Eesti Looduse fotov�istlus
4/2011



artiklid
Metsanduslik andmehive ajas, ruumis ja pildis

Kui taksaator metsast kontorisse judis, olid kogutud andmed juba vananema hakanud, viks olla tuntud lause tnapevane mbersnastus metsakorralduse seisukohast. Kuidas saada ndisaegsete meetoditega vimalikult ajakohane ja objektiivne levaade Eesti metsadest?

ha vananev andmestik
Vimalused koguda andmeid ja koostada ning kasutada suuri andmebaase on kiiresti arenenud koos arvutustehnika vimekuse kasvuga. Metsanduses kaua aega andmekandja rolli titnud planetid ning paksud takseerkirjelduste raamatud loovutavad tnapeval oma koha digitaalsetele kaartidele ja tabelitele rperaalis, mobiilis ja GPS-seadmetes. Metsavaru le arvestuse pidamiseks on Eestis juba le kmne aasta olnud kasutusel metsavarude arvestuse riiklik register ehk metsaregister, mis areneb kiiresti [4]. Et saada levaade ja teha pdevaid majandamisotsuseid, kogutakse pidevalt andmeid lausmetsakorralduse kigus ja sisestatakse metsaregistrisse. Paradoks seisneb aga selles, et kohe prast takseerkirjelduse koostamist ja registrisse sisestamist hakkab kirjeldus vananema. Phjuseks on metsa kasv, looduslikud ja inimtekkelised hiringud vi kahjustused ning metsa majandamine. Loomulikult on registrisse kantud andmete ajakohasus seotud metsas toimuvate protsesside kiirusega: andmed mittemajandatava siirdesoometsa kohta on kaua ajakohased, aga tugevate looduslike hiringute vi raiete tttu vib juhtuda, et salvestatud takseerkirje ei kajasta puistu reaalset seisundit kuigivrd.

Mait Lang, EM doktor Anton Kardakov, EM doktorant Tnu Lkk, EM doktorant Tauri Arume, EM magister Henn Korjus, EM dotsent

Takseerandmete ajakohastamiseks on mitmesuguseid vimalusi.
Metsandusliku andmehive klassikaline moodus uuendada infot on olnud kmneaastase vahemikuga lepinnaline inventeerimine. Nii kajastub andmebaasis keskmiselt viie aasta vanune metsade kirjeldus. Siiski juurutatakse tnapeval jrjest rohkem nn. pideva metsakorralduse metoodikat, kus prast majandusvtete rakendamist vi looduslikke hiringuid uuendatakse ka andmekirje. Selline ssteem nuab metsatakseerimise oskust heal tasemel ning on seega seotud rahalise kuluga spetsialisti t eest.
Loomulikult ei keela keegi teha metsaomanikul mrkusi ja tiendusi oma valduses olevasse andmestikku ning hoida oma andmebaas ajakohane. Riiklikku registrisse tienduste tegemist erametsaomanikult siiski ei nuta ja praeguse reglemendi jrgi tuleks uuendatud andmekirje kohta teha ka audit, kinnitamaks, et takseerkirjeldused vastavad atribuuditpsuse ning loogilise igsuse kriteeriumidele.
Metsa majandamise eeltingimus on auditeeritud metsa majandamiskava, mille aluseks olevad takseerandmed sisestatakse ka metsaregistrisse. Korraldamata ning le kmne aasta tagasi korraldatud metsade kohta pole metsaregistris infot vi on see tstetud arhiivi. Seega ei ole metsaregistri andmekogu kaugeltki tielik. Kui metsaomanikud ei ole majandustegevusest huvitatud, siis kahaneb metsaregistri tielikkus ja ajakohasus veelgi.

