 10 cm puista uuistuskypsillä koealoilla. Pituuet mitattiin koepuilta, joien määrä kuviolla oli 4-87 (keskimäärin 44). Nuorissa metsissä pohjapinta-alalla painotettu keskipituus (h L ) oli 14.4 m, uuistuskypsissä karujen kasvupaikkojen metsissä 16. m ja uuistuskypsissä rehevän kasvupaikan metsissä 19.6 m. Hehtaarikohtaiset tilavuuet olivat vastaavasti 184.7 m 3, 15.8 m 3 ja 80.8 m 3. 8

3. Regressiomallit Nuorelle metsälle, uuistuskypsille karujen kasvupaikkojen metsille sekä uuistuskypsille rehevien kasvupaikkojen metsille on omat mallinsa. - Pohjapinta-alalla painotetun pituuen (h L ) mallit - Pohjapinta-alan (G) mallit - Tilavuuen (V) mallit Taulukko 1. Malleissa esiintyvien muuttujien selitykset. Muuttuja Selitys h L Pohjapinta-alalla painotettu keskipituus (m) G Pohjapinta-ala (m /ha) V Tilavuus (m 3 /ha) h 10, h 50, h 90 10, 50 ja 90 prosenttipisteen korkeus ensimmäisen heijastuksen pisteistä (m) h 10l, h 50l, h 90l 10, 50 ja 90 prosenttipisteen korkeus viimeisen heijastuksen pisteistä (m) h maxl Laserpulssien korkeuksien maksimiarvo viimeisen heijastuksen pisteistä (m) h cv Ensimmäisen heijastuksen pisteien variaatiokerroin (%) h mean h meanl 1, 5, 9 1l, 5l Laserpulssien korkeuksien aritmeettinen keskiarvo ensimmäisen heijastuksen pisteistä (m) Laserpulssien korkeuksien aritmeettinen keskiarvo viimeisen heijastuksen pisteistä (m) 1/10, 5/10 tai 9/10 pulssiosuuen (raction) yläpuolelta heijastuneien ensimmäisten pulssien osuus ens. heij. pulssien kokonaismäärästä 1/10, 5/10 tai 9/10 pulssiosuuen (raction) yläpuolelta heijastuneien viimeisten pulssien osuus viim. heij. pulssien kokonaismäärästä Nuoren metsän mallit: hl = β 0 + β1 h10 + β hmeanl (1) G = β 0 + β1 h10 + β h50 + β 3 1 () V = β 0 + β1 h meanl + β 1 (3) Uuistuskypsän metsän karujen kasvupaikkojen mallit: hl = β 0 + β1 h90l (4) G = β 0 + β1 h90 + β hcvl + β 3 5l (5) V = β 0 + β1 h50 + β 1 l (6) Uuistuskypsän metsän rehevien kasvupaikkojen mallit: hl = β 0 + β1 h10 + β h90l + β 3 5l (7) G = β 0 + β1 hmean + β 1 + β 3 5l (8) V = β 0 + β1 h meanl + β 1 l (9) 9

4. Mallien luotettavuus Taulukko. Mallien RMSE:t ja selitysasteet. Selitettävä Malli muuttuja RMSE R Nuoren metsän mallit 1 h L 0.08 0.91 G 0.11 0.91 3 V 0.13 0.95 Uuistuskypsän metsän karujen kasvupaikkojen mallit 4 h L 0.09 0.71 5 G 0.14 0.78 6 V 0.15 0.85 Uuistuskypsän metsän rehevien kasvupaikkojen mallit 7 h L 0.07 0.85 8 G 0.1 0.86 9 V 0.13 0.91 Taulukko 3. Kuvioien maastomittauksista estimoitu kasvu (1999-001), laseraineistosta ennustettu kasvu (1999-001), harha ja sen keskihajonta. NS = ei tilastollisesti merkitsevä (p>0.05). Selitettävä muuttuja Maastomittauksista estimoitu kasvu Harha Laser-ennustettu kasvu Keskiarvo Keskihajonta Nuori metsä h L (m) 0.70 0.33-0.37 0.34 G (m ha -1 ).0 3.70 1.50 0.66 V (m 3 ha -1 ) 19.8 9. 9.4 6.0 Uuistuskypsä metsä, karut kasvupaikat h L (m) 0.1 0.4 0.1 0.18 G (m ha -1 ) 0.81-0.37 NS -1.18 1.15 V (m 3 ha -1 ) 7.7 1. NS -6.5 10. Uuistuskypsä metsä, rehevät kasvupaikat h L (m) 0.44 0.19 NS -0.5 0.47 G (m ha -1 ) 1.65 3.53 1.88 0.67 V (m 3 ha -1 ) 19. -1.0 NS -0. 9.9 30

