Browsing by Subject "runkolukusarja"

A diameter distribution describes the size distribution of a forest and is used, for example, in forest planning. Stand characteristics can also be produced without a diameter distribution, but the diameter distribution allows utilization of tree-level models in the calculation of stand level variables and improves the estimation accuracy. In this thesis estimation methods for diameter distribution prediction were compared and the suitability of the methods and materials evaluated by using error indices. The two comparative diameter distribution estimation methods used in this study were the k most similar neighbor method (k-MSN) and the prediction of diameter distribution using the theoretical distribution model: Weibull-distribution. Both study methods utilised laser scanning-, field plot- and harvester measurement data collected from mature Norway spruce dominant forests in Southern Finland. When the k-MSN method is applied, the measured diameter distribution and stand characteristics of the nearest neighbor were imputed to the target grid of the stand. Stand characteristics were used for the prediction of Weibull-distribution parameters. Weibull parameters were estimated by modelling and by parameter recovery. Field and harvester plots were used as a reference data for the k-MSN. The suitability of the Weibull distribution for the description of the diameter distribution was evaluated by estimating the diameter distribution directly on the harvester data of the corresponding region. Maximum likelihood estimation and prediction of the Weibull-distribution were applied. As a result of the suitability testing, the Weibull distribution is seen as suitable for describing the diameter distribution of a mature, even aged, stand. With the maximum likelihood method and parameter recovery, the produced diameter distribution corresponded appropriately with the measured diameter distribution. The results of the k-MSN show that the imputation of diameter distribution gave the most accurate prediction of diameter distribution. Harvester or field plots gave nearly as accurate results and are both suitable for diameter distribution prediction

Tarkka tieto puutavaralajeista on olennainen puukaupassa, sillä noin 75 % metsänomistajien kantorahatuloista kertyy tukista. Puunostajille on puolestaan tärkeää, että korjattu puutavara vastaa määrältään ja laadultaan toimitustavoitteita, jotta asiakkaalle voidaan toimittaa lopputuotteet ajallaan. Tarpeeksi luotettavaa ja tarkkaa tietoa puutavaralajeista ei kuitenkaan saada nykymuotoisten inventointien tiedoista, joten tarkempien tietojen saamiseksi täytyy nykyään tehdä erillinen leimikon suunnittelu maastossa. Monilähteinen puutason inventointi on leimikon ennakkomittaukseen tarkoitettu menetelmä, jossa yhdistetään lentolaserkeilausaineistoa ja puukartta. Puukartta olisi tarkoitus tuottaa edellisen metsänkäsittelytoimenpiteen yhteydessä esimerkiksi maastolaserkeilauksella. Tämän Pro gradu -työn tarkoituksena oli testata monilähteistä puutason inventoinnilla kolmella päätehakkuukypsällä leimikolla. Jokaiselle leimikolle ennustettiin monilähteisellä puutason inventoinnilla ja yksinpuintulkinnalla koko puuston tukki- ja kuitupuukertymä, keskiläpimitta sekä runkolukusarja. Lisäksi ennustettiin jokaisen leimikon pääpuulajin eli männyn (Pinus sylvestris L.) tukki- ja kuitupuukertymä, keskiläpimitta sekä runkolukusarja monilähteisellä puutason inventoinnilla ja yksinpuintulkinnalla. Runkolukusarjoille laskettiin virheindeksit. Monilähteisen puutason inventoinnin ja yksinpuintulkinnan tuloksia vertailtiin hakkuukoneaineistoon. Lisäksi monilähteisen puutason inventoinnin ja yksinpuintulkinnan tuloksia vertailtiin toisiinsa. Monilähteinen puutason inventointi yliarvioi koko puuston keskiläpimitan keskimäärin 0,5 cm:llä. Mäntyjen keskiläpimitan ennustuksessa ei ollut eroa verrattuna hakkuukoneaineistoon. Kuitupuukertymän ennustaminen monilähteisellä puutason inventoinnilla oli epätarkinta: keskimäärin 29,9 % aliarvio koko puustolla ja 19,5 % yliarvio männyillä. Tukkikertymän ennustaminen oli tarkkaa, koko puustolla monilähteinen puutason inventointi antoi keskimäärin 6,8 % yliarvion ja männyillä vain 2,8 % aliarvion. Runkolukusarjojen virheindeksi oli koko puustolla välillä 0,26 – 0,38 ja männyillä välillä 0,17 – 0,25 monilähteisellä puutason inventoinnilla. Yksinpuintulkinnalla puolestaan koko puuston keskiläpimitta oli 0,2 cm aliarvio ja männyillä vain 0,1 cm aliarvio. Kuitupuukertymä oli yksinpuintulkinnalla 1,3 % aliarvio ja männyillä 10,1 % yliarvio. Tukkikertymä oli 26,4 % yliarvio yksinpuintulkinnalla ja mäntyjen tukkikertymäkin 16,2 % yliarvio. Virheindeksi runkolukusarjoille yksinpuintulkinnalla vaihteli välillä 0,26 – 0,42 ja männyillä välillä 0,14 – 0,28. Monilähteinen puutason inventointi operatiivisessa käytössä vaatisi lisätutkimuksia mm. automaattisesta puiden ja puulajin tunnistamisesta maastolaserkeilausaineistosta sekä automaattisesta lentolaserkeilaus- ja maastolaserkeilausaineiston yhdistämisestä.