Kärkihankkeen tutkimusteemoja (WP1)

Esitys aiheesta: "Kärkihankkeen tutkimusteemoja (WP1)"— Esityksen transkriptio:

1 Kärkihankkeen tutkimusteemoja (WP1)
Matti Maltamo, Kärkihankeseminaari Tahkolla Kärkihankkeen tutkimusteemoja (WP1)

2 Biomassan suora ennustaminen
Biomassa ennustetaan nykyisin allometrisilla malleilla puun läpimitan ja pituuden avulla Runkobiomassa saadaan tarkasti, mutta latvuksen ja puun koon välillä huonompi relaatio Maastoreferenssissä huomattavaa virhettä Sen sijaan ALS mittaa nimenomaan latvusta! Juuribiomassalle ei mahdeta mitään! Biomassan suora ennustaminen 2

3 Biomassan suora ennustaminen
3

4 Biomassan suora ennustaminen
Tehdään tiheällä laseraineistolla ja yksinpuintulkinta lähestymistavalla selvitys, miten ja kuinka tarkasti ALS mittaa latvusbiomassaa Onko löydettävissä yleistettäviä relaatioita latvusbiomassan ja ALS:n välille? Kokonaislatvusbiomassa, vertikaalinen kertymä Mikä on tarkkuus erilaisilla lähestymistavoilla? Olemassa olevat mallit Uusi tilastollinen malli Yleisempi relaatio Kaatokoepuuaineisto kesällä 2012 Ilomantsi/Lieksa Biomassan laboratoriomittaukset Metodologia vielä kehitteillä Pos doc Lauri Korhonen 4

5 Metsän luokittelutunnusten ennustaminen ALS:lla
Metsäninventointiin liittyy paljon luokittelutunnuksia kasvupaikka (hieman tutkimusta tehtykin) kivennäismaa-turvemaa metsämaa-joutomaa-kitumaa Kehitysluokka (johdettavissa puustotunnuksistakin) ALS tarjoaa monipuolista tietoa maankäytön luokittelu Kasvillisuuden korkeustieto Maanpinnan vaihtelu Yhdistäminen muuhun tietoon Paikkatietoaineistot Optiset aineistot Menetelminä segmentointi ja luokittelu VMI –aineistoa Kuortaneelta Osa Inka Pippurin väitöskirjaa 5

6 Spatiaalisuus XYZ ALS tietoa käytettäessä yleensä vain Z hyödynnetään
Inka Pippurin tutkimuksessa laskettiin latvusmallin perusteella ns. horisontaalisia lasertunnuksia (tekstuuri, maisemamitat) ja niitä hyödynnettiin puuston tilajärjestyksen ja harvennustarpeen luokittelussa Horisontaalisia lasertunnuksia voidaan hyödyntää monissa tilanteissa Puiden välinen kilpailu Toimenpidetarve Puulajitunnistus Puustotulkinnan virheen tulkinta 6

7 The topology of ALS data is lost in the area-based, or canopy-height distribution methods of practical forest inventory. The ALS point data, however, carries information about the spatial arrangement of trees. We will use spatial indices calculated from the ALS points located at specified height above ground level to study the level of competition in a stand. The scale of clustering (tree  tree group  cell size) is a very important factor and we will study how it affects the results. Spatiaalisuus 7