{"id":{"repo_id":"helsinki","oai_identifier":"oai:helda.helsinki.fi:10138/231914"},"canonical_url":"https://search.dev.ndltd.org/etd/helsinki/oai:helda.helsinki.fi:10138/231914","repository":{"repo_id":"helsinki","name":"University of Helsinki","base_url":"https://helda.helsinki.fi/server/oai/request"},"display":{"title":"Hakkuukoneen paikannetulla hakkuulaitteella kerätyn puutiedon hyödyntäminen lentolaserkeilaukseen perustuvan puustotulkinnan aputietona","abstract":"Kuviotason metsävaratietoa tarvitaan Suomessa yksityismetsätalouden suunnittelua ja metsäteollisuuden puunkorjuun suunnittelua varten. Hakkuukoneet mittaavat ja tallentavat kaadetuista rungoista useita läpimittoja sekä käyttöosan pituuden. Lisäksi jokaiselle kaadetulle puulle määritetään puulaji ja sijainti. Hakkuukonemittausten hyödyntäminen voisi tehostaa metsävaratiedon tuottamista ja parantaa sen laatua. Tällä hetkellä hakkuukoneella kerätyn puutiedon hyödyntämistä rajoittaa aineistojen saatavuus ja heikko yksittäisen kaadetun puun sijaintitarkkuus. Hakkuulaitteen paikannuksen vaikutusta yksittäisen puun sijainnin määrittämisen tarkkuuteen tutkittiin vertaamalla puun todellista sijaintia estimaatteihin, jotka perustuivat hakkuukoneen ja hakkuulaitteen sijainteihin puun kaatohetkellä. Hakkuulaitteella kerätyn puutiedon käyttöä aluepohjaisen puustotulkintamenetelmän aputietona tutkittiin käyttämällä kaukokartoitusaineistoihin perustuvien puustotunnusten ennustemallien opetusaineistona Uudenmaan alueelta kerättyyn hakkuukoneaineistoon muodostettuja ympyräkoealoja sekä maastokoealoja. Yksittäisten puiden paikannustavan, koealakokoon sekä tavallisten maastokoealojen määrä vaikutuksen selvittämiseksi puustotunnusten ennustamalleja laadittiin erilaisilla opetusaineistoilla. Vertailtavina tunnuksina olivat puustotunnusten keskineliövirheen neliöjuuret (RMSE) ja harhat, jotka laskettin leimikkotason puustotunnusten ennusteiden ja vertailukohtana käytettyjen leimikkotason hakkuukonemittausten erotuksista. RMSE-arvot ja harhat laskettiin myös suhteutettuna vertailuaineiston puustotunnusten keskiarvoihin. Tulosten perusteella hakkuulaitteen paikannus parantaa yksittäisen puun sijaintitarkkuutta 2,93 metriä, päästen yksittäisen puun tasolla 7,86 metristä 4,93 metrin sijaintitarkkuuteen. Säteeltään yhdeksän metrin koealoille lasketun pohjapinta-alan poistuman RMSE tarkentui 35 prosentista 23 prosenttiin, kun koealalta hakatut puut paikannettiin hakkuukoneen sijasta hakkuulaitteen sijaintiin. Kun hakkuulaitteen paikannuksen avulla kerätyistä puutiedoista muodostettiin opetuskoealoja, niin aluepohjaisella menetelmällä ennustettujen leimikkokohtaisen pohjapinta-alan, runkoluvun, kokonaistilavuuden ja tukkitilavuuden RMSE tarkentui 4,1 – 18,1 prosenttiyksikköä kun koealojen pinta-ala oli 254 tai 509 neliömetriä ja verrattavana olivat ennusteet, jotka perustuivat koealoihin, joissa yksittäiset puut oli paikannettu hakkuukoneen sijaintiin. Koealakoon ollessa 763 neliömetriä tai enemmän ei paikannusmenetelmällä enää ollut vaikutusta puustotulkinnan tarkkuuteen. Hakkuukoneaineistoon muodostettujen koealojen käyttö yhdessä tavallisten maastokoealojen kanssa tuotti kaikilla puustotunnuksilla pienimmän RMSE:n, mutta ero pelkkien maastokoealojen avulla tuotettuun tarkimpaan ennusteeseen oli vähäinen. Tarkimmat pohjapinta-alan, runkoluvun, tilavuuden ja tukkitilavuuden ennusteet saatiin joko hakkuukoneen sijaintia ja yli 509 neliömetrin koealakokoa käyttämällä tai hakkuulaitteen sijaintia ja alle 763 neliömetrin koealakokoa käyttämällä. Keskipituuden