Search

openaire: EC/H2020/771049/EU//FREEDLES Funding Information: Academy of Finland (AF) (project ‘Time-stamped and free photons') and Suomen Luonnonvarain Tutkimussäätiö provided funding for the LiDAR data and early processing. Personnel at Finnmap were helpful in finding ways to provide the WF data, which was never asked by any other customers. Dr. Andreas Roncat kindly gave us his Matlab code to access Riegl proprietary sdf-format. Dr. Pekka Kaitaniemi from Hyytiälä made phenological observations during the campaigns. Dr. Antti Uotila helped in finding the aspens in Hyytiälä. Crown photographs were provided by Dr. Minna Blomqvist and forestry student Albert Häme. The work of AH received funding from the European Research Council (ERC) under the European Union's Horizon 2020 research and innovation programme (grant agreement No 771049 ). The text reflects only the authors' view, and the Agency is not responsible for any use that may be made of the information it contains. SJ's AF grant numbers were 330422 and 337127 . Funding Information: Academy of Finland (AF) (project ‘Time-stamped and free photons') and Suomen Luonnonvarain Tutkimussäätiö provided funding for the LiDAR data and early processing. Personnel at Finnmap were helpful in finding ways to provide the WF data, which was never asked by any other customers. Dr. Andreas Roncat kindly gave us his Matlab code to access Riegl proprietary sdf-format. Dr. Pekka Kaitaniemi from Hyytiälä made phenological observations during the campaigns. Dr. Antti Uotila helped in finding the aspens in Hyytiälä. Crown photographs were provided by Dr. Minna Blomqvist and forestry student Albert Häme. The work of AH received funding from the European Research Council (ERC) under the European Union's Horizon 2020 research and innovation programme (grant agreement No 771049). The text reflects only the authors' view, and the Agency is not responsible for any use that may be made of the information it contains. SJ's AF grant numbers were 330422 and 337127. Publisher Copyright: © 2023 The Author(s) Information on forest structure is vital for sustainable forest management. Currently, airborne LiDAR remote sensing has been well established as an effective tool to characterize the structure of canopies and forest inventory variables. Radiometry and geometry are highly intertwined in LiDAR remote sensing of forest vegetation and phenology influences the geometric-optical properties of deciduous and evergreen trees causing seasonal variation in LiDAR observations. This variation may be considered as a nuisance or exploited in for example tree species identification. Airborne LiDAR data are also influenced by sensor functioning, acquisition settings, scan geometry and the atmosphere. Reliable estimation of subtle phenological effects calls for data in which the impact of the external factors is minimal. We experimented with such data and explored LIDAR waveforms (WFs) in boreal trees in winter, early summer and late summer. Our objectives were to i) assess the match of the multitemporal LiDAR data for observing true changes in vegetation; ii) quantify the influence of phenology in deciduous and evergreen trees; iii) study the effect of varying scan zenith angle (SZA) and canopy age on WF features in different phenostates; iv) assess the temporal feature correlation in individual living and dead standing trees. A WF-recording pulsed LiDAR sensor unit operating at the wavelength of 1550 nm was used in repeated acquisitions. WF attributes such as energy, peak amplitude and echo width were derived for each pulse and were localized vertically to crown, understory and ground components. Silver and downy birch, black alder, European aspen, Siberian larch, Scots pine, Norway spruce and dead standing spruce formed our strata. Results showed that phenology caused more variation in WF features of deciduous trees compared to evergreen conifers. Deciduous trees displayed substantial between-species variation that was linked with differences in branching pattern, leaf orientation and bark reflectance. Pine displayed a possible winter-early summer anomaly in canopy backscattering that may be linked with changes in foliage clumping or with the role of stamens in early summer trees. Trees displayed positive temporal correlation in WF features and correlations were the strongest in evergreen and deciduous conifers and decreased with time. SZA had minor influence on WF features whereas age exercised a strong effect on many features with parallel variation between species and phenostates. Structural changes following death, i.e. ‘aging’ changed the geometric WF features of dead standing trees. Our results provide new insights for enhancing tree species identification by using WF LiDAR and for LiDAR time-series analysis of vegetation.

Trees adapt to their growing conditions by regulating the sizes of their parts and their relationships. For example, removal or death of adjacent trees increases the growing space and the amount of light received by the remaining trees enabling their crowns to expand. Knowledge about the effects of silvicultural practices on crown size and shape and also about the quality of branches affecting the shape of a crown is, however, still limited. Thus, the aim was to study the crown structure of individual Scots pine trees in forest stands with varying stem densities due to past forest management practices. Furthermore, we wanted to understand how crown and stem attributes and also tree growth affect stem area at the height of maximum crown diameter (SAHMC), which could be used as a proxy for tree growth potential. We used terrestrial laser scanning (TLS) to generate attributes characterizing crown size and shape. The results showed that increasing stem density decreased Scots pine crown size. TLS provided more detailed attributes for crown characterization compared with traditional field measurements. Furthermore, decreasing stem density increased SAHMC, and strong relationships (Spearman's correlations > 0.5) were found between SAHMC and crown and stem size and also stem growth. Thus, this study provided quantitative and more comprehensive characterization of Scots pine crowns and their growth potential. The combination of a traditional growth and yield study design and 3D characterization of crown architecture and growth potential can open up new research possibilities.

Structural complexity of trees is related to various ecological processes and ecosystem services. To support management for complexity, there is a need to assess the level of structural complexity objectively. The fractal-based box dimension (Db) provides a holistic measure of the structural complexity of individual trees. This study aimed to compare the structural complexity of Scots pine (Pinus sylvestris L.) trees assessed with Db that was generated with point cloud data from terrestrial laser scanning (TLS) and aerial imagery acquired with an unmanned aerial vehicle (UAV). UAV imagery was converted into point clouds with structure from motion (SfM) and dense matching techniques. TLS and UAV measured Db-values were found to differ from each other significantly (TLS: 1.51 ± 0.11, UAV: 1.59 ± 0.15). UAV measured Db-values were 5% higher, and the range was wider (TLS: 0.81–1.81, UAV: 0.23–1.88). The divergence between TLS and UAV measurements was found to be explained by the differences in the number and distribution of the points and the differences in the estimated tree heights and number of boxes in the Db-method. The average point density was 15 times higher with TLS than with UAV (TLS: 494,000, UAV 32,000 points/tree), and TLS received more points below the midpoint of tree heights (65% below, 35% above), while UAV did the opposite (22% below, 78% above). Compared to the field measurements, UAV underestimated tree heights more than TLS (TLS: 34 cm, UAV: 54 cm), resulting in more boxes of Db-method being needed (4–64%, depending on the box size). Forest structure (two thinning intensities, three thinning types, and a control group) significantly affected the variation of both TLS and UAV measured Db-values. Still, the divergence between the two approaches remained in all treatments. However, TLS and UAV measured Db-values were consistent, and the correlation between them was 75%.

