Hakkuukonetiedon käyttö metsävaratiedon ajantasaistuksessa
|
|
- Tuomo Halttunen
- 4 vuotta sitten
- Katselukertoja:
Transkriptio
1 Maa- ja metsätalousministeriö Metsätieto ja sähköiset palvelut kärkihanke Hakkuukonetiedon käyttö metsävaratiedon ajantasaistuksessa Suomen metsäkeskuksen projekti 21300/505 Loppuraportti
2 Hakkuukonetietopilotin loppuraportti (14) Sisällysluettelo 1 Tutkimuksen tavoitteet Tutkimusosapuolet ja yhteistyö Tutkimuksen tulokset Tutkimusmenetelmät ja aineisto Tutkimustulokset Automaattinen toimenpidekuvion rajojen muodostus Puustotietojen laskenta ja päivitysmahdollisuudet Hakkuukonetieto ja metsänkäyttöilmoitukset Toteutusvaiheen arviointi Julkaisut Tulosten arviointi Tulosten käytännön sovellutuskelpoisuus Tiedonsiirron vaihtoehdot Hilan ajantasaistus Kuvioiden ajantasaistus Säästöpuuryhmät Jatkokehitys Tulosten tieteellinen merkitys Loppuraportin tiivistelmä... 14
3 Hakkuukonetietopilotin loppuraportti (14) 1 Tutkimuksen tavoitteet Ajantasainen ja avoin metsävaratieto parantaa koko metsäsektorin kilpailukykyä puun liikkeelle saamiseksi kasvaviin tarpeisiin. Hakkuukonetieto on paras ja vielä pitkälti hyödyntämätön tietolähde metsävaratiedon ylläpidossa. Pilotissa kehitettiin menetelmä ja leimikkokuviointityökalu, jolla hakkuukoneen tuottamat runkokohtaiset mittaustiedot prosessoidaan metsävaratiedon ajantasaistukseen soveltuvaksi. Lisäksi selvitettiin millaisella tietosisällöllä ja prosessilla voidaan siirtää hakkuukonetietoa metsävaratiedon ylläpitoon. Päivityksessä tarvittavat tiedot ovat vähintään hakkuutapa (harvennus tai päätehakkuu), ajankohta sekä leimikon rajaus hakkuukoneen sijaintitiedoista. Harvennusten osalta voidaan hyödyntää harvennusmalleja, jos ei ole tietoa kertymästä tai jäävästä puustosta. Pilotissa kehitettiin myös hakkuukertymän laskentaa, jota voidaan hyödyntää päivityksessä, mikäli kertymätieto on muilta ehdoiltaan käytettävissä. Kuitenkin jo ensin mainituilla kolmella perustiedolla (hakkuutapa, ajankohta ja rajaus) on mahdollista viedä metsävaratiedon ajantasaistus uudelle aikakaudelle. Metsäalan yhteinen tahtotila on avainasemassa, saadaanko hakkuukonetietoa laajassa mittakaavassa käyttöön. Maa- ja metsätalousministeriön Toteutustieto osaksi metsävaratietoa - työryhmässä on keväällä 2018 sovittu laajalla rintamalla metsätöiden toteutustiedon toimittamisesta Suomen metsäkeskukselle metsävaratiedon ylläpitoon. Sen lisäksi on syksyllä 2017 metsäkonetyön eri osapuolien kesken yhteisesti sovittu metsäkonetiedon omistusta, käyttöä ja käsittelyä koskevista periaatteista. (Metsäkonetiedon omistusta, käyttöä ja käsittelyä koskevat periaatteet -suositus, , Tämä pilotti tukee myös metsätiedon (ml. hakkuukonetieto) palvelualustan rakentamista, josta on oma Metsätehon vetämä kärkihankeprojekti. Lisäksi kehitetään Metsäkeskuksen metsävaratiedon ajantasaistuksen prosesseja ja tietojärjestelmiä. Edelleen tiedon liikkumista edistetään metsätietojen standardoinnilla sekä kehittämällä rajapintapalveluita metsätietolain muutoksen myötä avautuneen metsätiedon jakeluun ja vastaanottoon. 2 Tutkimusosapuolet ja yhteistyö Osapuolina olivat Suomen metsäkeskus (SMK) ja. Projektin vetovastuu oli SMK:lla ja Metsäteho vastasi hakkuukonetietoon liittyvästä kehittämisestä. Tulosten tarkastelu ja raportointi tehtiin yhteistyössä osapuolten kesken. Pilotissa hyödynnettiin myös edeltävää samalle aihealueelle kohdistettua Metsätehon koordinoimaa Forest Big Data-hanketta.