SMI annab objektiivse hinnangu riigi metsavarude ldnitajate kohta
Krvuti lausmetsakorraldusega on Eestis kasutusel statistilisel valikmeetodil ning proovitkkide instrumentaalsel mdistamisel phinev inventuur (SMI), mis annab objektiivse hinnangu riigi metsavarude ldiste nitajate, s.o. kogu tvemahu, pindala ja liigilise koosseisu kohta [9]. Mrksa probleemsem on kirjeldada majandustegevust suhteliselt viksel osal metsast. Praeguse vaatluste arvu korral (umbes 8500 proovitkki aastas kokku le riigi) suureneb vigade maht paratamatult juba maakonnasuuruse ala kogusummade puhul kuni 11%-ni ning raietega seotud hinnangute vead knivad kuni 50%-ni tvemahu ja pindala vrtustest [1]. SMI vaatluste phjal ei saa koostada lausmetsakorraldusele vastava detailsusega kaarte. Samas on kogutav mtmisandmestik vrtuslik algallikas, et korrastada metsanduslikke normatiive ning mudeleid ja vhendada veidi tsirka-vrki metsanduses, nagu on sedastanud emeriitprofessor Artur Nilson [5].
Kui soovime saada le metsaregistri ajakohasuse ja tielikkuse kitsaskohtadest, siis tuleb appi kaugseire ja esmalt selle ks vljundeid aerofotod, mida kasutatakse ka metsakorraldustde alusmaterjalina. Phimtteliselt on vimalik enne metsaregistri pringut vaadata metsaeraldiste kaart le aerofotode taustal ning mrkida vi muuta need kirjed, kust leiame tendust hiringute kohta. Samas nuab see palju ksitsitd ja aega ning kuigi ootame, et tnapeval peaks srase t tegema pigem arvuti, selgub tihti, et inimsilmale kohane ei pruugi alati sobida automatiseeritud pildittluseks. Peale selle ei ole alati saada vrskeid aerofotosid huvi pakkuva piirkonna kohta. Siinkohal ongi paslik vtta kasutusele kosmosest satelliitidelt saadud lesvtted, et teha lbi metsaregistri andmete uuendamise ning laiendamise katse Viljandimaa nitel 2010. aasta suve seisuga. ksiti otsime vimalusi kasutada lennukilt tehtava laserskaneerimise andmeid.

levaade Viljandimaa metsadest: metsade paiknemine
Viljandimaa metsade pindala ja mahu kohta saame erisuguseid arvulisi vrtusi mitmest allikast. SMI 2005. aasta kokkuvtte jrgi on Viljandimaa metsade pindala 177 900 11 900 hektarit ning 2008. aasta kokkuvtte jrgi 167 800 10 200 hektarit. Veapiire arvestades need hinnangud kattuvad. Need arvud ei anna aimu puistute paiknemisest. Eesti phikaardilt saame metsade pindalaks 177 700 hektarit ja levaate metsade paiknemisest. Samas mratakse topoloogilistel kaardistustdel metsa klass peamiselt aerofotode jrgi,hinna2011gu viga on teadmata ja metsa struktuuri kohta andmeid ei ole (v.a. klassid noor mets ja mets). Phikaarti uuendatakse iga viie aasta jrel.
Metsaregistrist (mai, 2010) saame teada 7080% metsade paiknemise ja pindala (takseeritud 135 260 ha, vektorpiiride jrgi 139 640 ha) ning detailse, kuid tihti lootusetult aegunud takseerkirjelduse. Keskmine takseerkirjete vanus Viljandimaal oli 6,2 aastat. Nendel kolmel andmestikul on ks hine omadus: neid kiki on vimalik kasutada koos kosmosepiltidega ruumianalsi tarkvara abil, et vajaduse korral koostada kogu maakonna metsade kohta vrsked takseerkirjeldused ja kaardid ning jlgida ja dokumenteerida muutusi.
Alguseks on tarvis metsade digitaalset kaarti ehk nn. maski, mille vime saada kas metsaregistrist vi lepinnaliselt phikaardi andmetest pringuga. Kosmosepiltidest sobivad kige paremini kevadtalvised lumikattega lesvtted, kus tume mets erineb kontrastselt ainult lumega kaetud aladest. Kosmosekaart on koostatud ajavahemiku 19872005 aegrea Landsat Thematic Mapper piltidest kogu Eesti ja lhivlismaa kohta nii, et kaardil olid eristatud puistud, mis olid tekkinud enne 1987. aastat ning 19871996 ja 19962006. Jrgnevalt ligati Viljandimaa tema piiride jrgi phikaardi, metsaregistri ja kosmosekaardi andmetest vlja ning koostati paarikaupa 30 m pikslisuurusega rastril risttabelkaardid, mis nitavad kattuvusi, erinevusi ja vimalikke vigu (joonis 1 ja 2). Ristkaartidelt tehtud pringud nitavad, et on ka selliseid alasid, mis on metsaregistrisse kantud metsana, kuid puuduvad kosmosekaardilt ja phikaardilt (tabel 1 ja joonis 2).

