Metsätieteen aikakauskirja vuosikerta 2002 numero 3

• Korpilahti, Sähköposti: eeva.korpilahti@luke.fi

Tutkimuksen kohteena on metsänuudistamiseen liittyvä tiedon kulku yksityismetsätalouden organisaatioissa. Tavoitteena on kuvata metsänuudistamisen toimintoja sekä niihin liittyviä ongelmia yksittäisen työntekijän näkökulmasta. Tutkimus on tapaustutkimus, jossa sovellettiin käyttäjäkeskeiseen systeemisuunnitteluun kehitettyä Contextual Design -menetelmää.

Tutkimusta varten haastateltiin metsänhoitoyhdistysten, metsäkeskusten ja metsäyhtiöiden toimihenkilöitä (12 haastattelua). Haastattelut analysoitiin tuottamalla kustakin haastattelusta Contextual Design -menetelmän mukaisia kaavioita ensin haastatteluittain ja sitten rooleittain (tehtävittäin) yhdistäen. Lisäksi analysoitiin haastatteluista poimittuja sanomia.

Tutkimuksessa on kuvattu eri organisaatioiden metsänuudistamisen kannalta keskeiset prosessit. Hakkuiden ja uudistamistoimenpiteiden toteutusta koskeva tieto ei kulkenut organisaatioiden välillä. Ongelmia oli myös tila- ja omistajatietojen sekä metsäkeskusten metsänuudistamisen rekistereiden ajantasaisuudessa. Metsäyhtiöiden ja metsänhoitoyhdistysten välillä oli yhteistyön lisäksi havaittavissa kilpailua sekä puukaupassa että uudistamistöiden toteutuksessa. Organisaatioiden välistä tiedonkulkua voitaisiin tehostaa, mutta se vaatii sopimuksia organisaatioiden välillä.

• Hokajärvi, Sähköposti: raili.hokajarvi@oamk.fi

Työssä tarkasteltiin suunnittelujärjestelmän virhelähteiden vaikutusta kuvion ensiharvennuskypsyyden määrityksen luotettavuuteen. Tutkitut virhelähteet olivat kuvioittainen arviointi, kuviota kuvaavan puujoukon generointi metsikkötunnuksista ja kasvun ennustaminen. Tutkimuksen kohteena olivat UPM-Kymmene Oyj:n omistamat männiköt Kainuussa. Puujoukon muodostaminen ja kasvun simulointi tehtiin Mela-suunnitteluohjelmistolla. Simuloitua puuston kehitystä verrattiin koealamittauksin selvitettyyn kehitykseen 87 kuviolla. Simulointijakson pituuden vaihteluväli oli 1–13 vuotta.

Kuvioittaisen arvioinnin systemaattiset ja satunnaiset virheet olivat selvästi suurin epävarmuuden aiheuttaja tarkastelujakson lopun puustotunnuksissa ja ensiharvennuskypsyyden määrityksessä. Pelkästään kuvioittaisen arvioinnin satunnainen virhe aiheutti merkittävän yliarvion ensiharvennuskypsien männiköiden määrässä. Puuston pituuskehitys aliarvioitiin kasvua ennustettaessa selkeästi, mutta se ei aiheuttanut tutkimusaineistossa yhtään virheellistä harvennuskypsyyden määritystä. Saatujen tulosten perusteella pääteltiin, että satunnainen virhe puustotunnuksissa aiheuttaa metsäalueen ensiharvennuspoistuman ennusteeseen yliarvion lyhyellä ajanjaksolla. Inventointivirheillä voi olla ensiharvennuskypsyyttä määritettäessä selvästi suurempi merkitys kuin puujoukon generoimisen virheillä ja kasvun ennustamisen virheillä.