4 Hakkuukonetietopilotin loppuraportti (14) 3 Tutkimuksen tulokset 3.1 Tutkimusmenetelmät ja aineisto Pilottialueena oli Metsäkeskuksen vuoden 2015 PKseudun laserinventoinnin tuotantoalue (kuva 1), jolta oli käytettävissä kaikki aineistot (mm. laserkeilaus, ilmakuvat, maastokoealat, puustotulkinta, metsävarakuviot, metsänkäyttöilmoitukset). Metsäteho hankki samalta alueelta metsäyhtiöiden (Metsä Group, StoraEnso, UPM) hakkuukoneaineistoa (Ponsse, John Deere, Komatsu). Sitä kerättiin vuosina kaikkiaan kuudelta hakkuukoneelta ja 455 hakkuulohkolta (kuva 2) StanForD-standarin mukaisesti (stm/hpr-tiedostot). Uudemmat hpr-tiedostot, joissa oli koneen sijainnin lisäksi myös kouran sijaintitiedot, kerättiin yhdeltä koneelta. Kuva 1. Pilottialue (vihreä). Kaikissa hakkuukoneissa oli sekä sijainti- että runkoprofiilitietojen tallennus päällä. Tässä hyödynnettiin hakkuukoneelta saatuja tietoja hakattujen puiden sijainnista (koneen tai sen kouran sijainti puun kaatohetkellä) ja dimensioista (runkoprofiili). Lisäksi hakkuutapa selvitettiin metsäyhtiöiltä. Kuva 2. Hakkuulohkojen (455 kpl) pinta-alajakauma hakkuutavoittain. Metsätehon kehittämä leimikkokuviointimenetelmä (Melkas ym. 2018) perustuu hakkuukoneen sijaintipisteisiin, kolmiointiin, puskurivyöhykkeen muodostukseen sekä tiettyihin parametriarvoihin, joiden avulla muodostetaan hakkuualueiden toteutuneet rajat. Menetelmällä tuotettuja leimikkorajoja verrattiin visuaalisesti ilmakuviin sekä SMK:n kuvioraja-aineistoihin. 3.2 Tutkimustulokset Automaattinen toimenpidekuvion rajojen muodostus Menetelmän keskeiset vaiheet on esitetty oheisessa vuokaaviossa (kuva 3).
5 Hakkuukonetietopilotin loppuraportti (14) Kuva 3. Automaattisen kuviointialgoritmin vaiheet. Ensin kehitettiin puoliautomaattinen menetelmä kuvioiden rajaukseen QGIS-ohjelmistolla, joka automatisointiin myöhemmässä vaiheessa. Menetelmä on moniosainen kokonaisuus, joka erottaa kuviot ja niille johtavat ajourat, sekä muodostaa hakkuualueiden rajaukset huomioiden vierekkäiset alueet. Tutkimuksessa kehitetyllä menetelmällä voitiin tuottaa toimenpidekuvioiden rajaukset automaattisesti harvennus-, siemen- ja suojuspuu- sekä avohakkuuleimikoille (n lohko=433). Toimenpidekuvioiden rajaus pystyttiin tuottamaan menetelmällä 97,8 %:ssa kaikista tämän aineiston kuvioista (n kuvio=585). Hakkuutavan ollessa ylispuiden poisto (n lohko=22) varsinaista uutta kuviorajaa ei ole järkevää muodostaa hakkuukonedatan perusteella, vaan riittää, että hakatut puut kohdistetaan sille kuviolle, jonka alueelta ne on hakattu. Kuvioinnin onnistuminen riippuu lähtöaineiston laadusta. Mitä parempi paikannuslaitteisto hakkuukoneessa on, sitä tarkemmin myös toimenpidekuvion rajaus on mahdollista tehdä hakkuukoneaineistoon perustuen. Ohessa esitetyt luvut koskevat tämän tutkimuksen aineistoa. Toimenpidekuvioita (n autom. kuviointi=585), joille ei voitu muodostaa rajausta huonon satelliittigeometrian ansiosta oli n. 0,5 % (3 kpl) koko aineistosta. Näissä tapauksissa hakkuukohde oli lähes aina katvealueella ja sijainniksi tallentui kaikille puille liki sama sijainti. Algoritmien geoprosessointiin liittyviä ongelmia esiintyi niin ikään n. 0,5 % aineistosta, kun taas tilanteita, jotka voidaan jatkossa ratkaista hakkuutapaan liittyvien päättelysääntöjen avulla, oli n. 1,2 % toimenpidekuvioista. Leimikoille johtavia ajouria löydettiin n. 70,2 %:lla kuvioista ja hakatuista rungoista n. 4,6 % luokiteltiin ajouriin kuuluviksi. Automaattisen algoritmin tuottamia lohkoja ja toimenpidekuvioita verrattiin puoliautomaattisella algoritmilla tuotettuihin laskemalla niiden keskimääräinen pinta-ala, minimi- ja maksimiarvot sekä hajonta (taulukko 1). Puoliautomaattinen menetelmä on kuvattu Metsätehon tuloskalvosarjassa 5/2017 (Melkas & Riekki 2017) ja automaattinen menetelmä tuloskalvosarjassa 7/2018 (Melkas ym. 2018).
