Puun kasvu ja runkomuodon muutokset Laserkeilaus metsätieteissä 6.10.2017 Ville Luoma Helsingin yliopisto Centre of Excellence in Laser Scanning Research
Taustaa Päätöksentekijät tarvitsevat tarkkaa tietoa puiden ja metsän kasvusta Metsävarojen ennustaminen, hiilitaselaskelmat, metsikön kehityksen arviointi Mallien avulla mahdollista ennakoida tulevaa (mm. puiden kasvua) ja yleistää mittaustietoa Tarve päivittää ja uudistaa nykyisin käytössä olevia ennustemalleja Luke: Puiden runkomuoto on muuttunut viimeisen 50 vuoden aikana MM. Kasvuympäristö, metsänhoitomenetelmät, puunhankinta, ilmastonmuutos Kasvumallinnukseen tarvitaan menetelmä, jolla voidaan tehokkaasti ja tarkasti Mitata puun runkomuodon muutosta Laatia ennustemalleja Kalibroida olemassa olevia malleja alueellisesti tai paikallisten kasvuolosuhteiden perusteella
Taustaa Nykyisin kasvututkimukset perustuvat seuranta- tai kasvukoealoihin Toistuvat mittaukset useana eri ajankohtana tai kasvukairaukset Työlästä, hidasta, korkeat kustannukset Vain mitatut asiat tallentuvat tietoihin Maastolaserkeilaus (TLS) Tuottaa erittäin tarkkaa mittaustietoa kohteesta Tarjoaa mahdollisuuden palata virtuaalisesti aina takaisin aiemmin mitattuun aineistoon Ensimmäiset aineistot 2000-luvun vaihteesta Mahdollistaa uusien tunnusten mittaamisen puista
Tutkimuksen tavoite Tutkia puiden kasvun ja runkomuodon muutoksen seurantaa maastolaserkeilausaikasarjojen avulla Selvittää ja analysoida käytetyn menetelmän soveltuvuutta puiden kasvun mittaamiseen ja mallinnukseen TLSaikasarja-aineistosta Ville Kankare
Tutkimusaineisto 45 puun testiaineisto 5 koealalta (r = 7.98 m) Nuuksion kansallispuistosta TLS-keilaukset vuosilta 2008 ja 2017 Mänty-, kuusi- & sekametsäkoealoja Tiheys- ja ikävaihtelua Sekä helppoja että vaikeita kohteita TLS-mittauksille
Menetelmät Kahden eri ajankohdan TLS-mittaukset samoilta koealoilta vastaavanlaisilla keilausasetelmilla & -asetuksilla Puiden läpimitan ja runkomuodon mittaaminen rekisteröidyistä 3Dpistepilvistä automaattisella algoritmilla koko rungon matkalta (Saarinen et al. 2017) Ville Kankare
Tulokset Puun kasvun määrityksen onnistumisprosentti Puiden kasvulle ei referenssitulosta esim. maastomittauksesta Kaikki kasvumittaukset luokiteltu onnistunut epäonnistunut vertaamalla läpimittaa T2 T1 Mittaustulosten validointi vertaamalla edeltävien ja seuraavien korkeuksien läpimittoihin, ts. puun runkokäyrään Tarkastelukorkeus rungolla (m) Kasvumittauksen onnistumis-% 0.5 87 % 1.3 78 % 3.0 71 % 6.0 69 % Edettäessä kohti puiden latvaa, mittaustarkkuus heikkenee ja havaintojen määrä vähenee Etäisyys kasvaa, oksat yms. esteet peittävät rungon näkyvyyttä
Läpimitta, mm Runkokäyriä puiden kasvusta 2008 2017 600.0 575.0 550.0 525.0 500.0 475.0 450.0 425.0 400.0 375.0 350.0 325.0 300.0 275.0 250.0 225.0 200.0 175.0 150.0 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6 6.5 7 7.5 8 8.5 9 9.5 10 Korkeus rungolla, m
Läpimitta, mm Runkokäyriä puiden kasvusta 2008 2017 525.0 500.0 475.0 450.0 425.0 400.0 375.0 350.0 325.0 300.0 275.0 250.0 225.0 200.0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Korkeus rungolla, m
Läpimitta, mm Runkokäyriä puiden kasvusta 2008 2017 80.0 70.0 60.0 50.0 40.0 30.0 20.0 10.0 0.0 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 Korkeus rungolla, m
Tulokset TLS-aikasarjat mahdollistavat puun kehityksen tarkan seurannan Sininen = 2008 Punainen = 2017 40 cm 40 cm 40 cm 1.3 m 3.0 m 6.0 m
2008 2017
Johtopäätökset & mitä seuraavaksi Puiden kasvun mittaaminen ja muutoksen seuranta on mahdollista TLS-aikasarjoilta Onnistunut mittaus on edellytys kasvun havaitsemiselle Ei katvealueita, rungon keilaaminen kattavasti Rungon alaosasta saadaan useita havaintoja kasvusta/muutoksesta Latvaosa ongelmallinen useimmilla puilla Mahdollisuus johtaa kokonaistilavuuden & -biomassan muutos vain rungon osan avulla Uusien kasvua kuvaavien tekijöiden mittaaminen ja havaitseminen TLS-pistepilviltä Tarkempi kuva puusta ja sen kasvuympäristöstä TLS-perusteisten kasvumallien laatiminen & alueellinen kalibrointi Kattavampi aikasarja-aineisto tarpeen
Kiitos mielenkiinnosta! Kysymyksiä, kommentteja?