Puistute liigiline koosseis ja tvemaht
Viljandimaal Jrgnevalt koostame tvemahu ning liigilise koosseisu kaardi, mida paljudes maades juba rutiinselt kasutatakse. Tvemahu ning puistu koosseisu kohta leidub infot metsaregistris ja SMI proovitkkide mtmisandmetes. Kahjuks ei ole maalikool saanud analsimiseks uuemat teavet kui 2007. aasta SMI mtmisandmed ja nnda saame tugineda ainult metsaregistrile. Seega on saadavate kaartide omadused sarnased lausmetsakorralduse takseerkirjeldustega.
Kaartide koostamiseks kasutame nn. k-lhima naabri meetodit (k-NN), mille sisendiks on asukohamranguga takseerkirjeldused ja kosmosepildid ning muu kaardimaterjal. Meetod tugineb eeldusele, et meid huvitavate takseertunnuste ning kosmosepildi heleduste vahel on olemas mingit laadi seos. Esmalt arvutatakse igale takseerkirjeldusele tema asukoha koordinaatide jrgi piltidelt heleduste karakteristikud ehk spektraalne signatuur. Seejrel tdeldakse pikselhaaval lbi sisendpilt ja igale pikslile otsitakse just spektraalse signatuuri kaudu teatud arv (k) kige sarnasemaid takseerkirjeldusi. Vljastataval kaardil omistatakse sellele pikslile nende (tavaliselt 35) kige sarnasema naabri takseerkirjeldusest vetud kaalutud keskmine vrtus. Varasematest uuringutest on selge, et metsa vanuse, rinnaspindala ja tvemahu suurenedes tema heledus ldiselt kahaneb [6]. Samuti on kigile taksaatoritele teada, et kui kasutada tavalise harjumusprase vrvilise aerofoto asemel, kus on vaid kolm nhtavat phivrvi, valevrvipilti, milles on inimsilmale nhtamatu lhiinfrapunane spektriosa, siis eristuvad okas- ja lehtpuud sna hsti. Paljud kaugseires kasutatavad skannerid eristavad rohkem kui nelja vrvi le kogu optilise kiirguse spektri, millest inimsilm neb vaid vikest osa. Seega on kosmosepiltidel takseerandmetega seostamiseks mrksa rohkem infot kui tavalistel aerofotodel. Takseertunnuste kaartide koostamiseks kasutati k-NN protseduuri sisendis 2009.2010. a. korraldatud le he 2011hektari suuruste puistute andmeid. Kosmosepildiks laaditi USGS arhiivist alla 2010. aasta 28.30. juuni Landsat ETM+ ja TM lesvtted, millele tehti Tartu observatooriumis asuva pikesefotomeetri andmete jrgi atmosfrikorrektsioon ning koostati kogu Viljandimaad kattev pilvevaba liitpilt (joonis 1a). Prast vanuse ja heleduse seosest arvatava uuendusraie vi muu hiringu tttu eristuvate puistute eemaldamist ji alles 7688 takseerkirjeldust. Spektraalsed signatuurid arvutati eraldiste keskpunktide piksli jrgi.
Tulemuse (joonis 3) kontrolliks arvutati algse 2009.2010. a. metsaregistri vljavtte puistutele (8921) k-NN abil saadud takseerkirjelduste 30 m suuruse piksliga rasterkaartidelt tvemaht ning okas- ja lehtpuu osakaal koosseisus. Selgus, et noorte puistute mahtu on kaardil veidi le hinnatud ning vanemate puistute mahtu on alla hinnatud (joonis 4). Samuti on vikesed sstemaatilised erinevused okas- ja lehtpuude osakaaludes (joonis 4).
Sellise kontrolltulemuse phjuseks vivad olla rastri asukoha ning eraldiste piiride vead, mis mjutavad 30 m piksli nimetamist mingisse eraldisse kuuluvaks kohtades, kus lage ala ning vana mets on krvuti, mis aga majandusmetsas on tavaline. Jrgnevates hinnangutest on lal mrgitud k-NN tvemahu ennustuse nihe korrigeeritud. Tuleb mrkida, et sstemaatilist erinevust ldiselt k-NN ennustatud tunnuste vrtustes ei tohiks olla (kui protseduuris ei ole vigu), aga ksikpuistu tasemel vivad juhuslikud vead olla suured. Seega on nd olemas seisuga 29. juuni 2010 tervet Viljandimaad kattev tvemahu ning liigilise koosseisu digitaalne kaart. Kaardilt saame teha pringu varem koostatud phikaardi ja metsaregistri ristkaardi abil, et vrrelda metsaregistris olevate eraldiste ning korraldamata metsade keskmist tvemahtu (tabel 2) ja ristkaardi klasside tvemahtu (tabel 3). Nagu eespool mainitud, saadi tvemaht takseerkirjelduste jrgi ja on seega samas skaalas ehk SMI hinnangust viksem. Prt jt. on mrkinud, et takseerkirjeldustes olev tvemahu hinnang on 80% SMI mahust [9]. llataval kombel on korraldamata metsade keskmine tvemaht 152,9 m3 ha-1 (tabel 3) vaid veidi viksem korraldatud metsade keskmisest tvemahust 173,1 m3 ha-1 ja hinnangute vigu arvestades vib neid pidada isegi vrdseteks, kuid siiski tundub, et korraldamata on pigem viksema tagavaraga puistud.

