Uusien maalajikarttojen avulla kohti täsmämetsänhoitoa
Digitaalinen maaperämallinnus avaa uusia mahdollisuuksia rakentaa metsätaloutta paremmin palvelevia maalajikarttoja.
Olemme Luomuhakkuu-hankkeessa osoittaneet, että avoimeen metsävaratietoon ja satelliittitietoon pohjautuva topografia- ja kasvillisuustieto yhdistettynä koneoppimiseen parantaa merkittävällä tavalla maalajiennusteiden luotettavuutta.
Keräsimme hankkeessa 330 maalajinäytteitä 47 metsiköstä Länsi-Suomen alueelta. Näytteet ovat analysoitu Helsingin yliopiston Coultier Laserdiffraktio -laitteella. Maalajinäytteistä saadut mitta-arvot ovat interpoloitu yli koko koemetsikön siten, että jokaiselle metsikön pisteelle lasketaan eri maalajien osuudet (kuva 1).
Koemetsiköiden jokaiseen pisteeseen tehdään avoimeen metsävaratietoon pohjautuva (Laserkeilaus, RGB ja Vääräväri) puulajitunnistus. Tässä on käytetty Luomuhakkuu-hankkeen yksinpuintulkinta-tehtävää varten hankittua koeleimikkoaineistoa opetusaineistona. Puulajitunnistuksen pohjalta segmentoidaan kukin metsikkö sopiviksi lohkoiksi (noin 10 x 10 m) (kuva 2).
Kuhunkin lohkoon lasketaan kymmeniä erilaisia avoimeen metsävaratietoon ja satelliittitietoon pohjautuvia topografia- ja kasvillisuustietoparametrejä. Eri parametrien selitysvoima selvitetään koneoppimisen avulla. Lopputulos osoittaa (kuva 3), että topografiatieto (erityisesti korkeus merenpinnasta sekä suhteellisesti alavat kohdat) selittävät maalajia parhaiten (yhteensä >50%). Näiden lisäksi satelliittitietoon pohjautuvilla kasvillisuusindekseillä on vahva selitysvoima (>25%).
Menetelmä on lupaava ja sen kehittämiseksi tarvitaan lisää kehitystyötä ja parempia aineistoja. Länsi-Suomen alueella päästiin tällä menetelmällä yli 80 % selitysasteisiin ja pieniin keskivirheisiin maalajiosuuksien ennustamisessa (kuva 4).
Lisätietoja:
Professori Jori Uusitalo, Helsingin yliopisto, jori.uusitalo@helsinki.fi