Funding Information: This research was funded with a grant by the Finnish Cultural Foundation as well as by the Academy of Finland, grant numbers 315079, 345166, 331711, 334001, 337810, and 337127. Acknowledgments: The authors would like to thank Häme University of Applied Sciences for supporting the research activities in Evo. Open access funding provided by University of Helsinki. Conflicts of Interest: The authors declare no conflict of interest. Funding Information: Funding: This research was funded with a grant by the Finnish Cultural Foundation as well as by the Academy of Finland, grant numbers 315079, 345166, 331711, 334001, 337810, and 337127. Publisher Copyright: © 2021 by the authors. Licensee MDPI, Basel, Switzerland. Tree growth is a multidimensional process that is affected by several factors. There is a continuous demand for improved information on tree growth and the ecological traits controlling it. This study aims at providing new approaches to improve ecological understanding of tree growth by the means of terrestrial laser scanning (TLS). Changes in tree stem form and stem volume allocation were investigated during a five-year monitoring period. In total, a selection of attributes from 736 trees from 37 sample plots representing different forest structures were extracted from taper curves derived from two-date TLS point clouds. The results of this study showed the capability of point cloud-based methods in detecting changes in the stem form and volume allocation. In addition, the results showed a significant difference between different forest structures in how relative stem volume and logwood volume increased during the monitoring period. Along with contributing to providing more accurate information for monitoring purposes in general, the findings of this study showed the ability and many possibilities of point cloud-based method to characterize changes in living organisms in particular, which further promote the feasibility of using point clouds as an observation method also in ecological studies.

Conducting archaeological site surveys is time consuming, and large sites may have many small features or structures that are difficult to locate and interpret. Vegetation cover and dense forest hide small structures, like cairns, while at the same time forest cover can cause problems for LiDAR tools. In this case study, drone-based ALS (airborne laser scanning) was tested as an archaeological site survey tool. The research site was complex and located partially in a forested area, which made it possible to evaluate how forest cover affects data. The survey methods used were rather simple: visual analysis, point density calculations in the forest area, and, for site interpretation purposes, digitizing observations and viewshed analysis. Using straightforward methods allowed us to evaluate the minimum time and skills needed for this type of survey. Drone-based ALS provided good results and increased knowledge of the site and its structures. Estimates of the number of cairns interpreted as graves more than doubled as a result of the high-accuracy ALS data. Based on the results of this study, drone-based ALS could be a suitable high-accuracy survey method for large archaeological sites. However, forest cover affects the accuracy, and more research is needed.

Exact and up-to-date information about forest resources is needed for decision makers when planning the use of forests. Knowledge about changes in forest environment and tree growth is a key factor for example when predicting the effects of climate change and estimating the amount of biomass and sequestered carbon in forests. New technologies, such as unmanned aerial vehicles (UAVs), allow one to collect detailed information of forests from above with relatively close range. UAVs have already been used e.g. for environmental monitoring, tree attribute detection and forest inventories. However, also accurate and in detail reference measurements are needed for estimating forest resource information, to be able to take advantage of the new methods. Terrestrial laser scanning (TLS) can be used for measuring tree and forest attributes from ground in very high detail. This study shows how follow-up measurements with TLS-based three-dimensional point clouds allow one to investigate the changes both on individual tree and plot level. Based on the results, the possibilities of using TLS data as reference for UAV inventories or together with UAV based measurements are discussed in an attempt to find more accurate and effective solutions for forest change detection.

Forest management alters the growing conditions and thus further development of trees. However, quantitative assessment of forest management on tree growth has been demanding as methodologies for capturing changes comprehensively in space and time have been lacking. Terrestrial laser scanning (TLS) has shown to be capable of providing three-dimensional (3D) tree stem reconstructions required for revealing differences between stem forms and growth allocation. In this study, we used TLS-based 3D reconstructions of tree stems to investigate how forest management (i.e., varying thinning treatments and the following growth effects) has affected stem size and form of Scots pine ( Pinus sylvestris L.) trees. The results showed that intensive thinning resulted in more stem volume and therefore total biomass allocation and carbon uptake compared to the moderate thinning. Scots pines growing in plots from which suppressed trees were removed (i.e., thinning from below) had larger bottom part of stems (i.e., volume accumulated more below 50% of tree height) compared to Scots pines growing in plots from which part of the dominant trees had been removed (i.e., thinning from above). Furthermore, intensive thinning, especially from below, produced less variation in relative stem attributes characterizing stem size and form. Thus, it can be concluded that thinning intensity, type, and the following growth effects have an impact on post-thinning stem growth as well as stem form of individual Scots pine trees. Our study presented detailed measurements on post-thinning growth of Scots pines that have been laborious or impracticable before the emergence of TLS technology. Moreover, TLS-based stem reconstructions provided variety of attributes characterizing stem growth allocation that have not traditionally been feasible to obtain. The study demonstrated that TLS technology can be used to generate new knowledge for supporting forest management and silviculture as well as improving ecological understanding of boreal forests.

We investigated the impact of natural enemies on the cocoon mortality of the common pine sawfly ( L.) during a six-year period in eastern Finland. The enemies were classified into parasitoids (insect families Chalcidoidea, Ichneumonidae, and Tachinidae), and predators (birds, small mammals, and insect families Elateridae and Carabidae). The appearance of was estimated as the intensity of annual defoliation. The impact of stand characteristics on the performance of parasitoids and predators was also investigated. Influence of the natural enemy complex on cocoon mortality of was nearly stable, butdefoliation intensity slowly declined towards the end of the study period. Annual cocoon mortality by natural enemies varied between 66% and 80%. Our results verified that the most significant mortality factors were ichneumonid parasitoids and small mammals. Random Forest classification indicated that stand characteristics, such as basal area, and coverage of lichen ( and lingonberry ( L.) affected the performance of parasites and predators. We suggest that a combination of optimal stand characteristics, abiotic environmental factors and mild to moderate control by natural enemies acted as drivers, which drove the pine sawfly population to extended gradation. For future forest health management, detailed information on abiotic and biotic regulating factors, along with long-term monitoring campaigns for conifer sawflies are needed to adapt Fennoscandian forests to altered climatic and silvicultural conditions.Diprion piniD. piniD. pini Lichenes)Vaccinium vitis-idaea

This paper presents first steps toward robust models for crisis prediction. We conduct a horse race of conventional statistical methods and more recent machine learning methods as early-warning models. As individual models are in the literature most often built in isolation of other methods, the exercise is of high relevance for assessing the relative performance of a wide variety of methods. Further, we test various ensemble approaches to aggregating the information products of the built models, providing a more robust basis for measuring country-level vulnerabilities. Finally, we provide approaches to estimating model uncertainty in early-warning exercises, particularly model performance uncertainty and model output uncertainty. The approaches put forward in this paper are shown with Europe as a playground. Generally, our results show that the conventional statistical approaches are outperformed by more advanced machine learning methods, such as k-nearest neighbors and neural networks, and particularly by model aggregation approaches through ensemble learning.

The objective of the "Tree Extraction" project organized by EuroSDR (European Spatial data Research) and ISPRS (International Society of Photogrammetry and Remote Sensing) was to evaluate the quality, accuracy, and feasibility of automatic tree extraction methods, mainly based on laser scanner data. In the final report of the project, Kaartinen and Hyyppä (2008) reported a high variation in the quality of the published methods under boreal forest conditions and with varying laser point densities. This paper summarizes the findings beyond the final report after analyzing the results obtained in different tree height classes. Omission/Commission statistics as well as neighborhood relations are taken into account. Additionally, four automatic tree detection and extraction techniques were added to the test. Several methods in this experiment were superior to manual processing in the dominant, co-dominant and suppressed tree storeys. In general, as expected, the taller the tree, the better the location accuracy. The accuracy of tree height, after removing gross errors, was better than 0.5 m in all tree height classes with the best methods investigated in this experiment. For forest inventory, minimum curvature-based tree detection accompanied by point cloud-based cluster detection for suppressed trees is a solution that deserves attention in the future.

