Täsmämetsänhoidossa yksikkönä on metsäalueen sijaan yksittäinen puu, jonka sijainti ja yksilölliset ominaisuudet tunnetaan tarkasti. Metsänhoidon toimia suunniteltaessa tiedetään, mitkä puut ovat hiilensidonnan ja luonnon monimuotoisuuden kannalta tärkeimpiä kohteita, mikä on taloudellisin ja vähiten vahinkoa aiheuttava reitti puiden korjuuseen, ja miten puut kannattaa jatkokäsittelyä varten pätkiä. Samalla kasvaa metsien sopeutusmiskyky tuhoriskejä vastaan.
Menetelmä perustuu yksinpuintulkintaan, jossa tietoa kerätään laserkeilausaineistojen perusteella. Se soveltuu erityisesti jatkuvan kasvatuksen metsille.
Optimoinnin mahdollistava metsäteknologia on vielä tutkimus- ja kehitysvaiheessa, mutta suunta on sitä kohti. Aiemmin uutisoitiin tarkkaa sijaintitietoa hyödyntävästä älyharvesterista, joka on jo joidenkin metsäkoneyhtiöiden kehityksessä. Nyt tutkitaan koko metsätalouden arvoketjun optimointia.
– Metsänhoidon suunnittelu yksittäisen puun ja sen ominaisuuksien perusteella on metsätalouden seuraava askel. Tämä parantaisi merkittävästi ilmasto- ja monimuotoisuusvaikutuksia sekä metsien resilienssiä erilaisia tuhoriskejä vastaan, ja tukisi tutkittuun tietoon perustuvaa päätöksentekoa, näkee professori Heli Peltola Itä-Suomen yliopistosta.
Pohjana tarkka data
Juuri käynnistyneessä SingleTree-tutkimushankkeessa sekä Suomen Akatemian rahoittamassa Ideat ratkaisuiksi -hankkeessa otetaan askelia kohti metsätalouden koko arvoketjun optimointia. Tavoitteena on kehittää metsänhoitoa, joka on sekä kestävää että taloudellisesti kannattavaa.
Hankkeissa tutkitaan keinoja tunnistaa pistepilvistä yksittäiset puut, puiden sijainti ja ominaisuudet luotettavasti: puulajit ja harvinaiset kohteet kuten haavat, sekä puumassan tiheys ja puiden vauriot. Menetelminä käytetään tarkan kuva- ja tiheän pistepilviaineiston perusteella koulutettua tekoälyä.
– Näin voidaan tunnistaa jopa 90 % puista, kun nyt parhaat menetelmät löytävät 60–70%. Keräämme aineistoa harvesteriin, drooneihin ja ilmalaivaan kiinnitettyjen laserkeilainten ja kameroiden avulla, kertoo professori Juha Hyyppä Maanmittauslaitoksen Paikkatietokeskuksesta.
Teknologia avustaa metsäkoneenkuljettajaa
Kun tarkkaa sijaintitietoa hyödyntävä harvesteri kykenee paikantamaan oman, hakkuupään ja puiden sijainnin, se voi ohjeistaa kuskia reaaliajassa. Harvesteri voi ohjata huomioimaan suojeltavat kohteet, kuten vesistöt ja niiden suojavyöhykkeet, kuolleet puut, puupökkelöt ja harvinaiset lehtipuut. Tähän tarvitaan koneelle syötettyä digitaalista mallia ympäristöstä, niin sanottua digitaalista kaksosta. Samalla kuljettajan kuormitus ja vastuu hakkuiden onnistumisesta vähenee.
Hakkuiden jälkeen tutkimuksessa kaadetut puut viedään tukkiröntgeniin, missä tieto puiden sisäisestä laadusta yhdistetään ulkoiseen laatuun. Tavoitteena on, että ulkoisten ominaisuuksien perusteella opitaan tunnistamaan puun sisäiset ominaisuudet jo ennen sen kaatamista.
– Kun puiden laatu tunnetaan ennen hakkuita, niiden käsittelyssä voidaan saavuttaa jopa kymmenen prosentin taloudellinen hyöty, sillä tiedetään, mihin tarkoitukseen mikäkin puu parhaiten soveltuu. Tämä voi olla todellisuutta noin 5 vuoden päästä. Tavoitteenamme on, että metsävaroja hyödynnetään resurssitehokkaasti ja metsätalouden kestävyys paranee, kertoo Juha Hyyppä.
Lisätietoja
- Professori Juha Hyyppä, Maanmittauslaitoksen Paikkatietokeskus, +358 415194451
- Tutkimusprofessori Eija Honkavaara, +358 29531 4716, Maanmittauslaitoksen Paikkatietokeskus, etunimi.sukunimi@maanmittauslaitos.fi
- Professori Heli Peltola, Itä-Suomen yliopisto, +358 40588 0005, etunimi.sukunimi@uef.fi
Euroopan unionin rahoittama. SingleTree on tutkimus- ja innovaatiohanke, jota rahoittaa Circular Bio-based Europe Joint Undertaking (CBE JU). Sen tavoitteena on edistää Euroopan metsien ilmastonmuutokseen sopeutumista ja häiriönsietokykyä sekä monitavoitteista ja kestävää metsien hoitoa ja käyttöä täsmämetsätaloudessa. Esitetyt näkemykset ja mielipiteet ovat kirjoittajien omia eivätkä välttämättä vastaa Euroopan unionin tai CBE JU:n näkemyksiä. Euroopan unionia tai myöntävää viranomaista ei voida pitää niistä vastuussa.
Tutkimus on tehty osana Suomen Akatemian lippulaiva UNITEa, jossa tutkitaan ja kehitetään metsien, ihmisten ja koneiden vuorovaikutusta.