Kaukokartoituspohjaiseen metsien inventointiin

vaikuttavat laatutekijät

Blom Kartta Oy

Aki Suvanto

Kaukokartoituspohjainen metsien

inventointiprosessi

• Laserkeilaus

• Ilmakuvaus

• Referenssimaastokoealojen mittaus

• Automaattikuviointi ja hila-aineisto

• Puustotunnuksien mallinnus

• Puustotunnuksien laskenta

• Datan toimitus asiakkaalle

Laserkeilauksen lentoparametrit

• Lentokorkeus 1800-2500 metriä

• Pulssin toistotaajuus 50-150 kHz

• Lentonopeus 75 m/s

• Lentolinjan leveys n. 1000 metriä ja sivupeitto 20%

• Pulssitiheys yleensä n. 0.5-1.0 pulssia/m²

• Single-pulse ja multipulse

• Datan laadun kannalta metsäkeilauksissa tärkeää vain

yhden ainoan instrumentin käyttö

– Tosin tätäkään ei voi aina vaatia

– Esimerkiksi instrumenttien rikkoutuminen

– Kalibrointi monesti suositeltavaa

Laserkeilaus

• Aktiivinen kaukokartoitus

menetelmä, joka tuottaa 3D-

informaatiota

• Jokaisella pisteellä x,y,z-

koordinaatti ja intensiteetti

• Havaittavasta kohteesta saadaan

yleensä 1-4 kaikua

• Riippuu kohteen muodosta ja

rakenteesta

• Metsikkötulkinnassa aineisto

jaetaan first pulse ja last pulse

dataksi

• Näistä lasketaan erilaisia selittäviä

muuttujia laskentamalleihin

• Metsässä laser tuottaa tietoa

puuston pituudesta ja tiheydestä

Laserkeilauksen merkitys

puustotulkinnassa

• Laserin vasteella iso merkitys inventoinnin hyvässä onnistumisessa

• Vaatii tarkan instrumenttituntemuksen sekä oikeanlaisten

lentoparametrien käytön

• Onko kesäkeilaus vai kevätkeilaus parempi?

– Olennaisempaa on millä parametreilla lennetään

• Pulssin energialla ja kaikusuhteilla iso merkitys

• MML-keilauksien kaikuanalyysi on askel oikeaan suuntaan

– Kannustaa parempaan keilaamiseen

– Tosin sekään ei silti kerro lopullista datan laatua

– Intensiteetit voi vaihdella => onko syynä lentokorkeuden muutos vai

instrumentin säätö

Only%A FirstOnly%A Intermediate%A LastOnly%A

36.93 40.78 9.07 13.21

Laserin ominaisuuksia, MML lukuarvo 0.16

Laserissa näkyvä intensiteetin vaste

Ilmakuvaus

• Ilmakuvauksessa käytössä UltraCamXP, UltraCamEagle,

DMC III

• Kamerassa neljä värikanavaa

RGB ja lähi-infra

• Lisäksi käytössä

pankromaattinen kanava

• Kuvauskorkeudet vaihtelee

5000 – 8500 m

• Kuvien maastoresoluutio

0.3-0.5m

• Kuvien pituuspeitto 80% ja

sivupeitto 30-40%

• Sama kohde näkyy usealla

eri ilmakuvalla

Ilmakuvauksen hyödyntäminen

puustotulkinnassa

• Kaukokartoituspohjaisessa metsien

inventoinnissa ilmakuvia hyödynnetään

pääasiassa puulajitulkinnassa

• Jokainen laserpiste mäpätään laskennassa

oikaisemattomiin level02-ilmakuviin

• Tällä vältetään ortokuvissa tapahtuva

säteissiirtymä ja kuvien radiometrinen

laatu on parempi

• Ilmakuvista lasketaan erilaisia

sävykeskiarvoja ja kanavasuhteita

• Näitä hyödynnetään laskentamalleissa

selittävinä muuttujina

©Packalén et al. (2009)

Ilmakuvauksen merkitys

puustotulkinnassa

• Paras lopputulos jos kuvat on kerätty mahdollisimman pienen

aikaikkunan sisällä

– Tämä toteutuu joskus

– Puulajitulkinnan parantuminen

• Yleensä data jakaantuu koko kesälle

– Keliolosuhteet ja suuret kuvaus pinta-alat

– Ei täysin optimaalista puulajitulkinnan näkökulmasta

• Sallitaan usean samankaltaisen kameran käyttö

– Ei fataalia, mutta tuo pienen lisämausteen

• Kameran säätäminen blokin sisällä

– Vaikeuttaa toimintaa huomattavasti

– Tätäkin joskus pakko tehdä

• Ilmakuvainformaation hyödyntämisellä myös iso merkitys

Esimerkki ilmakuvissa olevasta

vaihtelusta

Maastokoealamittaus

• Inventoitavalta alueelta kerättävät referenssikoealat (500-1000

kpl)

