Artikkelit jotka sisältää sanan 'ilmakuvaus'

Tarkka puulajien luokittelu on keskeistä metsäsuunnittelussa, biodiversiteetin seurannassa ja ekologisessa tutkimuksessa. Boreaalisten metsien suhteellisen vähäinen puulajimäärä ja yksinkertainen latvusrakenne tarjoavat suotuisat lähtökohdat kaukokartoitukseen perustuvalle puulajitulkinnalle. Puulajin luokittelu on kuitenkin edelleen haastavaa metsien rakenteellisen vaihtelun sekä ekologisesti merkittävien lehtipuulajien, kuten haavan, hajanaisen esiintymisen vuoksi. Tässä väitöskirjassa arvioidaan RGB-, multispektri- ja LiDAR-sensoreilla varustettujen miehittämättömien ilma-alusten mahdollisuuksia puulajiluokittelussa ja keskeisten biodiversiteetti-indikaattorien tunnistamisessa Suomen boreaalisissa metsissä.

Tutkimus perustuu neljään osatutkimukseen, jotka toteutettiin käyttäen erilaisia miehittämättömiä ilma-aluksia ja sensorikokoonpanoja. Aineistot sisälsivät muun muassa helikopteripohjaista RGB-kuva-aineistoa, fotogrammetrisia pistepilviä ja miehittämättömällä ilma-aluksella kerättyä LiDAR-aineistoa. Luokiteltavat puulajit olivat mänty (Pinus sylvestris L.), kuusi (Picea abies (L.) Karst.), koivut (Betula pendula Roth, B. pubescens Ehrh.) ja haapa (Populus tremula L.). Luokitusmenetelminä käytettiin lineaarista erotteluanalyysiä (LDA), tukivektorikoneita (SVM) ja satunnaismetsiä (RF). Luokittelussa hyödynnettiin kohteiden spektriä, rakennetta, tekstuuria ja muotoa kuvaavia piirteitä.

Korkein kokonaisluokittelutarkkuus (95 %) saavutettiin toukokuussa kerätyillä multispektrikuvilla ja käsin rajatuilla latvussegmenteillä. Myös RGB-kuvista johdettuihin pistepilviin perustuva automaattinen segmentointi tuotti hyviä tuloksia: kokonaisluokittelutarkkuus oli 92 % ja kappa-kerroin 0,90. Rakenne- ja spektritietojen yhdistäminen paransi luokittelutuloksia, erityisesti silloin kun aineistot oli kerätty samanaikaisesti. Menetelmät osoittautuivat tehokkaiksi myös ekologisesti merkittävien haapojen ja pystylahopuiden tunnistamisessa. Haavan F1-arvo oli parhaimmillaan 97 %.

Tulokset osoittavat myös, että vuodenaikaisvaihtelu vaikuttaa merkittävästi luokittelutarkkuuteen. Kasvukauden alku tarjoaa parhaat olosuhteet spektriin perustuvalle puulajin luokittelulle. Piirteiden tärkeyttä koskevat analyysit korostivat spektriä, rakennetta ja tekstuuria kuvaavien tietojen yhdistämisen merkitystä luokittelutarkkuuden maksimoimisessa. Vaikka useita sensoreita yhdistävät menetelmät tuottivat korkeimmat tarkkuudet, myös hyvin toteutetut yhden sensorin menetelmät tuottivat luotettavia tuloksia suotuisissa olosuhteissa.

Tämä väitöskirja osoittaa, että miehittämättömiin ilma-aluksiin perustuva kaukokartoitus tarjoaa kustannustehokkaan ja resoluutioltaan korkean vaihtoehdon maastoinventoinneille puulajien luokittelussa ja biodiversiteetin arvioinnissa. Tutkimus esittää joustavia ja käytännön toimintaan soveltuvia työskentelytapoja boreaalisten metsien biodiversiteetin seurantaan. Tulokset myös vahvistavat miehittämättömien ilma-alusten roolia kestävän metsätalouden tukena.

