Transcript Blom_Laserkeilaus

LASERKEILAUKSELLA
MOTTEJA
Lasse Turunen
BLOM
• Euroopan johtavia yrityksiä
kaukokartoitusbisneksessä
• Toimistoja13 maassa
• Liikevaihto n.90 M€ (2009)
• Päätoimialoja
–
–
–
–
Ilmakuvaus (myös satelliittikuvat)
Laserkeilaus
Kartoitus ja mallinnus
Navigointi ja erilaiset
tietokantasovellukset
• Metsien inventointiin liittyvää
toimintaa Suomessa, Norjassa ja
Espanjassa
Kaukokartoituspohjainen metsien
inventointiprosessi
•
•
•
•
•
•
•
Projektin suunnittelu
Laserkeilaus ja ilmakuvaus
Referenssimaastokoealojen mittaus
Puustotunnuksien mallinnus
Segmentointi ja mikrokuviointi
Puustotunnuksien laskenta
Datan toimitus asiakkaalle
Laserkeilaus
•Lentokorkeus 2000 metriä
•Pulssin toistotaajuus 50 kHz
•Lentonopeus 75 m/s
•Lentolinjan leveys n. 1000
metriä ja sivupeitto 20%
•Pulssitiheys yleensä n. 0.5
pulssia/m²
•Single-pulse
•Pistepilvi
•Puuston koon ja tiheyden
tuottamiseksi
Kuva Helsingin sanomat ja Blom Kartta Oy
Ilmakuvaus
•
Ilmakuvauksessa käytössä
UltraCamD ja UltraCamXP
•
Kamerassa neljä värikanavaa
RGB ja lähi-infra
•
•
•
•
•
Lisäksi käytössä pankromaattinen
kanava
Kuvauskorkeudet 6000 – 8500 m
Pituuspeitto 80%
Sivupeitto 30-40%
Kaukokartoituspohjaisessa
inventoinnissa ilmakuvia
hyödynnetään puulajitulkinnassa
Referenssiaineistojen hankinta
• Inventoitavalta alueelta kerättävä referenssikoealat (500-700
kpl)
• Koealat kerätään puuston pituuden ja läpimitan vaihtelun
määrittämiseksi (ns. pönäkkyys)
• Koealoja kerättävä kehitysluokista Y1, S0, T2, 02, 03, 04, jotta
inventoitavan alueen metsien normaalivaihtelu saadaan selville
• Blom mittaa kaikista koealan puista pituudet
• Koealat ympyräkoealoja 5,64m, 9m ja 12,65m
• Koealojen tarkka paikannus GPS-laitteilla
– Jälkikorjaus paikannustarkkuuden lisäämiseksi
Referenssiaineiston hankinta
Referenssiaineiston kattavuus
Referenssiaineisto inventointialueella
Puustotulkinta
•Kaukokartoitusaineistojen ja
maastokoealojen
yhdistäminen
•Mallinnus: tehdään
laskentamallit, joilla
lasketaan halutut
tunnukset
•Puustotunnukset
-hilalle (16mx16m)
-mikrokuvioille
-metsätalouskuvioille
• Aineistojen toimitus
asiakkaan tietojärjestelmään
Kuviotason laskenta
Mikrokuviointi ja CHM
(kasvillisuuden pintamalli)
• Mikrokuviot kooltaan
250m²-1ha
• Metsiköt jaetaan homogeenisiin yksiköihin
• Mikrokuviointi automaattista
• Perustuu laserdatan
havaitsemaan puuston
pituuden vaihteluun
Kuviotason tuloksia
Estimoidut puustotunnukset
• Ennustettavat puustotunnukset
–
–
–
–
–
–
•
•
•
•
Keskiläpimitta
Keskipituus
Runkoluku
Pohjapinta-ala
Tilavuus
Valtapituus
Tunnistettavat puulajit : mänty, kuusi ja lehtipuut
Tunnukset luotettavia T2-kehitysluokasta ylöspäin
Runkolukusarjojen tuottaminen
Teoreettiset puutavaralajikertymät
– Tukki- ja kuitupuu (tulevaisuudessa tarkemmat puulajierottelut)
• Kasvupaikkaluokitus
• Ikä kokonaispuustolle tai puulajeittain
Mikrokuvioiden hyödyntäminen, ppa
Runkolukusarjat
Timbex –puunhankinnan tietolähde
• Aineistoa noin 2 miljoonaa hehtaaria
– Miljoonaa hehtaaria puulajeittain Keski –ja Itä-Suomessa (2008-2010)
– Miljoona hehtaaria yhdessä blokissa Tampere-Tuusula välillä (2008-2009)
– ”pienellä vaivalla” mahdollisuus tuottaa puustotunnukset puulajeittain myös 0,5
miljoonan hehtaarin blokille (2010-2011)
• Ennustettavat puustotunnukset (pääpuulaji)
–
–
–
–
–
–
Keskiläpimitta
Keskipituus
Runkoluku
Pohjapinta-ala
Tilavuus
Valtapituus
• Runkolukusarjojen tuottaminen (vaatii paljon tietojärjestelmältä)
• Puutavaralajijakaumat (tukki/kuitu mahd. tarkempiin
erittelyihin)
Timbex –puunhankinnan tietolähde
• Kasvupaikkaluokitus ja ikä mahdollisuus
• Referenssikoealat kerätty ajatellen kehitysluokkia 02, 03 ja 04
• Puustotunnukset voidaan toimittaa hilalle, mikrokuvioille tai
metsätalouskuviolle
• Kasvillisuuden pintamalli
– ”1 metrin resoluutiolla oleva tiffi rasterikartta”
– Rasterikartasta tehty kuva
• Aineistot voidaan toimittaa mihin tahansa yleisesti tunnettuun
paikkatietoformaattiin, koordinaatistoon ja karttalehtijakoon
• Mahdollisuus tarvittaessa myös WMS-rajapinnan kautta
Loppukommentteja
• Kaukokartoituspohjainen metsien inventointi lisääntyy
tulevaisuudessa
• Metsikkötunnusten laatu ja tarkkuus paranee
• Tarjoaa uusia tunnuksia ja sovelluksia
– Esim. mikrokuviot, runkolukusarjat, tarkka maaston ja kasvillisuuden
pintamalli
• Metsäalan ammattilaisia tarvitaan vielä pitkään
– Kaikkea ei voida automatisoida
– Metsien hoito ja neuvonta
– Puuttuvien tunnusten tarkistus maastossa… laatu, puulajit