Epsilon Archive for Student Projects

Abstract

Behovet av tillförlitlig skoglig information för planering i skogsbruket har resulterat i en utveckling av olika inventeringsmetoder. Kostnaden styr ofta valet av inventeringsmetod och frekvensen av inventeringar, vilket påverkar kvaliteten på den information som finns tillgänglig för skogsförvaltare. Objektivt inventerade provytor har varit vanliga som referensdata för att skatta skogliga variabler från fjärranalysdata. Ett alternativ till fält inventering, som ännu inte har undersökts i nämnvärd utsträckning är skördardata.

Syftet med denna studie var att utveckla en metod för att skatta skogliga variabler med flygburen laserskanningsdata och skördaruppgifter och utvärdera skattningsnoggrannheten i metoden. Studien begränsades till volym/ha, aritmetisk medehöjd och aritmetisk medeldiameter i brösthöjd. Den area baserad metoden användes och skattningar med både regressionsanalys och k-MSN utvärderades.

Resultaten av denna studie var beståndsvisa skattningar med ett relativt medelfel för volym, höjd och diameter på 11%, 5% och 8% . Tidigare studier i Skandinavien har med hjälp av flygburen laserskanningsdata och fältytor, skattat bestånds volym, grundytevägd medelhöjd och grundytevägd medeldiameter med ett relativt medelfel på 11-14%, 3-6% och 9-13% för respektive variabel (Næsset 2007). Denna studie visar att bra skattningar kan uppnås utan kunskap om exakta trädpositioner genom att använda tillgängliga skördardata från befintliga avverkningar och flygburen laserskanningsdata från Lantmäteriets nationella projekt. Resultaten visar med andra ord att skördardata kan vara en användbar källa till referensdata för fjärranalystillämpningar.

The need for reliable information for forestry planning has resulted in the development of different inventory methods. Cost often regulates the choice of inventory method and the frequency of inventories, which affects the quality of the information available to the forest managers. Objectively surveyed field plots have been common reference data for predicting forest variables with remote sensing data. An alternative, which has not yet been extensively explored, is data collected from mechanical harvesting operations.

The purpose of this study was to develop a method for predicting forest variables with airborne laser scanning (ALS) data and harvester data, and to evaluate the accuracy of the method. The study was limited to volume, arithmetic mean height and arithmetic mean diameter at breast height. The area based method was used in this study, prediction with both regression analysis and k-MSN was evaluated.

The results were stand level predictions with a relative RMSE of 11%, 5% and 8% for volume, height and diameter respectively. Previous Scandinavian studies have, using ALS data and training plots, predicted stand volume, basal area weighted height and basal area weighted diameter with a relative RMSE of 11-14%, 3-6% and 9-13%, respectively (Næsset, 2007).

Good predictions can be achieved without knowledge of precise tree positions by using available data from actual harvester operations and ALS data from Lantmäteriets national scanning. The results suggest that harvester data can be a useful source of training data for remote sensing applications.