http://creativecommons.org/licenses/by/4.0/

http://creativecommons.org/licenses/by/4.0/

http://creativecommons.org/licenses/by/4.0/

Monilähteinen inventointi tehtiin Suomeen ensimmäisen kerran

1990-1994. Ensimmäinen koko maan tuote valmistettiin vuosina 1990-1994;

seuraavat ovat vuosilta 1996-2003, 2005, 2007, 2009, 2011, 2013, 2015

ja 2017. Tässä esiteltävät kolme teemaa tehtiin MVMI-tekniikalla

CORINE2006-tuotteen tekoa varten.

Teemojen tuottamiseen käytettiin n. 45 000 VMI:n koealaa vuosilta 2004-2007

(VMI10) (2003, VMI9 pohjoisimmassa Suomessa). Kuva-aineistona käytettiin 57

IRS-kuvaa ja 41 Spot-kuvaa vuosilta 2005-2007.

Maastomittausten ja satelliittikuvan ajankohdan välillä tehdyt uudistushakkuut

koealoilla tunnistettiin satelliittikuvien ja osittain ilmakuvien

avulla. Koealat, joiden maastossa havaittu hakkuu ei vastannut kuvaa,

poistettiin maastoaineistosta.

Karttamuotoiset ennusteet tuotettiin tarkennetulla ei-parametrisellä k:n

lähimmän naapurin estimointimenetelmällä (ik-NN menetelmällä). Useimmiten

estimoinnissa käytettiin viittä lähintä naapuria. Tarkennetussa k-NN

estimoinnissa piirteiden painot optimoidaan minimoimalla estimoitavien

muuttujien ennustevirheet geneettisen algoritmin avulla. Satelliittikuvan

piirteiden lisäksi käytetään metsämuuttujien suuraluekarttoja piirteinä, tässä

aineistossa puuston keskitilavuus puulajeittain. Tarkoituksena on ohjata

lähimpien naapureiden valintaa luokitettavaa kuvanalkiota muistuttaviin

metsiin (kts. alla viitteet). Estimointi tehtiin erikseen kivennäismaan,

puustoisten soiden ja avosoiden ositteille kullekin satelliittikuvalle tai

peräkkäisten satelliittikuvien jonolle. Kuva ja koealojen ositus perustui

Maanmittauslaitoksen maastotietokannan karttatietoon.

Metsikkökuvion puuston keskipituus on elävien puiden pohjapinta-alan mediaania

vastaavan puun pituus. Se on likimain sama kuin pohjapinta-alalla painotettu

puiden pituuksien keskiarvo. Puuston keskipituus mitataan maastossa koealaan

osuneilta metsä- ja kitumaan metsikkökuvioilta 1 dm:n luokissa.

Puuston latvuspeittävyys VMI:ssa tarkoittaa koealan puuston vaakatasoon

projisoidun latvuston peittämää osuutta koealan alasta. Latvuspeittävyys

arvioitiin VMI10:ssä prosentteina (0-99) kiinteäsäteiseltä koealalta metsä-,

kitu ja joutomaalla. VMI9:ssä (Ylä-Lappi) latvuspeittävyys arvioitiin koelalta

kolmessa luokassa, jos koealan keskipiste sijaitsi metsä-, kitu-, tai

joutomaalla. VMI9 koealoille laadittiin regressiomalli latvuspeittävyyden

ennustamiseksi yhden prosentin yksiköissä.

Lehtipuuston latvuspeittävyyden osuus johdettiin koko puuston latvuspeittävyydestä

käyttäen lehtipuuston pohjapinta-alan osuutta kuvion puuston

pohjapinta-alasta. Taimikoissa käytettiin vastaavasti runkolukuja.

Lisää tietoja menetelmistä ja luotettavuudesta on esimerkiksi julkaisuissa

Törmä, M., Haakana, M., Hatunen, S., Härmä, P., Kallio, M., Katila, M.,

Kiiski, T., Mäkisara, K., Peräsaari, J., Piepponen, H., Repo, R., Teiniranta,

R. & Tomppo, E., 2008. Finnish Corine 2006-project: Determining Changes in

Land Cover in Finland between 2000 and 2006. Remote Sensing for Environment

Monitoring, GIS Applications and Geology VIII, Proceedings of SPIE vol. 7110.