• Koealojen keräämisessä on tärkeää saada kiinni alueen puuston

koon ja puulajien vaihtelut

• Koealoja pyritään keräämään kaikista kehitysluokista

– Y1, S0, T2, 02, 03, 04

• Kaikista koealan puista pituudet tai sitten koepuumittaukset

– Näkisin mieluusti, että mitattaisiin pituuksia myös kaikista

puista

• Koealat ympyräkoealoja 5,64m, 9m ja 12,62m

• Koealojen tarkka paikannus GPS-laitteilla

– Jälkikorjaus paikannustarkkuuden lisäämiseksi

• Kaukokartoittajalle metsä on tietynkokoinen ”ympyrä” ja

hehtaarikohtaiset luvut ovat siinä paikassa

Koealamittauksien merkitys

puustotulkinnassa

• Kattavuustarkastelu tosi isossa merkityksessä

• Tulkitsijan pitäisi pystyä lukemaan datoista kaikki olennainen

• Tasapainoilua alueen keskimääräisyyden ja kaiken kattavan

maastodatan keräämisen välillä

• Toimenpidesuunnittelun näkökulma

– Tiheät 02 metsät

– 04-kehitysluokka ja taimikot

• Eteläinen Suomi

– Kannattaa mitata kaikkea kattavasti

• Pohjoinen Suomi

– Mänty dominoi

– Vaikeutena lehtipuustot ja kuusikot

– Toiminta ohjautuu enemmän keskimääräiseen suuntaan

Puustotulkinnan laskentamenetelmät

• Puustotulkinta perustuu laserin pistepilvestä ja ilmakuva-aineistosta

laskettuihin tilastollisiin tunnuslukuihin, joiden avulla mallinnetaan

koealoilta mitattuja puustotunnuksia.

• Regressiopohjainen menetelmä

– Ei tuota tietoa eri puulajeista

– Tuottaa tarkat tunnukset kokonaispuustolle

– Extrapoloi mallinnusdatan ulkopuolelle

• Ei-parametriset lähimmän naapurin menetelmät (knn ja kmsn)

• Joustavia, mahdollistavat useampien vastemuuttujien samanaikaisen

estimoinnin

• Tärkeää puustotunnuksien keskinäisen loogisuuden takia

• Vaatii melko paljon koealoja

• Inventointituotteen laatu yhtä hyvä kuin käytettävissä oleva

mallinnusaineisto

Puustotulkinta aluepohjaisella menetelmällä

02 PPA 30 m2/ha vs. 04 370 m3/ha

Estimoitavat puustotunnukset

• Ennustettavat puustotunnukset

– Keskiläpimitta

– Keskipituus

– Runkoluku

– Pohjapinta-ala

– Tilavuus

– Ikä

– Valtapituus

• Tunnistettavat puulajit : mänty, kuusi ja lehtipuut

• Taimikonhoitoon ja harvennustarpeeseen suoratulkinta

luokittelumalleilla

• Runkolukusarjojen tuottaminen

• Teoreettiset puutavaralajikertymät

• Kasvupaikkaluokitus

Koealatason mallinnus

• Koealoille leikataan piirteet laser- ja ilmakuva-aineistosta

– Tarkka GPS-sijainti ehdottoman tärkeää

• Ensimmäiseksi loogisuustarkistukset esim. maastomitatun

keskipituuden ja lidarin pituusmuuttujien kesken

• Mallinnus on iteratiivinen prosessi jossa minimoidaan annettua

kustannusfunktiota

– Puulajeittaiset summa- ja keskitunnukset

– Vaatii hyvän ja nopean optimointialgoritmin

• Testaa ja valitsee parhaat selittävät muuttujat lidar- ja ilmakuva-

aineistosta

– Tarkkuutta lasketaan koeala-aineistossa leave-one-out menetelmällä

Koealatason mallinnus

• Lopullinen mallin valinta on aika monimutkainen päätöksenteko

prosessi

• Mallikanditaatteja on paljon ja niiden välillä voi olla pieniä eroja

• Niitä tarkistetaan mm. seuraavasti

– Koealatason hajontakuvat ja tunnusluvut

• Harhattomuuden varmistaminen

– Alueelliset tarkistuslaskennat

• Hila-aineiston artifakti, esim. ilmakuvan tai laserkeilausaineiston

ominaisuuden takia

• SMK-hankkeiden kiintesäteisiltä koealoilta mitatut

tarkistusmittauskuviot

– Niillä saadaan lopullinen varmuus, mitä mallia kannattaa käyttää

– Lisäksi tilastollinen näkemys tehdyistä laskennoista

• Trestimalla arviointi keskittyy vain pohjapinta-alaan

Laskentasysteemin merkitys laadun

näkökulmasta

• Kaukokartoituspohjainen inventointiprosessi on todella iso

kokonaisuus

– Vaatii todella hyvän ymmärryksen ja tietämyksen

– Metsätiede, Tietojenkäsittelytiede, Tilastotiede, Photogrammetria,

Paikkatieto

• Aineistot melko isoja ja massiivisia

– Pikaisesti tehdyt ratkaisut eivät ole hyviä

• Pelkistetysti sanottuna kaikki vaikuttaa kaikkeen

• Tästä syystä kokonaisuus ratkaisee lopullisen laadun

• Paras tietämys syntyy vasta vuosien kokemuksen jälkeen

• Prosessi elää ja muuttuu jatkuvasti instrumenttien ja

laskentamenetelmien kehityksen myötä

• Kriittinen suhtautuminen omaan tekemiseen

• Keskinäinen palaute ja keskustelu

• Tulkitsijat eivät käytä aineistoa

Monikanavakeilaus

• Optechin Titan instrumentti

• Tällä hetkellä uusinta keilainteknologiaa

• Lähettää pulsseja kolmella eri aallonpituusalueella

– Channel 1 1550 nm pidempiaaltoinen lähi-infra

– Channel 2 1064 nm lähi-infra

– Channel 3 532 nm vihreä laseri

• Koko aaltomuodon tallennus yhdeltä tietyltä kanavalta

• Tuottaa yhtenäisen pistekuvion

• Kanava 2 vastaa ns. normilaseria

• Tällä hetkellä lentokorkeus pidettävä aika maltillisena

– 1300-1400m

• Tulevaisuudessa saadaanko monikanava data esim.

2500m?

Titan data kaupunkiympäristössä

Titan datan intensiteetti kaikki heijastumat

Titan datan intensiteetti yli 2m korkeudelta