Maria Åsnes Moan forsvarte sin doktorgradsavhandling «Forbedring av metoder for bonitering med punktskydata» den 29 november, 2024.
Prøveforelesningen hadde tittelen «Measuring Changes in Forests Using
Remote Sensing».
Sammendrag av avhandlingen
Bonitet er definert som overhøyden ved en gitt referansealder og brukes for å beskrive skogens potensial for å produsere tømmer. Bonitering, altså å bestemme boniteten, har utviklet seg fra feltbaserte metoder til metoder som benytter seg av punktskydata. Punktskydata fra flybåren laserskanning og bildematching har blitt brukt til å bonitere med den direkte og høydedifferensielle metoden. Disse metodene bruker overhøydeutviklingen over en kjent periode til å bonitere ved bruk av punktskydata fra minst to tidspunkt, dvs. multitemporale punktskydata. Den direkte metoden boniterer ved bruk av en prediksjonsmodell for bonitet med forklaringsvariabler beregnet fra punktskydata. Den høydedifferensielle metoden finner boniteten der forventet overhøydeutvikling passer best med den predikerte overhøydeutviklingen. Denne avhandlingen tok sikte på å forbedre metodene for bonitering med punktskydata og består av fire studier.
Forstyrrelser kan gjøre et område uegnet for bonitering med punktskydata. Tidligere har man definert egnethet som områder uten negativ utvikling i overhøyde eller biomasse, men dette betyr ikke nødvendigvis at overhøydeutviklingen er uforstyrret. Den første studien i denne avhandlingen klassifiserte egnethet med variabler fra multitemporale laserdata. Egnethet var definert basert på feltregistrerte forstyrrelser hos dominerende trær. Resultatene viste at egnethet kunne klassifiseres med multitemporale laserdata, selv om definisjonene av egnethet i den studien var konservative ettersom ett dødt dominerende tre var nok til at prøveflaten ble klassifisert som uegnet.
En tidsserie med laserdata kan forbedre nøyaktigheten til boniteringen sammenlignet med å bruke laserdata fra to påfølgende laserskanninger. Dette er fordi overhøydeutviklingen for en lengre periode vil bli representert. Den andre studien i denne avhandlingen brukte laserdata fra tre tidspunkt for å bonitere med den direkte og høydedifferensielle metoden. Prediksjonsfeilene var ikke statistisk signifikant forskjellig når man brukte laserdata fra hele tidsserien sammenlignet med å bruke laserdata fra to påfølgende tidspunkt, dvs. enten første og andre eller andre og tredje tidspunkt. Imidlertid økte andelen av området som var egnet for bonitering når hvilket som helst delsett av påfølgende tidspunkter i tidsserien kunne brukes, noe som ga en økt fleksibilitet til å unngå å perioder der det hadde vært en forstyrrelse.
«Value of improved information» kan brukes til å vurdere nytteverdien av forskjellige boniteringsmetoder når beslutningstakeren har ulike mål for skogforvaltningen. Den tredje studien brukte stokastisk programmering for å beregne «value of improved information» ved bruk av den direkte og høydedifferensielle metoden med enten multitemporale laserdata eller laserdata og påfølgende bildematchingsdata. Resultatene viste at «value of improved information» var nærmest null og dermed best for den høydedifferensielle metoden i vårt studieområde.
Den høydedifferensielle metoden kan potensielt brukes til å bonitere i ungskog. Den fjerde studien detekterte posisjonen til kvistkranser fra veldig tette punktskydata med en dyplæringsmodell og brukte detekterte kvistkranser til å bonitere med den høydedifferensielle metoden. Dette ga en «root mean square error» mellom 19,85 og 20,87%. En utfordring med bonitering i ungskog er at bonitetskurvene er brattere for lave aldre sammenlignet med høyere aldre, noe som resulterer i at feil i deteksjonen av kvistkranser har større konsekvenser for bestemmelsen av bonitet i ungskog.
Denne avhandlingen har tatt for seg noen utfordringer og muligheter for bonitering med punktskydata. Likevel viste den første og fjerde studien at det er behov for mer forskning på hvordan man best kan definere egnethet og bonitere i ungskog.
Veiledere:
Lennart Noordermeer, Norges miljø- og biovitenskapelige universitet (NMBU)
Ole Martin Bollandsås, Norges miljø- og biovitenskapelige universitet (NMBU)
Evalueringskomité:
Mikko Vastaranta, University of Eastern Finland (UEF)
Henrik Jan Persson, Swedish University of Agricultural Sciences (SLU)
Meley Mekonen Rannestad, Norges miljø- og biovitenskapelige universitet (NMBU)