Drone-inventoinnin luotettavuus

Janne Sarkeala, 7.11.2020

1. TAUSTA

Drone-kuvaukseen perustuvaa metsäninventointia on toteutettu Suomessa kaupallisesti vuodesta 2018. Menetelmän tarkkuudesta ja luotettavuudesta on tähän asti ollut saatavilla ainoastaan hajanaista tietoa. Metsäni.fi-palvelussa tarjottavan drone-inventoinnin tarkkuutta arvioitiin käyttäen Suomen Metsäkeskuksen (SMK) metsätiedon keruuta varten kerättyä maastoaineistoa.

 

2. VERTAILUAINEISTO

 

Vertailuaineisto koostui 44 SMK:n pystymitatusta koealasta Padasjoelta ja Pieksämäeltä. Koealojen keskikoko oli 0,15 hehtaaria koostuen keskimäärin 110 kpl yli 5 cm paksusta puusta. Pystymitattu pinta-ala oli yhteensä 7,1 hehtaaria. Koealat olivat valtaosin varttuneita kasvatusmetsiä ja uudistuskypsiä metsiä, ja koealojen puuston keskitilavuus oli 279 m3/ha.

 

Padasjoen aineisto oli mitattu 2019 kasvukauden jälkeen ja Pieksämäen aineisto 2019 kasvukauden aikana pääosin kesä-heinäkuun vaihteessa. Padasjoen puita kasvatettiin laskennallisesti 1 vuosi ja Pieksämäen puita 1,5 vuotta vastaamaan drone-aineiston ajankohtaa.


 

3. DRONE-AINEISTO

 

SMK:n koealat kuvattiin Metsälinkki Oy:n dronella lokakuussa 2020 samalla kalustolla ja menetelmällä joita käytetään metsäsuunnittelukuvauksissa. Drone-kuvista  laskettiin mm. 3D-pistepilvet, oikaistut multispektrimosaiikit ja latvuston pituusmallit, joista tunnistettiin puut ja määritettiin niille mm. puulaji, pituus ja rinnankorkeusläpimitta.

 

4. AINEISTOJEN KÄSITTELY

 

SMK:n maastomitattu puukartta ja drone-aineistosta laskettu puukartta käsiteltiin samalla tavoin. Molemmista laskettiin kullekin koealalle runkotilavuus, pohjapinta-ala, keskipituus ja keskiläpimitta.

 

Näiden tunnusten erot laskettiin koealoittain, ja tunnusten keskivirheet koko aineistolle.

drone3.JPG

Kuva 1. Esimerkki koealan puukartasta, SMK:n puut pisteinä ja drone-puut ympyröinä. Vihreä - mänty, sininen - kuusi, punainen - koivu
 

5. TULOKSET

 

​Vertailu SMK:n koealoihin

 

Taulukossa 1 on esitetty kaikkien koealojen keskiarvot ja niiden erot tärkeimmille tunnuksille.  Drone-mittauksella tulee hieman suuremmat keskiläpimitat ja pohjapinta-alat kuin SMK:n maastomittauksella, ja hieman pienempi keskipituus. Näiden yhteisvaikutuksena drone-inventointi antaa tällä aineistolla 2,5 % suuremman keskitilavuuden kuin maastomittaus. Yleisesti voidaan todeta että drone-inventoinnin tulokset vastaavat varsin hyvin maastomittauksen tuloksia.

drone1.JPG

Taulukko 1. Koealojen puustotunnusten keskiarvot ja niiden erot

 

Keskitilavuuden yliarvion syynä arvioidaan olevan käytettävissä oleva läpimittamalli. Drone-inventoinnissa puun läpimitta lasketaan puun pituudesta ja latvuksen koosta puulajeittain mallintamalla. Tämä läpimittamalli tuottaa puun läpimitalle yliarvion joka johtaa tässä tapauksessa pohjapinta-alan ja tilavuuden lievään yliarvioon.

 

Vertailu kuvioittaiseen arviointiin

 

Taulukossa 2 on verrattu droneinventoinnin tarkkuutta perinteiseen maastossa tehtyyn kuvioittaiseen arviointiin, jonka luotettavuutta ovat tutkineet Haara & Korhonen (2004).

drone2.JPG

Taulukko 2. Drone-inventoinnin ja kuvioittaisen arvioinnin suhteelliset keskivirheet puustotunnuksittain.

 

Tällä aineistolla drone-inventointi tuottaa kuvioittaista arviointia tarkemman tuloksen kaikilla tutkituilla tunnuksilla. Erityisesti keskipituus saadaan merkittävästi maastoinventointia luotettavammin, koska puun latvan määrittäminen ilmasta on tarkempaa kuin maan pinnalta.

 

Keskitilavuuden keskivirhe on droneinventoinnissa huomattavasti maastoinventointia pienempi, lähes puolet (13,8% vs 24,8%).
 

6. TULOSTEN TARKASTELU

 

Edellä verrattiin drone-inventointia yksin puin mitattuihin koealoihin (pystymittaukseen) sekä arvioitiin droneinventoinnin tarkkuutta kuvioittaiseen arviointiin verrattuna niillä aineistoilla joita on tällä hetkellä saatavissa.

 

Pystymittaus ei ole käytännön metsätaloudessa mahdollista, ja drone-mittaus tarjoaa vaihtoehdon pystymittausta tarkkuudeltaan vastaavan inventointituloksen hankkimiseen. Osa isompien puiden katveessa olevista pienemmistä puista jää dronella inventoimatta, ja puutetta korjataan mallintamalla puuttuvia puita kuvion runkolukusarjaan.

 

Droneinventoinnin luotettavuutta nykymuotoiseen kuvioittaiseen arviointiin verrattuna lisäävät drone-inventoinnin objektiivisuus ja sataprosenttinen kattavuus.

 

Koneellisessa drone-inventoinnissa poistuu maastomittauksen subjektiivisuus ja maastomittaajien välisen vaihtelun vaikutus, joka on todettu huomattavaksi. Esim Haara & Korhosen mukaan keskitilavuuden mittaajakohtainen keskivirhe oli 10,6 % - 33,9 %.

 

Kuvioittaisessa arvioinnissa maastomittaaja kykenee kattamaan vain pienen osan inventoitavasta kohteesta joten mittauksen otantaprosentti on erittäin alhainen. Tällöin kuvioiden sisäisestä vaihtelusta jää aina osa huomioimatta. Drone-mittauksen otanta on 100 % eli inventoitava alue mitataan kauttaaltaan. Metsikkökuviot muodostetaan tuoreelta ilmakuvalta jolloin kuvioiden sisäinen vaihtelu pystytään pitämään alhaisena.

 

Tässä tutkittiin drone-inventoinnin luotettavuutta puuston kokonaistunnusten osalta, siis kaikki puulajit yhdessä. Drone-inventoinnissa valta- ja lisävaltapuiden puulaji määritetään oikein yli 90-prosenttisesti luokkiin mänty-kuusi-lehtipuu, mikä lisää droneinventoinnin tarkkuutta kuvioittaiseen arviointiin verrattuna.

 

Toisessa erillisessä vertailussa tutkittiin drone-mittauksen eroa SMK:n hila-aineistoon 336 ha alueella. Tässä tapauksessa drone-mittauksen tulos kokonaistilavuuden osalta oli 2,8% pienempi kuin SMK:n tulos, mikä on samassa suuruusluokassa kuin tämän vertailun tulos (2,5 % suurempi).


 

Lähteet:

 

Haara, A. & Korhonen, K.T. 2004. Kuvioittaisen arvioinnin luotettavuus. Metsätieteen aikakauskirja 4/2004: 489–508.