Taulukko 4. Koealojen maastomittauksista estimoitu kasvu (1999-001), laseraineistosta ennustettu kasvu (1999-001), harha ja sen keskihajonta. NS = ei tilastollisesti merkitsevä (p>0.05). Selitettävä muuttuja Maastomittauksista estimoitu kasvu Harha Laser-ennustettu kasvu Keskiarvo Keskihajonta Nuori metsä h L (m) 0.95 0.80-0.15 NS 0.94 G (m ha -1 ).9 4.3 1.31 1.49 V (m 3 ha -1 ) 8.6 38.4 9.8 17.7 Uuistuskypsä metsä, karut kasvupaikat h L (m) 0.3 0.50 0.7 0.47 G (m ha -1 ) 0.84-1.8 -.1.37 V (m 3 ha -1 ) 8.4-1.5 NS -9.8 4.7 Uuistuskypsä metsä, rehevät kasvupaikat h L (m) 0.48 0.5 NS -0.3 NS 1.8 G (m ha -1 ) 1.66 3.46 1.80 1.55 V (m 3 ha -1 ) 1.0 1.4 NS -19.6 5.8 31

Estimating timber volume o orest stans using airborne laser scanner ata Næsset, E. 1997. Remote Sensing o Environment 61: 46-53. 1. Laserkeilauksen tekniset tieot Laserkeilain: ALTM 100 (Optech) Keilausajankohta: 0.10.1995. Lentokorkeus: 640-85 m Lentonopeus: 80 m/s Keilaimen pulssintoistotaajuus: khz Scan requency: 7 Hz Avauskulma: 0 (tutkimuksessa käytettiin ainoastaan laserpulsseja, jotka oli lähetetty avauskulmalla 19. ) Laserpulssin vaihe-ero: 0.5 mra Footprint iameter: 13-16 cm Pulssien keskimääräinen etäisyys maassa:.8-3.3 m Tallennetut kaiut: viimeinen. Tutkimusalue ja maastoaineisto Tutkimusalueet sijaitsivat Elverumissa (60 46 N 11 45 E, 170-00 m a.s.l.) ja Gruessa (60 4 N 11 58 E, 00-360 m a.s.l.), Kaakkois-Norjassa. Tutkimukseen valittiin 36 kuviota, joien valtapuina oli kuusi (Picea abies), mänty (Pinus sylvestris) tai sekoitus kumpaakin. Elverumissa kuviot olivat mäntyvaltaisia (97 %) ja Gruessa kuusivaltaisia (69 %). Metsiköien ikä koealoilla vaihteli 31:sta 145:een. Kuvioille sijoitettiin systemaattisesti koealoja. Elverumissa koealoja kuviolla oli keskimäärin 14 ja Gruessa 15. Nuorissa metsissä (young orest) koealakoko oli 100 m ja uuistuskypsissä (mature) metsissä 00 m. Jokaiselta koealalta valittiin ainakin yksi koepuu. Elverumissa koepuien määrä oli keskimäärin 18 koealaa kohti, Gruessa keskimäärin 6. Nuorissa metsiköissä mitattiin rinnankorkeusläpimitta yli 4 cm paksuilta puilta ja uuistuskypsissä yli 10 cm paksuilta puilta. 3. Regressiomallit - Kuorellisen tilavuuen mallit (1-) Mallin 1 aineisto (Elverum) on mäntyvaltaista metsää ja mallin aineisto (Grue) kuusivaltaista metsää. 3

Taulukko 1. Malleissa esiintyvien muuttujien selitykset. Muuttuja Selitys V h 15 Hehtaarikohtainen kuorellinen tilavuus (m 3 /ha) Lasermitattu kuviokohtainen keskipituus (m) D Lasermitattu latvuspeittävyys (%) Latvukseen osuneien laserpulssien kuviokohtainen (stan) keskikorkeus (m) h a Kuorellisen tilavuuen mallit: β1 β V = β h D (1) 0 15 V = β h h () β1 β 0 15 a Taulukko. Muuttujien kertoimet tutkimusalueilla. Muuttuja Malli 1, Elverum Malli 1, Grue Malli, Elverum Malli, Grue (intercept).595.15 1. 4.11 h 15 1.775 1.706 0.886 0.816 D 0.809 0.667 h a 0.787 0.83 4. Mallien luotettavuus RMSE R Taulukko 3. Mallien RMSE:t ja selitysasteet. Logaritminen asteikko Normaali asteikko (m 3 /ha) R RMSE Malli 1, Elverum 0.306 0.744 81.8 0.47 Malli 1, Grue 0.43 0.796 31.3 0.838 Malli, Elverum 0.317 0.76 8.8 0.456 Malli, Grue 0.18 0.836 6.1 0.887 33