Forests are dynamic ecosystems that are constantly changing. The most common natural reasons for change in forests are the growth and death of trees, as well as the damage occurring to them. Tree growth appears as an increment of its structural dimensions, such as stem diameter, height, and crown volume, which all affect the structure of a tree. Repeated measurements of tree characteristics enable observations of the respective increments indicating tree growth. According to current knowledge, the tree growth process follows the priority theory, where trees aim to achieve sufficient lightning conditions for the tree crown through primary growth, whereas increment in diameter results from the secondary growth. Tree growth is known to have an effect on the carbon sequestration potential of trees as well as on the quality of timber. To improve the understanding of the underlying cause–effect relations driving tree growth, methods to quantify structural changes in trees and forests are needed. The use of terrestrial laser scanning (TLS) has emerged during the recent decade as an effective tool to determine attributes of individual trees. However, the capacity of TLS point cloud-based methods to measure tree growth remains unexplored. This thesis aimed at developing new methods to measure tree growth in boreal forest conditions by utilizing two-date TLS point clouds. The point clouds were also used to investigate how trees allocate their growth and how the stem form of trees develops, to deepen the understanding of tree growth processes under different conditions and over the life cycle of a tree. The capability of the developed methods was examined during a five- to nine-year monitoring period with two separate datasets consisting of 1315 trees in total. Study I demonstrated the feasibility of TLS point clouds for measuring tree growth in boreal forests. In studies II and III, an automated point cloud-based method was further developed and tested for measuring tree growth. The used method could detect trees from two-date point clouds, with the detected trees representing 84.5% of total basal area. In general, statistically significant changes in the examined attributes, such as diameter at breast height, tree height, stem volume, and logwood volume, were detected during the monitoring periods. Tree growth and stem volume allocation seemed to be more similar for trees growing in similar structural conditions. The findings obtained in this thesis demonstrate the capabilities of repeatedly acquired TLS point clouds to be used for measuring the growth of trees and for characterizing the structural changes in forests. This thesis showed that TLS point cloud-based methods can be used for enhancing the knowledge of how trees allocate their growth, and thus help discover the underlying reasons for processes driving changes in forests, which could generate benefits for ecological or silvicultural applications where information on tree growth and forest structural changes is needed. Metsät ovat kokonaisuus, joka on jatkuvan muutoksen alaisena. Keskeisimpiä luonnollisia syitä metsissä tapahtuville muutoksille ovat puiden kasvu, vaurioituminen ja kuolema. Puiden kasvu ilmenee puun eri osien koon muutoksena. Vallalla olevan käsityksen mukaan puiden kasvu noudattaa teoriaa, jossa puu kohdistaa kasvuresurssejaan ensin latvukseen, saavuttaakseen puiden välisessä kilpailussa riittävät valo-olosuhteet, minkä jälkeen resursseja voi kohdistaa myös rungon läpimitan kasvattamiseen. Kasvua voidaan mitata keräämällä toistuvia havaintoja jostain tunnuksesta valitulla ajanjaksolla. Aiemmat tutkimukset ovat jo osoittaneet puiden kasvun vaikuttavan esimerkiksi puun laatuun ja niiden kykyyn sitoa hiiltä, mutta voidaksemme ymmärtää entistä paremmin puiden kasvun syitä ja sen vaikutuksia, tarvitaan uusia menetelmiä puissa ja metsissä tapahtuvien muutosten määrittämiseksi. Maastolaserkeilauksesta (TLS) on tullut 2000-luvun aikana menetelmä, jolla tuotetuista yksittäisiä puita tai metsiä kuvaavista 3D-pistepilvistä voidaan määrittää tarkasti puun mittoja ja ominaisuuksia. TLS-pistepilviä ei kuitenkaan ole vielä hyödynnetty laajemmin puiden kasvun mittaamisessa. Tämän väitöskirjatyön tavoitteena oli kehittää menetelmiä puiden kasvun mittaamiseksi boreaalisissa metsissä kahden ajankohdan TLS-pistepilviltä. Lisäksi tavoitteena oli tuottaa uutta tietoa puiden kasvusta eri olosuhteissa ja kehitysvaiheissa tutkimalla TLS-pistepilviltä puiden runkomuodon muutosta ja kasvun kohdentumista rungon eri osiin. Väitöskirjatutkimuksessa seurattiin yhteensä 1315 puun kasvua viiden ja yhdeksän vuoden ajanjaksoilla. Väitöskirjan osajulkaisu I osoitti TLS-pistepilvien käyttökelpoisuuden puiden kasvun mittaamiseen. Osajulkaisuissa II ja III tutkittiin automatisoidun menetelmän soveltuvuutta kasvun mittaukseen. Automaattinen menetelmä onnistui havaitsemaan kahden ajankohdan TLS-pistepilvistä puut, jotka vastasivat pohjapinta-alaltaan 84.5 prosenttia koko tutkimuskohteiden puuston pohjapinta-alasta. Puiden rinnankorkeusläpimitassa, pituudessa sekä runko- ja tukkitilavuudessa havaittiin tilastollisesti merkitseviä muutoksia tarkastelujakson aikana. Puiden kasvu ja tilavuuskasvun kohdentuminen oli samankaltaisempaa rakenteeltaan samanlaisissa metsiköissä. Tämän väitöskirjatutkimuksen tulokset osoittavat kahden ajankohdan TLS-pistepilvien soveltuvuuden puiden kasvun ja metsien rakenteessa tapahtuvien muutosten seurantaan. TLS-pistepilviä hyödyntämällä voidaan saada lisätietoa puiden kasvusta, mikä on tarpeen, jotta olisi mahdollista ymmärtää entistä paremmin metsissä tapahtuviin muutoksiin vaikuttavia tekijöitä. Parantunut ymmärrys ja lisääntynyt tieto voi olla erityisen arvokasta aloilla, joilla tarvitaan yksityiskohtaista tietoa puiden kasvusta ja metsien rakenteen muutoksista.

