The prediction of single-tree biomass, logging recoveries and quality attributes with laser scanning techniques

Show full item record

Title: The prediction of single-tree biomass, logging recoveries and quality attributes with laser scanning techniques
Author: Kankare, Ville
Contributor: University of Helsinki, Faculty of Agriculture and Forestry, Department of Forest Sciences
Publisher: Helsingin yliopisto
Date: 2015-06-05
Thesis level: Doctoral dissertation (article-based)
Abstract: The precise knowledge of forest structural attributes play an essential role in decision-making, forest management procedure planning and in wood supply chain optimization. Laser scanning (LS) is one of the most promising remote sensing techniques, which can be used to estimate forest attributes at all levels, from single trees to global applications. The main objectives of the present thesis were to develop LS-based methodologies for mapping and measuring single trees. More specifically, new high-density LS-based models and methodologies were developed for the prediction of aboveground biomass (AGB), logging recovery, stem curve and external tree quality estimation. Multisource remote sensing methodologies were additionally introduced for the detailed next generation forest-inventory process. Substudies I and II concentrated on developing LS-based biomass models. Total AGB was estimated with the relative root mean squared errors (RMSE%) of 12.9% and 11.9% for Scots pine (Pinus sylvestris L.) and Norway spruce (Picea abies (L.) H.Karst.), respectively using terrestrial LS (TLS) -derived predictors in multiple regression modelling. TLS-based AGB models significantly improved the estimation accuracy of AGB components compared to state-of-the-art allometric biomass models. Airborne LS (ALS) resulted in slightly higher RMSE% values of 26.3% and 36.8% for Scots pine and Norway spruce compared to results obtained with TLS. The goal of substudies III and IV was to predict timber assortment and tree quality information using high-density LS data. Sawlog volumes were estimated with RMSE% of 17.5% and 16.8% with TLS and a combination of TLS and ALS, respectively. Results in IV showed that trees could be successfully classified in different quality classes based on TLS-measured attributes with accuracies between 76.4% and 83.6% depending on the amount of quality classes. Substudies V and VI presented new automatic processing tools for TLS data and a multisource approach for the more detailed prediction of diameter distribution. Automatic processing of TLS data was demonstrated to be effective and accurate and could be utilized to make future TLS measurements more efficient. Accuracies of ~1 cm were achieved using the automatic stem curve procedure. The multisource single-tree inventory approach combined accurate treemaps produced automatically from the TLS data, and ALS individual tree detection technique. Results from diverse forest conditions were promising, resulting in diameter prediction accuracies between 1.4 cm and 4.7 cm depending on tree density and main tree species. Each substudy (I VI) presented new methods and results for single-tree AGB modelling, external tree quality classification, automatic stem reconstruction and multisource approaches.Yksityiskohtainen metsävaratieto on merkittävässä roolissa metsänomistajien päätöksenteon, metsänhoidon suunnittelun sekä puunhankintaketjun optimoinnin tukena. Laserkeilaus on yksi lupaavimmista kaukokartoitustekniikoista, jolla on mahdollista ennustaa metsävaratietoa yksittäisen puun tasolta laajoihin alueisiin. Väitöskirjatyön päätavoitteina oli kehittää laserkeilauspohjaisia menetelmiä yksittäisten puiden kartoitukseen ja mittaukseen. Osajulkaisuissa I ja II selvitettiin laserkeilausmenetelmien tarkkuutta puutason biomassaositteiden mallinnuksessa. Kokonaisbiomassan mallinnustarkkuus maastolaserkeilaukseen perustuen oli männylle 12,9 % ja kuuselle 11,9 %. Maastolaserkeilauksen hyödyntäminen biomassan mallintamisessa tarkensi erityisesti latvusbiomassan mallinnustarkkuutta verrattuna läpimittaan ja pituuteen perustuviin biomassamalleihin. Lentolaserkeilauksen tarkkuudet olivat hieman heikompia verrattuna maastolaserkeilaukseen. Kokonaisbiomassan tarkkuudet olivat männylle 26,3 % ja kuuselle 36,8 %. Osajulkaisuissa III ja IV tavoitteena oli ennustaa puutavaralajikohtaisia tilavuuksia sekä laatutietoa maastolaserkeilauksen ja lentolaserkeilauksen avulla. Tukkipuun tilavuuden ennustetarkkuudet olivat maastolaserkeilausta käytettäessä 17,5 % ja maasto- ja lentolaserkeilauksen yhdistelmää käytettäessä 16,8 %. Puuston laatu on erittäin tärkeä tekijä metsikköä arvioitaessa. Maastolaserkeilauksen avulla yksittäiset puut luokiteltiin puunhankinnan kannalta tärkeisiin laatuluokkiin 76,4 % 83,6 % tarkkuudella. Osajulkaisuissa V ja VI tavoitteena oli kehittää uusia automaattisia menetelmiä maastolaserkeilausaineiston käsittelyyn, sekä monilähdemenetelmiä läpimittajakauman ennustamiseen. Automaattisten menetelmien avulla maastolaserkeilausaineiston käsittelyä on mahdollista tehostaa ja jopa tarkentaa manuaaliseen aineiston käsittelyyn verrattuna. Osajulkaisussa V runkokäyrän mittaustarkkuus oli automaattista aineistonkäsittelymenetelmää käytettäessä ~ 1 cm. Osajulkaisussa VI hyödynnettiin monilähdemenetelmää, jossa tarvittu puukartta mitattiin automaattisesti maastolaserkeilausaineistosta ja läpimittajakaumat ennustettiin maasto- ja lentolaserkeilausaineistojen avulla. Läpimitan ennustetarkkuus oli 1,4 cm ja 4,7 cm välillä puustoltaan hyvin vaihtelevissa metsiköissä. Väitöskirjatyön osajulkaisuissa kehitetyt menetelmät ja esitetyt tulokset osoittivat laserkeilausmenetelmien olevan varteenotettava vaihtoehto yksittäisten puiden kartoitukselle ja mittaamiselle tulevaisuudessa.
Subject: metsätieteet
Rights: This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.

Files in this item

Total number of downloads: Loading...

Files Size Format View
thepredi.pdf 1.839Mb PDF View/Open

This item appears in the following Collection(s)

Show full item record