• Kuzmin, University of Eastern Finland, Faculty of Science, Forestry and Technology, School of Forest Sciences https://orcid.org/0000-0001-5066-5535 Sähköposti: anton.kuzmin@uef.fi

Globaalimuutos muuttaa jäljellä olevien luonnontilaisten boreaalisten metsien rakennetta ja dynamiikkaa. Näiden metsäekosysteemien muutoksilla on suuria vaikutuksia esimerkiksi luonnon monimuotoisuuteen ja hiilen kiertoon. Siksi on keskeistä ymmärtää miten luonnontilaisten metsien rakenne ja dynamiikka muuttuvat.

Väitöskirjassani tarkastelen luonnontilaisten boreaalisten metsien rakenteen vaihtelua tilassa ja muutosta ajassa kolmella Pohjois-Fennoskandiassa ja kahdella itäisessä Pohjois-Amerikassa sijaitsevalla tutkimusalueella. Hyödynnän ilmakuvilta visuaalisesti tulkittua latvuspeittävyyttä, maastomittauksia sekä puiden vuosilustoista saatavia kasvuhistoriatietoja metsärakenteen vaihtelun ja muutoksen tarkastelussa. Kolmelta ajanhetkeltä vuosien 1959 ja 2011 väliltä tehdystä visuaalisesta tulkinnasta laskettiin systemaattinen ja satunnainen tulkintavirhe, ja niitä hyödynnettiin Bayes-päättelyssä erotettaessa uskottavaa ekologista vaihtelua tai muutosta ilmakuvatulkinnan virheestä.

Väitöskirjassani kuvaan uuden menetelmän ja käytän sitä metsärakenteen spatiaalisen vaihtelun ja muutoksen tarkasteluun. Menetelmää hyödyntäen havaitsimme uskottavaa spatiaalista vaihtelua ja muutosta jokaisen tutkimusalueen metsien rakenteessa. Sekä muutos, että vaihtelu ilmenivät useilla mittakaavatasoilla, jotka olivat samankaltaisia eri tutkimusalueilla. Vaikka eri prosessien havaittiin aiheuttavan metsärakenteen vaihtelua eri mittakaavatasoilla, vaihtelun mittakaavatasojen samankaltaisuus tutkimusalueiden välillä osoittaa, että boreaalisista luonnonmetsistä saatetaan tunnistaa luonteenomaisia metsärakenteen vaihtelun mittakaavatasoja, jotka ovat riippumattomia esimerkiksi erilaisista valtapuulajeista tai häiriökierroista. Metsärakenteen muutoksen monimittakaavainen tarkastelu osoitti huomattavimpien muutosten tapahtuneen suurilla, neliökilometrien mittakaavatasoilla.

Väitöskirjani osoittaa historiallisten kaukokartoitusaineistojen käyttökelpoisuuden sekä käytön haasteet metsätutkimuksessa. Havaintoni luonnonmetsien rakenteen monimittakaavaisesta vaihtelusta ja muutoksesta, näiden mittakaavatasojen tunnistettavuudesta, erotettavuudesta ja laskennallisesta määrityksestä sopivat hierarkiateorian ja hierakkisen laikkudynamiikan viitekehykseen. Toisaalta havaitsemani laaja-alainen muutos on ristiriidassa vallitsevan boreaalisten luonnonmetsien muutosta kuvaavan teorian, pienaukkodynamiikan, kanssa. Väitöskirjani tuloksista voidaan päätellä tutkimieni metsien muuttuneen ensisijaisesti laaja-alaisten kasvuympäristön muutosten, esimerkiksi häiriökierron tai kasvuolosuhteiden muutosten, vuoksi. Nämä laaja-alaiset muutokset ovat kasvattaneet tutkimieni metsien puuston biomassaa viimeisten vuosikymmenten aikana.

• Kulha, University of Helsinki, Department of Forest Sciences Sähköposti: niko.kulha@helsinki.fi