Vis enkel innførsel

dc.contributor.authorDufseth, Ole Erik
dc.date.accessioned2012-06-18T10:53:00Z
dc.date.available2012-06-18T10:53:00Z
dc.date.issued2012-06-18
dc.identifier.urihttp://hdl.handle.net/11250/186821
dc.description.abstractI frykt for knapphet på de norske skogressursene ble det på starten av 1900-tallet et større fokus på en bærekraftig skogforvaltning med skogbruksplanlegging som verktøy. Etter bestandsskogbrukets inntog på 1950-tallet ble det enklere å bedrive rasjonell skogbruksplanlegging. Flere variable er viktige når skogressursen skal beskrives. Bonitet er en av dem. Bonitet er en indeks som beskriver voksestedets evne til å produsere trevirke. Siden det er mange enkeltfaktorer som påvirker produksjonsevnen, og alle disse er vanskelig å forholde seg til samtidig, er det blitt utviklet flere metoder for en enklere registrering av produksjonsevnen. Vanligvis benyttes et system som viser til de dominante trærnes overhøyde ved en gitt brysthøydealder. I Norge benyttes vanligvis overhøyden ved 40-års brysthøydealder til å beskrive boniteten (H40). Bonitet er en svært viktig parameter når blant annet skjøtselsmessige tiltak skal planlegges, men også svært sentral ved verdsetting av skog. Tradisjonelt er bonitet registrert i felt med bruk av høydemåler og tilvekstbor. En slik metode er tidkrevende og dermed kostbar. Flybåren laserskanning (FLS) av skog har vist seg å være en svært effektiv metode til kartlegging av skoglige parametere. I denne undersøkelsen ble prediksjonsmodeller for H40 utviklet ved bruk av FLS og lett tilgjengelig kartdata fra digital terrengmodell (DTM) og digitalt markslagskart (DMK) basert på et stort antall observasjoner over større område. Multippel regresjon med minste kvadraters metode ble benyttet. H40 ble innhentet fra Landsskogtakserings data fra 444 prøveflater lokalisert i Hedmark fylke. Modellutviklingen ble inndelt i 3 steg for å vurdere variabelgruppenes innvirkning på H40. Modellene ble rangert i henhold til R2-justert, RMSE og residualplott, hvor da høyest ranket modell fra hvert modellsteg ble selektert for kryssvalidering. Kryssvaliderte RMSE viste at modellene predikerte H40 med en feil på 2,9-, 2,6- og 2,2 meter for henholdsvis modell 1-6 (DTM), modell 2-7 (DTM og FLS) og modell 3-1 (DTM,FLS og DMK). Modellene viste en systematisk trend i å overpredikere lave H40-klasser og underpredikere høye H40-klasser. Høyde over havet var forklaringsvariabelen som forklarte mest av variasjonen til H40. Undersøkelsen viste at FLS-variablene, uten støtte i andre data, predikerte H40 svært dårlig. Ved bruk av alle tre variabelgrupper kunne denne undersøkelsen vise til en modell med R2¬-justert på 0,70. Siden modellene ikke innfridde kravet om lik residualvarians, kan ikke modellene anbefales til operasjonell bruk. Bruk av en annen regresjonsmetode og høyere vektlegging av de topografiske variablene bør vurderes ved fremtidige undersøkelser angående temaet. At the beginning of the 1900s, a greater focus on a sustainable management of the forest became normal because of fear in shortage of the Norwegian forest resources. The introduction of even-age forestry in the 1950s made it easier to commit rational forest management. Many variables are important when describing the forest resources. Site index is one of them, describing the ability of growing timber. There are many factors that influence the timber production. Thus, all of them are difficult to measure, it has been developed methods for an easier measurement. Generally a system that refers to the height of the dominant trees at a given breast height age is used for site index. In Norway, a system that refers to the height of the dominant trees at the age of 40 years at breast height are common to use (H40). Site index is a very important parameter when decisions concerning silviculture are made, but also when estimating the forest value. Traditionally, site index is registered in the field using hypsometer and increment bore. But such method is time consuming and therefore expensive. Airborne laser scanning (ALS) has shown to be a very effective method for mapping the forest parameters. The aim of this study was to develop and evaluate prediction models for H40 using ALS and easy accessible data from digital terrain model (DTM) and digital soil type map (DMK), based on a large number of observations. Multiple regressions with least squares methods were used. H40 was obtained from the National Forest Inventory data from 444 sample plots located in Hedmark County. The development of the models was divided in to three steps to evaluate each variable group impact on the H40. The models were ranked according to adjusted Rsquare, RMSE and residuals plots. Where the highest ranked model from each step was selected for cross-validation. The cross-validation showed that the models predicted H40 with an RMSE of 2,9-, 2,6- and 2,2 meters for model 1-6 (DTM), model 2-7 (DTM and ALS) and model 3-1 (DTM,ALS and DMK) respectively. The models showed a systematic trend to overpredict low H40-classes and underpredict high H40-classes. Elevation was the variable that explained most of the variance in H40. This study showed that ALS without support of other data predicted H40 very inaccurate. When using all three variable groups the results showed a model with a adjusted rsquare at 0,70. However, since the models couldn't fulfill the demand of equal variance in the residuals, the models can't be recommended for operational use. Using other regressions methods and a higher emphasis on the topographical variables should be considered in futures studies about this topic. no_NO
dc.language.isonobno_NO
dc.publisherNorwegian University of Life Sciences, Ås
dc.subjectbonitetno_NO
dc.subjectskogressurserno_NO
dc.subjectdigitale kartdatano_NO
dc.subjectprediksjonsmodellerno_NO
dc.subjectskogforvaltningno_NO
dc.subjectskogbrukno_NO
dc.subjectlaserskanningno_NO
dc.subjectforest managementno_NO
dc.subjectNorwayno_NO
dc.titlePrediksjonsmodeller for bonitet ved hjelp av flybåren laserskanning og digitale kartdatano_NO
dc.title.alternativePrediction models of site index using airborne laserscanning and digital map datano_NO
dc.typeMaster thesisno_NO
dc.subject.nsiVDP::Agriculture and fishery disciplines: 900::Agriculture disciplines: 910::Management of natural resources: 914no_NO
dc.subject.nsiVDP::Agriculture and fishery disciplines: 900::Agriculture disciplines: 910::Forestry: 915no_NO
dc.source.pagenumber56no_NO


Tilhørende fil(er)

Thumbnail

Denne innførselen finnes i følgende samling(er)

Vis enkel innførsel