Estimating tree height an tree crown properties using airborne scanning laser in a boreal nature reserve Næsset, E. & Øklan, T. 00. Remote Sensing o Environment 79: 105-115. 1. Laserkeilauksen tekniset tieot Østmarka: Laserkeilain: ALTM 110 (Optech) Keilausajankohta: 9.6.1999. Lentokorkeus: 590 m Lentonopeus: 71 m/s Lentolinjojen lkm: 3+3 Keilaimen pulssintoistotaajuus: 10 khz Scan requency: 3 Hz Avauskulma: 15 (tutkimuksessa käytettiin ainoastaan laserpulsseja, jotka oli lähetetty avauskulmalla 13 ) Kaistan leveys: 30 m Laserpulssin vaihe-ero: 0.30 mra Footprint iameter: 18 cm Pulssien keskimääräinen etäisyys maassa: 0.66-1.9 m (keskimäärin 0.91 m) Tallennetut kaiut: ensimmäinen ja viimeinen Våler: Laserkeilain: ALTM 110 (Optech) Keilausajankohta: 8.-9.6.1999. Lentokorkeus: 690 m Lentonopeus: 71 m/s Lentolinjojen lkm: 19+4 Keilaimen pulssintoistotaajuus: 10 khz Scan requency: 1 Hz Avauskulma: 17 (tutkimuksessa käytettiin ainoastaan laserpulsseja, jotka oli lähetetty avauskulmalla 14 ) Kaistan leveys: 40 m Laserpulssin vaihe-ero: 0.30 mra Footprint iameter: 1 cm Pulssien keskimääräinen etäisyys maassa: 0.94 m Tallennetut kaiut: ensimmäinen ja viimeinen. Tutkimusalue ja maastoaineisto Ensimmäinen tutkimusalue sijaitsi Østmarkassa, Kaakkois-Norjassa (59 50 N 10 03 E, 40-90 m a.s.l.). Alue on luonnontilaista metsää pääpuulajinaan kuusi (Picea abies)..5 hehtaarin alueelle sijoitettiin subjektiivisella valinnalla 10 kpl 5 10 m koealoja eustamaan erilaisia mm. topograisia olosuhteita. Maastomittauksia tehtiin vuosina 1988 34

ja 1998. Vuonna 1999 puustotieoista poistettiin kuolleet puut sekä puut, joien puulaji oli jokin muu kuin kuusi. Keskipituus laskettiin pohjapinta-alaa painottaen (h L ). Tätä aineistoa käytettiin pituuksien ja latvuksen ominaisuuksien estimointiin ristiinvaliioinnilla. Toinen, noin tuhannen hehtaarin suuruinen tutkimusalue sijaitsi Vålerissa, Kaakkois- Norjassa (59 30 N 10 55 E, 70-10 m a.s.l.). Alueen pääpuulajit olivat kuusi ja mänty (Pinus sylvestris). Tutkimusalueelle sijoitettiin systemaattisesti 174 ympyräkoealaa, joista 7:ä käytettiin tässä tutkimuksessa. Tutkimuksessa käytettävät koealat olivat kuusivaltaisia uuistuskypsiä metsiä. Koealat olivat kooltaan 00 m. Maastomittaukset tehtiin vuonna 1999. Koealoilta mitattiin rinnankorkeusläpimitaltaan yli 4 cm puut. Kuusilta, joien rinnankorkeusläpimitta oli yli 15 cm, mitattiin myös latvusrajan korkeus. Aineistoa käytettiin latvuksen ominaisuuksien estimointiin ristiinvaliioinnilla. 3. Regressiomallit Østmarkan mallit: -Pituuen (h) malli -Latvusrajan (h c ) malli -Latvuksen korkeuen (R c ) malli -Pohjapinta-alalla painotetun pituuen (h L ) malli -Keskimääräisen latvusrajan ( h c ) malli -Keskimääräisen latvuksen korkeuen R c malli Vålerin mallit: -Keskimääräisen latvusrajan ( h c ) malli -Keskimääräisen latvuksen korkeuen R c malli Taulukko 1. Malleissa esiintyvien muuttujien selitykset. Muuttuja Selitys h Pituus h c Latvusrajan korkeus R c Latvuksen korkeus h L Pohjapinta-alalla painotettu keskipituus h 5 5 prosenttipisteen kvantiili ensimmäisen heijastuksen pisteistä (m) h 5l h 90l 5 90 prosenttipisteen kvantiili viimeisen heijastuksen pisteistä (m) h max Ensimmäisen heijastuksen laserpulssien maksimikorkeus h maxl Viimeisen heijastuksen laserpulssien maksimikorkeus h cv Ensimmäisen heijastuksen pulssien variaatiokerroin (%) 35

Østmarkan mallit: h = 0,098 + 0,998 h (1) max hc 0,904 + 0,561 h5 0,441 h5l = + () R = 3,696 + 0,189 (3) c h cv h = 1,079 + 1,98 h (4) L max l = 4,561+,116 (5) h c h75l = 6,40 0,71 (6) R c h90l Vålerin mallit: c =,58 + 1,581 h (7) h 75l R = h h (8) c 4,97 0,877 75l + 0,533 max 4. Mallien luotettavuus Taulukko. Mallien RMSE:t ja selitysasteet. Selitettävä Malli muuttuja RMSE R 1 h (m) 0.3 0.75 h c (m) 0.37 0.53 3 R c (%) 0.16 0.51 4 h L (m) 0.06 0.91 5 h c (m) 0.5 0.71 6 R c (%) 0.08 0.60 7 h c (Våler) 0.1 0.61 R (Våler) 0.11 0.47 8 c Taulukko 3. Harha ja sen keskihajonta. Harha Selitettävä muuttuja Mitattu keskiarvo Vaihteluväli Keskiarvo* Keskihajonta h (m) 17.85-3.83-14.03 0.18 3.15 h c (m) 5.6-5.08 -.97 0.03.19 R c (%) 70.44-1.51-18.31 0.16 10.48 h L (m) 19.51-1.39-3.59 0.04 1.49 h c (m) 5.31-1.95 -.15 0.01 1.4 R c (%) 7.51-1.95-1.09 0.17 6.3 h c (Våler) 7.8-3.8 -.90 0.05 1.5 R c (Våler) 65.5-10.50-0.14 0.05 7.11 * Harhan keskiarvo ei ollut tilastollisesti merkitsevä minkään muuttujan kohalla (p>0.05). 36

