Laskennallinen menetelmä puun biomassan ja oksien kokojakauman määrittämiseen laserkeilausdatasta Pasi Raumonen, Mikko Kaasalainen ja Markku Åkerblom Tampereen teknillinen ylipisto, Matematiikan laitos Sanna Kaasalainen Geodeettinen laitos, Kaukokartoitus ja fotogrammetria Jari Liski ja Anna Repo Suomen ympäristökeskus, Luontoympäristökeskus Puun biomassa ja oksien kokojakauma Koko puun ja sen osien kokonaisbiomassa Rungon ja oksien biomassa Kanto ja juuret Puun osien kokojakauma Montako metriä tai kuutiometriä puusta (rungosta, oksista) on tietyn paksuista Mittaaminen perinteisin menetelmin voi olla vaikeaa, työlästä, epätarkkaa ja vaatii usein puun kaatamisen log10 ( Length in centimeters ) Volume in cubic meters 4.5 4 3.5 3 2.5 2 1.5 leafy coniferous 1 0 2 4 6 8 10 12 14 16 18 Radius (cm) 0.06 0.05 0.04 0.03 0.02 0.01 leafy coniferous 0 0 2 4 6 8 10 12 14 16 18 Radius (cm)
Puun biomassa ja oksien kokojakauma Monia taloudellisia ja tieteellisiä sovelluksia Saha ja muun teollisuuspuun inventointi ja vuotuinen kasvu Metsäenergiapotentiaalien arviointi Oksien ja kantojen biomassa Hiilen kierron mallinnus: Allometristen biomassayhtälöiden kehittäminen Karikesyötteen määrän ja laadun arviointi Lähtötietoa maaperän hiilikierron arviointiin Puiden rakenteen tutkimus Nykyisen tiedon parantaminen ja täysin uuden tiedon tuottaminen Esim. kannot ja juuret Kehitysmaiden metsien inventointi Laserkeilaus Uusi menetelmä biomassan ja kokojakauman määrittämiseen Tuottaa 3D-esityksen (pistepilven) puusta Puu keilataan useasta eri suunnasta Miljoonia pisteitä puun pinnasta
Laserkeilaus Biomassa ja oksien kokojakauma määritys laserkeilausdatasta vaatii matemaattisia laskennallisia menetelmiä ja tämän päivän perussuorituskykyisen tietokoneen Datasta saadaan laskettua muitakin puun ominaisuuksia Puu/oksa-rakenne Yksittäisen oksan kokoprofiili ja siitä haarautuvien oksien paikat ja suunnat 3D pistepilvi puusta
Laskentamenetelmä Puu on pinta 3D-koordinaattiavaruudessa ja pistepilvi on näyte tästä pinnasta Tehtävänä on rekonstruoida tämä pinta näytteestä automaattisesti Laskentamenetelmä Rekonstruoidaan puusta sylinterimalli Oksat ja runko approksimoidaan peräkkäisinä pieninä sylintereinä Sylinterimallista saadaan puun ja sen osien tilavuus, kokojakauma ja muita määreitä
Laskentamenetelmä Perusidea: Vaikka ihmissilmä näkee heti pistepilvessä puun ja sen osat, niin tietokoneelle data on vain iso joukko lukuja ja puun pinta kokonaisuutena on tuntematon. Mutta pienessä mittakaavassa puun pintaa voidaan analysoida ilman etukäteistietoa puun kokonaisuudesta ja kokonainen puu voidaan rakentaa näistä pienistä osista. Perusvaatimuksia/oletuksia: Pistepilvi on tarpeeksi peittävä ja tasainen Ei suuria aukkoja, tarpeeksi pisteitä analysoitavista osista Puun ominaisuuksia tiedossa etukäteen Esim. rungon ja oksien suuruusluokka Menetelmän perustana on peittää pistepilvi (pinta) pienillä joukoilla, jotka muodostettu pisteiden välisten etäisyyksien perusteella. Pistepilven peittojoukot Peitetään pistepilvi pienillä pallomaisilla joukoilla, jotka ovat pinnan myötäisiä
Peittojoukkojen naapuruus Peittojoukot osittain päällekkäin, määrittää niiden naapuruuden Naapuruus-tiedon avulla voidaan edetä puun pintaa pitkin ja määrittää osien yhtenäisyyttä Peittojoukkojen analysointi Joukkojen muotoa ja kokoa analysoidaan: Pääsuunnat (pääkomponenttianalyysi, tangenttitaso ja normaali) ja niiden muodostaman laatikon mitat Joukkojen suunta osana isompaa kokonaisuutta
Puu ja sen kanta Peittojoukkojen ominaisuuksien avulla pistepilvestä erotetaan puuta vastaava osa Erotetaan maahan ja aluskasvillisuuteen kuuluvat joukot Määritellään puun kanta Etsitään todennäköisimmät runkopisteet Rungon suuntaisia ja tasomaisia Puun oksien määritys Peittojoukot jaetaan puun runkoa ja oksia vastaaviin osiin Lähdetään kannasta, edetään pintaa ylös naapurijoukkoja kerros kerrallaan ja tutkitaan yläosan yhtenäisyyttä Epäyhtenäisyys merkki haarautumisesta oksa/oksia
Puun oksien määritys Kanto ja juuret
Sylinterimalli Oksat ja runko rekonstruoidaan peräkkäisillä sylintereillä Oksiin sovitetaan sylintereitä, pienimmän neliösumman optimointitehtävä Sylinterimalli
Puun statistiikkaa Sylinterimallissa jokaisen sylinterin säde, pituus, suunta ja paikka tiedossa Lisäksi tiedetään mihin oksaan sylinteri kuuluu sekä sylinterien keskinäinen suhde Naapuruus, peräkkäin tai poikittain toisiinsa nähden Näistä on helppo laskea koko puun tai sen osien kuten oksien ja rungon kokonaistilavuus (biomassa) ja kokojakauma Muuta statistiikkaa: Oksien määrä, rungosta haarautuvien oksien määrä ja niistä haarautuvien alioksien määrä, jne Oksien kokoprofiili ja alioksaprofiili (alioksien paikat) Kasvuseuranta vertaamalla eri aikoina tehtyjä keilauksia Yhteenveto Laserkeilausdatasta voidaan laskennallisin menetelmin määrittää puun kokotietoa Koko puun ja eri osien kokonaistilavuus ja kokojakauma Muuta statistiikkaa ja puurakenne Nopeasti, pienellä työllä ja ilman puun kaatamista Selkeä parannus joihinkin perinteisiin mittausmenetelmiin Mahdollistaa datan keräämisen paljon suuremmassa mittakaavassa ja nopeammin (esim. kokojakauma)