• Ojansuu, Sähköposti: risto.ojansuu@metla.fi
• Halinen, Sähköposti: ei.tietoa@metsatiede.org
• Härkönen, Sähköposti: ei.tietoa@metsatiede.org

Tutkimuksen tavoitteena oli selvittää, kuinka luotettavasti tietyt puustotunnukset pystytään maastossa arvioimaan ja mitkä tekijät vaikuttavat puustotunnusten arvioinnin ajanmenekkiin. Perinteisten kuvioittaisen arvioinnin puustotunnusten lisäksi (pohjapinta-ala, keskiläpimitta, keskipituus) tutkittiin mm. runkolukumediaaniläpimitan, minimi- ja maksimiläpimitan sekä tukkikokoisen puuston pohjapinta-alan ja runkoluvun arvioinnin luotettavuutta. Tutkimuksen aineisto koostui kolmesta osasta. Koeala-aineisto käsitti 19 suorakaiteen muotoista koealaa, jotka mitattiin touko-kesäkuussa 2001. Näistä koealoista 18 oli mukana saman vuoden syyskuussa järjestetyissä mittauskokeissa, joista saatiin tutkimuksen varsinainen puustotunnusaineisto. Lisäksi kerättiin erillinen ajanmenekki-aineisto mittauskokeiden yhteydessä. Puustotunnusten arviointivirheet laskettiin vertaamalla mittaajien saamia arvoja tarkasti mitatusta koeala-aineistosta laskettuihin arvoihin. Tutkimuksen mukaan ns. uusien puustotunnusten arvioinnin luotettavuudessa vain runkolukumediaaniläpimitan, aritmeettisen keskiläpimitan ja maksimiläpimitan kohdalla päästään samalle luotettavuuden tasolle kuin pohjapinta-alan, keskiläpimitan ja keskipituuden arvioinnissa. Puustotunnusten arvioinnin ajanmenekkiin vaikuttivat voimakkaimmin puusto-ositteiden lukumäärä koealalla, koealojen mittausjärjestys sekä koealan kokonaispohjapinta-ala. Myös koealojen ja mittaajien välinen satunnainen vaihtelu oli tilastollisesti merkitsevää. Sen sijaan arvioitavat puustotunnukset eivät juurikaan vaikuttaneet ajanmenekkiin.

• Kangas, Sähköposti: annika.kangas@helsinki.fi
• Heikkinen, Sähköposti: ei.tietoa@metsatiede.org
• Maltamo, Sähköposti: ei.tietoa@metsatiede.org

Tutkimuksessa testattiin ja vertailtiin erilaisia läpimittajakaumamalleja kuvauspuiden muodostamisessa kuvioittaisen arvioinnin laskentajärjestelmässä. Tutkimuksen aineistona käytettiin Valtakunnan metsien inventoinnin kiinteäsäteisiä pysyviä koealoja. Vertaillut menetelmät olivat runkoluvullinen ja runkoluvuton prosenttiosuusmalli, vastaavat Johnsonin SB-jakauman parametrimallit sekä runkoluvuttomat Weibullin parametrimallit. Kaikki mallit kuvaavat pohjapinta-alan läpimittajakaumia, mutta runkoluvullisissa malleissa käytetään selittäjänä myös puusto-ositteen runkolukua. Puulajeista tarkasteltiin niin mäntyä, kuusta, koivuja kuin myös haapaa ja leppää. Tuotettujen puustotunnusestimaattien (kokonais- ja tukkitilavuus sekä runkoluku), tarkkuutta tarkasteltiin keskivirheen ja harhan avulla.

Mikäli runkoluku oli tiedossa, tuotti runkoluvullinen prosenttiosuusmalli yleensä tarkimmat tulokset niin tilavuuden kuin runkoluvunkin osalta. Tilavuusestimaattien osalta tarkkuuserot olivat kuitenkin pieniä. Jos taas runkolukua ei tiedetty, olivat vertaillut menetelmät keskimäärin likimain yhtä hyviä. Menetelmien keskinäinen tarkkuusjärjestys vaihteli puulajin, puuston koon ja tarkastellun puustotunnuksen suhteen. Käytettävän läpimittajakaumamallin valintaa tärkeämpää on kiinnittää huomiota maastossa mitattavan puustotiedon määrään ja etenkin laatuun.