6 Hakkuukonetietopilotin loppuraportti (14) Taulukko 1. Automaattisella ja puoliautomaattisella kuviointialgoritmilla tuotettujen toimenpidekuvioiden vertailu suhteessa lohkoihin ja ajouriin. Automaattinen ja puoliautomaattinen menetelmä tuottivat keskimäärin samankokoisia toimenpidekuvioita. Myös lohkot jakaantuvat kuvioiksi hyvin samankaltaisesti kummassakin menetelmässä. Automaattisen menetelmän hieman pienempi hajonta kuvioiden pinta-alassa johtuu siitä, että kuvioille johtavia ajouria on erotettu enemmän kuin puoliautomaattisessa menetelmässä. Ajourapolygonien rajausten pinta-alat ovat pienempiä automaattisessa menetelmässä, koska ajourien rajaukset tehdään poistuma huomioiden. Rajauksia on alustavasti verrattu oikeina pidettäviin ja tarkkuus näyttää lupaavalta. Yksityiskohtaisempi vertailu julkaistaan erikseen. Menetelmää voidaan jatkossa hyödyntää operatiivisessa toiminnassa kuviorajojen ajantasaistuksessa. Seuraavassa on esitetty muutamin esimerkein kuvioinnin onnistumista ja algoritmien toimivuutta (kuvat 4 ja 5). Kuva 4. Automaattisessa kuvioinnissa yksittäiset ajourat erotellaan omiksi alueikseen varsinaisista toimenpidekuvioista. Tuloksena saadaan viimeistellyt toimenpidekuviot sekä kahteen luokkaan luokitellut ajourat: 1) poistumaltaan harvat ajourat, jotka tulkitaan hyvin usein leimikolle johtaviksi ajouriksi tai niiden pätkiksi ja 2) poistumaltaan tiheät ajourat, jotka voivat olla joko yhden ajouran käsittäviä kuvioita tai ajouria, joilta on hakattu paljon puita. Lisäksi menetelmä mahdollistaa leimikoiden sisään ja väliin jäävien käsittelemättömien alueiden tunnistamisen.
7 Hakkuukonetietopilotin loppuraportti (14) A = 7500m 2 Kuva 5. Esimerkki kuvioiden välisten rajojen käsittelystä. Jos kuviolla on useita vieruskuvioita, algoritmi käy kaikkien kuvioiden väliset rajat läpi pareittain. Tuloksena saadaan siistit ja eheät kuviorajat myös useamman vierekkäisen kuvion leikkauksissa. Esimerkiksi kolmen kuvion väliin voi jäädä tyhjä alue. Jatkossa tällaiset aukot voidaan löytää tarkastelemalla kuvion rajaa kaikkien vierekkäisten kuvioiden rajojen kanssa (esim. metsävaratietokannasta) ja niihin voidaan soveltaa samanlaisia pinta-alarajoitteita kuin kahden kuvion välisiin aukkoihin. Näin ollen menetelmä soveltuu osittain modifioimalla myös kuviorajojen upotukseen itse metsävaratietokantaan. Kehitetyllä menetelmällä voidaan tuottaa toimenpidekuvioiden rajaukset, erottaa yksittäiset leimikoille johtavat ajourat sekä leimikoiden sisään jäävät, vähintään tietyn kokoiset käsittelemättömät alueet. Menetelmä mahdollistaa toimenpidekuvioiden viennin kuviotietokantaan (metsävaratietoihin) siten, että kuviorajat tasapainotetaan ja eheytetään uusien ja tietokannassa olemassa olevien kuvioiden kesken (algoritmi III, kuva 3). Hakkuukoneissa olevien paikannuslaitteiden tarkkuus ja ominaisuudet vaikuttavat menetelmällä muodostettujen kuviorajojen lopulliseen muotoon. Uudempien paikannuslaitteiden tarkkuus on selvästi parempi ja aineistossa olevat hakkuukoneen pistemäiset sijainnit erottuvat selkeästi toisistaan muodostaen selkeitä ajouria. Tässä tutkimuksessa käytetyt hakkuukoneiden paikannuslaitteet olivat operatiivisessa toiminnassa olevia vastaanottimia, joista osa oli suoraan tehtaalta ja osa huomattavasti vanhempia. Mikäli hakkuukoneen sijaintitietoa pystytään tulevaisuudessa tarkentamaan puutasolle hakkuulaitteen