Artikkelin koko teksti on saatavilla vain PDF-formaatissa.

Tuomas Yrttimaa

Characterizing tree communities in space and time using point clouds

Yrttimaa T. (2021). Characterizing tree communities in space and time using point clouds. https://doi.org/10.14214/df.314

Tiivistelmä

Luonnonilmiöiden taustalla olevien prosessien ymmärtämiseksi tarvitaan tarkkoja havaintoja ja mittauksia. Metsäekosysteemin hierarkkisen rakenteen vuoksi sen toiminnalliset ominaisuudet määräytyvät suurelta osin puiden ja puujoukkojen toiminnallisten ominaisuuksien kautta. Siksi metsäekosysteemin toiminnallista rakennetta ja siinä tapahtuvia muutoksia voidaan tarkastella puiden toiminnallisilla ominaisuuksilla ja niissä tapahtuvilla muutoksilla. Kolmiulotteiset lähikartoitusmenetelmät ovat mahdollistaneet puiden yksityiskohtaisen tarkastelun pistepilvien avulla. Tämän tutkielman tavoitteena oli kehittää pistepilvi​​menetelmiä elävien ja kaatuneiden puiden kartoitukseen sekä testata kehitettyjen menetelmien toimivuutta ja sovellettavuutta metsän rakenteen tarkasteluun boreaalisissa metsissä.

Osajulkaisuissa I–III kehitettiin pistepilvi​​menetelmiä metsän eri rakenteiden havaitsemiseen ja niiden ominaisuuksien kartoittamiseen. Kaatuneet kuolleet puunrungot pystyttiin erottamaan aluskasvillisuudesta niiden säännöllisen, sylinterimäisen geometrian avulla (I). Tasaiset ja sylinterimäiset pinnat sekä pystysuoruus olivat toisaalta ominaisuuksia, joiden perusteella elävien puiden rungot voitiin erottaa lehdistä ja oksista (II). Näiden menetelmällisten periaatteiden pätevyys sekä niihin perustuvien pistepilvimenetelmien toimivuus testattiin rakenteellisesti vaihtelevissa boreaalisissa metsissä.

Osajulkaisuissa II–V tutkittiin kehitettyjen pistepilvimenetelmien sovellettavuutta puiden ja puujoukkojen tarkasteluun sekä niissä tapahtuvien muutosten havaitsemiseen. Metsikön rakenteellisen monimuotoisuuden havaittiin olevan tärkein puun tarkastelun tarkkuuteen vaikuttavista tekijöistä (II). Väitöskirjassa kehitetyn pistepilvimenetelmän havaittiin toimivan parhaiten tasarakenteisissa metsissä. Puuston rakenteen vaikutusta kyseisen pistepilvimenetelmän tarkkuuteen tutkittiin tarkemmin kontrolloiduissa olosuhteissa harvennuskokeiden avulla (III). Niissä harvennusvoimakkuuden havaittiin olevan merkittävämpi tarkkuuteen vaikuttava tekijä kuin harvennustapa (ts. yläharvennus, alaharvennus ja systemaattinen harvennus). Latvuston yläpuolelta kerätyn ilmakuvapistepilven yhdistäminen maastolaserkeilauspistepilveen paransi puiden ja puujoukkojen pituusominaisuuksien tarkastelun tarkkuutta pelkkään maastolaserkeilauspistepilveen perustuvaan menetelmään verrattuna (IV). Lopuksi havaittiin, että viiden vuoden tarkastelujakson aikana puiden ja puujoukkojen rakenteissa tapahtuneita keskimääräisiä muutoksia pystyttiin mittaamaan kahden eri ajankohdan maastolaserkeilauksella (V).

Tämän tutkielman tulokset parantavat tietämystä pistepilvimenetelmien sovellettavuudesta puiden ja puujoukkojen ominaisuuksien sekä niissä tapahtuvien muutosten tarkasteluun. Metsäympäristön yksityiskohtainen kolmiulotteinen mallinnus pistepilvien avulla parantaa puun ominaisuuksien tarkastelua, kun puiden kasvua ja puujoukkojen dynamiikkaa voidaan havainnoida entistä tarkemmin. Tämän tutkielman perusteella metsistä kerättyjen pistepilvien ja niitä hyödyntävien analyysimenetelmien avulla voidaan siis ymmärtää metsäekosysteemejä ja niitä muokkaavia prosesseja paremmin.