Managed forests play crucial roles in ongoing climatic and environmental changes. Among other things, wood is capable of sinking and storing carbon in both standing timber and wood products. To promote these positive effects, more precise planning is required that will ensure sustainable forest management and maximal deposition of harvested wood for long-term applications. Information on wood properties plays a key role; i.e. the wood properties can impact the carbon stocks in forests and the suitability of wood for structural timber. With respect to the theoretical background of wood formation, stem, crown, and branching constitute potential inputs (i.e. wood quality indicators) to allometric wood property, tree biomass, and wood quality models. Due to the complex nature of wood formation, measurements of wood quality indicators that could predict wood properties along the relevant directions of variation have previously been elusive in forest inventories. However, developments in laser scanning from aerial and terrestrial platforms support more complex mapping and modeling regimes based on dense three-dimensional point clouds. The aim here was to determine how wood properties could be estimated in remote-sensing-aided forest inventories. For this purpose, methods for characterizing select wood quality indicators in standing timber, using airborne and terrestrial laser scanning (ALS and TLS, respectively) were developed and evaluated in managed boreal Scots pine (Pinus sylvestris L.) forests. Firstly, the accuracies of wood quality indicators resolved from TLS point clouds were assessed. Secondly, the results were compared with x-ray tomographic references from sawmills. Thirdly, the accuracies of tree-specific crown features delineated from the ALS data in predictive modeling of the wood quality indicators were evaluated. The results showed that the quality and density of point clouds significantly impacted the accuracies of the extracted wood quality indicators. In the assessment of wood properties, TLS should be considered as a tool for retrieving as dense stem and branching data as possible from carefully selected sample trees. Accurately retrieved morphological data could be applied to allometric wood property models. The models should use tree traits predictable with aerial remote sensing (e.g. tree height, crown dimensions) to enable extrapolations. As an outlook, terrestrial and aerial remote sensing can play an important role in filling in the knowledge gaps regarding the behavior of wood properties over different spatial and temporal extents. Further interdisciplinary cooperation will be needed to fully facilitate the use of remote sensing and spatially transferable wood property models that could become useful in tackling the challenges associated with changing climate, silviculture, and demand for wood. Hoidetuilla metsillä on useita tärkeitä rooleja muuttuvassa ilmastossa ja ympäristössä. Puu sitoo ja varastoi hiiltä niin kasvaessaan, kuin pitkäikäisiksi puutuotteiksi jalostettuna. Näiden vaikutusten huomioiminen metsänhoidossa vaatii tarkkaa suunnittelua, jolla varmistetaan metsänhoidon ja puunkäytön kestävyys. Tieto puuaineen ominaisuuksista on keskeisessä osassa, sillä ne vaikuttavat hiilivarastojen suuruuteen metsissä, sekä puun käytettävyyteen pitkäikäisenä rakennesahatavarana. Puunmuodostuksen teoreettisen taustan mukaisesti, runko, latvus ja oksarakenne ovat potentiaalisia selittäviä muuttujia (eli puun laatuindikaattoreita), kun mallinnetaan puuaineen ominaisuuksia, puubiomassaa ja puun laatua. Puunmuodostuksen monimutkaisuudesta ja moniulotteisesta vaihtelusta johtuen, tarvittavien laatuidikaattorien mittaaminen osana metsävarojen inventointia ja riittävällä yksityiskohtaisuudella on ollut aiemmin mahdotonta. Monialustaisen laserkeilauksen kehittyminen kuitenkin tukee aiempaa monipuolisempien kartoitus- ja mallinnusjärjestelmien rakentamista, jotka perustuvat tiheisiin kolmiulotteisiin pistepilviin. Tämän työn tavoitteena oli määritellä, kuinka puuaineen ominaisuuksia voidaan arvioida kaukokartoitusta hyödyntävässä metsävarojen inventoinnissa. Tätä tarkoitusta varten kehitettiin menetelmiä puun laatuindikaattorien mittaamiseksi hoidetuissa männiköissä (Pinus sylvestris L.) lento- ja maastolaserkeilauksen avulla, ja arvioitiin niiden toimivuutta. Ensin arvioitiin laatuindikaattorien mittatarkkuus pistepilvissä. Toiseksi verrattiin pistepilvimittauksia röntgentomografiamittauksiin teollisilla sahoilla. Kolmanneksi arvioitiin lentolaserkeilauksella tuotettujen latvuspiirteiden tarkkuutta laatuindikaattorien ennustamisessa. Tuloksien perusteella pistepilvien laatu ja pistetiheys vaikuttivat merkittävästi mitattujen laatuindikaattorien tarkkuuteen. Puuaineen ominaisuuksien arvioimisessa, maastolaserkeilausta tulisi käyttää työkaluna mahdollisimman yksityiskohtaisten runko- ja oksikkuustietojen keräämiseen tarkkaan valikoiduista näytepuista. Tarkasti mitatut laatuindikaattorit voivat selittää puuaineen ominaisuuksia mallinnuksessa. Käytettyjen mallien tulisi perustua laatuindikaattoreille, jotka voidaan ennustaa lentolaserkeilausaineistosta (esim. puun pituus ja latvuksen mittasuhteet), jotta ennusteet ovat yleistettävissä laajoille alueille. Tulevaisuudessa, maasta ja ilmasta tehtävällä kaukokartoituksella voi olla tärkeä rooli puuaineen ominaisuuksien aikaan ja paikkaan sidotun vaihtelun tutkimuksessa. Lisää poikkitieteellistä työtä tarvitaan, jotta kaukokartoitusta ja puuaineen ominaisuuksia ennustavia spatiaalisia malleja voidaan täysimittaisesti hyödyntää kiihtyvän ilmastonmuutoksen, muuttuvan metsänhoidon ja lisääntyvän puunkäytön tuomien haasteiden kohtaamisessa.

