Improving capacity for large-area monitoring of forest disturbance and recovery

Show full item record



Permalink

http://urn.fi/URN:ISBN:978-951-651-634-2
Title: Improving capacity for large-area monitoring of forest disturbance and recovery
Author: White, Joanne
Contributor: University of Helsinki, Faculty of Agriculture and Forestry, Department of Forest Sciences
Doctoral Programme in Sustainable Use of Renewable Natural Resources
Canadian Forest Service, Pacific Forestry Centre
University of British Columbia, Faculty of Forestry
Publisher: Helsingin yliopisto
Date: 2019-05-31
Language: en
Belongs to series: Dissertation Forestales - URN:ISSN:1795-7389
URI: http://urn.fi/URN:ISBN:978-951-651-634-2
http://hdl.handle.net/10138/301113
Thesis level: Doctoral dissertation (article-based)
Abstract: Information needs associated with forest monitoring have become increasingly complex. Data to support these information needs are required to be systematically generated, spatially exhaustive, spatially explicit, and to capture changes at a spatial and temporal resolution that is commensurate with both natural and anthropogenic impacts. Moreover, reporting obligations impose additional expectations of transparency, repeatability, and data provenance. The overall objective of this dissertation was to address these needs and improve capacity for large-area monitoring of forest disturbance and subsequent recovery. Landsat time series (LTS) enhance opportunities for forest monitoring, particularly for post-disturbance recovery assessments, while best-available pixel (BAP) compositing approaches allow LTS approaches to be applied over large forest extents. In substudies I and IV, forest monitoring information needs were identified and linked to image compositing criteria and data availability in Canada and Finland. In substudy II, methods were developed and demonstrated for generating large-area, gap-filled Landsat BAP image composites that preserve detected changes, generate continuous change metrics, and provide foundational, annual data to support forest monitoring. In substudy III a national monitoring framework was prototyped at scale over the 650 Mha of Canada’s forest ecosystems, providing a detailed analysis of areas disturbed by wildfire and harvest for a 25-year period (1985–2010), as well as characterizing short- and long-term recovery. New insights on spectral recovery metrics were provided by substudies V and VI. In substudies V, the utility of spectral measures of recovery were evaluated and confirmed against benchmarks of forest cover and height derived from airborne laser scanning data. In substudy VI the influence of field-measured structure and composition on spectral recovery were examined and quantified. By focusing on four key aspects of forest monitoring systems: information needs, data availability, methods development, and information outcomes, the component studies demonstrated that combining BAP compositing and LTS analysis approaches provides data with the requisite characteristics to support large-area forest monitoring, while also enabling a more comprehensive assessment of forest disturbance and recovery.Tietotarpeista metsien seurantaan liittyen on tullut entistä monitahoisempia. Jotta näihin tietotarpeisiin voidaan vastata, aineistojen tulee olla systemaattisesti tuotettuja, spatiaalisesti kattavia ja yksiselitteisiä, sekä niiden avulla tulee olla mahdollista havaita muutokset spatiaalisella ja temporaalisella resoluutiolla, jotka ovat yhteismitallisia sekä luonnon että ihmisen vaikutusten kanssa. Lisäksi raportointivelvollisuudet asettavat edelleen vaatimuksia läpinäkyvyyden, toistettavuuden ja aineistojen alkuperän suhteen. Väitöskirjan tavoitteena oli keskittyä näihin tarpeisiin sekä parantaa metsissä tapahtuvien häiriöiden ja niistä palautumisen seurannan mahdollisuuksia laajoilla alueilla. Landsat-aikasarja tehostaa metsien seurannan mahdollisuuksia, erityisesti metsissä tapahtuvien häiriöiden jälkeisen palautumisen arviointia, kun taas komposiittikuvien tuottamisen lähestymistapa, jossa hyödynnetään parhaita saatavilla olevia pikseleitä, mahdollistaa Landsat-aikasarjan hyödyntämisen laajoilla metsäalueilla. Osajulkaisuissa I ja IV tunnistettiin metsien seurannan tietotarpeita ja liitettiin niitä komposiittikuvan tuottamisen kriteereihin sekä aineistojen saatavuuteen Kanadassa ja Suomessa. Osajulkaisussa II kehitettiin menetelmiä ja havainnollistettiin niitä tuottamalla laajan alueen yhtenäiset Landsat-komposiittikuvat, joista tunnistettiin muutokset, laskettiin jatkuvat muutospiirteet sekä tuotettiin vuosittaiset tiedot, jotka ovat olennaisen tärkeitä metsien seurannan kannalta. Osajulkaisussa III kansallista seurantamenetelmää testattiin Kanadan yli 650 Mha metsäekosysteemien alueella ja se mahdollisti yksityiskohtaiset analyysit kohteissa, joissa oli tapahtunut metsäpalo tai päätehakkuu edellisen 25 vuoden aikana (1985-2010). Lisäksi metsien lyhyen ja pitkän ajan palautumista pystytiin arvioimaan. Palautumista kuvaavista sävyarvopiirteistä tuotettiin lisätietoa osajulkaisuissa V ja VI. Osajulkaisussa V metsien palautumista kuvaavien sävyarvojen hyödyllisyyttä arvioitiin ja vahvistettiin vertaamalla niitä metsien peitteisyyden ja pituuden kriteereihin, jotka saatiin lentolaserkeilausaineistosta. Osajulkaisussa VI tutkittiin ja määrällistettiin maastossa mitattujen metsän rakenteen ja puulajisuhteiden vaikutusta palautumista kuvaaviin sävyarvoihin. Keskittymällä metsien seurantajärjestelmien neljään tärkeimpään näkökulmaan, tietotarpeeseen, aineistojen saatavuuteen, menetelmäkehitykseen, ja tuotettuun tietoon, väitöskirjatutkimukset osoittivat, että yhdistämällä lähestymistapa, jossa komposiittikuvat tuotetiin hyödyntämällä parhaita saatavilla olevia pikseleitä, ja Landsat-aikasarja on mahdollista tuottaa sellaista tietoa ja aineistoja, joissa on tarvittavat ominaisuudet laajojen alueiden metsien seurantaa varten, samalla kun mahdollistetaan myös kokonaisvaltaisempi arviointi metsissä tapahtuvista häiriöistä ja metsien palautumisesta niiden jälkeen.
Subject: Forest science
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
Improvin.pdf 2.495Mb PDF View/Open

This item appears in the following Collection(s)

Show full item record