Forest management inventories assisted by airborne laser scanning (ALS) can be used to predict different forest attributes. These predictions are utilized in practical forestry, but in the case of timber assortment-specific volumes, the ALS-based predictions can be inaccurate. This causes uncertainty in harvest planning. However, ALS-based predictions can be calibrated to achieve greater accuracy with local measurements. In this study, we used ALS data and accurately positioned cut-to-length harvester measurements from Norway spruce (Picea abies (L.) Karst.) dominated clear-cuts. We fitted linear mixed-effects (LME) models with exponential correlation structure for merchantable volume and sawlog volume for 225 m2 cells. Our aim was to study the effect of local harvester measurements on the accuracy of stand level merchantable and sawlog volumes. LME-based predictions were calibrated repeatedly up to 40 times as the cutting progressed. ALS data and harvester measurements were used to predict both the random effects and residual errors for each validation unit. At best, relative root mean square error (RMSE%) of initial predictions of 15.4 per cent for merchantable volume and 22.1 per cent for sawlog volume were reduced to 4.1 and 5.3 per cent, respectively, when measurements from 40 harvested cells of size 225 m2 were used. These results suggest that spatially accurate harvester data could be utilized during harvesting to increase the accuracy of volume and timber assortment predictions.

中文翻译：

---

使用定长收割机测量和机载激光扫描数据对立式商品和锯材体积进行现场校准

机载激光扫描 (ALS) 辅助的森林管理清单可用于预测不同的森林属性。这些预测在实际林业中得到应用，但在木材分类特定数量的情况下，基于 ALS 的预测可能不准确。这会导致收获计划的不确定性。但是，可以校准基于 ALS 的预测，以通过局部测量实现更高的准确性。在这项研究中，我们使用 ALS 数据并准确定位来自挪威云杉（Picea abies (L.) Karst.）的定长收割机测量数据。我们为 225 m2 电池的可销售体积和锯木体积拟合了具有指数相关结构的线性混合效应 (LME) 模型。我们的目的是研究当地收割机测量对立式商品和锯木体积准确性的影响。随着切割的进行，基于 LME 的预测被反复校准多达 40 次。ALS 数据和收割机测量值用于预测每个验证单元的随机效应和残差。当对 40 个 225 平方米的收获细胞进行测量时，可销售量的 15.4% 和锯木量的 22.1% 的初始预测的相对均方根误差 (RMSE%) 最多分别降低到 4.1% 和 5.3%被使用了。这些结果表明，在采伐过程中可以利用空间准确的采伐机数据来提高体积和木材分类预测的准确性。ALS 数据和收割机测量值用于预测每个验证单元的随机效应和残差。当对 40 个 225 平方米的收获细胞进行测量时，可销售量的 15.4% 和锯木量的 22.1% 的初始预测的相对均方根误差 (RMSE%) 最多分别降低到 4.1% 和 5.3%被使用了。这些结果表明，在采伐过程中可以利用空间准确的采伐机数据来提高体积和木材分类预测的准确性。ALS 数据和收割机测量值用于预测每个验证单元的随机效应和残差。当对 40 个 225 平方米的收获细胞进行测量时，可销售量的 15.4% 和锯木量的 22.1% 的初始预测的相对均方根误差 (RMSE%) 最多分别降低到 4.1% 和 5.3%被使用了。这些结果表明，在采伐过程中可以利用空间准确的采伐机数据来提高体积和木材分类预测的准确性。