Tyyppileimikoinnin käyttötapaus osana metsävaratiedon palvelualustan toiminnallisia palveluita
Filppula, Mikael (2017)
2017
Automaatiotekniikka
Teknisten tieteiden tiedekunta - Faculty of Engineering Sciences
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Hyväksymispäivämäärä
2017-12-07
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:tty-201711282273
https://urn.fi/URN:NBN:fi:tty-201711282273
Tiivistelmä
Metsävaratiedon hyödyntämiseksi ja jalostamiseksi on kehitetty palvelualustaa, jonka tavoitteena on tarjota mahdollisimman ajantasaista metsävaratietoa käyttäjille tai käyttäjäsovelluksille. Palvelualustalla on käytössä toiminnallisia palveluita, jotka tarjoavat työkalut metsätiedon hakemiseen, päivittämiseen ja muuhun käsittelyyn.
Tässä työssä tutkitaan, miten tyyppileimikointi, eli tietyntyyppisten hakkuumahdollisuuksien selvittäminen joltain alueelta, voitaisiin toteuttaa käyttämällä palvelualustan tarjoamia palveluita, ja mitä vaatimuksia, rajoitteita tai muita toimenpiteitä tyyppileimikointi vaatisi palvelualustalta.
Työssä muodostettiin koostettu tietorakenne, jonka tietosisällön avulla usean eri tietolähteen metsävaratieto voidaan yhdistää yhdeksi, tyyppileimikoinnille optimaaliseksi tietomuodoksi. Tietorakenne perustui alan kirjallisuuteen sekä metsäteollisuuden käyttämiin standardeihin ja tietokantoihin.
Tyyppileimikointia tutkittiin vertailemalla kahta eri algoritmivaihtoehtoa, joista yksi perustui tyyppiluokituksiin, jotka määriteltiin metsätiedon hilasoluille ennen algoritmin suorittamista, sekä similariteettilaskentaan, joka tehtäisiin algoritmin aikana. Tyyppiluokituksen tutkimiseksi työssä tehtiin suppea sovellus, jonka avulla huomattiin käytetyn tyyppiluokituksen vaikuttavan merkittävästi algoritmissa tarvittavien referenssisolujen määrään: 63 (216) eri luokituksen tapauksessa referenssisoluja tarvittiin 1150, jotta sama luokitus löytyi kaikille yhdeksästä kohdealueen hilasolusta 95% varmuudella.
Tyyppileimikointiin tarvittavan tietomäärän ja algoritmidemon perusteella datafuusion, ajantasaistuksen ja haun toiminnallisille palveluille esitettiin kolmea eri vaihtoehtoa tyyppileimikointia varten. Vaihtoehtoina olivat algoritmissa käytettävien tietokantojen rajoittaminen, kaikkien hilasolujen prosessoiminen ja tallentaminen ennen algoritmia ja suoritusajan pidentäminen, joka edellyttäisi notifiointi-palvelun käyttämistä algoritmin päätyttyä. Uudeksi palveluksi esitettiin kahta hilasolua vertailevaa palvelua.
Tässä työssä tutkitaan, miten tyyppileimikointi, eli tietyntyyppisten hakkuumahdollisuuksien selvittäminen joltain alueelta, voitaisiin toteuttaa käyttämällä palvelualustan tarjoamia palveluita, ja mitä vaatimuksia, rajoitteita tai muita toimenpiteitä tyyppileimikointi vaatisi palvelualustalta.
Työssä muodostettiin koostettu tietorakenne, jonka tietosisällön avulla usean eri tietolähteen metsävaratieto voidaan yhdistää yhdeksi, tyyppileimikoinnille optimaaliseksi tietomuodoksi. Tietorakenne perustui alan kirjallisuuteen sekä metsäteollisuuden käyttämiin standardeihin ja tietokantoihin.
Tyyppileimikointia tutkittiin vertailemalla kahta eri algoritmivaihtoehtoa, joista yksi perustui tyyppiluokituksiin, jotka määriteltiin metsätiedon hilasoluille ennen algoritmin suorittamista, sekä similariteettilaskentaan, joka tehtäisiin algoritmin aikana. Tyyppiluokituksen tutkimiseksi työssä tehtiin suppea sovellus, jonka avulla huomattiin käytetyn tyyppiluokituksen vaikuttavan merkittävästi algoritmissa tarvittavien referenssisolujen määrään: 63 (216) eri luokituksen tapauksessa referenssisoluja tarvittiin 1150, jotta sama luokitus löytyi kaikille yhdeksästä kohdealueen hilasolusta 95% varmuudella.
Tyyppileimikointiin tarvittavan tietomäärän ja algoritmidemon perusteella datafuusion, ajantasaistuksen ja haun toiminnallisille palveluille esitettiin kolmea eri vaihtoehtoa tyyppileimikointia varten. Vaihtoehtoina olivat algoritmissa käytettävien tietokantojen rajoittaminen, kaikkien hilasolujen prosessoiminen ja tallentaminen ennen algoritmia ja suoritusajan pidentäminen, joka edellyttäisi notifiointi-palvelun käyttämistä algoritmin päätyttyä. Uudeksi palveluksi esitettiin kahta hilasolua vertailevaa palvelua.