Luke
 

Kasvuennusteiden luotettavuuden selvittäminen knn-menetelmällä ja monitavoiteoptimoinnilla

dc.contributor.authorHaara, Arto
dc.contributor.departmentMetsäntutkimuslaitos / Joensuu-
dc.date.accepted2002-09-17-
dc.date.accessioned2016-05-03T15:10:35Z
dc.date.accessioned2025-05-28T10:56:34Z
dc.date.available2016-05-03T15:10:35Z
dc.date.issued2002
dc.descriptionTutkimusartikkeli-
dc.description.abstractTässä tutkimuksessa testattiin k-lähimmän naapurin (knn) menetelmän ja monitavoiteoptimoinnin soveltuvuutta metsikön kasvuennusteiden luotettavuuden arviointiin. Tutkimuksen aineistona käytettiin Metsäntutkimuslaitoksen kangasmaiden kasvukoealoja. Puulajeista tarkasteltiin mäntyä, kuusta ja koivua. Koealoilta muodostettiin kuvioittaisen arvioinnin SOLMU- ja TASO-muotoiset tiedostot, joihin simuloitiin lisäksi kuvioittaisen arvioinnin mittausvirhettä. Luotettavuusarviot estimoitiin pohjapinta-alamediaanipuun läpimitalle ja pituudelle, pohjapinta-alalle ja tilavuudelle. Luotettavuusarviot estimoitiin puulajeittain ja metsikölle. Kuvion puustotunnusten luotettavuusarviot saatiin k lähimmän naapurin vastaavien tunnusten kehitysennusteiden virheiden hajonnasta, joille oli ennustettu samantasoinen kasvu samanlaisilla puustotunnuksilla. Virhe saatiin kasvukoealalta mitatun ja MELAlla simuloidun kehityksen erona. Lähimpien naapureiden haussa käytetyt metsikkö- ja puustotunnukset ja tunnusten painot etsittiin monitavoiteoptimoinnilla. Menetelmää testattiin estimoimalla kunkin kuvion puustotunnuksien kehitysennusteiden luotettavuusarviot etsien lähimmät naapurit tutkimusaineistosta, josta poistettiin kulloinkin käsiteltävä kuvio. Menetelmän hyvyyttä tarkasteltiin vertaamalla puustotunnusten kasvuennusteiden toteutuneita keskivirheitä ja harhaa knn-menetelmän tuottamiin keskivirheiden ja harhan ennusteisiin. Lisäksi hyvyyttä arvioitiin tarkastelemalla keskivirheitä ja harhaa metsätyypeittäin ja pohjapinta-ala- ja ikäluokittain. Menetelmä toimi hyvin tutkimusaineistossa. Kuvioaineiston tietosisällöllä (SOLMU/TASO) ei ollut merkittävää vaikutusta tuloksiin. Menetelmää voidaan käyttää metsänomistajan päätöksenteon tukena ennusteiden luotettavuuden arvioinnissa. Luotettavuusarviot poistavat liian optimistiset kuvitelmat suunnittelulaskelmien paikkansa pitävyydestä. Menetelmää voidaan käyttää myös laskennallisessa ajantasaistuksessa päätettäessä, käytetäänkö kuviotiedoston ajantasaistusta kuvioittaisen inventoinnin tukena tai korvaamassa osittain uutta inventointitietoa.fi
dc.formatSekä painettu, että verkkojulkaisu-
dc.format.bitstreamtrue
dc.format.pagerange391-406-
dc.identifier.bibliographiccitationHaara, A. 2002. Kasvuennusteiden luotettavuuden selvittäminen knn-menetelmällä ja monitavoiteoptimoinnilla. Metsätieteen aikakauskirja 3/2002: 391-406.-
dc.identifier.olddbid475392
dc.identifier.oldhandle10024/533724
dc.identifier.urihttps://jukuri.luke.fi/handle/11111/21352
dc.identifier.urlhttps://metsatieteenaikakauskirja.fi/article/6179-
dc.identifier.urnURN:NBN:fi-fe2016111729066
dc.language.isofin-
dc.metlaperson4275-
dc.metlasuorite35329-
dc.okm.corporatecopublicationei-
dc.okm.discipline4112 Metsätiede-
dc.okm.internationalcopublicationei-
dc.publisherMetsäntutkimuslaitos-
dc.publisherSuomen metsätieteellinen seura-
dc.publisher.countryFI-
dc.publisher.placeHelsinki-
dc.relation.doi10.14214/ma.6179-
dc.relation.ispartofseriesMetsätieteen aikakauskirja-
dc.relation.issn1455-2515-
dc.relation.journalarticle4-
dc.relation.numberinseries3-
dc.relation.replaceshttp://www.metla.fi/aikakauskirja/full/ff02/ff023391.pdf-
dc.source.identifierhttps://jukuri.luke.fi/handle/10024/533724
dc.subject.keywordennustaminen-
dc.subject.keywordluotettavuus-
dc.subject.keywordk-lähimmän naapurin menetelmä-
dc.subject.keywordkuvioittainen arviointi-
dc.subject.keywordmonitavoiteoptimointi-
dc.teh41007-00000300-
dc.titleKasvuennusteiden luotettavuuden selvittäminen knn-menetelmällä ja monitavoiteoptimoinnilla-
dc.typeText-
dc.typeArticle-
dc.type.oa1 Open access -julkaisu-
dc.type.okmfi=A1 Alkuperäisartikkeli tieteellisessä aikakauslehdessä|sv=A1 Originalartikel i en vetenskaplig tidskrift|en=A1 Journal article (refereed), original research|-
dc.type.univ-co-publicationei-

Tiedostot

Näytetään 1 - 1 / 1
Ladataan...
Name:
ennusteet.pdf
Size:
520.64 KB
Format:
Adobe Portable Document Format

Kokoelmat