Climate change is amplifying forest disturbances, especially those by insect pests. In addition to native species, alien insects are threatening forest health, ecosystem sustainability, and economic return. Uncertainties related to insect pest infestations are increasing along the risk of high impacts. There is a high demand of accurate and cost-effective methods for forest health monitoring to prevent, control, and mitigate the various negative impacts, as well as to support decision-making. Current needs for information for efficient forest management are complex and extensive. The required quality cannot be met with traditional forest inventory methods. Forest information should be up-to date and available across spatial and temporal scales. The developing field of remote sensing and geographical information systems provide new means for various forest monitoring. However, disturbance monitoring, especially by insect pests, gives an extra challenge and increased uncertainties compared to other forest monitoring tasks. With new approaches, valuable information on disturbances can be derived for evaluation of insect-induced forest disturbance at reasonable high accuracy and reduced amount of fieldwork. This dissertation aims towards improved forest health monitoring. Insect-induced disturbances from tree level to larger areas were evaluated in six sub-studies. Different remote sensing sensors and approaches, and ecological niche modeling were employed in disturbance evaluation. Study species include native and invasive insect pests. In context of recent research, issues specific to insect disturbance monitoring are discussed. Pattern, frequency, scale, and intensity of insect infestations vary depending on the pest and landscapes in question affecting disturbance detection and impact evaluation. Sensors, platform, and/or modeling methods have to be chosen accordingly. Environmental features, such as topography, and level of landscape fragmentation give restrictions to the method selection, as well as to the appropriate spatial resolution. Importance of varying information is also affected by the scale and resolution of investigation. Timing of data acquisition is crucial. Early detection and timely management operations are often the only way to mitigate insect outbreaks. Moreover, amount and accuracy of auxiliary information, including forest inventory data, and disturbance history, differ between countries and continents. Forest policies and practices differ between regions affecting selection of usable data sets and methods. Forest health monitoring should be included into forest monitoring systems for timely disturbance detection, accurate monitoring, and impact evaluation. Higher and lower spatial resolution remote sensing should be combined over varying spatial ranges and modeling techniques incorporated for flexible and cost-efficient monitoring over a gradient of different forest ecosystems, climatic conditions, and forest inventory and management practices. Open access remote sensing archives with high temporal resolution could facilitate continuous monitoring of wide forest areas. Developing satellite technology may respond to these needs. Plenty of valuable research on forest health monitoring exist. However, considerably more research is still needed before comprehensive monitoring systems can be adopted at the operational level. Development of remote sensing and modeling techniques, as well as improving computational power and databases facilitate continuous improvement of forest health management practices. Hyönteisten aiheuttamat metsätuhot lisääntyvät ilmaston muuttuessa. Kotoperäisten hyönteislajien lisäksi vieraslajit uhkaavat metsien terveyttä. Saman aikaisesti tuhojen lisääntyessä, lisääntyy myös niiden ennustamiseen liittyvä epävarmuus. Tehokkaita menetelmiä metsien terveyden seurantaan tarvitaan kiireellisesti, jotta tuhoista aiheutuvia negatiivisia vaikutuksia voitaisiin ehkäistä tai vähentää. Tehokkaan metsien terveyden seurannan tueksi tarvitaan valtava määrä tarkkaa tietoa laajoilta alueilta. Tietoja on myös pystyttävä päivittämään usein. Tarvittavaa tietoa ei voida tuottaa ainoastaan perinteisiin menetelmiin tukeutuen. Viime aikojen nopea kehitys kaukokartoitus- ja paikkatietomenetelmissä, kuten myös spatiaalisten mallien ja algoritmien kehitys, on tuottanut uusia tehokkaita keinoja metsävarojen seurantaan. Näiden menetelmien mukauttaminen metsätuhojen kartoitukseen ja metsien terveyden seurantaan on vaativaa. Metsänterveyden seurantaan liittyvä epävarmuus vaikuttaa myös menetelmien soveltamiseen. Väitöskirja koostuu yhteenvedosta ja kuudesta osajulkaisusta, joissa tutkitaan hyönteistuhojen seurantaa ja arviointia monella eri mittakaavalla. Tutkimuksissa on hyödynnetty useita eri kaukokartoitus- ja mallinnusmenetelmiä. Tarkastelun mittakaava vaihtelee yksittäisen puun tasolta mannertason malleihin. Työssä vertaillaan myös hyönteistuhojen seurantaa erityyppisillä metsäalueilla Fennoskandiasta Pohjois-Amerikkaan. Tuhon laajuus, intensiteetti ja jakautuminen maastossa vaihtelevat huomattavasti, riippuen muun muassa hyönteislajista ja alueesta. Tästä vaihtelevuudesta johtuen kaukokartoitus ja mallinnusmenetelmät tulee tarkasti valita niin, että ne sopeutuvat kyseisen tuhon havaitsemiseen ja seurantaan. Myös käytettävä tieto ja aineistot vaikuttavat sopivien menetelmien ja mittakaavan valintaan. Spatiaalinen resoluutio, sekä mittakaava, jolla tuhoa tarkastellaan ovat tärkeässä asemassa seurannan onnistumisen kannalta. Seurannan ajoitus ja temporaalinen resoluutio vaikuttavat huomattavasti siihen, voidaanko kyseessä oleva tuho havaita ilmasta käsin. Oikea ajoitus vaikuttaa myös hyönteistuhojen negatiivisia seurauksia vähentävien toimenpiteiden oikea-aikaiseen toteutukseen. Metsien terveyden kattava seuranta olisi saatava osaksi metsäalueitten monitorointijärjestelmiä. Tämä seuranta sisältäisi parhaimmillaan yhdistelmän korkean ja matalan resoluution kaukokartoitusta ja spatiaalisia malleja, joita yhdistelemällä voitaisiin taata joustava ja kustannustehokas metsien terveyden monitorointijärjestelmä, joka toimisi erilaisissa ympäristöissä yli ilmasto- ja kasvillisuusgradienttien. Nopeasti kehittyvä satelliittiteknologia, sekä vapaasti käytettävät aineistot saattavat olla tärkeä osa järjestelmiä. Viime aikaisesta kehityksestä huolimatta, runsaasti uutta tutkimusta on vielä tehtävä, ennen kuin metsien terveyden tehokas seuranta voidaan mukauttaa käytännön tasolle.

Urban forests provide various ecosystem services. However, they also require fairly intensive management, which can be supported with up-to-date tree-level data. Until recently, the data have been collected using traditional field measurements. Laser scanning (LS) techniques provide efficient means for acquiring detailed three-dimensional (3D) data from the vegetation. The objective of this dissertation was to develop methods for mapping and monitoring urban forests at tree level. In substudy I, a method (MS-STI) utilizing multiple data sources was developed for extracting tree-level attributes. The method combined airborne laser scanning (ALS), field measurements, and tree locations. The field sample was generalized using the non-parametric nearest neighbor (NN) approach. The relative root mean square error (RMSE) of diameter at breast height (DBH) varied between 18.8 33.8%. The performance of MS-STI was assessed in substudy II by applying it to an existing tree register. 88.8% of the trees were successfully detected, and the relative RMSE of DBH for the most common diameter classes varied between 21.7 24.3%. In substudy III, downed trees were mapped from a recreational forest area by detecting changes in the canopy. 97.7% of the downed trees were detected and the commission error was 10%. Species group, DBH, and volume were estimated for all downed trees using ALS metrics and existing allometric models. For the DBH, the relative RMSE was 20.8% and 34.1% for conifers and deciduous trees respectively. Finally, in substudy IV, a method utilizing terrestrial laser scanning (TLS) and tree basic density was developed for estimating tree-level stem biomass for urban trees. The relative RMSE of the stem biomass estimates varied between 8.4 10.5%. The dissertation demonstrates the applicability of LS data in assessing tree-level attributes for urban forests. The methods developed show potential in providing the planning and management of urban forests with cost-efficient and up-to-date tree-level data. Kaupungeissa kasvavat puut, yleisemmin kaupunkimetsät, tarjoavat erityyppisiä ekosysteemipalveluita. Näiden ekosysteemipalveluiden ylläpitäminen vaatii kuitenkin usein intensiivistä kaupunkipuiden hoitoa, jota voidaan tehostaa ajantasaisella puukohtaisella tiedolla. Viime vuosiin saakka, puukohtainen tieto on kerätty perinteisillä maastomittauksilla. Nykyään kasvillisuutta voidaan kartoittaa myös erilaisilla laserkeilausmenetelmillä, jotka mahdollistavat yksittäisten puiden tarkan kuvaamisen kolmiulotteisten pistepilvien avulla. Tämän väitöskirjan tarkoituksena oli kehittää laserkeilausta hyödyntäviä menetelmiä yksittäisten kaupunkipuiden kartoitukseen. Ensimmäisessä osatutkimuksessa kehitettiin useita tietolähteitä hyödyntävä MS-STI (Multi Source-Single Tree Inventory) -menetelmä puutason tunnusten määrittämiseksi. Menetelmässä yhdistettiin lentolaserkeilauksen (ALS) ja maastomittausten avulla kerättyä tietoa sekä ennakkotieto puiden sijainneista. Maasto-otoksesta mitatut tunnukset yleistettiin koko puujoukolle ei-parametrista lähimmän naapurin menetelmää käyttäen. Kasvuympäristöstä riippuen, puille määritettyjen rinnankorkeusläpimittojen suhteellinen keskineliövirheen neliöjuuri (RMSE) vaihteli 18,8 %:n ja 33,8 %:n välillä. Toisessa osatutkimuksessa arvioitiin MS-STI-menetelmän tarkkuutta soveltamalla sitä olemassa olevan puurekisterin tunnusten päivittämiseen. Puurekisterin puista pystyttiin automaattisesti päivittämään 88,8 %. Yleisimpien läpimittaluokkien rinnankorkeusläpimittojen suhteellinen RMSE vaihteli 21,7 %:n ja 24,3 %:n välillä. Kolmannessa osatutkimuksessa kartoitettiin kaatuneet puut Helsingin kaupungin virkistysmetsäalueelta. Tutkimusjakson aikana kaatuneet puut havaittiin latvustossa tapahtuneiden muutosten avulla. Kaatuneista puista löydettiin 97,7 %. 10 % kaatuneeksi luokitelluista puista eivät todellisuudessa olleet kaatuneet. Kaikille kaatuneiksi luokitelluille puille määritettiin ALS-piirteiden avulla puulajiryhmä ja olemassa olevien allometristen mallien avulla rinnankorkeusläpimitta ja tilavuus. Rinnankorkeusläpimitan suhteellinen RMSE oli havupuilla 20,8 % ja lehtipuilla 34,1 %. Viimeisessä, neljännessä osatutkimuksessa kehitettiin maastolaserkeilaukseen (TLS) perustuva menetelmä, jossa puun rungon biomassa estimoitiin tilavuuden ja puuaineen tiheyden avulla. Menetelmällä estimoitujen runkobiomassojen suhteellinen RMSE vaihteli 8,4 %:n ja 10,5 %:n välillä. Tämä väitöskirja osoittaa, että laserkeilauksella tuotettu tieto soveltuu monipuolisen puutason tiedon tuottamiseen kaupunkimetsistä. Väitöskirjassa kehitettyjen menetelmien avulla pystytään tuottamaan ajantasaista puutason tietoa kustannustehokkaasti kaupunkimetsien suunnittelun ja hoidon tarpeisiin.