Metsade vanus ja raied
Viljandimaal Puistute vanuselise jaotuse hinnangu saaksime samuti k-NN meetodi abil, tpse tulemuse saame puistu tekkeaja jrgi. Puistu tekkeaja mramiseks sobib uuendusraiega tekkiv jrsk heleduse muutus, mis ilmneb kosmosepiltide ajaseeria vrdlemisel. Phimtteliselt sobivad nii suvised kui ka lumikattega lesvtted, kuid viimaseid on eelistatud parema kontrasti tttu [7, 8]. Puistute tekkimise intensiivsus annab levaate metsade raiemahust (joonis 5) ning vajaduse korral saame kosmosekaardi phjal koostatud vanusekaardilt teha pringuid samamoodi kui metsaregistrist. Kasutades varem koostatud metsaregistrit ja kosmosekaarti kombineerituna, saame soovi korral tuua vlja need raied ja kahjustused, mis on tehtud metsades, mille kohta ei leidu metsaregistris andmeid.
Kui vrrelda kosmosepiltide ajaseerialt tehtud lageraiete kaardi kokkuvtet metsateatistega, ilmneb mndagi huvitavat. Aastaraamatu Mets ja statistikaameti andmetel on Viljandimaal aastatel 20052009 tehtud 11 730 ha lageraieid. Seda ajavahemikku katvate 2005. aasta 3. mrtsi ja 2010. aasta 9. mrtsi kosmosepiltide jrgi on raieid hinnanguliselt tehtud 5654,26531,9 hektaril. Pris tpselt ei saagi pindala teada, sest raiest phjustatud heleduse muutumise nivoo on kll mratud keskmisena nidisraiealade pindala sobitumise jrgi, aga niteks osalise raiega pikslite arvestamine oleneb konk11reetsest nivoo vrtusest. Eristusnivoo muutus mjutab peamiselt raiealade servades ja metsaservades olevate nn. segupikslite kaasamist klassi lageraie.
Hinnangust on vlja jetud alla 0,27 ha (kolm pikslit) alad, mis on peamiselt metsaservades tekkiv mra. Riikliku keskkonnaseireprogrammi maastike seire alamprogrammi raames kosmosepiltidelt saadud lageraiete pindala hinnang Viljandimaa kohta ajavahemikuks 20062010 on laltoodule lhedane ehk 6400 ha. Ilmneb, et teatatud lageraietest on seega tegelikult jnud tegemata 4855%. Kui vtta aluseks metsateatised ning ortofotode analsil saadud teave tegelikult tehtud raiete kohta, on keskkonnateabe keskuse andmetel Eesti erametsades aastail 20072008 jetud tegemata 30% teatatud lageraietest ja aastail 20082009 koguni 40%. Ka statistilise metsainventuuri andmed vrrelduna metsateatistega nitavad kuni 50% erinevust aastatel 2004 ja 20062008. Seega ei ole metsateatised statistilises mttes usaldusvrne infoallikas, vaid metsaomaniku soovi vljendus.