Estimating tree heights an number o stems in young orest stans using airborne laser scanner ata Næsset, E. & Bjerknes, K-O. 001. Remote Sensing o Environment 78: 38-340. 1. Laserkeilauksen tekniset tieot Laserkeilain: ALTM 110 (Optech) Keilausajankohta: 8.-9.6.1999 Lentokorkeus: 690 m Lentonopeus: 71 m/s Lentolinjojen lkm: 19+4 Keilaimen pulssintoistotaajuus: 10 khz Scan requency: 1 Hz Avauskulma: 17 (tutkimuksessa käytettiin ainoastaan laserpulsseja, jotka oli lähetetty avauskulmalla 14 ) Kaistan leveys: 40 m Laserpulssin vaihe-ero: 0.30 mra Footprint iameter: 1 cm Pulssien keskimääräinen etäisyys maassa: 0.9 m Tallennetut kaiut: ensimmäinen ja viimeinen. Tutkimusalue ja maastoaineisto Noin tuhannen hehtaarin suuruinen tutkimusalue sijaitsi Vålerissa, Kaakkois-Norjassa (59 30 N 10 55 E, 70-10 m a.s.l.). Alueen pääpuulajit olivat kuusi (Picea abies) ja mänty (Pinus sylvestris). Tutkimusalueelta mitattiin kolmenlaista maastoaineistoa. Ensimmäinen (experimental plots) koostui 39 ympyräkoealasta (00 m ), jotka sijoitettiin subjektiivisesti erilaisiin nuoriin metsiköihin. Jokainen koeala jaettiin 50 m suuruisiin neljänneksiin. Puut, joien pituus oli enemmän kuin 1.5 m, laskettiin jokaiselta neljännekseltä. Hehtaarikohtainen runkoluku vaihteli 1650:n ja 7100:n välillä. Jokaiselta neljännekseltä mitattiin noin viien puun pituus (yhteensä 841 puuta) keskipituuen ollessa 3.80 m. Tätä aineistoa käytettiin hehtaarikohtaisten laservaltapituuen ja -runkoluvun tarkkuuen arvioimiseen. Toiseen aineistoon (sample plots) kuului 9 nuoren metsän koealaa (7.1 7.1 m), jotka oli sijoitettu systemaattiseksi verkoksi 174 muun koealan joukossa tutkimusalueelle. Koealojen kulmat olivat keskipisteinä alikoealoille (40 m ), jotka jaettiin 10 m suuruisiin neljänneksiin. Kaksi pisintä puuta kunkin alikoealan ensimmäiseltä neljännekseltä ienitioitiin (puulaji, arvio iästä) ja ensimmäisestä mitattiin pituus. Eelleen laskettiin hehtaarikohtainen valtapituus. Testiaineisto (test stans) koostui testikuvioista (1 kpl), joille sijoitettiin kullekin 16-6 ympyräkoealaa (40 m ). Koealat jaettiin 10 m suuruisiin neljänneksiin. Ensimmäisen neljänneksen kaksi pisintä puuta ienitioitiin ja ensimmäisestä mitattiin pituus. 37

Kahen viimeisen aineiston avulla testattiin kaksivaiheista proseuuria, jolla estimoitiin kuvion valtapituutta. 3. Regressiomallit -Hehtaarikohtaisen valtapituuen malli -Hehtaarikohtaisen runkoluvun malli Taulukko 1: Malleissa esiintyvien muuttujien selitykset. Muuttuja Selitys h Maastomitattu valtapituus (m) N Runkoluku/ha 90 prosenttipisteen kvantiili lasermitatusta pituuesta (m) h 90 D 1 Lasermitattu latvuston tiheys Hehtaarikohtaisen valtapituuen malli: (1) h = 1,406 + 0,69h 90 + 0,406D 1 Hehtaarikohtaisen runkoluvun malli: () N = 8,800 + 0,505D 1 4. Mallien luotettavuus Taulukko. Mallien RMSE:t ja selitysasteet. Selitettävä Malli muuttuja RMSE R 1 h 0.131 0.830 N 0.79 0.41 Taulukko 3. Harha lasermitatun ja maastomitatun valtapituuen välillä ja sen keskihajonta koealoilla (n=1). NS = ei tilastollisesti merkitsevä (p>0.05). Harha Vertailu Pituuen keskiarvo (m) Vaihteluväli (m) Keskiarvo (m) Keskihajonta (m) ĥ-h 6.64-0.67-1.1 0.3 NS 0.56 38