The precise knowledge of forest structural attributes play an essential role in decision-making, forest management procedure planning and in wood supply chain optimization. Laser scanning (LS) is one of the most promising remote sensing techniques, which can be used to estimate forest attributes at all levels, from single trees to global applications. The main objectives of the present thesis were to develop LS-based methodologies for mapping and measuring single trees. More specifically, new high-density LS-based models and methodologies were developed for the prediction of aboveground biomass (AGB), logging recovery, stem curve and external tree quality estimation. Multisource remote sensing methodologies were additionally introduced for the detailed next generation forest-inventory process. Substudies I and II concentrated on developing LS-based biomass models. Total AGB was estimated with the relative root mean squared errors (RMSE%) of 12.9% and 11.9% for Scots pine (Pinus sylvestris L.) and Norway spruce (Picea abies (L.) H.Karst.), respectively using terrestrial LS (TLS) -derived predictors in multiple regression modelling. TLS-based AGB models significantly improved the estimation accuracy of AGB components compared to state-of-the-art allometric biomass models. Airborne LS (ALS) resulted in slightly higher RMSE% values of 26.3% and 36.8% for Scots pine and Norway spruce compared to results obtained with TLS. The goal of substudies III and IV was to predict timber assortment and tree quality information using high-density LS data. Sawlog volumes were estimated with RMSE% of 17.5% and 16.8% with TLS and a combination of TLS and ALS, respectively. Results in IV showed that trees could be successfully classified in different quality classes based on TLS-measured attributes with accuracies between 76.4% and 83.6% depending on the amount of quality classes. Substudies V and VI presented new automatic processing tools for TLS data and a multisource approach for the more detailed prediction of diameter distribution. Automatic processing of TLS data was demonstrated to be effective and accurate and could be utilized to make future TLS measurements more efficient. Accuracies of ~1 cm were achieved using the automatic stem curve procedure. The multisource single-tree inventory approach combined accurate treemaps produced automatically from the TLS data, and ALS individual tree detection technique. Results from diverse forest conditions were promising, resulting in diameter prediction accuracies between 1.4 cm and 4.7 cm depending on tree density and main tree species. Each substudy (I VI) presented new methods and results for single-tree AGB modelling, external tree quality classification, automatic stem reconstruction and multisource approaches. Yksityiskohtainen metsävaratieto on merkittävässä roolissa metsänomistajien päätöksenteon, metsänhoidon suunnittelun sekä puunhankintaketjun optimoinnin tukena. Laserkeilaus on yksi lupaavimmista kaukokartoitustekniikoista, jolla on mahdollista ennustaa metsävaratietoa yksittäisen puun tasolta laajoihin alueisiin. Väitöskirjatyön päätavoitteina oli kehittää laserkeilauspohjaisia menetelmiä yksittäisten puiden kartoitukseen ja mittaukseen. Osajulkaisuissa I ja II selvitettiin laserkeilausmenetelmien tarkkuutta puutason biomassaositteiden mallinnuksessa. Kokonaisbiomassan mallinnustarkkuus maastolaserkeilaukseen perustuen oli männylle 12,9 % ja kuuselle 11,9 %. Maastolaserkeilauksen hyödyntäminen biomassan mallintamisessa tarkensi erityisesti latvusbiomassan mallinnustarkkuutta verrattuna läpimittaan ja pituuteen perustuviin biomassamalleihin. Lentolaserkeilauksen tarkkuudet olivat hieman heikompia verrattuna maastolaserkeilaukseen. Kokonaisbiomassan tarkkuudet olivat männylle 26,3 % ja kuuselle 36,8 %. Osajulkaisuissa III ja IV tavoitteena oli ennustaa puutavaralajikohtaisia tilavuuksia sekä laatutietoa maastolaserkeilauksen ja lentolaserkeilauksen avulla. Tukkipuun tilavuuden ennustetarkkuudet olivat maastolaserkeilausta käytettäessä 17,5 % ja maasto- ja lentolaserkeilauksen yhdistelmää käytettäessä 16,8 %. Puuston laatu on erittäin tärkeä tekijä metsikköä arvioitaessa. Maastolaserkeilauksen avulla yksittäiset puut luokiteltiin puunhankinnan kannalta tärkeisiin laatuluokkiin 76,4 % 83,6 % tarkkuudella. Osajulkaisuissa V ja VI tavoitteena oli kehittää uusia automaattisia menetelmiä maastolaserkeilausaineiston käsittelyyn, sekä monilähdemenetelmiä läpimittajakauman ennustamiseen. Automaattisten menetelmien avulla maastolaserkeilausaineiston käsittelyä on mahdollista tehostaa ja jopa tarkentaa manuaaliseen aineiston käsittelyyn verrattuna. Osajulkaisussa V runkokäyrän mittaustarkkuus oli automaattista aineistonkäsittelymenetelmää käytettäessä ~ 1 cm. Osajulkaisussa VI hyödynnettiin monilähdemenetelmää, jossa tarvittu puukartta mitattiin automaattisesti maastolaserkeilausaineistosta ja läpimittajakaumat ennustettiin maasto- ja lentolaserkeilausaineistojen avulla. Läpimitan ennustetarkkuus oli 1,4 cm ja 4,7 cm välillä puustoltaan hyvin vaihtelevissa metsiköissä. Väitöskirjatyön osajulkaisuissa kehitetyt menetelmät ja esitetyt tulokset osoittivat laserkeilausmenetelmien olevan varteenotettava vaihtoehto yksittäisten puiden kartoitukselle ja mittaamiselle tulevaisuudessa.