ja keskiläpimitan tarkimmat ennusteet saatiin hakkuukoneen sijaintia käyttämällä, mutta koealakoon vaikutus oli vähäinen. Hakkuukonekoealojen käyttö aluepohjaisen puustotulkinnan opetusaineistona tuotti kuviotasolla yliarvioita pohjapinta-alan, runkoluvun, tilavuuden ja tukkitilavuuden ennusteisiin, mutta hakkuulaitteen paikannus pienensi ennusteiden yliarviota 254 ja 509 neliömetrin koealakoilla.","abstract_html":"Kuviotason metsävaratietoa tarvitaan Suomessa yksityismetsätalouden suunnittelua ja metsäteollisuuden puunkorjuun suunnittelua varten. Hakkuukoneet mittaavat ja tallentavat kaadetuista rungoista useita läpimittoja sekä käyttöosan pituuden. Lisäksi jokaiselle kaadetulle puulle määritetään puulaji ja sijainti. Hakkuukonemittausten hyödyntäminen voisi tehostaa metsävaratiedon tuottamista ja parantaa sen laatua. Tällä hetkellä hakkuukoneella kerätyn puutiedon hyödyntämistä rajoittaa aineistojen saatavuus ja heikko yksittäisen kaadetun puun sijaintitarkkuus. Hakkuulaitteen paikannuksen vaikutusta yksittäisen puun sijainnin määrittämisen tarkkuuteen tutkittiin vertaamalla puun todellista sijaintia estimaatteihin, jotka perustuivat hakkuukoneen ja hakkuulaitteen sijainteihin puun kaatohetkellä. Hakkuulaitteella kerätyn puutiedon käyttöä aluepohjaisen puustotulkintamenetelmän aputietona tutkittiin käyttämällä kaukokartoitusaineistoihin perustuvien puustotunnusten ennustemallien opetusaineistona Uudenmaan alueelta kerättyyn hakkuukoneaineistoon muodostettuja ympyräkoealoja sekä maastokoealoja. Yksittäisten puiden paikannustavan, koealakokoon sekä tavallisten maastokoealojen määrä vaikutuksen selvittämiseksi puustotunnusten ennustamalleja laadittiin erilaisilla opetusaineistoilla. Vertailtavina tunnuksina olivat puustotunnusten keskineliövirheen neliöjuuret (RMSE) ja harhat, jotka laskettin leimikkotason puustotunnusten ennusteiden ja vertailukohtana käytettyjen leimikkotason hakkuukonemittausten erotuksista. RMSE-arvot ja harhat laskettiin myös suhteutettuna vertailuaineiston puustotunnusten keskiarvoihin. Tulosten perusteella hakkuulaitteen paikannus parantaa yksittäisen puun sijaintitarkkuutta 2,93 metriä, päästen yksittäisen puun tasolla 7,86 metristä 4,93 metrin sijaintitarkkuuteen. Säteeltään yhdeksän metrin koealoille lasketun pohjapinta-alan poistuman RMSE tarkentui 35 prosentista 23 prosenttiin, kun koealalta hakatut puut paikannettiin hakkuukoneen sijasta hakkuulaitteen sijaintiin. Kun hakkuulaitteen paikannuksen avulla kerätyistä puutiedoista muodostettiin opetuskoealoja, niin aluepohjaisella menetelmällä ennustettujen leimikkokohtaisen pohjapinta-alan, runkoluvun, kokonaistilavuuden ja tukkitilavuuden RMSE tarkentui 4,1 – 18,1 prosenttiyksikköä kun koealojen pinta-ala oli 254 tai 509 neliömetriä ja verrattavana olivat ennusteet, jotka perustuivat koealoihin, joissa yksittäiset puut oli paikannettu hakkuukoneen sijaintiin. Koealakoon ollessa 763 neliömetriä tai enemmän ei paikannusmenetelmällä enää ollut vaikutusta puustotulkinnan tarkkuuteen. Hakkuukoneaineistoon muodostettujen koealojen käyttö yhdessä tavallisten maastokoealojen kanssa tuotti kaikilla puustotunnuksilla pienimmän RMSE:n, mutta ero pelkkien maastokoealojen avulla tuotettuun tarkimpaan ennusteeseen oli vähäinen. Tarkimmat pohjapinta-alan, runkoluvun, tilavuuden ja tukkitilavuuden ennusteet saatiin joko hakkuukoneen sijaintia ja yli 509 neliömetrin koealakokoa käyttämällä tai hakkuulaitteen sijaintia ja alle 763 neliömetrin koealakokoa käyttämällä. Keskipituuden ja keskiläpimitan tarkimmat ennusteet saatiin