Vis enkel innførsel

dc.contributor.advisorBollandsås, Ole Martin
dc.contributor.authorNoordermeer, Lennart
dc.coverage.spatialNorwaynb_NO
dc.date.accessioned2017-11-28T12:24:58Z
dc.date.available2017-11-28T12:24:58Z
dc.date.issued2017
dc.identifier.urihttp://hdl.handle.net/11250/2468252
dc.description.abstractGode data om egenskaper til ungskog er avgjørende for å kunne ta riktige beslutninger knyttet til skogskjøtsel, men fremskaffing av nøyaktige prediksjoner av disse egenskapene ut fra flybåren laser skanning (FLS) data er utfordrende. Hovedmålet med denne oppgaven var å videreutvikle, sammenligne og validere ulike metoder for laserbasert taksering av ungskog, og demonstrere en praktisk tilnærming for kartlegging av behov for ungskogpleie. Regresjonsmodeller ble kalibrert for FLS-basert prediksjon av dominerende høyde (Hd), total gjennomsnittlig trehøyde (Ht), totalt treantall (Nt) og regulert treantall (Nd). To uavhengige datasett ble benyttet til modellkalibrering og validering, bestående av 45 og 64 prøveflater med areal på 256 m2, som ble lagt ut i grandominert ungskog med høyde < 8 m. Høyde- og tetthetsvariabler som representerer den romlige strukturen av punktskyen ble beregnet for prøveflatene, samt en rekke laservariabler som representerer variasjonen av høyde- og tetthetsvariabler innen prøveflatene (sd-variabler). Prediksjonsevnen av modellene ble evaluert, der det ble oppnådd gjennomsnittlige prediksjonsfeil (RMSE) på 0.57-0.92, 0.59-1.05, 3412-7059, 327-486 for henholdsvis Hd, Ht, Nt og Nd. Inkludering av sd-variablene i modellseleksjonen førte til en lavere RMSE for Hd, Ht og Nd, men differansen mellom residualene for de alternative modellene var ikke statistisk signifikant. Binær logistisk regresjon ble benyttet for prediksjon av behov for ungskogpleie. To ulike sett med prediktorer ble testet: (1) totalt treantall, dominerende høyde og bonitet, og (2) et utvalg av laservariabler og bonitet. Nøyaktigheten av klassifikasjonene ble evaluert ved bruk av stratifisert "2-fold" kryssvalidering, der metodene ga en samlet nøyaktighet på 76 % og 83 % med kappa-indeks på 0.44 og 0.60 for henholdsvis den første og andre modellen. Resultatet tyder på at direkte klassifisering av behov for ungskogpleie ut fra laservariabler er den foretrukne metoden. Denne oppgaven presenterer en praktisk tilnærming for taksering av ungskog og kartlegging av behov for ungskogpleie. Det ble anbefalt å (1) skaffe et variert datasett til modellkalibrering, (2) aggregere prediksjoner for individuelle beregningsceller, og (3) klassifisere behov for ungskogpleie direkte ut fra bestands- og FLS-data. I tillegg tyder resultatene på at feltarbeidskostnader i operasjonelle takster kan reduseres ved å identifisere ungskogbestand der feltbefaring ikke er nødvendig.nb_NO
dc.description.abstractPredicting attributes of young forest is crucial for making sylvicultural treatment decisions in forest management planning. However, producing accurate predictions of such attributes is challenging. In this study, airborne laser scanning (ALS) data were used to develop, compare, and validate various methods for inventory of young forest, and to demonstrate a practical approach for mapping the need for pre-commercial thinning. Two separate datasets of 45 and 64 sample plots of 256 m2, located in Norway spruce-dominated regeneration stands (< 8 m) in the south-east of Norway, were used to predict dominant height (Hd), mean tree height (Ht), total stem density (Nt) and dominant stem density (Nd). Various ALS-derived canopy height and density metrics were calculated along with explanatory variables representing the variation of height and density metrics within sample plots (sd-variables). Validation of the predictions revealed root mean squared errors (RMSE) of 0.57-0.92, 0.59-1.05, 3412-7059, 327-486 for Hd, Ht, Nt og Nd respectively. Including sd-variables in the model selection led to a lower RMSE for Hd, Ht and Nd, but the differences among residuals of the alternative models were not statistically significant. In addition, the need for pre-commercial thinning was predicted using binary logistic regression. Two different sets of predictors were tested: (1) stem density, dominant height, and site index, and (2) ALS-derived canopy height and density metrics, and site index. Stratified 2-fold cross validation revealed overall accuracies of 76 % and 83 %, and kappa coefficients of 0.44 and 0.60 for the first and second methods respectively, suggesting that classification into tending need classes based on ALS-metrics and site index is the preferred approach. Based on the obtained results, this thesis provides recommendations for ALS-based inventory of young forest. Methods for predicting attributes of young forest can be improved by (1) obtaining an ample variety within datasets used for model calibration, (2) aggregating predictions for individual grid cells, and (3) implementing direct classification of the need for tending using ALS-data and site index. The obtained results also suggest that costs can be reduced in operational forest management inventories by identifying stands for which a field check is not required.nb_NO
dc.language.isonobnb_NO
dc.publisherNorwegian University of Life Sciences, Åsnb_NO
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internasjonal*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/deed.no*
dc.titleTaksering av ungskog med flybåren laserskanningnb_NO
dc.title.alternativeInventory of young forest using airborne laser scanningnb_NO
dc.typeMaster thesisnb_NO
dc.subject.nsiVDP::Landbruks- og Fiskerifag: 900::Landbruksfag: 910::Skogbruk: 915nb_NO
dc.source.pagenumber66nb_NO
dc.description.localcodeM-SFnb_NO


Tilhørende fil(er)

Thumbnail

Denne innførselen finnes i følgende samling(er)

Vis enkel innførsel

Attribution-NonCommercial-NoDerivatives 4.0 Internasjonal
Med mindre annet er angitt, så er denne innførselen lisensiert som Attribution-NonCommercial-NoDerivatives 4.0 Internasjonal