Laserkeilauksen hyödyntäminen hakkuutarpeen määrittämisessä

Abstract

Tässä tutkimuksessa selvitettiin pystytäänkö harvennus- tai hakkuutoimenpidetarve automatisoimaan harvapulssisesta laserpisteaineistosta laskettujen piirteiden avulla. Aineistona on käytetty Evon opetusmetsässä vuonna 2006 keilattua laserpisteaineistoa ja mitattuja referenssikoealoja, joilta on tehty myös toimenpidemääritys. Toimenpidetarvetta tutkittiin logistisella regressioanalyysillä, joka antaa mallin hakkuutoimenpidetarpeen määrittämiseen. Mallin avulla toimenpidetarve voidaan yleistää suuremmille alueille, esimerkiksi kuvioille.

Laserkeilaus on kaukokartoitusmenetelmä, jossa laserkeilain tuottaa pulssin ja rekisteröi paluukaiut. Paluukaiuista voidaan laskea kohteen sijainti ja etäisyys. Kaiut eli laserpisteet muodostavat kolmiulotteisen mallin metsästä, pulssin tiheydestä (pulssia/m²) riippuen myös yksittäisistä puista.

Tulosten perusteella mallin avulla voidaan määritellä hakkuutarve oikein lähes 90 prosenttisesti. Koealat, joilla on hakkuutarve, voidaan määrittää oikein 94 prosenttisesti ja koealat, joilla ei ole hakkuutarvetta, voidaan määrittää oikein 73 prosenttisesti. Tulokset vaikuttavat erittäin lupaavilta. Laserpisteaineistosta laskettuja tekstuuripiirteitä voidaan hyödyntää lisää jatkotutkimuksissa.

The objective of the thesis was to find out whether it is possible to automatize a thinning or clear-cutting needs by calculated features from low density pulse data. Material used in the thesis was obtained from airborne laser scanning performed in the educational forest in Evo, Finland. The determination of felling needs was done to the reference plots. Data was analyzed with logistic regression analyses (LRA). LRA determines the best independent variables to the dependent variable. Determination of felling can be derived from the LRA model on greater areas, for example to forest stands.

Airborne laser scanning is a method of remote sensing, in which laser device produces a pulse and registers the returning echoes. Echoes or so called laser points form a three-dimensional model of the forest. Depending on the density of the pulses single trees are also distinguishable.

According to the results the need of felling can be determined correctly in almost 90 per cent of the cases. On reference plots, the need of felling can be determined by 94 per cent, and plots without a need for felling by 73 per cent. The results seem very promising. Texture features calculated from airborne laser scanning data can be used in later studies.