Estimation o above- an below-groun biomass in boreal orest ecosystems Næsset, E. 004. ISPRS Working Group VIII/, Laser-Scanners or Forest an Lanscape Assessments, Freiburg, Germany, 3 6 October 004. International Society o Photogrammetry an Remote Sensing. 1. Laserkeilauksen tekniset tieot Laserkeilain: ALTM 110 (Optech) Keilausajankohta: 8.-9.6.1999. Lentokorkeus: 700 m Keilaimen pulssintoistotaajuus: 10 khz Avauskulma: Tutkimuksessa käytettiin ainoastaan laserpulsseja, jotka oli lähetetty avauskulmalla 14 Pulssitiheys: 1.1 m - Tallennetut kaiut: ensimmäinen ja viimeinen. Tutkimusalue ja maastoaineisto Noin tuhannen hehtaarin suuruinen tutkimusalue sijaitsi Vålerissa, Kaakkois-Norjassa (59 30 N 10 55 E, 70-10 m a.s.l.). Alueen pääpuulajit olivat kuusi (Picea abies) ja mänty (Pinus sylvestris). 143 koealaa sijoitettiin systemaattisesti tutkimusalueelle. Koealat jaettiin nuoriin metsiin (young orest), uuistuskypsiin (mature) karujen kasvupaikkojen ja uuistuskypsiin rehevien kasvupaikkojen metsiin. Nuorista metsistä rinnankorkeusläpimitat mitattiin yli 4 cm paksuilta puilta ja uuistuskypsistä metsistä yli 10 cm paksuilta puilta. Pituuet mitattiin koepuilta. Maanpäällinen ja maanalainen biomassa laskettiin puulajikohtaisesti. 3. Regressiomallit - Maanpäällisen biomassan malli - Maanpäällisen biomassan malli ummy-muuttujan kanssa - Maanalaisen biomassan malli - Maanalaisen biomassan malli ummy-muuttujan kanssa Taulukko 1. Malleissa esiintyvien muuttujien selitykset. Muuttuja Selitys h 60l h mean 1 1l 60 % prosenttipiste viimeisen heijastuksen pisteistä (m) Laserkorkeuksien keskiarvo ensimmäisen heijastuksen pisteistä 1/10 pulssiosuuen yläpuolelta heijastuneien pulssien suhe kokonaismäärään (ens. heij.) 1/10 pulssiosuuen yläpuolelta heijastuneien pulssien suhe kokonaismäärään (viim. heij.) 39

Taulukko. Mallit maanpäälliselle biomassalle (B a ) ja maanalaiselle biomassalle (B b ). NS = ei tilastollisesti merkitsevä (p>0.05). Malli Selitettävä muuttuja B a B a +ummy B b B b +ummy (intercept) 1.94 1.84 0.55 0.55 h 60l 1.1 1.13 h mean 1.3 1.36 1 0.31 0.8 NS 1l 0.48 0.48 0.59 0.6 ummy1-0.03 NS 0.03 NS ummy -0.04 NS -0.0 NS 4. Mallien luotettavuus Taulukko 3. Mallien RMSE:t ja selitysasteet. Malli RMSE R B a 0.14 0.9 B a +ummy 0.14 0.9 B b 0.17 0.86 B b +ummy 0.17 0.86 40

Estimation o iameter an basal area istributions in conierous orest by means o airborne laser scanner ata Gobakken, T. & Næsset, E. 004. Scaninavian Journal o Forest Research. 19: 59-54. 1. Laserkeilauksen tekniset tieot Laserkeilain: ALTM 110 (Optech) Keilausajankohta: 3.7.-1.8.001 Lentokorkeus: 650 m Lentonopeus: 75 m/s Keilaimen pulssintoistotaajuus: 10 khz Scan requency: 30 Hz Avauskulma: 16 (tutkimuksessa käytettiin ainoastaan laserpulsseja, jotka oli lähetetty avauskulmalla 15 ) Footprint iameter: 13-9 cm (keskimäärin 3 cm) Pulssien keskimääräinen etäisyys maassa: 0.7-1.4 m (keskimäärin 1.0 m) Lentolinjojen lkm: 19, sivupeitto 50 % Tallennetut kaiut: ensimmäinen ja viimeinen. Tutkimusalue ja maastoaineisto Tutkimusalue sijaitsi Krøsheraissa, Kaakkois-Norjassa (60 10 N 9 35 E, 130-660 m a.s.l.). Alueen pääpuulajit olivat kuusi (Picea abies) ja mänty (Pinus sylvestris). 54 koealaa sijoitettiin subjektiivisesti valituille kuvioille siten, että eri ikäluokka-, kasvupaikka- ja puulajiyhistelmät tulisivat eustetuiksi. Koealat jaettiin kolmeen luokkaan iän ja kasvupaikan perusteella. Ensimmäisessä luokassa oli nuorten metsiköien (young orest) koealoja, toisessa uuistuskypsien (mature) metsiköien karujen kasvupaikkojen koealoja ja kolmannessa uuistuskypsien metsiköien rehevien kasvupaikkojen koealoja. Karujen kasvupaikkojen kasvupaikkaineksi 40-vuotiailla metsillä oli vähemmän kuin 11 ja rehevillä kasvupaikoilla enemmän kuin 11. Reerenssiaineisto koostui koealoista, joien keskimääräinen koko oli 61 61 m. Nuorten metsien koealoilta mitattiin rinnankorkeusläpimitaltaan yli 4 cm puut ja varttuneilta yli 10 cm puut. Mallien tarkkuutta testattiin ristiinvaliioinnilla. 41