hakkuukoneen sijaintia käyttämällä, mutta koealakoon vaikutus oli vähäinen. Hakkuukonekoealojen käyttö aluepohjaisen puustotulkinnan opetusaineistona tuotti kuviotasolla yliarvioita pohjapinta-alan, runkoluvun, tilavuuden ja tukkitilavuuden ennusteisiin, mutta hakkuulaitteen paikannus pienensi ennusteiden yliarviota 254 ja 509 neliömetrin koealakoilla.","abstract_has_math":false,"creators":["Saukkola, Atte"],"institution":"Helsingin yliopisto","degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":["Helsingin yliopisto, Maatalous-metsätieteellinen tiedekunta, Metsätieteiden laitos","University of Helsinki, Faculty of Agriculture and Forestry, Department of Forest Sciences","Helsingfors universitet, Agrikultur- och forstvetenskapliga fakulteten, Institutionen för skogsvetenskaper"],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2017,"date_issued":"2017","date_published":"2017","updated_at":"2026-07-27T19:56:11Z","subjects":["aluepohjainen menetelmä","hakkuukonetieto","hakkuulaitteen paikannus","paikannustarkkuus"],"languages":["fin"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier.uri","label":"Identifier URI","values":["URN:NBN:fi:hulib-201801301145"],"render_values":[{"text":"URN:NBN:fi:hulib-201801301145","href":null,"code":true}]}]},"links":{"outbound_url":"http://hdl.handle.net/10138/231914","outbound_label":"Handle","outbound_source":"dc:identifier.uri"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:contributor","label":"Contributor","values":["Helsingin yliopisto, Maatalous-metsätieteellinen tiedekunta, Metsätieteiden laitos","University of Helsinki, Faculty of Agriculture and Forestry, Department of Forest Sciences","Helsingfors universitet, Agrikultur- och forstvetenskapliga fakulteten, Institutionen för skogsvetenskaper"]},{"key":"dc:creator","label":"Author","values":["Saukkola, Atte"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date.issued","label":"Date","values":["2017"]},{"key":"dc:publisher","label":"Institution","values":["Helsingin yliopisto","University of Helsinki","Helsingfors universitet"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["aluepohjainen menetelmä","hakkuukonetieto","hakkuulaitteen paikannus","paikannustarkkuus"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language.iso","label":"Language (ISO)","values":["fin"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier.uri","label":"Identifier URI","values":["URN:NBN:fi:hulib-201801301145","http://hdl.handle.net/10138/231914"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description.abstract","label":"Abstract","values":["Kuviotason metsävaratietoa tarvitaan Suomessa yksityismetsätalouden suunnittelua ja metsäteollisuuden puunkorjuun suunnittelua varten. Hakkuukoneet mittaavat ja tallentavat kaadetuista rungoista useita läpimittoja sekä käyttöosan pituuden. Lisäksi jokaiselle kaadetulle puulle määritetään puulaji ja sijainti. Hakkuukonemittausten hyödyntäminen voisi tehostaa metsävaratiedon tuottamista ja parantaa sen laatua. Tällä hetkellä hakkuukoneella kerätyn puutiedon hyödyntämistä rajoittaa aineistojen saatavuus ja heikko yksittäisen kaadetun puun sijaintitarkkuus. Hakkuulaitteen paikannuksen vaikutusta yksittäisen puun sijainnin määrittämisen tarkkuuteen tutkittiin vertaamalla puun todellista sijaintia estimaatteihin, jotka perustuivat hakkuukoneen ja hakkuulaitteen sijainteihin puun kaatohetkellä. Hakkuulaitteella kerätyn puutiedon käyttöä aluepohjaisen puustotulkintamenetelmän aputietona tutkittiin käyttämällä kaukokartoitusaineistoihin perustuvien puustotunnusten