• Maltamo, Sähköposti: matti.maltamo@forest.joensuu.fi
• Haara, Sähköposti: ei.tietoa@metsatiede.org
• Hirvelä, Sähköposti: ei.tietoa@metsatiede.org
• Kangas, Sähköposti: ei.tietoa@metsatiede.org
• Lempinen, Sähköposti: ei.tietoa@metsatiede.org
• Malinen, Sähköposti: ei.tietoa@metsatiede.org
• Nalli, Sähköposti: ei.tietoa@metsatiede.org
• Nuutinen, Sähköposti: ei.tietoa@metsatiede.org
• Siipilehto, Sähköposti: ei.tietoa@metsatiede.org

Tässä tutkimuksessa testattiin k-lähimmän naapurin (knn) menetelmän ja monitavoiteoptimoinnin soveltuvuutta metsikön kasvuennusteiden luotettavuuden arviointiin. Tutkimuksen aineistona käytettiin Metsäntutkimuslaitoksen kangasmaiden kasvukoealoja. Puulajeista tarkasteltiin mäntyä, kuusta ja koivua. Koealoilta muodostettiin kuvioittaisen arvioinnin SOLMU- ja TASO-muotoiset tiedostot, joihin simuloitiin lisäksi kuvioittaisen arvioinnin mittausvirhettä. Luotettavuusarviot estimoitiin pohjapinta-alamediaanipuun läpimitalle ja pituudelle, pohjapinta-alalle ja tilavuudelle. Luotettavuusarviot estimoitiin puulajeittain ja metsikölle. Kuvion puustotunnusten luotettavuusarviot saatiin k lähimmän naapurin vastaavien tunnusten kehitysennusteiden virheiden hajonnasta, joille oli ennustettu samantasoinen kasvu samanlaisilla puustotunnuksilla. Virhe saatiin kasvukoealalta mitatun ja MELAlla simuloidun kehityksen erona. Lähimpien naapureiden haussa käytetyt metsikkö- ja puustotunnukset ja tunnusten painot etsittiin monitavoiteoptimoinnilla. Menetelmää testattiin estimoimalla kunkin kuvion puustotunnuksien kehitysennusteiden luotettavuusarviot etsien lähimmät naapurit tutkimusaineistosta, josta poistettiin kulloinkin käsiteltävä kuvio. Menetelmän hyvyyttä tarkasteltiin vertaamalla puustotunnusten kasvuennusteiden toteutuneita keskivirheitä ja harhaa knn-menetelmän tuottamiin keskivirheiden ja harhan ennusteisiin. Lisäksi hyvyyttä arvioitiin tarkastelemalla keskivirheitä ja harhaa metsätyypeittäin ja pohjapinta-ala- ja ikäluokittain. Menetelmä toimi hyvin tutkimusaineistossa. Kuvioaineiston tietosisällöllä (SOLMU/TASO) ei ollut merkittävää vaikutusta tuloksiin. Menetelmää voidaan käyttää metsänomistajan päätöksenteon tukena ennusteiden luotettavuuden arvioinnissa. Luotettavuusarviot poistavat liian optimistiset kuvitelmat suunnittelulaskelmien paikkansa pitävyydestä. Menetelmää voidaan käyttää myös laskennallisessa ajantasaistuksessa päätettäessä, käytetäänkö kuviotiedoston ajantasaistusta kuvioittaisen inventoinnin tukena tai korvaamassa osittain uutta inventointitietoa.

• Haara, Sähköposti: arto.haara@metla.fi

Tutkimuksessa selvitettiin yksittäisten latvusten segmentointiin ilmakuvalta perustuvan puustotunnusten arviointimenetelmän tarkkuus. Puuston arviointiin kehitetty tietokoneohjelma rajaa puiden latvukset puoliautomaattisesti, minkä jälkeen se laskee puustotunnukset malliketjulla. Puun rinnankorkeusläpimitta ennustettiin latvusalan perusteella, pituus rinnankorkeusläpimitan perusteella ja tilavuus rinnankorkeusläpimitan ja pituuden perusteella. Metsikkötunnukset saatiin kuvion kaikkien segmentoitujen puiden keskiarvoina ja summina. Ohjelmassa oli myös opetettava puulajintunnistusalgoritmi. Runkoluvun, pohjapinta-alan ja tilavuuden estimaatit olivat reiluja aliarvioita, mikä johtui osittain siitä, että aineistossa oli useita puuston tilavuudeltaan erittäin suuria kuvioita. Menetelmä osoittautui jatkotutkimuksen arvoiseksi, vaikka menetelmän tarkkuus ei tämän tutkimuksen perusteella riitäkään metsäsuunnittelussa tarvittavien lähtötietojen tuottamiseen.

