Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
Metsävaratiedon laatupäivät
12.10.2016
Helsinki
Puustotulkintaan vaikuttavat tekijät –
puustotulkitsijan näkökulma
Arbonau...
Esityksen sisältö
1. Lähtöaineistojen merkitys
2. Laadun vaihtelu alueiden, metsiköiden ja tunnusten välillä
3. Menetelmän...
Lähtöaineistojen merkitys
Lopputulos ei voi olla parempi kuin käytettävistä lähtöaineistoista
saatava informaatio.
Mutta y...
Laadun vaihtelu
•Aineistojen keruun onnistuminen
•Vaikutus koko inventointialueen keskimääräiseen tarkkuustasoon.
•Alueen ...
Laadun vaihtelu
•Keskimäärin tarkkuustaso eri puolilla Suomea melko vakio,
mutta on myös ns. helppoja alueita ja vaikeita ...
Laadun vaihtelu
Pituus tarkin tunnus, melkein ”mitattu”
Läpimitta, ppa ja tilavuus
seuraavaksi tarkimmat,
perustuvat kuite...
Laadun vaihtelu
Puulajitieto perustuu vahvasti ilmakuviin
Ikä ja runkoluku ovat
epäluotettavimpia
Ikäennuste saadaan
luote...
Laadun vaihtelu
Taimikot
• Taimikoissa laserpiirteinen ja puuston väliset korrelaatiot
ovat huomattavasti heikompia kuin v...
Ominaisuuksia
Läpimittajakaumien tarkastelu paljastaa menetelmän
ominaisuuksista
Kuva: Tapio
Ominaisuuksia
Aineiston pilkkominen osiin
paljastaa menetelmän
ominaisuuksista
• Esimerkiksi
harvennuskohteiss...
Ominaisuuksia
Menetelmän
perusyksikkö, jolle
inventointi lasketaan,
on hilaruutu
• Ei ole samantekevää,
miten tieto hilalt...
Yhteenveto
• Menetelmä tuottaa objektiivista pohjatietoa
päätöksentekoon
• Osa tunnuksista on luotettavampia kuin toiset, ...
Kiitos
Upcoming SlideShare
Loading in …5
×

Puustotulkintaan vaikuttavat tekijät – puustotulkitsijan näkökulma

531 views

Published on

Metsätiedon laatupäivillä Arbonaut Oy:n esitys puustotulkintaan vaikuttavista tekijöistä

Published in: Education
  • Be the first to comment

Puustotulkintaan vaikuttavat tekijät – puustotulkitsijan näkökulma

  1. 1. Metsävaratiedon laatupäivät 12.10.2016 Helsinki Puustotulkintaan vaikuttavat tekijät – puustotulkitsijan näkökulma Arbonaut Jussi Peuhkurinen
  2. 2. Esityksen sisältö 1. Lähtöaineistojen merkitys 2. Laadun vaihtelu alueiden, metsiköiden ja tunnusten välillä 3. Menetelmän ominaisuuksia ja miten ne voisi huomioida aineistoja käytettäessä
  3. 3. Lähtöaineistojen merkitys Lopputulos ei voi olla parempi kuin käytettävistä lähtöaineistoista saatava informaatio. Mutta yhdistelemällä aineistoja (viisaasti) voidaan saada parempi lopputulos kuin hyödyntämällä vain yhtä tietolähdettä.
  4. 4. Laadun vaihtelu •Aineistojen keruun onnistuminen •Vaikutus koko inventointialueen keskimääräiseen tarkkuustasoon. •Alueen sisällä voi olla kohtia, joissa systemaattista virhettä.
  5. 5. Laadun vaihtelu •Keskimäärin tarkkuustaso eri puolilla Suomea melko vakio, mutta on myös ns. helppoja alueita ja vaikeita alueita. •Helppoja: pääosin yhtä puulajia, pieni vaihtelu alueen sisällä, ”Metsänhoitosuositusten mukaan hoidettuja talousmetsiä” •Vaikeita: useita puulajeja, paljon vaihtelua, epätasaisia puustoja, ”Korkea biodiversiteetti”
  6. 6. Laadun vaihtelu Pituus tarkin tunnus, melkein ”mitattu” Läpimitta, ppa ja tilavuus seuraavaksi tarkimmat, perustuvat kuitenkin enemmän tilastolliseen mallinnukseen
  7. 7. Laadun vaihtelu Puulajitieto perustuu vahvasti ilmakuviin Ikä ja runkoluku ovat epäluotettavimpia Ikäennuste saadaan luotettavimmin käyttämällä joskus maastossa tehtyä arviota tai tietoa metsikön perustamisajankohdasta
  8. 8. Laadun vaihtelu Taimikot • Taimikoissa laserpiirteinen ja puuston väliset korrelaatiot ovat huomattavasti heikompia kuin varttuneissa puustoissa • -> Sama tarkkuus vaatisi moninkertaisen määrän koealoja taimikoista
  9. 9. Ominaisuuksia Läpimittajakaumien tarkastelu paljastaa menetelmän ominaisuuksista
  10. 10. Kuva: Tapio Ominaisuuksia Aineiston pilkkominen osiin paljastaa menetelmän ominaisuuksista • Esimerkiksi harvennuskohteissa usein tiheyden aliarvio
  11. 11. Ominaisuuksia Menetelmän perusyksikkö, jolle inventointi lasketaan, on hilaruutu • Ei ole samantekevää, miten tieto hilalta yleistetään kuviolle
  12. 12. Yhteenveto • Menetelmä tuottaa objektiivista pohjatietoa päätöksentekoon • Osa tunnuksista on luotettavampia kuin toiset, toisilla metsiköillä parempi tarkkuus kuin toisilla • Erityispiirteet kannattaa huomioida soveltaessa aineistoa omaan käyttöön • Menetelmää kehitetään koko ajan, tarkkuus paranee pikkuhiljaa
  13. 13. Kiitos

×