| Popis: |
Magistritöö Metsamajanduse õppekaval Kultuuride hoolduse ja valgustusraiega parandatakse puude valgus- ja toitetingimusi ning suurendatakse puistu majanduslikku tasuvust. Üks võimalus kultuuride hoolduse ja valgustusraie vajaduse hindamiseks on kasutada aerolaserskaneerimise (ALS – Airborne laser scanning) tulemusel saadud punktipilve andmeid. Magistritöö eesmärgiks on uurida kultuuride hoolduse ja valgustusraie vajaduse hindamise võimalusi pungade puhkemise eel tehtud madala punktitihedusega ALS andmete põhjal. Vaadeldud eraldistel oli kultuuride hoolduse ja valgustusraie vajadus suurem kui enamik lidari emiteeritud impulsse registreeriti maapinnalt või punktipilve kõrguste keskväärtusest madalamal. Maapinnale jõuab suurem osa peegeldusi varakevadisel ALS mõõdistuslennul enne vegetatsiooniperioodi, mil lehtpuudel pole lehti ning rohttaimestik praktiliselt puudub. Kultuuride hoolduse ja valgustusraie vajadus on enim seotud (r = 0,63) ALS meetrikuga HCV ehk punktipilve kõrguste variatsioonikoefitsiendiga. Valiti välja 24 sisukat ALS meetrikut ning logistilise regressioonanalüüsi meetodil koostati 12 mudelit. Mudelite testimiseks kasutati RMK 2020. aastal tehtud ning 2021. aastaks planeeritud kultuuride hoolduste ja valgustusraiete andmeid, kokku 450 eraldist. Paremaks osutusid kolm mudelit, mis sisaldasid kaks kuni kolm ALS meetriku elementi. Mudelite rakendamine RMK testandmestikul näitas, et seosed kultuuride hoolduse ja valgustusraie vajaduse ning ALS meetrikute vahel on olemas. Mudelid prognoosisid enamikule RMK eraldistele suurt hooldusraie vajadust ning väiksemat hooldusraie vajadust prognoositi eraldistele, kus kultuuride hooldus ja valgustusraie oli ALS mõõdistuslennu ajaks juba tehtud. Seoste uurimist tasub tulevikus jätkata, seejuures on soovitatav kasutada vegetatsiooniperioodil tehtud ALS mõõdistuslennu andmeid. Praktikas rakendatavate mudelite koostamiseks on vaja suuremat alusandmestikku ning valideerimisandmestik peab sisaldama nii hooldusraiet vajavaid kui mittevajavaid eraldisi. Tulevastel uuringutel võib seoste otsimisel kasutada ka otsustuspuu meetodit. Cleaning and precommercial thinning are necessary for improving the light and nutrition conditions within the remaining stand which in turn increases the economic value of a forest stand. One possibility to evaluate the necessity of cleaning and precommercial thinning of a stand is to use the data obtained from airborne laser scanning (ALS). The aim of this master’s thesis is to find different possibilities of evaluating the necessity of cleaning and precommercial thinning within a stand based on low point density ALS data. The necessity of cleaning and precommercial thinning of the observed forest stands increased when the majority of pulse returns are registered from the ground. Majority of pulse returns are reflected from the ground during ALS which takes place in early spring before the vegetation period. The necessity of cleaning and precommercial thinning is strongly correlated (r = 0,63) with point cloud metric HCV (coefficient of variation of the point cloud heights). 24 informative point cloud metrics were chosen and by using logistic regression method 12 models were constructed. The validation of the models was based on data from Estonian State Forest Management Centre (RMK) – cleaning and precommercial thinning treatment done in 2020 and treatment plans for 2021 (450 forest stand compartments). Better models consisted of two to three ALS point cloud metric elements. Model validation showed that there is a correlation between ALS data and the necessity of cleaning and precommercial thinning. The models predicted higher need for the cleaning and precommercial thinning treatment for most of the forest stand compartments of RMK and less of a need for a treatment in those forest stand compartments where the treatment was done before ALS flight. For the further research it is recommended to use ALS data observed during the vegetation period. For practical models it is necessary to obtain more observations and the data must include forest stands with and without the necessity of cleaning and precommercial thinning. The decision tree method can be used to find the correlation between ALS data and the necessity of cleaning and precommercial thinning. |