Avainsanat
LiDAR; maastolaserkeilaus; lähikartoitus; pistepilven prosessointi; metsien kartoitus

Tekijä
  • Yrttimaa, University of Eastern Finland, Faculty of Science and Forestry, School of Forest Sciences Sähköposti tuomas.yrttimaa@uef.fi (sähköposti)

Julkaistu 23.4.2021

Katselukerrat 3456

Saatavilla https://doi.org/10.14214/df.314 | Lataa PDF

Creative Commons License CC BY-NC-ND 4.0

Osajulkaisut

Yrttimaa T, Saarinen N, Luoma V, Tanhuanpää T, Kankare V, Liang X, Hyyppä J, Holopainen M, Vastaranta M (2019) Detecting and characterizing downed dead wood using terrestrial laser scanning. ISPRS J Photogramm 151: 76–90.

https://doi.org/10.1016/j.isprsjprs.2019.03.007

Yrttimaa T, Saarinen N, Kankare V, Liang X, Hyyppä J, Holopainen M, Vastaranta M (2019) Investigating the feasibility of multi-scan terrestrial laser scanning to characterize tree communities in southern boreal forests. Remote Sens 11, article id 1423.

https://doi.org/10.3390/rs11121423

Yrttimaa T, Saarinen N, Kankare V, Hynynen J, Huuskonen S, Holopainen M, Hyyppä J, Vastaranta M (2020) Performance of terrestrial laser scanning to characterize managed Scots pine (Pinus sylvestris L.) stands is dependent on forest structural variation. ISPRS J Photogramm 168: 277–287.

https://doi.org/10.1016/j.isprsjprs.2020.08.017

Yrttimaa T, Saarinen N, Kankare V, Viljanen N, Hynynen J, Huuskonen S, Holopainen M, Hyyppä J, Honkavaara E, Vastaranta M (2020) Multisensorial Close-Range Sensing Generates Benefits for Characterization of Managed Scots Pine (Pinus sylvestris L.) Stands. ISPRS Int J Geo-Inf 9, article id 309.

https://doi.org/10.3390/ijgi9050309

Yrttimaa T, Luoma V, Saarinen N, Kankare V, Junttila S, Holopainen M, Hyyppä J, Vastaranta M (2020) Structural changes in boreal forests can be quantified using terrestrial laser scanning. Remote Sens 12, article id 2672.

https://doi.org/10.3390/rs12172672


Rekisteröidy
Click this link to register to Dissertationes Forestales.
Kirjaudu sisään
Jos olet rekisteröitynyt käyttäjä, kirjaudu sisään tallentaaksesi valitsemasi artikkelit myöhempää käyttöä varten.
Ilmoitukset päivityksistä
Kirjautumalla saat tiedotteet uudesta julkaisusta
Valitsemasi artikkelit
Hakutulokset
Heinaro E., (2023) Detecting individual dead trees using airborne l.. Dissertationes Forestales vol. 2023 no. 343 artikkeli 23009
Luoma V., (2022) Measuring tree growth using terrestrial laser sc.. Dissertationes Forestales vol. 2022 no. 329 artikkeli 10780
Waga K., (2021) Unpaved forest road quality assessment using air.. Dissertationes Forestales vol. 2021 no. 316 artikkeli 10565
Yrttimaa T., (2021) Characterizing tree communities in space and tim.. Dissertationes Forestales vol. 2021 no. 314 artikkeli 10556
Karjalainen T., (2020) Predicting commercial tree quality by means of a.. Dissertationes Forestales vol. 2020 no. 307 artikkeli 10472
Adnan S., (2020) Improvements in forest structural type assessmen.. Dissertationes Forestales vol. 2020 no. 306 artikkeli 10467
Junttila S., (2019) Utilizing multispectral lidar in the detection o.. Dissertationes Forestales vol. 2019 no. 277 artikkeli 10201
Mohamedou C., (2019) Improving local forest growth prediction by terr.. Dissertationes Forestales vol. 2019 no. 268 artikkeli 10142
Rana M. P., (2016) Selection of training areas for remote sensing-b.. Dissertationes Forestales vol. 2016 no. 227 artikkeli 2009
Saarinen N., (2016) Predicting vegetation characteristics in a chang.. Dissertationes Forestales vol. 2016 no. 216 artikkeli 1998
Melin M., (2015) Studying habitat use and behavior of moose (A.. Dissertationes Forestales vol. 2015 no. 209 artikkeli 1993
Valbuena R., (2015) Forest structure indicators based on tree size i.. Dissertationes Forestales vol. 2015 no. 205 artikkeli 1988
Saarela S., (2015) Use of remotely sensed auxiliary data for improv.. Dissertationes Forestales vol. 2015 no. 201 artikkeli 1984
Hovi A., (2015) Towards an enhanced understanding of airborne Li.. Dissertationes Forestales vol. 2015 no. 200 artikkeli 1985
Vastaranta M., (2012) Forest mapping and monitoring using active 3D re.. Dissertationes Forestales vol. 2012 no. 144 artikkeli 1927
Härkönen S., (2012) Estimating forest growth and carbon balance base.. Dissertationes Forestales vol. 2012 no. 138 artikkeli 1921
Korhonen L., (2011) Estimation of boreal forest canopy cover with gr.. Dissertationes Forestales vol. 2011 no. 115 artikkeli 1898
Vauhkonen J., (2010) Estimating single-tree attributes by airborne la.. Dissertationes Forestales vol. 2010 no. 104 artikkeli 1884