The main aim in forest mapping and monitoring is to produce accurate information for forest managers with the use of efficient methodologies. For example, it is important to locate harvesting sites and stands where forest operations should be carried out as well as to provide updates regarding forest growth, among other changes in forest structure. In recent years, remote sensing (RS) has taken a significant technological leap forward. It has become possible to acquire three-dimensional (3D), spatially accurate information from forest resources using active RS methods. In practical applications, mainly 3D information produced by airborne laser scanning (ALS) has opened up groundbreaking potential in natural resource mapping and monitoring. In addition to ALS, new satellite radars are also capable of acquiring spatially accurate 3D information. The main objectives of the present study were to develop 3D RS methodologies for large-area forest mapping and monitoring applications. In substudy I, we aim to map harvesting sites, while in substudy II, we monitor changes in the forest canopy structure. In studies III-V, efficient mapping and monitoring applications were developed and tested. In substudy I, we predicted plot-level thinning maturity within the next 10-year planning period. Stands requiring immediate thinning were located with an overall accuracy of 83%-86% depending on the prediction method applied. The respective prediction accuracy for stands reaching thinning maturity within the next 10 years was 70%-79%. Substudy II addressed natural disturbance monitoring that could be linked to forest management planning when an ALS time series is available. The accuracy of the damaged canopy cover area estimate varied between -16.4% to 5.4%. Substudy II showed that changes in the forest canopy structure can be monitored with a rather straightforward method by contrasting bi-temporal canopy height models. In substudy III, we developed a RS-based forest inventory method where single-tree RS is used to acquire modelling data needed in area-based predictions. The method uses ALS data and is capable of producing accurate stand variable estimates even at the sub-compartment level. The developed method could be applied in areas with sparse road networks or when the costs of fieldwork must be minimized. The method is especially suitable for large-area biomass or stem volume mapping. Based on substudy IV, the use of stereo synthetic aperture radar (SAR) satellite data in the prediction of plot-level forest variables appears to be promising for large-area applications. In the best case, the plot-level stem volume (VOL) was predicted with a relative error (RMSE%) of 34.9%. Typically, such a high level of prediction accuracy cannot be obtained using spaceborne RS data. Then, in substudy V, we compared the aboveground biomass and VOL estimates derived by radargrammetry to the ALS estimates. The difference between the estimation accuracy of ALS based and TerraSAR X based features was smaller than in any previous study in which ALS and different kinds of SAR materials have been compared. In this thesis, forest mapping and monitoring applications using active 3D RS were developed. Spatially accurate 3D RS enables the mapping of harvesting sites, the monitoring of changes in the canopy structure and even the making of a fully RS-based forest inventory. ALS is carried out at relatively low altitudes, which makes it relatively expensive per area unit, and other RS materials are still needed. Spaceborne stereo radargrammetry proved to be a promising technique to acquire additional 3D RS data efficiently as long as an accurate digital terrain model is available as a ground-surface reference. Metsien kartoitus ja seuranta aktiivisella 3D-kaukokartoituksella. Metsävaroista kerätään mahdollisimman tarkkaa tietoa metsänomistajan päätöksenteon tueksi. Tietoa kerätään puustotunnusten lisäksi toimenpidekohteista ja metsässä tapahtuvista muutoksista, kuten kasvusta ja luonnontuhoista. Laajojen metsäalueiden kartoituksessa käytetään apuna lentokoneesta tai satelliiteista tehtävää kaukokartoitusta. Metsien kaukokartoitus on viime vuosina ottanut merkittävän kehitysaskeleen, kun aktiiviset 3D-kaukokartoitusmenetelmät ovat yleistyneet. Aktiivisessa kaukokartoituksessa, kuten laserkeilauksessa ja tutkakuvauksessa instrumentti vastaanottaa lähettämäänsä säteilyä. Laserkeilaus tuottaa kohteesta 3D-havaintoja, jotka metsäalueilla kuvaavat suoraan puuston pituutta ja metsän tiheyttä. Laserkeilauksella kohteesta saadaan tällä hetkellä tyypillisesti 0,5−20 havaintoa/m2. Laserkeilaus tehdään lentokoneesta 500−3000 m korkeudesta, jolloin aineiston hankinta laajoilta alueilta on kallista verrattuna satelliittikuviin. Myös satelliittitutkakuvilta voidaan tuottaa spatiaalisesti tarkkaa 3D-tietoa, jonka pistetiheys on tosin huomattavasti harvempaa kuin laserkeilauksella. Tutkimuksessa kehitettiin sovelluksia metsien kartoitukseen ja seurantaan hyödyntäen aktiivisia 3D-kaukokartoitusmenetelmiä. Metsiköiden toimenpidetarvetta ennustettiin onnistuneesti laserkeilausaineiston avulla. Harvennettaviksi luokitellut metsiköt pystyttiin kartoittamaan 70%−86% tarkkuudella. Kahden ajankohdan laserkeilausaineistoja käytettiin lumituhojen vuoksi vaurioituneiden puiden kartoittamiseen. Tuhoutuneen latvuspinta-alan kartoitus perustui laserkeilausaineistosta tuotettujen latvusmallien erotuskuviin. Kehitetty menetelmä soveltuu latvusrakenteessa tapahtuneiden muutosten, kuten lumi- ja tuulituhojen, kartoittamiseen ja seurantaan. Laajojen metsäalueiden kartoitus perustuu yleensä kaksivaiheeseen inventointimenetelmään, jossa käytetään maastomittauksia ja tiedon yleistyksessä kaukokartoitusaineistoa. Kartoitusta voidaan tehostaa joko maastomittauksia vähentämällä tai hyödyntämällä mahdollisimman halpaa kaukokartoitusaineistoa. Tutkimuksessa kehitettiin täysin kaukokartoitukseen perustuva kaksivaiheinen metsien inventointimenetelmä. Tarvittava maastotieto mitattiin suoraan laserkeilausaineistosta. Menetelmä soveltuu puuston tilavuuden tai biomassan kartoitukseen erityisesti alueille, joilla maastomittausten kustannukset ovat merkittävät. Satelliittitutkakuvat ovat potentiaalinen aineisto etenkin laajojen alueiden metsävarojen seurannassa. Synteettisen apertuurin tutka (SAR)-stereokuvilta mitattiin automaattisesti 3D-pisteitä, joita käytettiin puustotunnusten ennustamisessa. Keskitilavuus ennustettiin parhaimmillaan lähes samalla tarkkuudella kuin laserkeilauksella. Tutkimus osoitti aktiivisen 3D-kaukokartoitustiedon mahdollistavan entistä yksityiskohtaisemman metsien kartoituksen ja seurannan.

