Ville Tuominen tutki diplomityössään, miten parannetaan menetelmiä, joilla löydetään yksittäisten puiden sijainnit lennokilla otettujen valokuvien pohjalta tuotetusta tarkasta latvusmallista.

Miehittämättömillä lennokeilla, tuttavallisemmin droneilla, voidaan tuottaa metsätutkimusta varten jopa muutaman senttimetrin resoluution aineistoa. Kun metsää kuvataan multispektri- ja lämpökameralla, voidaan yksittäisten puiden tilaa tarkkailla ajan kuluessa esimerkiksi puun terveydentilan tai tuholaishyönteisten monitoroimiseksi. Dronet mahdollistavat myös tarkan latvusmallin muodostamisen ilman laserkeilausta käyttäen lennokilla otettuja tavallisia valokuvia ja sopivia prosessointimenetelmiä. 

Useat, eri aikaan kerätyt aineistot voivat kuitenkin kärsiä erilaisista laatuongelmista sekä maastossa tapahtuvista muutoksista – tässä tapauksessa Luonnonvarakeskuksen tutkimusmetsässä suoritetuista avo- ja poimintahakkuista.

RGB-, multispektri- ja lämpökameroiden avulla yksittäisten puiden tilaa voidaan tarkkailla ennen ja jälkeen poimintahakkuun. (Kuva: Ville Tuominen)

Työssä esitellään, miten yksittäiset puut voidaan tunnistaa, erotella toisistaan ja yhdistää eri vuosina kuvatuista aineistoista, joiden välillä metsässä on suoritettu poimintahakkuu. Työssä esitellään useita uusia menetelmiä, miten esimerkiksi korkeusmallisssa olevan kohinan aiheuttamat virheellisesti havaitut puut voidaan poistaa hyödyntäen eri aikaan tuotettuja aineistoja.

Erityisesti drone-kuviin pohjautuvien latvusmallien ongelmana on, että ne eivät tunnista korkeimpien puiden alle jääviä puita. Metsän fysiologiaa tutkittaessa olisi kuitenkin tärkeää tuntea puuston jakauma kokonaisuudessaan. Dronella saatavan vinoutuneen jakauman korjaamiseksi työssä käytetään uutta tilastollista menetelmää, jolla maastomittauksia hyödyntäen puiden kokonaismäärän jakaumaa voidaan estimoida.

Näiden menetelmien avulla yksittäiset puut pystytään tunnistamaan lennokkiaistosta aiempaa tarkemmin ja, kun multispektri- ja lämpökameran avulla tuotetut kuvat yhdistetään, puiden tilaa voidaan seurata ajallisesti. Tämä mahdollistaa tarkan metsän tilan seurannan erityisesti tutkimuskäytössä, sekä tarjoaa aiempaa tarkemman tavan tuottaa metsäinventaarioita.

Valokuvista tuotettu latvusmalli voi kärsiä hankalasti poistettavasta kohinasta. Useasti kerätty aineisto mahdollistaa virheellisesti puiksi merkittyjen pisteiden poistamisen.