ennustemallien opetusaineistona Uudenmaan alueelta kerättyyn hakkuukoneaineistoon muodostettuja ympyräkoealoja sekä maastokoealoja. Yksittäisten puiden paikannustavan, koealakokoon sekä tavallisten maastokoealojen määrä vaikutuksen selvittämiseksi puustotunnusten ennustamalleja laadittiin erilaisilla opetusaineistoilla. Vertailtavina tunnuksina olivat puustotunnusten keskineliövirheen neliöjuuret (RMSE) ja harhat, jotka laskettin leimikkotason puustotunnusten ennusteiden ja vertailukohtana käytettyjen leimikkotason hakkuukonemittausten erotuksista. RMSE-arvot ja harhat laskettiin myös suhteutettuna vertailuaineiston puustotunnusten keskiarvoihin. Tulosten perusteella hakkuulaitteen paikannus parantaa yksittäisen puun sijaintitarkkuutta 2,93 metriä, päästen yksittäisen puun tasolla 7,86 metristä 4,93 metrin sijaintitarkkuuteen. Säteeltään yhdeksän metrin koealoille lasketun pohjapinta-alan poistuman RMSE tarkentui 35 prosentista 23 prosenttiin, kun koealalta hakatut puut paikannettiin hakkuukoneen sijasta hakkuulaitteen sijaintiin. Kun hakkuulaitteen paikannuksen avulla kerätyistä puutiedoista muodostettiin opetuskoealoja, niin aluepohjaisella menetelmällä ennustettujen leimikkokohtaisen pohjapinta-alan, runkoluvun, kokonaistilavuuden ja tukkitilavuuden RMSE tarkentui 4,1 – 18,1 prosenttiyksikköä kun koealojen pinta-ala oli 254 tai 509 neliömetriä ja verrattavana olivat ennusteet, jotka perustuivat koealoihin, joissa yksittäiset puut oli paikannettu hakkuukoneen sijaintiin. Koealakoon ollessa 763 neliömetriä tai enemmän ei paikannusmenetelmällä enää ollut vaikutusta puustotulkinnan tarkkuuteen. Hakkuukoneaineistoon muodostettujen koealojen käyttö yhdessä tavallisten maastokoealojen kanssa tuotti kaikilla puustotunnuksilla pienimmän RMSE:n, mutta ero pelkkien maastokoealojen avulla tuotettuun tarkimpaan ennusteeseen oli vähäinen. Tarkimmat pohjapinta-alan, runkoluvun, tilavuuden ja tukkitilavuuden ennusteet saatiin joko hakkuukoneen sijaintia ja yli 509 neliömetrin koealakokoa käyttämällä tai hakkuulaitteen sijaintia ja alle 763 neliömetrin koealakokoa käyttämällä. Keskipituuden ja keskiläpimitan tarkimmat ennusteet saatiin hakkuukoneen sijaintia käyttämällä, mutta koealakoon vaikutus oli vähäinen. Hakkuukonekoealojen käyttö aluepohjaisen puustotulkinnan opetusaineistona tuotti kuviotasolla yliarvioita pohjapinta-alan, runkoluvun, tilavuuden ja tukkitilavuuden ennusteisiin, mutta hakkuulaitteen paikannus pienensi ennusteiden yliarviota 254 ja 509 neliömetrin koealakoilla."]},{"key":"dc:title","label":"Title","values":["Hakkuukoneen paikannetulla hakkuulaitteella kerätyn puutiedon hyödyntäminen lentolaserkeilaukseen perustuvan puustotulkinnan aputietona"]}]}],"canonical_facts":{"dc:contributor":["Helsingin yliopisto, Maatalous-metsätieteellinen tiedekunta, Metsätieteiden laitos","University of Helsinki, Faculty of Agriculture and Forestry, Department of Forest Sciences","Helsingfors universitet, Agrikultur- och forstvetenskapliga fakulteten, Institutionen för skogsvetenskaper"],"dc:creator":["Saukkola, Atte"],"dc:date.issued":["2017"],"dc:description.abstract":["Kuviotason metsävaratietoa tarvitaan Suomessa yksityismetsätalouden suunnittelua ja metsäteollisuuden puunkorjuun suunnittelua varten. Hakkuukoneet mittaavat ja tallentavat kaadetuista rungoista useita läpimittoja sekä käyttöosan pituuden. Lisäksi jokaiselle kaadetulle puulle määritetään puulaji ja sijainti. Hakkuukonemittausten hyödyntäminen voisi tehostaa metsävaratiedon tuottamista ja parantaa sen laatua. Tällä hetkellä