• Anttila, Sähköposti: perttu.anttila@forest.joensuu.fi
• Lehikoinen, Sähköposti: ei.tietoa@metsatiede.org

Tutkimuksessa tarkasteltiin Landsat TM -satelliittikuvan käyttökelpoisuutta puustotietojen sekä toimenpide-ehdotusten estimoimiseksi metsikkökuvioille ja segmenteille ei parametrisella k-lähimmän naapurin menetelmällä (knn). Satelliittikuvan informaation ohella estimoinnissa hyödynnettiin vanhan inventoinnin mukaisia puustotietoja. Tutkimuksessa vertailtiin myös satelliittikuvan sävyarvoista eri tavoin laskettujen keskiarvojen tehokkuutta estimoinnissa. Estimoinnin tukiaineisto koostui 935 kuviosta ja kohdeaineisto 921 kuviosta.

Paras estimointitulos saatiin käyttämällä satelliittikuvan informaationa kuvioiden ydinosien keskiarvosävyjä ja kuvioiden reunaetäisyydellä painotettujen sävyarvojen keskiarvoja sekä vanhaa inventointitietoa. Puuston keskitilavuuden keskivirheeksi saatiin 42,1 % (51,6 m³ ha^–1). Tarkimmin estimoitiin puuston keskiläpimitta (keskivirhe 32,3 % (5,4 cm)), sekä keskipituus (keskivirhe 34,1 % (4,6 m)). Nuorissa ja varttuneissa kasvatusmetsissä vastaavat keskivirheet olivat noin 10 %-yksikköä pienemmät kuin koko aineistossa keskimäärin. Segmenttiestimoinnissa suhteelliset keskivirheet olivat 10–15 %-yksikköä vastaavia metsikköestimointeja suuremmat.

Toimenpide-ehdotusten luokittelussa kasvatushakkuiden oikeinluokitusprosentiksi saatiin 61,3 % ja uudistamishakkuiden 64,1 %. Hoitotoimenpide-ehdotusten luokittelussa koko aineiston oikeinluokitusprosentti oli 71,2 %.

Tutkimuksessa testattu menetelmä tarjoaa nopean ja edullisen vaihtoehdon puustotunnusten ja toimenpide-ehdotusten tuottamiseksi esimerkiksi välialueiden suunnitteluun.

• Hyvönen, Sähköposti: pekka.hyvonen@metla.fi

Metsätalouden eri osa-alueilla pyritään jatkuvasti kustannussäästöihin. Kustannusten vähentämiseen tähtäävien toimenpiteiden vaikutukset jäävät kuitenkin valitettavan usein selvittämättä. Yksityismetsien metsäsuunnittelun tietotarpeita tyydyttävään kuvioittaiseen arviointiin on haettu viime aikoina kustannussäästöjä erilaisia korvaavia ja täydentäviä arvioimismenetelmiä testaamalla. Metsäkeskusten suorittamassa yksityismetsien metsäsuunnittelussa metsälön kaikki kuviot käydään läpi maastoinventoinneilla noin kymmenen vuoden välein. Laskennallisessa ajantasaistuksessa kuvioaineistoa päivitetään tilastollisilla malleilla toimenpiteet huomioon ottaen. Tällöin rajoiltaan muuttumattomilla kuvioilla ei tarvitse suorittaa puustomittauksia jokaisella inventointikerralla. Kasvuennusteiden luotettavuusarvioita ei kuitenkaan tehdä, vaan ajantasaistettua kuvioaineistoa käytetään kuten varsinaista uutta inventointiaineistoa.

Tässä katsauksessa tarkastellaan erilaisia menetelmiä, joiden avulla voidaan tuottaa ajantasaistetuille tunnuksille luotettavuusarvioita. Nämä luotettavuusarviot palvelevat tilanteissa, joissa olisi päätettävä, käytetäänkö kuviotiedoston ajantasaistusta kuvioittaisen inventoinnin tukena tai korvaamassa osittain uutta inventointitietoa. Suunnittelijalle luotettavuusarviot antavat tukea päätöstilanteessa, jossa valitaan kuviot, joille ajantasaistus voidaan tehdä luotettavasti.

