Puuston tilavuuden arvioiminen puulajeittain käyttäen avointa satelliittiaineistoa

Thumbnail Image

Files

master_Huotari_Rosanna_2018.pdf (2.59 MB)

URL

Journal Title

Journal ISSN

Volume Title

Insinööritieteiden korkeakoulu | Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.

Authors

Date

2018-05-14

Department

Major/Subject

Mcode

ENG22

Degree programme

Master's Programme in Geoinformatics (GIS)

Language

fi

Pages

57 + 13

Series

Abstract

Tämä tutkimus perustui avoimeen satelliittiaineistoon ja tarkoituksena oli selvittää Sentinel-2A-satelliitin kanavien soveltuvuutta puuston tilavuuden arvioinnissa pohjoiseen havumetsävyöhykkeeseen kuuluvalla Etelä-Suomen alueella. Tutkimus jakautui kirjallisuuskatsaukseen sekä kokeelliseen tutkimukseen. Kirjallisuuskatsauksessa taustoitettiin metsän heijastusspektriä, Sentinel-2-satelliitin operaatiota, ominaisuuksia ja aineiston esikäsittelyä sekä metsän mittausta maastossa ja satelliittikuvaan pohjautuvilla menetelmillä. Kokeellisen tutkimuksen referenssiaineistona käytettiin Etelä-Suomen alueelta kerättyjä koealoja, joita oli yhteensä 821 kappaletta. Koko aineisto jaettiin koealalla kasvavan valtapuulajin tilavuuden prosenttiosuuksien mukaan seuraaviin luokkiin: mänty, kuusi, lehtipuu, havusekametsä ja sekametsä. Tilavuutta arvioitiin lineaarisen regressioanalyysin avulla puulajiluokittain ja selitettävänä muuttujana käytettiin sekä tilavuutta että tilavuuden luonnollista logaritmia. Tilavuuden luonnollisen logaritmin avulla saavutettiin parempia tuloksia, sillä sen suhde Sentinel-2-kanavien kanssa oli selkeämmin lineaarinen. Tulokset osoittivat Sentinel-2satelliitin punaisen reunan kanavien soveltuvan parhaiten puuston tilavuuden arvioimiseen. Koko aineistolle parhaimman tuloksen tuotti punaisen reunan ensimmäiseen (B5) ja toiseen (B6) kanavaan perustuva regressiomalli (nRMSE 63,0 %). Paras tilavuusmalli männylle, kuuselle, lehtipuulle ja sekametsälle saavutettiin punaisen reunan ensimmäisellä kanavalla (B5), ja vastaavassa järjestyksessä puulajien nRMSE-arvot olivat 49,8 %, 47,2 %, 103,2 % ja 77,6 %. Havusekametsän paras regressiomalli syntyi vihreän valon aallonpituusalueen kanavalla (B3) sekä punaisen reunan toisella kanavalla (B6) ja sen nRMSE oli 49,0 %. Havupuuvaltaisten metsien tilavuuden arvioiminen oli tarkempaa kuin lehtipuuvaltaisten metsien. Tässä tutkimuksessa Sentinel-2-satelliitiaineistoon perustuvan tilavuusarvioinnin tarkkuus oli samaa luokkaa aikaisemmin tutkittujen satelliittiaineistojen kanssa. Tässä tutkimuksessa käytettyjen satelliittikuvien alueelle laskettiin tilavuuskartta, joka vastasi pääosin monilähteisen valtakunnan metsien inventoinnin tuottamia tilavuusarvioita.

This master thesis was based on open satellite data and its aim was to find out which Sentinel-2A-satellite bands are suitable to estimate forest volume. The study area was in Southern Finland which belongs to boreal forest zone. The study was divided into literature review and empirical research. The literature review discussed forest reflectance spectrum, Sentinel-2-satellite operation, characteristics and its data preprocessing, forest mensuration in the field and based on satellite data. In the empirical research the used reference data was collected from Southern Finland. There were 821 sample plots altogether. The reference data was divided into following classes: pine, spruce, deciduous tree, mixed coniferous forest and mixed forest, based on percentage of growing stock volume of major tree in the sample plot. Linear regression analysis was used to estimate growing stock volume in each class. The dependent variable was either growing stock volume or natural logarithm of growing stock volume. Natural logarithm of growing stock volume as dependent variable performed better, because of stronger linear relationship between natural logarithm of growing stock volume and Sentinel-2-bands. The results indicated that red edge bands estimated better growing stock volume. The best results for the whole reference data were achieved using both the first (B5) and the second (B6) red edge bands (nRMSE 63,0 %). The best volume estimation in classes of pine, spruce, deciduous tree and mixed forest was achieved with the first red edge band (B5) and their nRMSE results were 49,8 %, 47,2 %, 103,2 % ja 77,6 %, respectively. The best volume estimation for mixed coniferous forest was achieved with band of green light (B3) and the second red edge band (B6) and its nRMSE was 49,0 %. Estimation of growing stock volume of forest consisting mainly coniferous trees was more accurate than forest consisting mainly deciduous trees. In this study growing stock volume estimation based on Sentinel-2-satellite data was as accurate as volume estimations obtained in earlier studies. In this study a wall-to-wall map of growing stock volume was calculated for the area of used satellite images. The map was mainly similar with the volume estimation based on multi-source national forest inventory.

Description

Supervisor

Rautiainen, Miina

Thesis advisor

Häme, Lauri

Keywords

metsä, tilavuus, Sentinel-2, regressioanalyysi

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-201806013027

Collections

[dipl] Insinööritieteiden korkeakoulu / ENG