Metsävaratiedon kaukokartoitusaineistojen luotettavuus ja hyödyntäminen

Abstract

Opinnäytetyön idea tuli kirjoittajalta, ja yhteistyötahona toimi Metsänhoitoyhdistys Lounametsä. Tutkimuksen tavoitteena oli tutkia Metsäkeskuksen tuottaman kaukokartoitetun metsävaratiedon luotettavuutta ja hyödyntämismahdollisuuksia. Tutkimuksessa vertailtiin Metsänhoitoyhdistys Lounametsän asiantuntijoiden metsän arvioiden sekä kaukokartoitetun metsävaratiedon puustotunnusten eroja kehitysluokittain saatavilla olevista kuviotiedoista. Tutkimuksen aineisto kerättiin metsänhoitoyhdistykseltä sekä karttapalvelu Karttaselaimen metsävaratietojen latauspalvelusta. Aineisto käsiteltiin Excel-taulukkolaskentaohjelmalla. Aineistoja vertailtiin laskemalla suhteelliset keskivirheet RMSE%-menetelmällä sekä laskemalla systemaattiset virheet eli harhat. Aineistoille tehtiin myös hypoteesin testaus.

Aineistoja saatiin lopulta yhteensä 222:lta eri metsikkökuviolta, joista 100 kuviota oli kehitysluokasta 03, 81 kehitysluokasta 04 ja 41 kehitysluokasta 02. Kokonaisuutena metsävaratietoja tarkasteltaessa luotettavinta metsävaratieto oli kehitysluokassa 03. Metsävaratiedot olivat epätarkimpia kehitysluokassa 02. Puustotunnuksista luotettavimmiksi osoittautuivat keskipituus sekä keskiläpimitta. Suurimmat virheet olivat pohjapinta-alassa sekä puulajisuhteissa. Puulajisuhteiden takia suhteelliset keskivirheet olivat puulajeittain paljon suuremmat kuin kokonaispuustoittain.

Tutkimustulosten perusteella metsävaratietoja ei voi käyttää metsäsuunnitteluun, tila-arvioihin tai puukauppaan sellaisenaan, mutta niitä voi käyttää maastossa metsän arvioinnin pohjatietona. Puustotunnuksista ainoastaan keskipituutta voidaan käyttää sellaisenaan varttuneissa kasvatusmetsissä ja sitä vanhemmissa metsissä tehostamaan maastotyötä. Puustoarvioiden teko vaatii edelleen maastokäyntiä, ja asiantuntijan arvioitavaksi jäävät ainakin metsävaratiedon heikkoudet, eli puulajisuhteet, pohjapinta-ala, puuston laatu ja tukkiprosentti. Metsävaratiedon uuden inventointikierron toivotaan parantavan metsävaratiedon laatua, jotta metsän arvioinnista saadaan tulevaisuudessa kustannustehokkaampaa.

The idea for this thesis came from the author and it was proposed to the Forest Management Association Lounametsä. The aim of the study was to investigate the reliability and utilization possibilities of remotely mapped forest resource data produced by Metsäkeskus (Forest Centre). The study compared the differences of the forest estimates of experts of the forest management association and the forest resource data which is measured by remote sensing. The research material was collected from the forest management association and from the forest resource data download service by Karttaselain (a map service). The data was processed with an Excel spreadsheet program. Data were compared by calculating relative mean errors using the RMSE% method and by calculating systematic errors, biases. The data were also tested by hypothesis testing.

Data were obtained from a total of 222 different forest compartments, of which 100 were from development class 03, 81 from development class 04 and 41 from development class 02. The most reliable forest resource data were in development class 03. The most inaccurate forest resource data were in development class 02. The biggest errors were in the base area and in the tree species ratios. Due to tree-to-tree ratios, the relative mean errors were much higher by tree species than by total trees.

Based on the research results, forest resource data cannot be used for forest planning, status assessments or the timber trade as such, but they can be used in the field as basic information for forest assessment. Of the stand features, only the medium length can be used as such in development classes 03 and 04 to enhance fieldwork. Forest assessments still require fieldwork, and at least the weaknesses of forest resource data, as tree species ratios, base area, stand quality and log percentage, remain to be assessed by an expert. It is hoped that the new inventory of forest resource information will improve the quality of forest resource information to make forest assessment more cost-effective in the future.