• Haara, Sähköposti: arto.haara@metla.fi

Tutkimuksen tavoitteena oli selvittää automaattisten ja puoliautomaattisten kuviointimenetelmien käyttökelpoisuutta ennakkokuvioinnissa. Tutkimuksessa vertailtiin visuaalisella kuvatulkinnalla, puoliautomaattisella menetelmällä ja kolmella eri segmentointiohjelmalla automaattisesti tuotettuja kuviointeja. Käytetyt segmentointiohjelmat olivat 1) Helsingin yliopistolla kehitetty automaattinen Winseg32-segmentointiohjelma, 2) Metsäntutkimuslaitoksessa kehitetty automaattinen segmentointiohjelma ja 3) Oy Arbonaut Ltd:n kehittämä puoliautomaattinen Stand Delineation Tool -segmentointiohjelma. Tutkimuksessa vertailtiin eri menetelmillä tuotettujen kuvioiden puustotunnusten homogeenisuutta ja kuviorajojen sijaintitarkkuutta. Puustotunnusten homogeenisuuden tarkastelussa visuaalinen ja puoliautomaattinen tulkinta osoittautuivat yhtä hyviksi menetelmiksi. Puoliautomaattisessa menetelmässä segmentointiohjelman tuottamia kuviorajoja jätettiin ennakkokuviointiin visuaalista tulkintaa enemmän. Kuviorajojen sijaintitarkkuus oli paras visuaalisessa tulkinnassa. Automaattiset menetelmät eivät tuota lopullista kuviointia, vaan visuaalinen tarkistus ja maastotarkistus ovat tarpeen.

• Sell, Sähköposti: raisa.sell@tapio.mailnet.fi

Artikkelissa käsitellään uuden mittauslaitteen tarkkuutta puiden läpimitan mittauksessa ja sen tarjoamia sovellusmahdollisuuksia metsänmittaukseen ja metsäsuunnitteluun. Laitekehittelyn tavoitteena on tehostaa metsänmittausta ja tarjota uusia mahdollisuuksia selvittää puuston tilavuutta ja puutavaralajirakennetta entistä tarkemmin. Kehitteillä oleva mittauslaite muistuttaa relaskooppia. Laite koostuu laseretäisyysmittarista, vakioetäisyydellä olevasta säädettävästä relas-koopin hahlosta, elektronisesta kompassista ja kaltevuusmittarista. Laite mahdollistaa puiden tunnusten ja sijainnin mittaamisen koealan keskipisteestä käymättä puiden luona. Tutkimuksen laadinta-ajankohtana laitteesta oli käytössä toinen prototyyppi. Laitteella saavutettava tarkkuus läpimitan mittauksessa riippuu selvästi mittausetäisyydestä. Noin kolmen metrin etäisyydellä puusta rinnankorkeusläpimitan mittausten hajonta oli esitutkimuksen mukaan keskimäärin 6,8 mm ja 12 metrin etäisyydeltä 15,8 mm. Laite mahdollistaa runkolukusarjan mittaamisen tehokkaaasti ja mittauksen tarkkuus voidaan arvioida. Parhaimmillaan laite tulee olemaan järeissä ja taloudellisesti arvokkaissa puustoissa, joissa näkyvyys on hyvä.

• Laasasenaho, Sähköposti: jouko.laasasenaho@helsinki.fi
• Koivuniemi, Sähköposti: ei.tietoa@metsatiede.org
• Melkas, Sähköposti: ei.tietoa@metsatiede.org
• Räty, Sähköposti: ei.tietoa@metsatiede.org

• Varjo, Sähköposti: jari.varjo@metla.fi

• Paananen, Sähköposti: raito.paananen@tapio.mailnet.fi

• Uuttera, Sähköposti: janne.uuttera@tapio.mailnet.fi
• Hiltunen, Sähköposti: ei.tietoa@metsatiede.org
• Rissanen, Sähköposti: ei.tietoa@metsatiede.org
• Anttila, Sähköposti: ei.tietoa@metsatiede.org
• Hyvönen, Sähköposti: ei.tietoa@metsatiede.org

• Holopainen, Sähköposti: markus.holopainen@helsinki.fi

• Korhonen, Sähköposti: kari.t.korhonen@metla.fi

• Anttila, Sähköposti: ei.tietoa@metsatiede.org