Laserkeilauspohjaiset laskentasovellukset Petteri Packalén Matti Maltamo
Laseraineiston käsittely: Ohjelmistot, formaatit ja standardit Ei kovin monia ohjelmia laserpisteaineiston käsittelyyn» Terrasolid markkinajohtaja Ei juurikaan metsällisiä sovellusohjelmia Uusia ohjelmistoja tehdään koko ajan Standardien puute, esim. millainen data sopii metsällisiin sovelluksiin Standardiformaattien puute» Käytössä mm. LAS, Terrasolidin formaatti, GIS-formaatit Joensuussa olemme ohjelmoineet itse kaiken tarvittavan ilmaisten GIS/RS-kirjastojen päälle (GDAL/OGR, shapelib, jne.)
Laserkeilaukseen perustuvat metsien inventointimenetelmät Yksinpuittainen tulkinta» Tunnistetaan yksittäiset puut» Koostetaan metsä puista» Ei (vielä?) juurikaan käytössä Koeala/aluetason tulkinta» Mallinnus puujoukon tasolla» Koostetaan metsä puujoukoista» Käytössä esim. Norjassa Ilmakuvat osa inventointisovellusta (KK, ei ALS) Molempia lähestymistapoja on tutkittu Joensuun yliopiston metsätieteellisessä tdk:ssa
Yksinpuintulkinta Yksinpuintunnistus laserilta Rajaa yksittäiset puut, ennusta h ja d13 laserhavainnoilla ja latvuksen koolla ja aggregoi halutulle tasolle Esimerkiksi:» Interpoloi CHM» Alipäästösuodata» Paikalliset maksimit puiden latvat» Segmentointi Latvusten rajaus tai käytetään suoraan laserpisteitä, hyödynnetään myös ilmakuvia tms..
Yksinpuintulkinta Yksinpuintulkinnan ominaispiirteitä Eroaa perinteisestä tavasta käyttää kaukokartoitusaineistoa metsien inventoinnissa: pyritään mittaamaan suoraan puun kokoa, ei ennustamaan Oikeastaan kyse ei kuitenkaan ole suorasta mittaamisesta» Ei ole taattua, että laserpiste osuu puun korkeimpaan kohtaan» Latvuksen koon saaminen edellyttää prosessointia» d13 ja h ennustetaan Inventoinnin tarkkuus riippuu puiden tunnistuksen tarkkuudesta, puulajitulkinnasta ja malliketjusta Mahdollinen tarkkuus kyseenalainen tiheissä metsiköissä Ohjelmistoja ei yleisesti tarjolla
Puulajeittainen k-msn tulkinta Maastomittaukset Koealatason maastoaineisto (mm. Metsälaser, VMI-laser) Perustuu lähtökohtaan että inventointialueelta kerätään aina uusi maastoaineisto jolloin aineisto edustaa hyvin paikallisia olosuhteita Inventointialueen on oltava riittävän iso jotta se olisi taloudellisesti kannattavaa (sovellettavuus) Maastomittaukset ovat aina merkittävä osa kaukokartoituspohjaista inventointijärjestelmää (mallinnuskoealat, kuvion yleistiedot, jne.) Tarkka paikannus välttämätön
Puulajeittainen k-msn tulkinta Inventointimenetelmä Aineistoina maastokoealat, laserkeilainaineisto ja (kalibroidut) ilmakuvat Laseraineisto: korkeus ja tiheystunnuksia Ilmakuvat: intensiteetti ja tekstuuri Mallinnus koealatasolla Ei-parametrisellä ennustusmenetelmällä ennustetaan kaikki tarvittavat puulajeittaiset puustotiedot yhdenaikaisesti (V, G, N, DGM, HGM) Kokonaistunnukset puulajeittaisten summana loogisuus taattu
Puulajeittainen k-msn tulkinta Huomioitavaa Laserkeilausaineisto ainakin jossakin määrin siirrettävissä alueelta toiselle Ilmakuvat siirrettävissä tuskin koskaan kalibrointiongelma? Ilmakuvien kalibrointi onko tarpeen? Ilmakuvan jättäminen pois kokonaan helpottaisi inventointijärjestelmää ratkaisevasti Pelkkä laserpistejoukko ei kuitenkaan erottele puulajeja kovinkaan hyvin nykyisin käytetyillä tunnuksilla
Puulajeittainen k-msn tulkinta Tilavuus: todellinen vs. ennustettu
Puulajeittainen k-msn tulkinta Mallin soveltaminen Puustotiedot ennustetaan systemaattiselle hilalle, esim. 15-20 metrin solukoko Kuviotiedot koostetaan laskennallisesti kuvion sisällä olevien solujen tiedoista Rajoilla olevien solujen käsittely?
Puulajeittainen k-msn tulkinta Mallin soveltaminen Vaihtoehtoisesti voitaisiin käyttää segmenttejä eli ns. mikrokuvioita ei raja-alueongelmaa Tällöin käsittelykuvion voisi muodostaa segmenteistä unohdetaan käsittelykuviot?
Puulajeittainen k-msn tulkinta Hilaennuste kuusen tilavuudelle
Validointi?
Ero vanhaan Ei subjektiivista harkintaotantaa vaan pinta-alallisesti koko alueen kattavaa objektiivista inventointia Kuviointi ja sen tarpeellisuus inventoinnin näkökulmasta? Kuvion yleis- ja kasvupaikkatiedot pitää hankkia maastokäynnein tai johtaa vanhasta tiedosta Kuvion sisäinen vaihtelu 25 20 Field measured ALS estimate Relative proportion, % 15 10 5 0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 Basal area, m 2 ha -1
Kokemustemme perusteella Kokonaistunnukset on helppo inventoida jopa tarkemmin kuin mihin kuvioittaisella arvioinnilla päästään Puulajeittainen ennustaminen vaikeaa» Ei selkeitä erottelutunnuksia, vähemmistöpuulajit, ilmakuvien käyttö aukkoisissa metsiköissä, sekametsät, Ilmakuvat tullaan hankkimaan jatkossakin, miksei siis hyödynnetä niitä, jos ne lisäävät tarkkuutta? Laseraineiston kustannukset laskevat koko ajan Kaikki laskentajärjestelmät pitää tehdä itse (v.2007)