Tomppo, E., Haakana, M., Katila, M. & Peräsaari, J. 2008. Multi-source

national forest inventory - Methods and applications. Managing Forest

Ecosystems 18. Springer. 374 p. ISBN 978-1-4020-8712-7,

Tomppo, E. & Halme, M. 2004. Using coarse scale forest variables as ancillary

information and weighting of variables in k-NN estimation: a genetic algorithm

approach. Remote Sensing of Environment 92: 1-20.

Lisää tietoa Suomen monilähteisestä valtakunnan metsien inventoinnista on

sivuilla https://www.luke.fi/tietoa-luonnonvaroista/metsa/metsavarat-ja-metsasuunnittelu/metsavarakartat-ja-kuntatilastot/ .

Monilähteinen inventointi tehtiin Suomeen ensimmäisen kerran

1990-1994. Ensimmäinen koko maan tuote valmistettiin vuosina 1990-1994;

seuraavat ovat vuosilta 1996-2003, 2005, 2007, 2009, 2011, 2013, 2015

ja 2017. Tässä esiteltävät kolme teemaa tehtiin MVMI-tekniikalla

CORINE2006-tuotteen tekoa varten.

Teemojen tuottamiseen käytettiin n. 45 000 VMI:n koealaa vuosilta 2004-2007

(VMI10) (2003, VMI9 pohjoisimmassa Suomessa). Kuva-aineistona käytettiin 57

IRS-kuvaa ja 41 Spot-kuvaa vuosilta 2005-2007.

Maastomittausten ja satelliittikuvan ajankohdan välillä tehdyt uudistushakkuut

koealoilla tunnistettiin satelliittikuvien ja osittain ilmakuvien

avulla. Koealat, joiden maastossa havaittu hakkuu ei vastannut kuvaa,

poistettiin maastoaineistosta.

Karttamuotoiset ennusteet tuotettiin tarkennetulla ei-parametrisellä k:n

lähimmän naapurin estimointimenetelmällä (ik-NN menetelmällä). Useimmiten

estimoinnissa käytettiin viittä lähintä naapuria. Tarkennetussa k-NN

estimoinnissa piirteiden painot optimoidaan minimoimalla estimoitavien

muuttujien ennustevirheet geneettisen algoritmin avulla. Satelliittikuvan

piirteiden lisäksi käytetään metsämuuttujien suuraluekarttoja piirteinä, tässä

aineistossa puuston keskitilavuus puulajeittain. Tarkoituksena on ohjata

lähimpien naapureiden valintaa luokitettavaa kuvanalkiota muistuttaviin

metsiin (kts. alla viitteet). Estimointi tehtiin erikseen kivennäismaan,

puustoisten soiden ja avosoiden ositteille kullekin satelliittikuvalle tai

peräkkäisten satelliittikuvien jonolle. Kuva ja koealojen ositus perustui

Maanmittauslaitoksen maastotietokannan karttatietoon.

Metsikkökuvion puuston keskipituus on elävien puiden pohjapinta-alan mediaania

vastaavan puun pituus. Se on likimain sama kuin pohjapinta-alalla painotettu

puiden pituuksien keskiarvo. Puuston keskipituus mitataan maastossa koealaan

osuneilta metsä- ja kitumaan metsikkökuvioilta 1 dm:n luokissa.

Puuston latvuspeittävyys VMI:ssa tarkoittaa koealan puuston vaakatasoon

projisoidun latvuston peittämää osuutta koealan alasta. Latvuspeittävyys

arvioitiin VMI10:ssä prosentteina (0-99) kiinteäsäteiseltä koealalta metsä-,

kitu ja joutomaalla. VMI9:ssä (Ylä-Lappi) latvuspeittävyys arvioitiin koelalta

kolmessa luokassa, jos koealan keskipiste sijaitsi metsä-, kitu-, tai

joutomaalla. VMI9 koealoille laadittiin regressiomalli latvuspeittävyyden

ennustamiseksi yhden prosentin yksiköissä.

Lehtipuuston latvuspeittävyyden osuus johdettiin koko puuston latvuspeittävyydestä

käyttäen lehtipuuston pohjapinta-alan osuutta kuvion puuston

pohjapinta-alasta. Taimikoissa käytettiin vastaavasti runkolukuja.

Lisää tietoja menetelmistä ja luotettavuudesta on esimerkiksi julkaisuissa

Törmä, M., Haakana, M., Hatunen, S., Härmä, P., Kallio, M., Katila, M.,

Kiiski, T., Mäkisara, K., Peräsaari, J., Piepponen, H., Repo, R., Teiniranta,

R. & Tomppo, E., 2008. Finnish Corine 2006-project: Determining Changes in

Land Cover in Finland between 2000 and 2006. Remote Sensing for Environment

Monitoring, GIS Applications and Geology VIII, Proceedings of SPIE vol. 7110.