Laserskanneerimine vimaldab takseerida uut moodi
Lpuks tutvustame laserskannerite ehk lidarite kasutamist metsa takseerimiseks. Lidar on seade, mis saadab vlja elektromagnetkiirguse impulsse ning registreerib selle peegeldusi. hest impulsist vib tekkida mitu peegeldust. Mtmise tulemus on kolmemtmeline peegelduste ehk punktide parv (joonis 6), kus igal punktil on x-, y- ja z-koordinaat. Puistu struktuuri kirjeldamisel pakub huvi punktide jagunemine krguse jrgi, mis iseloomustab puistu lbipaistvust ning taimeelementide krgust, millega omakorda on seotud tius ja krgus. Kui suudame hinnata puistu krgust (H) ning tiust (T), siis saame tvemahu seosest M = T*Mnorm, kus Mnorm = f(H) on normaalpuistu tvemaht, mis arvutatakse krguse funktsioonina [10].
Lidariandmetena kasutati Maa-ameti rutiinsetel topograafilise kaardistuse lendudel skanneriga ALS50-II saadud mtmistulemusi. Kigepealt analsiti seoseid 38-l kasvukigu proovitkil ning seejrel metsaregistri 812 takseerkirjeldusel. Puistu lbipaistvuse saame maapinnalt tekkinud peegelduste suhtena peegelduste koguarvu. Rohu- ja puhmarinde vltimiseks kasutame virtuaalset maapinda sobival krgusel. Maapinna kergitamisel lbipaistvus suureneb [3] ja oleneb ka sellest, kas arvestame esimesi peegeldusi vi jagunenud impulssidest kiki. z-koordinaadi jrgi saame peegelduste krguse jaotuse. Ksimus on vaid selles, millist krgusjaotuse osa kasutada puistu takseerkrguse ennustamiseks.
Kasvukigu proovitkkide andmetel selgus, et puistu keskmise ja esimese rinde krgusega seostub lineaarselt kikide peegelduste krgusjaotuse lemine osa. Analsiks kasutati esmalt krgust, millest 90% punktidest asuvad madalamal. Nimetame seda krgusjaotuse 90-kvantiiliks. Samamoodi saab mrata mis tahes asukohta krgusjaotusel. Seosed mdetud krguse ning krgusjaotuse kvantiilide 90, 95 ja 99 vahel olid usaldusvrsed ning lineaarsed. Maapinnalhedaste punktide vljajtmine oluliselt tulemust ei mjutanud. Lbipaistvus arvutati virtuaalse maapinna krgusel 0,5 m. Ka lbipaistvuse ning puistu tiuse seos oli lhendatav lineaarse mudeliga, kuid hajuvus oli tunduvalt suurem kui krguse mudeli puhul (joonis 7). Ainult esimestel peegeldustel phinev lbipaistvuse hinnang seostus tiusega paremini vrreldes kikide peegelduste kaasamisega.
Kui peame proovitkkidel mdetud krguse ja tiuse seoseid punktiparve statistikutega praktikas kasutatavaks, siis on meilgi olemas suureprane vimalus kaasata lidariandmed metsatakseerimises kontrolli ja abivahendina samamoodi kui niteks Norras. Metsaregistri andmete vljavtete anals nitas, et krguste puhul sarnanevad seosed kasvukigu proovitkkidel saaduga, aga tiuse ja lbipaistvuse vahel seos praktiliselt puudus (joonis 7). Vajab edasist uurimist, kas phjuseks on virtuaalse maapinna ebasobiv krgus (0,5 m), mis kaasab lemra alusmetsa, vi on probleeme hoopis tiuse mramisega metsatakseerimisel. ks tulemusi mjutav tegur on lennu aeg, mil tehti laserskaneerimist: kasutati andmeid, mis kajastavad mai alguse kuni juuli keskpaiga seisu, ent lehtede kasv muudab metsa lbipaistvust.

