Puustotunnusten automatisoitu laskeminen
Loading...
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
2022-06-13
Department
Major/Subject
Geoinformatics
Mcode
Degree programme
Master's Programme in Geoinformatics (GIS)
Language
fi
Pages
53+2
Series
Abstract
Avoimen, julkisesti saatavilla olevan metsävara-aineiston määrä on Suomessa viime vuosikymmenien aikana kasvanut nopealla tahdilla. Tekniikan kehittyessä myös aineistojen laatu ja kattavuus on kasvanut. Tässä työssä on pyritty selvittämään, voidaanko avoimen aineiston pohjalta laskea metsänhoidossa käytettäviä puustotunnuksia riittävällä tarkkuudella. Riittävä tarkkuus määritettiin vertailemalla tässä työssä kehitetyllä menetelmällä saatuja tuloksia nykyisin käytössä oleviin metsän inventointimenetelmiin. Työn aikan kehitettiin työkalu, joka käyttää pääasiallisena syötteenään Suomen Metsäkeskuksen latvusmalliaineistoa sekä asiakasyritykseltä saatua metsäkuvioaineistoa. Annetuille kuvioille laskettiin PyCrown-kirjastoa käyttävän python-skriptin avulla hehtaarille kohdistuva runkoluku, sekä kuvion puuston keskipituus. Työkalun laskemia puustotunnuksia verrataan metsätyökoneen maastossa toteutuneeseen hakkuuaineistoa, jota käytettiin tutkimuksen referenssiaineistona. Saatiin selville, että latvusmallilta laskettujen puustotunnusten runkoluku aliarvioitiin systemaattisesti, mikä oli todettu ongelmana myös aikaisemmissa tutkimuksissa muualla maailmassa. Puuston keskipituuden osalta työssä kehitetyllä menetelmällä saatiin yläkanttiin arvioituja tuloksia. Tämä on suora seuraamus siitä, että lyhyet puut jäävät korkeampien latvusten varjoon ja täten eivät näy kyseisissä lasketuissa puustotunnuksissa. Kehitetty menetelmä on tarkkuutensa puolesta lasketun runkoluvun osalta samassa tarkkuusluokassa vastaavien aiempien tutkimusten kanssa, puuston keskipituuden osalta virhe on merkittävämpi. Menetelmän tarkkuutta on varmasti mahdollista parantaa tutkimalla tarkemmin PyCrown-kirjaston puuntunnistuksen parametreja suomalaisen metsän osalta.The amount of open, publicly available forest data in Finland has been rapidly rising during the past decades. With the evolution of technology also the quality and coverage of said data has increased. This thesis tries to figure out if open data can be used to calculate sufficiently accurate tree characteristics for forestry purposes. Sufficient accuracy was defined by comparing the results of the method created during this thesis and other methods that are currently widely used for forest inventory purposes. During the writing of this thesis a tool was developed which uses the Finnish Forest Centre’s canopy height model and forest stand data provided by the customer company. Using the created PyCrown and python-based solution, the following tree characteristics were calculated for given input forest stands: number of trees per hectare and average height of trees. The results obtained from the created solution were then compared to data obtained from a forest harvester machine, which was used as reference data in the study. The study shows that there was systematic underestimation regarding the number of trees per hectare, which was also noted earlier in other relevant studies. The average height of trees was systematically overestimated, which is a direct outcome of shorter, smaller trees not being spotted from behind taller trees and their crowns. Since shorter trees are not detected, they aren’t considered when calculating stand’s average tree height. The proposed method created in this thesis is in line with previous relevant studies when it comes to the error of detected trees per hectare. As for average tree height, the error is more significant. The accuracy of the method created in this thesis can certainly be improved by taking a closer look at the tree detection parameters given to the PyCrown-tool. The parameters need more research and data within the Finnish forest domain.Description
Supervisor
Rönnholm, PetriThesis advisor
Kämäri, HannuKeywords
latvusmalli, puustotunnus, kaukokartoitus, laserkeilaus, metsäsuunnitelma