3. Regressiomallit Mallit 1-4 ovat kaksiparametriseen Weibull-unktioon (parametrit b ja c sekä 4 ja 93 prosenttipisteet). -Läpimittajakauman malli nuorelle metsälle(1-4) -Läpimittajakauman malli uuistuskypsälle karujen kasvupaikkojen metsälle (-8) -Läpimittajakauman malli uuistuskypsälle rehevien kasvupaikkojen metsälle (9-1) -Pohjapinta-alajakauman malli nuorelle metsälle (13-16) -Pohjapinta-alajakauman malli uuistuskypsälle karujen kasvupaikkojen metsälle (17-0) -Pohjapinta-alajakauman malli uuistuskypsälle rehevien kasvupaikkojen metsälle (1-4) -Runkoluvun malli nuorelle metsälle (5) -Runkoluvun malli uuistuskypsälle karujen kasvupaikkojen metsälle (6) -Runkoluvun malli uuistuskypsälle rehevien kasvupaikkojen metsälle (7) -Pohjapinta-alan malli nuorelle metsälle (8) -Pohjapinta-alan malli uuistuskypsälle karujen kasvupaikkojen metsälle (9) -Pohjapinta-alan malli uuistuskypsälle rehevien kasvupaikkojen metsälle (30) Taulukko 1. Malleissa esiintyvien muuttujien selitykset. Muuttuja Selitys b, c Weibull-jakauman parametrit b ja c 4, 93 Weibull-prosenttipisteet 4 ja 93 h 0 h 90 0-90 % prosenttipisteen korkeus ensimmäisen heijastuksen pisteistä h 0l -h 90l 0-90 % prosenttipisteen korkeus viimeisen heijastuksen pisteistä h meanl Viimeisen heijastuksen pulssien korkeuksien keskiarvo h cv Ensimmäisen heijastuksen pulssien variaatiokerroin (%) h cvl Viimeisen heijastuksen pulssien variaatiokerroin (%) 0 9 1 9 murto-osan (raction) yläpuolelta heijastuneien ensimmäisen heijastuksen pulssien suhteellinen osuus 0l 9l 1 9 murto-osan (raction) yläpuolelta heijastuneien viimeisen heijastuksen pulssien osuus suhteellinen osuus Läpimittajakaumien mallit (1-1) Nuori metsä: = 0,37 + 1,005 h 1,067 (1) b 401 1 c 0,371 + 0,331 h10l + 1,634 hmeanl 1,874 0 = () 4 3,06 +,157 h meanl 1,888 0 93 6,49 6,83 h0 0,384 h90l = (3) = + (4) Uuistuskypsä metsä, karut kasvupaikat: = 1,078 + 0,66 h 0,83 (5) b 90l 0l c = 4,78 1,035 h cv (6) 4

4 1,364 + 0,833 h30l 0,71 0l 93 0,060,396 h70 0,4 h40l 3,360 h90l = (7) = + (8) Uuistuskypsä metsä, rehevät kasvupaikat: = 0,4 + 1,060 h 0,01 (9) b 90l 4l c = 4,863 1,073 h cv (10) = 0,890 + 1,3 h meanl 0,080 (11) 4 9 93 0,53 + 0,936 h90 0,35 4 = (1) Pohjapinta-alajakaumien mallit (13-4) Nuori metsä: = 7,803 6,769 h (13) b 0l c 1,07 + 1,03 h30l 1,75 0 0,460 7 0,404 8l 4 0,196 + 1,058 h70l 0,87 0 = + (14) = (15) 93 = 1,386 + 0,544 h cv (16) Uuistuskypsä metsä, karut kasvupaikat: = 3,14 0,164 (17) b 0l c 4,674 1,01 h cv 0,13 0l 4 0,83 + 0,660 h80l 0,347 0l = (18) = (19) 93 = 1,647 + 0,547 h cv (0) Uuistuskypsä metsä, rehevät kasvupaikat: = 4,773 + 0,965 h + 7,186 h + 0,396 0,154 (1) b 90 0l 0 7 c,035 + 1,73 h30l 0,51 5 4 1,91+ 1,397 h90l 0,63 1 = () 93 + 0,988 = (3) = 6,887 + 0,53 h 0 10 + 10,041 h 0l 0,379 h 70l + 0,464 h Runkoluvun malli nuorelle metsälle: = 7,93 + 0,954 (5) N 0l Runkoluvun malli uuistuskypsälle karujen kasvupaikkojen metsille: = 7,688 + 1,064 (6) N 1l Runkoluvun malli uuistuskypsälle rehevien kasvupaikkojen metsille: = 7,051+,554 (7) N 0 cvl (4) 43

