Application of external prediction models in forest management inventories based on airborne laser scanning

Abstract

The use of airborne laser scanning (ALS) data in forest management inventories (FMI) has become operational during the last decades. Since it was introduced, ALS has improved FMI practices due to their capability to describe the three-dimensional structure of the forests. ALS-assisted inventories rely on predictive models, traditionally constructed and applied on data from the same area of interest. Normally, old data are discarded once new data are acquired. However, data from the past or other FMIs (external data) could potentially be used to obtain up-to-date forest attributes predictions. This thesis reports results from analyses using external data for ALS-assisted FMIs as an approach to reduce the field data acquisition requirements and potentially reduce the inventory cost.

The first study presented two approaches to construct forest attribute predictive models based entirely on temporally external field data: (i) external models, constructed from a previous FMI in the same area, and (ii) forecasted models, that forecasted the previous inventory field data to the present and used it in combination with up-to-date ALS data to construct prediction models. Although both approaches produced adequate predictions in terms of root mean squared error (RMSE), the mean differences (MD) were generally high, and the accuracy of the external models were better than the forecasted models. The second study continued the analysis of external models by locally applying regional Norwegian models constructed with National Forest inventory data. The study went a step further by applying the models over 33 FMIs distributed across southern Norway, and analyzing the effect of climate, topography, forest condition, and other factors, on the prediction errors. The range of MD and RMSE values between FMIs were broad, and variables characterizing the forest conditions explained the largest proportion of the variation in prediction error. In the third study, three different approaches were used to calibrate the external model predictions using a small number of up-to-date, local field plots. Although the calibration was not able to eliminate all systematic deviations, the results showed that the calibrated predictions using 20 plots were at the same level of accuracy as those resulting from a new inventory.

The studies reported in this thesis has shown the potential of using external data to reduce the cost of FMIs without reducing the accuracy. Even though further research is necessary, prediction accuracies in line with those of an ordinary FMI can be achieved. The analyses also revealed several drawbacks related to the calibration approaches that need to be overcome. The results of this thesis constitute an important step further in the use of external models in future operational FMIs.

Bruk av data fra flybåren laserskanning (FLS) i forbindelse med produksjon av skogbruksplaner, har blitt operasjonell i løpet av de siste tiårene. Siden FLS ble introdusert, har bruken av slike data forbedret skogtakstene på grunn av evnen FLS-data har til å beskrive den tredimensjonale strukturen til skogen. Skogtakster basert på FLS bruker prediksjonsmodeller som tradisjonelt sett har blitt konstruert og brukt innenfor ett og samme takstområde. I operasjonelle skogtakster blir gjerne de gamle takstdataene ikke brukt videre når nye data er samlet inn. Data fra tidligere takstomdrev eller data fra takster i andre områder (eksterne data) kan imidlertid være nyttige med tanke på å framstillebri oppdaterte prediksjoner for bestandsbeskrivende skoglige parametere. Denne doktorgradsavhandlingen rapporterer resultater fra studier der eksterne data har blitt brukt i skogbruksplantakster basert på FLS, som en måte å redusere mengden nødvendige feltregistreringer og for å potensielt redusere takstkostnadene.

Den første studien analyserte to tilnærminger for å konstruere prediksjonsmodeller for skoglige parametere basert på temporært eksterne feltdata: (i) eksterne modeller, konstruert fra felt- og FLS-data fra foregående takst i samme område, og (ii) framskrevne modeller, der feltdata fra foregående takst er framskrevet og brukt i kombinasjon med oppdaterte FLS-data for å konstruere prediksjonsmodeller. Selv om begge tilnærminger ga adekvate prediksjoner vurdert ut ifra «root mean square error» (RMSE), så var gjennomsnittlig differanse (MD) generelt sett høy, og nøyaktigheten ved bruk av de eksterne modellene var bedre enn ved bruk av de framskrevne modellene. I den andre studien ble analysene knyttet til bruk av eksterne modeller videreført ved å anvende regionale modeller konstruert på data fra den norske landsskogtakseringen, på mindre takstområder. Denne studien gikk et steg videre i forhold til den første studien, ved å anvende modellene over 33 takstområder fordelt over hele det sørlige Norge, og å gjøre analyser av effektene av klima, topografi, skoglige egenskaper og andre faktorer, på størrelsen av prediksjonsfeilene. Variasjonsbredden til MD og RMSE mellom takstområder var stor, og variabler beskrivende for skoglige egenskaper var de som forklarte den største andelen av variasjonen i prediksjonsfeil. I den tredje studien ble tre ulike tilnærminger brukt for å kalibrere de eksterne modellprediksjonene ved hjelp av oppdaterte feltverdier fra et lite antall lokale prøveflater. Selv om kalibreringen ikke var i stand til å eliminere alle systematiske prediksjonsfeil, så viste resultatene at prediksjoner der 20 lokale feltobservasjoner ble brukt i kalibreringen, hadde samme nøyaktighetsnivå som de i en ordinær takst.

Studiene som er rapportert i denne avhandlingen har vist potensiale ved å bruke eksterne data for å redusere kostnadene ved utarbeidelse av skogbruksplantakster, uten å redusere nøyaktigheten. Selv om videre studier fortsatt er nødvendig, er det mulig å oppnå prediksjonsnøyaktigheter på linje med de med en ordinær skogbruksplantakst. Analysene avdekket også flere ulemper knyttet til kalibreringstilnærmingene som ble testet, og resultatene rapportert i denne avhandlingen utgjør et viktig steg videre for operasjonell bruk av eksterne modeller i utarbeidelsen av skogbruksplantakster i framtiden.