The World’s forests are facing novel stress due to climate change. Pest insects and pathogens are shifting towards new latitudes and heat stress is resulting in increased tree mortality and more frequent forest fires globally. Uncertainty in estimating the magnitude of climate change induced forest and tree decline requires new methods for unbiased estimation of tree decline. The development of remote sensing methods to detect early tree decline has been a major challenge due to the subtle nature of the early changes caused by different stressors. Multispectral lidar technology has the potential of detecting early tree decline by providing accurate three-dimensional and spectral information of tree structure simultaneously. The main objective of this thesis was to investigate the capabilities of multispectral terrestrial lidar in the detection and assessment of tree decline caused by different stressors. This was done by investigating the estimation of a remotely detectable indicator of tree decline, leaf water content (LWC). Specifically, new methods for measuring LWC using multispectral lidar intensity were developed from the leaf to the canopy scale in various environments and the relationship between LWC and tree decline induced by various stressors was investigated. Furthermore, the developed methods were tested in a forest environment to assess the applicability of multispectral lidar in the detection of bark beetle infestation in the field. Studies I-III focused on investigating the relationship between LWC and lidar intensity at multiple wavelengths. First, a hyperspectral lidar instrument was used to detect significant changes between fresh and drought-treated Scots pine (Pinus sylvestris L.) and Norway spruce (Picea abies L.) trees (study I). Then, a leaf-scale study (II) with Scots pine, Norway spruce, Small-leaved lime (Tilia cordata L.), Norway maple (Acer platanoides L.) and Silver birch (Betula pendula L.) was conducted and a strong relationship (R2=0.93) between a normalized difference index (NDI) calculated from 1550 nm and 690 nm wavelengths and LWC was found. This was followed by a study (III) where LWC estimation and pathogen- and drought-induced variation in LWC was studied with Norway spruce seedlings. Blue-stain fungi (Endoconidiophora polonica) inoculated seedlings expressed a rapid decrease in LWC while drought-treated seedlings showed more stable LWC until a very severe drought. LWC of the seedlings was predicted with an R2 of 0.89 using an NDI with 1550 nm and 905 nm wavelengths. In study IV, the developed method and the relationship between LWC and tree decline was investigated in the field with European spruce bark beetle (Ips typographus L.) infested trees. It was found that of the LWC metrics studied, gravimetric water content showed significant differences in the early stages of infestation and was more sensitive to bark beetle induced tree decline than equivalent water thickness (i.e. amount of water per leaf area). Linear discriminant models that were developed between infestation severity and lidar intensity metrics from 1550 nm and 905 nm wavelengths showed that green attack stage of the infestation could classified with an overall accuracy of 90%. This dissertation contributes both to the development of an objective and automatable method for detecting and measuring tree decline in the field, and to the understanding of the relationship between LWC and tree decline with implications to remote sensing. The dissertation will be published and popularized as a music video here: http://bit.ly/idanproffa. . Maailman metsät altistuvat uudenlaiselle stressille ilmastonmuutoksen myötä. Tuhohyönteiset sekä patogeenit siirtyvät uusille leveysasteille ja kuumuuden aiheuttama stressi lisääntyy, mikä johtaa lisääntyneeseen puiden kuolleisuuteen sekä kasvaneeseen metsäpalojen määrään maailmanlaajuisesti. On vaikeaa arvioida, kuinka voimakasta metsien heikentyminen ilmastonmuutoksen myötä on minkä vuoksi tarvitaan uusia harhattomia menetelmiä metsien kunnon arviointiin. Kaukokartoitusmenetelmillä voidaan mitata useita eri muuttujia metsistä, mutta stressin havaitseminen aikaisessa vaiheessa on ollut haastavaa muutoksien hienovaraisuudesta johtuen. Monikanavalaserkeilausteknologialla on potentiaalia havaita aikaisia puun heikentymisen merkkejä tarjoamalla tarkkaa kolmiulotteista tietoa sekä informaatiota puun heijastuvuudesta useilla eri aallonpituuksilla samanaikaisesti. Tämän väitöskirjan päätavoitteena oli tutkia monikanavalaserkeilauksen kykyä havaita ja arvioida useiden eri stressitekijöiden aiheuttamaa puun heikentymistä. Tämä tehtiin tutkimalla kaukokartoituksen avulla havaittavaa puiden heikentymisen indikaattoria, lehtien vesipitoisuutta. Väitöskirjassa kehitettiin uusia menetelmiä lehtien vesipitoisuuden arviointiin monikanavalaserkeilauksen avulla useilla eri mittakaavoilla yksittäisistä lehdistä kokonaisiin latvuksiin. Myös lehtien vesipitoisuuden ja erilaisten puun heikentymistä aiheuttavien stressitekijöiden välistä suhdetta tutkittiin, jotta stressin ja vesipitoisuuden välistä riippuvuutta voitaisiin ymmärtää paremmin. Osatutkimukset I-III keskittyivät tutkimaan lehtien vesipitoisuuden sekä laserintensiteetin, eli laserin heijastaman valon, välistä yhteyttä usealla aallonpituudella. Ensin, hyperspektrilaserkeilainta, joka havaitsee kahdeksaa eri aallonpituutta, käytettiin muutosten havaitsemiseen tuoreiden sekä kuivuuskäsiteltyjen mäntyjen sekä kuusten välillä (osatutkimus I). Sitten tehtiin tutkimus yksittäisillä lehdillä sekä neulasryhmillä (osatutkimus II) käyttäen mäntyä, kuusta, metsälehmusta, vaahteraa sekä rauduskoivua ja havaittiin vahva riippuvuus lehtien vesipitoisuuden sekä 1550 nm ja 690 nm aallonpituuksista lasketun indeksin välillä. Tämän jälkeen osatutkimuksessa III tutkittiin neulasten kosteuspitoisuuden arviointia monikanavalaserkeilauksen avulla sekä patogeenin ja kuivuuden aiheuttamaa lehtien vesipitoisuuden vaihtelua kuusen taimilla. Sinistäjäsienellä infektoitujen taimien neulasten vesipitoisuus vähentyi nopeasti, kun taas kuivuuskäsiteltyjen taimien vesipitoisuus pysyi tasaisempana erittäin voimakkaaseen kuivuuteen asti. Neulasten kosteuspitoisuus sekä heikentyneet taimet pystyttiin ennustamaan hyvällä tarkkuudella käyttäen indeksiä, joka oli laskettu 1550 nm ja 905 nm aallonpituuksista. Kehitettyä menetelmää sekä neulasten kosteuspitoisuuden ja puun heikentymisen välistä yhteyttä tutkittiin osatutkimuksessa IV kirjanpainajan (Ips typographus L.) heikentämässä metsässä. Monikanavalaserkeilauksen avulla pystyttiin erottamaan hyvällä tarkkuudella (90% yleistarkkuus) kirjanpainajan saastuttamat puut jo silloin kun latvus ei vielä osoittanut visuaalisia heikentymisen merkkejä. Laserintensiteetin avulla pystyttiin havainnoimaan pihkavuotoja rungossa, mikä auttoi terveiden puiden luokittelussa. Huomattiin myös, että neulasten kosteuspitoisuus laskee jo pian kirjanpainajan iskeytymisen jälkeen. Tämä väitöskirja edistää sekä objektiivisen ja automatisoitavan menetelmän kehitystä, jolla voidaan havaita ja mitata puiden heikentymistä, että lehtien vesipitoisuuden ja puiden heikentymisen välisen yhteyden ymmärtämistä. Väitöskirjan tuloksista julkaistaan myös populääri musiikki- ja videoteos nimellä: Idän Proffa feat. Linda Ilves – Keilaa puita. Video julkaistaan täällä: http://bit.ly/keilaapuita.