Thtis on piltidelt arvutatud tunnuste abil saada infot metsade kohta ajas ja ruumis
Viljandimaa nitel saime kaugseire ja ruumianalsi abil uued kaardid metsade tvemahu, koosseisu ning vanuselise struktuuri kohta. Neid kaarte saab kasutada iseseisvalt vi metsaregistri lisamaterjalidena pringute tegemisel. Edaspidi on vimalik n.-. kokku segada kosmosepilt, lidariandmed ning vib-olla ka aerofotod, et koostada suurte alade kohta sna detailseid takseertunnuste kaarte, mille viga on puistu tasemel aktsepteeritav. Seega ei ole thtis, et me neksime pildilt puid, vaid peamine on, et piltidelt arvutatud tunnuste abil saame meile vajalikku infot metsade kohta ajas ja ruumis.

Tnuavaldused: USA geoloogiateenistus USGS vimaldab igahel vabalt tasuta kasutada Landsat-5 TM ja Landsat-7 ETM+ pilte. Uuringut toetas KIK-i 2010. aasta metsanduse programm ja Eesti teadusfondi grant nr. 8290.

Kirjandus 1. Adermann, V. 2009. Eesti metsad 2008. Metsavarude hinnang statistilisel valikmeetodil. Metsakaitse- ja uuenduskeskus. Tallinn. 2. Jagomgi, T. 1999. Geoinformaatika praktikutele. AS Regio, Tartu: 3642. 3. Lang, M. 2010. Estimation of crown and canopy cover from airborne lidar data. Forestry Studies / Metsanduslikud Uurimused 52: 517. 4. Lepiku, P. 2005. Metsaregister areneb kiiresti. Eesti Mets 4: 1617. 5. Nilson, A. 2001. Metsandus on tsirka-vrk. Eesti Mets 1:57. 6. Nilson, T., Lang, M. 2007. Kvantitatiivne kaugseire pakub tulevikuvimalusi. Eesti Mets 4: 2224. 7. Peterson, U. 2008. Maastike kaugseire. Vljataga, K. (toim.). Eesti keskkonnaseire 20042006. Keskkonnaministeeriumi info- ja tehnokeskus, Tallinn: 8587. 8. Peterson, U., Liira, J., Pssa, K. 2008. Metsaga alade ning lageraiete ja nendega sarnaste hiringute kaugseire. Vljataga, K., Kaukver, K. (toim). Kaugseire Eestis. Keskkonnaministeeriumi info- ja tehnokeskus, Tallinn: 4868. 9. Prt, E., Adermann, V., Merenkk, M. 2010. Metsavarud. Aastaraamat mets 2009. Keskkonnateabe keskus. Tartu. 10. Tappo, E. 1982. Eesti NSV puistute keskmised takseertunnused puistu enamuspuuliigi boniteedi ja vanuse jrgi. Eesti NSV Pllumajandusministeeriumi Informatsiooni ja Juurutamise Valitsus. Tallinn.







Loe kommentaare (1)
Teie nimi:
Teie e-mail:
Kommentaar:


15/11/2012
23/04/2012
23/04/2012
02/04/2012
19/04/2010
19/04/2010
18/12/2009



Mis see on?
E-posti aadress:
Liitun:Lahkun: 
Serverit teenindab EENet