Browsing by Subject "pituusbonitointi"

Tämän työn tarkoituksena oli selvittää, onko mahdollista avoimia paikkatieto- ja kaukokartoitusaineistoja hyödyntäen luoda kasvupaikkatyyppiä ennustava malli, jonka ennuste olisi tarkempi kuin saatavilla oleva, koko Suomen kattava Luonnonvarakeskuksen tekemä kasvupaikkamalli. Viime vuosikymmenen aikana avointen paikkatietoaineistojen saata-vuus on lisääntynyt moninkertaisesti. Taustalla on EU:n säätämä INSPIRE-direktiivi 2007/2/EC (EU 2007), jonka tavoit-teena on yhteiskäyttöiset paikkatiedot ja yhteinen paikkatietoinfra-struktuuri. Tässä työssä hyödynnetään useita paikka-tieto- ja kaukokartoitusaineistoja, jotka ovat tulleet avoimeen käyttöön maksutta INSPIRE-direktiivin ansiosta. Aineistojen pohjalta on tunnistettu viisitoista mahdollista muuttujaa, jotka voisivat selittää kasvupaikkatyyppiä. Kaksitois-ta muuttujaa kuvaa topografiaa ja pohjautuvat suoraan tai välillisesti korkeusmalliin, yksi muuttuja kuvaa kasvukauden kokonaissadantaa, yksi muuttuja kuvaa maaperää ja yksi muuttuja on valtapituuden kasvuun pohjautuva kasvupaikka-tyyppiennuste. Valtapituuden kasvuun pohjautuvalle kasvupaikkatyyppiennusteelle kehitettiin malli, joka perustuu mänty-, kuusi- ja koivumetsiköiden kasvatusmalleihin. Näiden muuttujien pohjalta sovitettiin regressioanalyysiä hyödyntäen kasvupaikkatyyppiä ennustavia malleja. Referenssiaineistona käytettiin Suomen metsäkeskuksen kaukokartoituskoealo-ja pohjoisen napapiirin eteläpuolelta. Koealoihin on merkitty kasvupaikkatyyppi, johon malli sovitettiin. Tässä työssä kehitetty paras malli ennustaa mittareiden mukaan kasvupaikkatyyppiä tarkemmin kuin Luonnonvarakes-kuksen kasvupaikkamalli. Paras malli käyttää selittäjinä valtapituuden muutokseen perustuvaa kasvupaikkatyyppiennus-tetta, maalajia, korkeutta merenpinnasta, topografista sijainti-indeksiä (TPI), ”cartographic depth-to-water” -indeksiä (DTW) sekä kasvukauden kokonaissadantaa. Toiseksi paras malli ei hyödynnä maalajia selittäjänä, sillä Geologian tutkimuskeskuksen tuottama maaperäkartta ei kata koko Suomea. Malli käyttää selittäjinä valtapituuden muutokseen pe-rustuvaa kasvupaikkatyyppiennustetta, maalajia, korkeutta merenpinnasta, topografista sijainti-indeksiä (TPI), ”carto-graphic depth-to-water” -indeksiä (DTW), topografista kosteusindeksiä (TWI), kasvukauden kokonaissadantaa sekä auringon potentiaalista kokonaissäteilytystä. Selitysvoimaltaan paras muuttuja perustuu valtapituuden kehityksen tarkasteluun useamman ajankohdan laserkeilausai-neistoja hyödyntäen. Muuttujasta saatavat kasvupaikkatyyppiennusteet ovat sitä tarkemmat, mitä enemmän havaintoja aikasarjassa on. Tämän takia tässä työssä kehitettävän mallin parantamisen ja jatkokehittämisen kannalta olennaista on useamman ajankohdan laserkeilausaineistojen saatavuuden lisääminen. Malli hyödyntää 1970-luvulla kehitettyjä kasva-tusmalleja. On viitteitä siitä, että Suomessa puusto kasvaa nykyään nopeammin kuin 30–40 vuotta sitten. Tulevissa tutki-muksissa tätä kasvun muutosta olisi syytä tutkia tarkemmin ja huomioida se kasvupaikkatyyppiä ennustavien mallien jatkokehittämisessä.

Site index and site type are methods for describing a habitat’s highest annual production of tree (m3/ha/a). Site index is based on the growth of trees’ dominant height, and site type on the existence of plant communities in a habitat. This research examined whether site type can be estimated with site index derived by airborne laser scanning (ALS). ALS is a remote sensing method by which trees’ characteristics are predicted based on the height distribution and density values of laser pulses. Data were gathered from Syöte, Northern Ostrobothnia. Arbonaut Oy provided the ALS-data, and Metsähallitus provided age and habitat data of microstands. Site type, trees’ ages and dominant heights were also measured by field surveying. Experimental data from plots were generalized to microstand data. There were 208 experimental plots that were generalized to 39 microstands. Site indexes for experimental plots and microstands were calculated to index age 100 years with Vuokila and Väliaho’s (1980) growth models for dominant height and with Schumacher’s (1939) guide curve. Site indexes were converted to site types with Vuokila and Väliaho’s (1980) conversion diagram and then compared to site types of the field surveys. The accuracy of the site indexes was evaluated with an error matrix. Accuracy of age and dominant height was evaluated with a paired t-test. Variation of index aged dominant height inside a site type was examined with root mean square error (RMSE). The effect of the proportions of tree species on the site index was analyzed with a correlation coefficient. The percentage of properly classified site types was 57 % at best when using Schumacher’s (1939) guide curve and two site types (rich and poor). With Vuokila and Väliaho’s (1980) growth models for dominant height the best percentage of correctly classified site types was 46 %. The variation (RMSE) of index aged dominant height as an average in all site types was 3,2 m. The maximum variation of index aged dominant height in one site type was 6 m. This indicated that the dependency between site index and site type was poor with this data. The proportions of tree species did not have a significant effect on site index. Based on this study, predicting site types with ALS does not work. One problem is the absence of very rich site types. There are also many sources of error: SutiGIS’ (position knowledge system) age data, prescribed burning, possible fertilization of stands, and the problems of fitting site index and site type. Vuokila and Väliaho’s (1980) growth models for dominant height were made in the 1980s, so they do not acknowledge the increased growth of present-day trees. Site index cannot reliably predict the site type, but site index gives valuable extra information about the trees for example when evaluating the value of forest estates.