Metsätieteen alaan kuuluva väitöskirja tarkastetaan luonnontieteiden, metsätieteiden ja tekniikan tiedekunnassa. Tilaisuutta voi seurata Joensuun kampuksella ja verkossa.
Mikä on väitöstutkimuksesi aihe? Miksi aihepiiriä on tärkeää tutkia?
Metsien rakenteellisen monimuotoisuuden arviointi kaukokartoitusdatan avulla on hyvin ajankohtainen aihe, sillä metsillä on erityinen rooli luonnon monimuotisuuteen liittyvässä päätöksenteossa. Metsät kattavat noin 80 prosenttia maaekosysteemien monimuotoisuudesta maailmanlaajuisesti, ja niiden rakenne ja moninaisuus vaikuttavat monin tavoin paikalliseen monimuotoisuuteen muun muassa tarjoamalla suojaa ja lisääntymispaikkoja eliöille ja vaikuttamalla resurssien jakautumiseen ja saatavuuteen. Kaukokartoitusdata – esimerkiksi lentolaserkeilausdata (ALS; airborne laser scanning) ja ilmakuvat – on nykypäivää metsien kasvillisuuden rakennetta arvioitaessa. Kaukokartoituspohjainen metsien arviointi mahdollistaa spatiaalisesti tarkan tiedon tuottamisen monimuotoisuudesta niin pienessä, kuin suuressakin mittakaavassa.
Mitkä ovat väitöstutkimuksesi keskeiset tulokset tai havainnot?
Tämän väitöskirjatyön perusteella voidaan sanoa, että lentolaserkeilaukseen perustuva metsien monimuotoisuuden tutkiminen on pääasiassa keskittynyt Euroopan ja Pohjois-Amerikan mantereille. Suurin osa tutkimuksesta on toistaiseksi keskittynyt eläinekologiaan, puulajien määrän ja runsauden mittareihin ja kuolleen puuston arviointiin.
Väitöstutkimus osoittaa, että ei ole olemassa sellaista kaiken kattavaa ja sopivaa laserselittäjää, joka soveltuisi kaikenlaisen metsien monimuotoisuusinformaation tuottamiseen, vaikkakin tiettyjä laserselittäjiä on käytetty selvästi enemmän kuin toisia.
Väitöskirjatyössä havaittiin myös, kuinka tärkeää on käyttää mahdollisimman edustavaa maastoaineistoa harvinaisten ilmiöiden tutkimisessa. Tätä demonstroitiin ekologisesti erittäin tärkeän, mutta Suomen metsissä suhteellisen harvinaisen metsähaavan osalta. Epätasapainon tuottamien ongelmien torjumiseksi selvitettiin niin kutsutun SMOTE-aineiston augmentointimenetelmän käyttöä. Metsikön iän kaukokartoituspohjaisessa ennustamisessa kasvupaikkaa kuvaavat, maastosta mitatut luokkamuuttujat (esim. kasvupaikan päätyyppi) ovat tärkeitä selittäjiä.
Miten väitöstutkimuksesi tuloksia voidaan hyödyntää käytännössä?
Väitöstutkimuksessa esitetyt yleisimmin tutkitut aihepiirit ja yleisimmin käytetyt laserselittäjät voivat ohjata tulevaa metsäluonnon monimuotoisuuden kaukokartoituspohjaista tutkimusta vähemmän tutkittujen aihealueiden suuntaan, joita ensimmäisessä osajulkaisussa on lueteltu.
Toisessa osajulkaisussa esitetyt tulokset harvinaisten ilmiöiden tutkimisesta ja mahdollisimman edustavan aineiston käyttämisestä herättävät ajatuksia siitä, että käytettävä data tulisi olla mahdollisimman todenmukaista (esim. puulajisuhteet maastodatassa), eli että ei käytettäisi aineistoja, joissa harvinaiset ilmiöt olisivat yliedustettuina. Tätä ongelmaa voidaan ratkoa esimerkiksi tilastollisin menetelmin, kuten esitetyn SMOTE-augmentoinnin avulla.
Kolmannessa osajulkaisussa käytetty GPBoost-menetelmä on suhteellisen uusi koneoppimismenetelmä, jonka käyttöä metsäsovelluksissa ei tietääkseni ole vielä tutkittu. Tätä menetelmää olisi hyvä tulevaisuudessa testata myös muiden metsikkötunnusten kuin iän ennustamisessa.
Mitkä ovat väitöstutkimuksesi keskeiset tutkimusmenetelmät ja -aineistot?
Väitöskirjan ensimmäinen osajulkaisu on kirjallisuuskatsaus, jonka aineiston (tutkimusartikkelit) väittelijä hankki itse. Sopivat artikkelit luettiin läpi ja artikkelit jaettiin niiden sisällön perusteella kirjallisuuskatsauksen kappaleiksi.
Väitöskirjan toisessa ja kolmannessa osajulkaisussa käytettiin aineistona kaukokartoitusdataa (lentolaserkeilausdataa, ilmakuvia, satelliittikuvia) sekä Metsäkeskuksen ja Luonnonvarakeskuksen mittaamia maastokoealoja. Lentolaserkeilausdata oli tuoreinta korkean pulssitiheyden dataa, jota Maanmittauslaitos kerää koko Suomesta kansallisen keilausohjelman mukaisesti. Käytetyt ilmakuvat olivat myös Maanmittauslaitoksen kuvaamia. Kolmannessa osajulkaisussa hyödynnettiin laserdatan ohella Sentinel-2 satelliittikuvia.
Toisessa osajulkaisussa tunnistettiin kookkaita haapoja yksittäisen puun tasolla luokittelemalla yksittäisiä puita Random Forest -menetelmän avulla käyttämällä kaukokartoitusdatoista laskettuja muuttujia mallin selittäjinä. Koska kookkaat haavat olivat harvinaisia, yritettiin niiden osuutta keinotekoisesti lisätä luomalla uusia synteettisiä haapahavaintoja SMOTE-menetelmän avulla.
Kolmannessa osajulkaisussa koealan ikä ennustettiin aluepohjaisella menetelmällä käyttäen kaukokartoitus- ja luokka-asteikollisia maastomitattuja muuttujia selittäjinä. Iän ennustamista verrattiin lineaarisen sekamallin ja GPBoost-algoritmin välillä.
MMM Janne Toivosen metsätieteen alaan kuuluva väitöskirja Assessing the structural biodiversity of forests with airborne laser scanning and optical data (Metsien rakenteellisen monimuotoisuuden arviointi lentolaserkeilauksen ja optisen datan avulla) tarkastetaan luonnontieteiden, metsätieteiden ja tekniikan tiedekunnassa, Joensuun kampuksella ja verkossa. Vastaväittäjänä toimii Senior Lecturer Eva Lindberg, Swedish University of Agricultural Sciences, ja kustoksena tutkimusprofessori Petteri Packalen, Luke. Tilaisuuden kieli on englanti.
Lisätietoja:
Janne Toivonen, jantoi@uef.fi, p. 044 300 5530