Pohjapinta-alan malli nuorelle metsälle: G = 3,867 + 0,789 0 + 0,368 4l (8) Pohjapinta-alan malli uuistuskypsälle karujen kasvupaikkojen metsille: =,046 + 0,978 h 0,408 h + 1,138 (9) G 70 50l Pohjapinta-alan malli uuistuskypsälle rehevien kasvupaikkojen metsille: = 4,66 + 0,853 h 4,94 h + 0,78 (30) G 90 01 5l 4. Mallien luotettavuus Taulukko. Mallien RMSE:t ja selitysasteet. Selitettävä Malli muuttuja RMSE R 1 Nuori metsä b 0.10 0.78 c 0.10 0.90 3 4 0.1 0.86 4 93 0.07 0.60 5 Uuistuskypsä metsä, b 0.05 0.87 6 karu kasvupaikka c 0.1 0.60 7 4 0.07 0.83 8 93 0.08 0.75 9 Uuistuskypsä metsä, b 0.06 0.85 10 rehevä kasvupaikka c 0.15 0.68 11 4 0.10 0.81 1 93 0.09 0.64 13 Nuori metsä b 0.07 0.47 14 c 0.10 0.93 15 4 0.08 0.84 16 93 0.11 0.63 17 Uuistuskypsä metsä, b 0.13 0.0 18 karu kasvupaikka c 0.14 0.63 19 4 0.08 0.80 0 93 0.14 0. 1 Uuistuskypsä metsä, b 0.05 0.90 rehevä kasvupaikka c 0.11 0.88 3 4 0.09 0.84 4 93 0.06 0.90 5 Nuori metsä N 0.31 0.37 6 Uu.kypsä metsä,k.k. N 0.16 0.87 7 Uu.kypsä metsä, r.k. N 0.16 0.7 8 Nuori metsä G 0.08 0.95 9 Uu.kypsä metsä, k.k. G 0.07 0.96 30 Uu.kypsä metsä, r.k. G 0.11 0.58 44

Taulukko 3. Malleissa 1-4 käytettyjen menetelmien harha ja sen keskihajonta, kun N (runkoluku) ja G (pohjapinta-ala) ovat maastomitattuja. NS = ei tilastollisesti merkitsevä (p>0.05). Menetelmä Reerenssiaineiston keskitilavuus Harha (%) Keskihajonta (%) Nuori metsä.7 Läpimitta (parametrit b ha c) 0.5 NS 9.1 Läpimitta, (prosenttipisteet 4 ja 93).7 NS 7.5 Pohjapinta-ala (parametrit b ja c) -3.1 NS 10.7 Pohjapinta-ala (prosenttipisteet 4 ja 93) -3.0 NS 9.5 Uuistuskypsä metsä, karut kasvupaikat 161.4 Läpimitta (parametrit b ha c) -1.6 NS 14.5 Läpimitta, (prosenttipisteet 4 ja 93) 1.8 NS 14. Pohjapinta-ala (parametrit b ja c) -4.1 NS 13.3 Pohjapinta-ala (prosenttipisteet 4 ja 93) -4.8 9.9 Uuistuskypsä metsä, rehevät kasvupaikat 83.8 Läpimitta (parametrit b ha c) 0.9 NS 13. Läpimitta, (prosenttipisteet 4 ja 93) 0.7 NS 14.1 Pohjapinta-ala (parametrit b ja c) -1.1 NS 7. Pohjapinta-ala (prosenttipisteet 4 ja 93) -.0 NS 5.6 Taulukko 3. Malleissa 1-4 käytettyjen menetelmien harha ja sen keskihajonta, kun N ja G ovat ennustettuja. Ns = ei tilastollisesti merkitsevä (p>0.05). Menetelmä Reerenssiaineiston keskitilavuus Harha (%) Keskihajonta (%) Nuori metsä.7 Läpimitta (parametrit b ha c) 3.4 NS 1.9 Läpimitta, (prosenttipisteet 4 ja 93) 6.6 NS 4. Pohjapinta-ala (parametrit b ja c) -.7 NS 13. Pohjapinta-ala (prosenttipisteet 4 ja 93) -.6 NS 11.4 Uuistuskypsä metsä, karut kasvupaikat 161.4 Läpimitta (parametrit b ha c) -0.1 NS 13.6 Läpimitta, (prosenttipisteet 4 ja 93) 4.5 NS.7 Pohjapinta-ala (parametrit b ja c) -4.0 NS 15.5 Pohjapinta-ala (prosenttipisteet 4 ja 93) -4.7 NS 13.1 Uuistuskypsä metsä, rehevät kasvupaikat 83.8 Läpimitta (parametrit b ha c) 3.0 NS 13.6 Läpimitta, (prosenttipisteet 4 ja 93).8 NS 15.9 Pohjapinta-ala (parametrit b ja c) 0.7 NS 13.0 Pohjapinta-ala (prosenttipisteet 4 ja 93) -0.3 NS 1. 45

Estimation o stem volume using laser scanning-base canopy height metrics Maltamo, M., Eerikäinen, K., Packalén, P. & Hyyppä, J. 006. 1. Laserkeilauksen tekniset tieot Laserkeilain: Toposys Falcon Keilausajankohta: 4.8.004 Lentokorkeus: 400 m Keilaimen pulssintoistotaajuus: 83 khz Scan requency: 653 Hz Avauskulma: 7.1 Pulssitiheys: 10/m Laserpulssin vaihe-ero: 1.0 mra Footprint iameter: 40 cm Kaistan leveys: 100 m Tallennetut kaiut: ensimmäinen ja viimeinen (tutkimuksessa käytettiin vain ensimmäisen heijastuksen pulsseja). Tutkimusalue ja maastoaineisto Tutkimusalue (n. 50 ha) sijaitsi Kalkkisissa, Etelä-Suomessa. Puuston tilavuuesta 50 % oli kuusta (Picea abies), 35 % mäntyä (Pinus sylvestris) ja 15 % koivua (Betula penula ja Betula pubescens). Alueen puusto on luontaisesti syntynyttä ja suuri osa alueesta on ollut vuosikymmeniä käsittelemättä. 3 koealaa sijoitettiin systemaattisesti alueelle. Koko 30 30 m oli yleisin, mutta myös 5 5 m ja 30 40 m koealoja käytettiin, jotta puien määrä jokaisella koealalla olisi noin 100. Mitattuja puita oli yhteensä 61. 3. Regressiomallit -Koealakohtaiset tilavuusmallit eri pistetiheyksille (1-5) (V1) -Prosenttipisteisiin perustuva tilavuusmalli (SUR-yhtälöryhmä, 6-19) (V) -Weibull-jakaumaa hyöyntävä tilavuusmalli (V3) -Weibull-jakaumaa hyöyntävä tilavuusmalli, jossa on mukana maastotunnuksia (V4) 46