hakkuukoneella kerätyn puutiedon hyödyntämistä rajoittaa aineistojen saatavuus ja heikko yksittäisen kaadetun puun sijaintitarkkuus. Hakkuulaitteen paikannuksen vaikutusta yksittäisen puun sijainnin määrittämisen tarkkuuteen tutkittiin vertaamalla puun todellista sijaintia estimaatteihin, jotka perustuivat hakkuukoneen ja hakkuulaitteen sijainteihin puun kaatohetkellä. Hakkuulaitteella kerätyn puutiedon käyttöä aluepohjaisen puustotulkintamenetelmän aputietona tutkittiin käyttämällä kaukokartoitusaineistoihin perustuvien puustotunnusten ennustemallien opetusaineistona Uudenmaan alueelta kerättyyn hakkuukoneaineistoon muodostettuja ympyräkoealoja sekä maastokoealoja. Yksittäisten puiden paikannustavan, koealakokoon sekä tavallisten maastokoealojen määrä vaikutuksen selvittämiseksi puustotunnusten ennustamalleja laadittiin erilaisilla opetusaineistoilla. Vertailtavina tunnuksina olivat puustotunnusten keskineliövirheen neliöjuuret (RMSE) ja harhat, jotka laskettin leimikkotason puustotunnusten ennusteiden ja vertailukohtana käytettyjen leimikkotason hakkuukonemittausten erotuksista. RMSE-arvot ja harhat laskettiin myös suhteutettuna vertailuaineiston puustotunnusten keskiarvoihin. Tulosten perusteella hakkuulaitteen paikannus parantaa yksittäisen puun sijaintitarkkuutta 2,93 metriä, päästen yksittäisen puun tasolla 7,86 metristä 4,93 metrin sijaintitarkkuuteen. Säteeltään yhdeksän metrin koealoille lasketun pohjapinta-alan poistuman RMSE tarkentui 35 prosentista 23 prosenttiin, kun koealalta hakatut puut paikannettiin hakkuukoneen sijasta hakkuulaitteen sijaintiin. Kun hakkuulaitteen paikannuksen avulla kerätyistä puutiedoista muodostettiin opetuskoealoja, niin aluepohjaisella menetelmällä ennustettujen leimikkokohtaisen pohjapinta-alan, runkoluvun, kokonaistilavuuden ja tukkitilavuuden RMSE tarkentui 4,1 – 18,1 prosenttiyksikköä kun koealojen pinta-ala oli 254 tai 509 neliömetriä ja verrattavana olivat ennusteet, jotka perustuivat koealoihin, joissa yksittäiset puut oli paikannettu hakkuukoneen sijaintiin. Koealakoon ollessa 763 neliömetriä tai enemmän ei paikannusmenetelmällä enää ollut vaikutusta puustotulkinnan tarkkuuteen. Hakkuukoneaineistoon muodostettujen koealojen käyttö yhdessä tavallisten maastokoealojen kanssa tuotti kaikilla puustotunnuksilla pienimmän RMSE:n, mutta ero pelkkien maastokoealojen avulla tuotettuun tarkimpaan ennusteeseen oli vähäinen. Tarkimmat pohjapinta-alan, runkoluvun, tilavuuden ja tukkitilavuuden ennusteet saatiin joko hakkuukoneen sijaintia ja yli 509 neliömetrin koealakokoa käyttämällä tai hakkuulaitteen sijaintia ja alle 763 neliömetrin koealakokoa käyttämällä. Keskipituuden ja keskiläpimitan tarkimmat ennusteet saatiin hakkuukoneen sijaintia käyttämällä, mutta koealakoon vaikutus oli vähäinen. Hakkuukonekoealojen käyttö aluepohjaisen puustotulkinnan opetusaineistona tuotti kuviotasolla yliarvioita pohjapinta-alan, runkoluvun, tilavuuden ja tukkitilavuuden ennusteisiin, mutta hakkuulaitteen paikannus pienensi ennusteiden yliarviota 254 ja 509 neliömetrin koealakoilla."],"dc:identifier.uri":["URN:NBN:fi:hulib-201801301145","http://hdl.handle.net/10138/231914"],"dc:language.iso":["fin"],"dc:publisher":["Helsingin yliopisto","University of Helsinki","Helsingfors universitet"],"dc:subject":["aluepohjainen menetelmä","hakkuukonetieto","hakkuulaitteen paikannus","paikannustarkkuus"],"dc:title":["Hakkuukoneen paikannetulla hakkuulaitteella kerätyn puutiedon hyödyntäminen lentolaserkeilaukseen perustuvan puustotulkinnan aputietona"]},"updated_at":"2026-07-27T19:56:11Z"}