1982

Häme, Tuomas; Saukkola, Pekka

Perä-Pohjolan metsäkasvillisuusvyöhykkeen metsätyyppien ja veroluokkien erottamista satelliittikuvien numeerisella tulkinnalla selvitettiin. Tulosten pohjalta kehitettiin uusi metsäveroluokitusmenetelmä Pohjois-Suomen tarpeisiin ja menetelmän edullisuutta verrattiin perinteiseen luokitusmenetelmään sekä väri-infrakuvan ennakkokuviointiin ja maastotarkastukseen perustuvaan menetelmään. Tutkimusalue, yhteensä 90 000 ha, käsitti kolme aluetta Kemijärvellä ja Rovaniemen maalaiskunnassa. Tulkittava kuva oli otettu Landsat-satelliitin nelikanavakeilaimella. Parhaat tulokset saatiin ns. ohjatulla tulkintamenetelmällä, joka perustuu maastoon paikannettavien tulkinta-avainten harmaasävytietoihin. Numeeriset tulkinnat testattiin satunnaisotannalla. Metsätyypeistä pystyttiin erottamaan kaksi rehevyysluokkaa, sillä kuivahkot kankaat sekoittuivat toisaalta tuoreisiin kankaisiin ja toisaalta kuiviin kankaisiin. Tuoreen kankaan aurausalojen, hyväkasvuisten havupuustojen ja kuivien kankaiden veroluokkatuIkinta onnistui kohtuullisen hyvin. Tuoreen kankaan kuusikkojen ja rehevien metsämaiden auraamattomien aukeiden veroluokkatulkinnan onnistumisen estivät veroluokkaan vaikuttavat lisätekijät, kuten kunttaisuus ja soistuneisuus. Kivisyys haittasi karujen, kuivahkojen kankaiden veroluokkatulkintaa. Suurempia ongelmia oli rehevien metsämaiden veroluokkatulkinnassa. Uudessa KAUKO-metsäveroluokitusmenetelmässä yhdistettiin satellittikuvan tulkintatulokseen peruskarttatieto, väri-infrakuvan antama tieto sekä maastosta saatava tieto. KAUKOlla pystyttiin nopeuttamaan luokituksen kuviointivaihe noin kominkertaiseksi nykyiseen menetelmään verrattuna. Väri-infrakuvan ennakkotulkinta -maastotyömenetelmällä päästiin testeissä miltei samanlaiseen tulokseen kuin perinteisellä veroluokitusmenetelmällä, mutta ennakkotulkintamenetelmä ei ollut taloudellisesti edullinen. KAUKO-menetelmällä veroluokitus jäi hieman lievemmäksi kuin perinteisellä menetelmällä, mutta veroluokituskustannuksissa laskettiin säästettävän 26 - 29 %.