Erittäin korkean resoluution ilmakuvista tuotettu pintamalli puustotunnusten estimoinnissa

Show full item record



Permalink

http://urn.fi/URN:NBN:fi:hulib-201507211695
Title: Erittäin korkean resoluution ilmakuvista tuotettu pintamalli puustotunnusten estimoinnissa
Author: Järnstedt, Janne
Contributor: University of Helsinki, Faculty of Agriculture and Forestry, Department of Forest Sciences
Publisher: Helsingfors universitet
Date: 2010
Language: fin
URI: http://urn.fi/URN:NBN:fi:hulib-201507211695
http://hdl.handle.net/10138/17005
Thesis level: master's thesis
Discipline: Skogsresursvetenskap och -teknologi (skogsinventering)
Forest Resource Science and Technology (Forest inventory)
Metsävaratiede ja -teknologia (metsävarojen inventointi)
Abstract: Tutkimuksen tarkoituksena oli kehittää puuston arviointiin ja metsävaratietojen päivitykseen soveltuva menetelmä, joka perustuu metsätalouden piirissä hyvin tunnettuun ja yleisesti käytössä olevaan ilmakuvaukseen. Lisäksi oli tavoitteena tuottaa tietoa ilmakuvilta tuotettuun pintamalliin perustuvan menetelmän kustannustehokkuudesta ja tarkkuudesta laserkeilaukseen perustuviin menetelmiin verrattuna. Hämeenlinnassa Evon valtionmetsässä sijaitsevalle noin 2000 hehtaarin tutkimusalueelle tehtiin laserkeilaus ja ilmakuvaus kesällä 2009. Tutkimusaineisto koostui 85 orto-oikaistusta väri-infrailmakuvasta, tutkimusalueen kattavasta laserkeilausaineistosta, sekä 402 ympyräkoealasta. Tutkimuksessa selvitettiin korkearesoluutioisista ilmakuvista muodostetun pintamallin tarkkuutta koealatason metsikkötunnusten estimoinnissa. Metsikkötunnusten estimointi tehtiin käyttäen ei- parametrista k:n lähimmän naapurin (k-nn) -menetelmää. Molempien kaukokartoitusaineistojen piirteiden valinnassa käytettiin askeltavaa edestä valintaa ja tarkkuuden arvioinnissa ristiinvalidiointi -menetelmällä. Estimoituja metsikkötunnuksia olivat keskiläpimitta, pohjapinta-ala, keskipituus, valtapituus ja kokonaistilavuus. Ilmakuvapintamallilta tulkittujen puustotunnusten tarkkuutta verrattiin laserkeilausaineiston tarkkuuteen. IImakuvapintamalli -estimoinnin suhteelliset RMSE -arvot olivat parhaimmillaan keskiläpimitalle, pohjapinta-alalle, keskipituudella, valtapituudelle ja kokonaistilavuudelle 33,67 %, 36,23 %, 25,33 %, 23,53 % ja 40,39 %. Vertailuaineistona olleelle laserkeilausaineistolle vastaavat suhteelliset RMSE -arvot olivat 25,26 %, 27,89 %, 19,94 %, 16,76 % ja 31,26 %. Ilmakuvapintamalli toimi parhaiten keskipituuden estimoinnissa, jossa sen tuottama estimaatit olivat likimain yhtä tarkat laserkeilausaineistoon verrattuna. Keskiläpimitan estimoinnissa ilmakuvapintamalli tuotti hieman laserkeilausaineistoa paremman tuloksen, mutta keskitilavuuden estimoinnissa laserkeilaus oli jälleen hieman tarkempi. Pohjapinta-alan estimoinnissa laserkeilausaineisto oli huomattavasti ilmakuvapintamallia parempi. Tutkimus osoitti menetelmän käyttökelpoisuuden metsävaratietojen päivityksessä ja osoitti olevansa varteenotettava menetelmä myös kustannustehokkuuden kannalta.The objective of this study was to develop a method for estimation of forest stand variables and updating the forest resource data, based on a well known and widely used method among forest sector, aerial photography. The second objective was to produce information of cost-effectiveness and accuracy of digital surface model (DSM) generated from very high resolution aerial images in comparison of methods based on aerial laser scanning (ALS). The study area covering circa 2000 hectares is located in state owned forest in Hämeenlinna, Southern Finland. The study material consisted of 85 digitised and orthorectified colour-infrared (CIR) aerial photographs, LiDAR measurements of the corresponding area and field measurements of 402 concentric circular plots. Both the remote sensing data and the field measurements were acquired in 2009. In this study, the accuracy of DSM generated from very high resolution CIR - aerial images was examined in the estimation of forest stand variables. Estimation of forest stand variables was made using non-parametric k-nearest neighbour method. Sequential forward selection was used for selecting features from remote sensing data and the examination of accuracy was done with cross validation. The variables examined were mean diameter, basal area, mean height, dominant height and mean volume. Relative RMSE -values of DMS estimation were at the best with mean diameter, basal area, mean height, dominant height and mean volume 33,67 %, 36,23 %, 25,33 %, 23,53 % and 40,39 %. For the reference ALS-data, relative RMSE-values were 25,26 %, 27,89 %, 19,94 %, 16,76 % ja 31,26 %. Photogrammetric DSM was best suited for estimating dominant and mean height and produced estimates slightly more inaccurate than those of reference ALS-data. When estimating mean diameter, photogrammetric DSM was slightly better, but at mean volume estimation, ALS-data proved again to be a little more a accurate than photogrammetric DSM. At basal area estimation, ALS-data gave considerably better results than photogrammetric DSM. This research showed that the photogrammetric DSM suits well for updating the forest resource data, and also satisfies the requirements in a more economic way.
Subject: forest inventory
aerial photographs
laser scanning
digital surface model
DSM
metsäninventointi
ilmakuvat
laserkeilaus
pintamalli


Files in this item

Total number of downloads: Loading...

Files Size Format View
Gradu Janne Järnstedt.pdf 3.980Mb PDF View/Open

This item appears in the following Collection(s)

Show full item record