Tomppo, E., Haakana, M., Katila, M. & Peräsaari, J. 2008. Multi-source

national forest inventory - Methods and applications. Managing Forest

Ecosystems 18. Springer. 374 p. ISBN 978-1-4020-8712-7,

Tomppo, E. & Halme, M. 2004. Using coarse scale forest variables as ancillary

information and weighting of variables in k-NN estimation: a genetic algorithm

approach. Remote Sensing of Environment 92: 1-20.

Lisää tietoa Suomen monilähteisestä valtakunnan metsien inventoinnista on

sivuilla https://www.luke.fi/tietoa-luonnonvaroista/metsa/metsavarat-ja-metsasuunnittelu/metsavarakartat-ja-kuntatilastot/ .

The first country level estimates correspond to years 1990-1994. The most

recent versions are from years 2005, 2007, 2009, 2011, 2013, 2015 and 2017.

The three themes presented here were made for production of

CORINE2006.

The map products are in a raster format in the ETRS-TM35FIN coordinate system

with a pixel size of 20m x 20m. These are reprojections from original themes

in the Finnish YKJ coordinate system witf pixel size 25m x 25m. The products

cover the combined land categories forest land, poorly productive forest land

and unproductive land. The other land categories as well as water bodies have

been delineated out using the elements of topographic database of the Land

Survey of Finland.

Field data from about 45 000 NFI sample plots from years 2004-2007 (NFI10)

(2003, NFI9 in northernmost Finland) were used. The satellite images used

included 57 IRS images and 41 Spot images fomr years 2005-2007.

Regeneration cuttings on the field plots were assessed using satellite images

and, in some cases, with aerial photographs. The plots were removed where the

cuts status in field data clearly did not match the image.

The map form estimates were made using the improved k-Nearest Neighbour method

(ik-NN method). The value of five for k was used most frequently. The weights

of the features in the ik-NN method are sought using an optimization method

based on genetic algorithm. Coarse scale estimates of forest variables were

used as the supplementary data. The volumes by tree species groups were

selected as the variables. The purpose is to direct the selection of the

neighbours, on the average, to forests similar to the target pixel (see the

references below). The estimation was made separately for mineral soils, mires

and open bogs and fens. The stratification of both the satellite image and the

field plots were made using the topographic map data of Land Survey Finland.

The mean height of the trees on a forest stand is the height of the basal

area median tree for the development classes young thinning stand or more

mature stands. It is about the same as the basal area weighted average

height. For seedling stands, the mean height is the average height of the

dominant and co-dominant seedlings. The mean height is assessed in the field

in the classes of 1 dm.

The canopy cover of trees is the vertical projection area on the horizontal

plane of the canopies of the individual trees on a field plot (without double

counting the overlapping canopies). In NFI10, it was assessed in the field as

a shares (0-99%) on a fixed radius plot. In North Lapland in NFI9, the

canopy cover was assessed in three categories if the plot was either on forest

land, poorly productive forest land or unproductive land. A regression model

was constructed to estimate the cover in the classes of one percent.

The canopy cover proportion of broad-leaved trees is derived from the total

cover using the basal area. However, in the seedling stands, the canopy cover

of broad-leaved trees is assessed using the shares of the stem numbers.

More information about the methods and the accuracies are given in the

publications, e.g.:

Törmä, M., Haakana, M., Hatunen, S., Härmä, P., Kallio, M., Katila, M.,

Kiiski, T., Mäkisara, K., Peräsaari, J., Piepponen, H., Repo, R., Teiniranta,

R. & Tomppo, E., 2008. Finnish Corine 2006-project: Determining Changes in

Land Cover in Finland between 2000 and 2006. Remote Sensing for Environment

Monitoring, GIS Applications and Geology VIII, Proceedings of SPIE vol. 7110.

Tomppo, E., Haakana, M., Katila, M. & Peräsaari, J. 2008. Multi-source

national forest inventory - Methods and applications. Managing Forest

Ecosystems 18. Springer. 374 p. ISBN 978-1-4020-8712-7

Tomppo, E. & Halme, M. 2004. Using coarse scale forest variables as

ancillary information and weighting of variables in k-NN estimation: a genetic

algorithm approach. Remote Sensing of Environment 92: 1-20.

Tietoaineistosarja

ISO19115

2003/Cor.1:2006