Taulukko 1. Malleissa esiintyvien muuttujien selitykset. Muuttuja Selitys G pohjapinta-ala h GM meiaanipuun pituus 1 100 mallinnettu läpimitan 1 100 prosenttipiste h 1 h 100 1 100 prosenttipisteen korkeus p 1.p 100 Laserpulssien suhteellinen osuus prosenttipisteissä h max Laserkorkeuksien maksimiarvo Laserkorkeuksien keskihajonta h ev Pistetiheyet 6.3, 1.3, 0.6 ja 0.13 on saatu pienentämällä systemaattisesti alkuperäistä pisteaineistoa 50, 10, 5 ja 1 prosenttiin. Tilavuusmalli pistetiheyellä 1.7: ( V ) = 0,655 + 1,999* h + 0,049 h (1) 80 * 1 Tilavuusmalli pistetiheyellä 6.3: ( V ) = 0,771+,054* h 0,034* h + 0,106 h () 80 5 * Tilavuusmalli pistetiheyellä 1.3: ( V ) = 0,57 +,013* h 0,040* h + 0,116 h (3) 70 5 * Tilavuusmalli pistetiheyellä 0.6: ( V ) = 0,415 + 1,980* h (4) 70 Tilavuusmalli pistetiheyellä 0.13: ( V ) = 0,947 + 6,506* h 4,35* h,355 p (5) 65 60 * SUR-mallit tilavuuen ennustamiseksi (mallit pohjapinta-alalle, meiaanipuun pituuelle ja läpimittajakauman prosenttipisteille): G = 0,1970 + 0,184 h1 + 1,1153 h80 (6) h GM = 0,5817 + 1,1146 h (7) max 1 1,487 10,3601 p5 0,85 = + h (8) 10 5 =,1379 + 3,6963 p40 + 4,483 p40 0,1963 h1 0, 1504h ev (9) 10 = 1,87 + 1,9647 p30 0,170 h1 + 0, 1813h ev (10) = 0,6431 0,1507 h 0,834 h (11) 0 40 30 0,660 0,1155 h1 1,057 h95 40 0,1144 0,0767 h 1,0443 h95 50 0,444 1,1145 hmax 60 0,71 1,0864 hmax 70 0,1845 1,0800 hmax 80 0,078 1,078 hmax = + (1) = + (13) = + (14) = + (15) = + (16) = + (17) 1 1 95 47

= + h (18) 90 0,1514 1,0375 max 100 0,359 1,0108 hmax = + (19) 48

4. Mallien luotettavuus Taulukko. Resiuaalien varianssi-kovarianssimatriisi SUR-yhtälöille. G h GM 1 5 10 0 30 40 50 60 70 80 90 100 G 0.0166 0.004 0.0047-0.0090-0.0080 0.003 0.0065 0.0057 0.0061 0.0044 0.0044 0.008 0.0019 0.0041 h GM 0.0130 0.0010 0.001-0.0011-0.006 0.0040 0.0001 0.0016 0.0005 0.0010 0.000-0.0003 0.000 1 0.016 0.0087 0.0033 0.0038 0.0055 0.0035 0.0035 0.0031 0.0037 0.0034-0.0044-0.009 5 0.076 0.057 0.0180 0.0151 0.0130 0.0096 0.0088 0.0073 0.0048-0.0010-0.0017 10 0.0388 0.054 0.001 0.0175 0.0119 0.0110 0.0078 0.0045 0.0041 0.0018 0 0.057 0.0171 0.0161 0.01 0.0114 0.0100 0.0074 0.0067 0.0071 30 0.040 0.011 0.0155 0.0141 0.013 0.009 0.0099 0.011 40 0.000 0.0154 0.0143 0.016 0.0098 0.0118 0.0141 50 0.0161 0.0151 0.0134 0.0101 0.0116 0.015 60 0.0153 0.0136 0.0103 0.015 0.0133 70 0.0133 0.0105 0.01 0.0135 80 0.0095 0.0117 0.018 90 0.08 0.080 100 0.03 49

Kuva 1 (Maltamo ym. 006). RMSE:t (%) ja harhat (%) menetelmällä V1 eri pistetiheyksillä. Taulukko 3. Menetelmien V-V4 RMSE:t (%) ja harhat (%). Menetelmä RMSE (%) Harha (%) V 1.5-1.4 V3 14.1 0.9 V4 7.5 7.0 50