paikannuksen kautta, paranee myös kuviointimenetelmän tarkkuus (Melkas & Riekki 9/2017). Menetelmän operatiivinen käyttö vaatii jatkossa myös pelto-, vesistö- ja tiemaskien käyttöä, jotta päästää mahdollisimman hyvään lopputulokseen. Tämä tulee ottaa huomioon varsinkin silloin, kun muodostettuja toimenpidekuvioita viedään metsävaratietoihin. Kuviontialgoritmia voidaan jatkokehittää lähtöaineiston ja itse menetelmän osalta. Lähtöaineiston kehittämistarpeista keskeisin on lohko- ja kuviotietojen vastaavuus. Tutkimuksessa todettiin, että keskimäärin kolmesta lohkosta muodostuu neljä kuviota. Tämä johtuu siitä, että yhdessä hakkuulohkossa on useampia sijainniltaan erillisiä kuvioita (leimikoita), joiden hakkuutapa ja tunnistetiedot ovat samat. Lisäksi yhteen lohkoon on voitu hakata samoilla tunnistetiedoilla puita myös muiden lohkojen läheisyydestä. Tässä on useimmiten kyse pienestä määrästä puita, jotka erottuvat hakkuujärjestyksestä ja muodostavat erillisen kuvion (esim. varastopaikka). Tilanne voi olla myös päinvastoin, eli yhden leimikon puita on voitu hakata kahteen tai useampaan eri lohkoon, jolloin leimikko pilkkoutuu useaan kuvioon, vaikka todellisuudessa kyse on yhdestä yhtenäisestä leimikosta. Jatkossa menetelmän käyttö operatiivisessa toiminnassa vaatii, että yhtenäiset leimikot, joilla on samat tunnistetiedot, hakataan kukin omaan lohkoonsa ja yksi lohko pitää sisällään vain yhtä hakkuutapaa. Tämä asia korjaantunee ainakin osittain esim. WoodForcen (yksi metsäalan suunnittelu- ja ohjausjärjestelmä) käyttöönoton yhteydessä.
8 Hakkuukonetietopilotin loppuraportti (14) Edelleen tutkimuksessa havaittiin, että tunnistetiedot sijaitsevat eri urakanantajilla standardin eri rakenteissa, jolloin aineiston esikäsittelyssä joudutaan tekemään yrityskohtaisia räätälöintejä. Menetelmän tehokkaan hyödyntämisen kannalta tunnistetietojen tulisi sijaita samoissa rakenteissa kaikilla hakkuukonedatan tuottajilla Puustotietojen laskenta ja päivitysmahdollisuudet Hakkuukonetiedon hyödynnettävyyttä metsävaratietojen päivityksessä ja kaukokartoitusperusteisen puustotulkinnan referenssitietona selvitettiin myös kehittämällä laskentamenetelmä ja -rutiinit (C++ -ohjelmat) hakkuukoneella hakattujen puiden kokonaistilavuuden laskemiseksi. Menetelmässä hakattujen puiden kokonaistilavuus laskettiin sovittamalla jokaiseen hakatun puun runkoprofiiliin Laasasenahon (1982) runkokäyrä. Ennen varsinaista laskentaa hakkuukoneelta saadut stm- ja hpr-tiedostot purettiin tietokantaan. Monihaaraiset rungot pyrittiin tunnistamaan jo purkuvaiheessa. Jokaiselle rungolle sekä monihaaraisen puun osarungolle generoitiin yksilöllinen tunnistenumero. Laasasenahon runkokäyräpolynomi sovitettiin hakkuukoneen läpimitoista saatavaan runkoprofiiliin pienimmän neliösumman menetelmällä. Sovitus tehtiin erikseen jokaiselle rungolle. Hakkuukoneen tuottaman runkoprofiilin tyvi laskettiin tyvifunktion avulla perustuen 1,3 m korkeudelta kaatoleikkauksesta mitattuun läpimittaan (Maa- ja metsätalousministeriön asetus 2006). Lähtötietoina sovituksessa käytettiin seuraavia muuttujia: puulaji, hakkuukoneen rekisteröimät läpimitat 10 cm välein, rungon käyttöosan pituus sekä päättymisläpimitta. Sovituksen tuloksena saatiin jokaiselle rungolle ja rungon osalle (kanto, käyttöosa ja latvaosa eli latvahukkapuu) pituus- ja tilavuusestimaatit. Menetelmä mahdollistaa kokonaispoistumatietojen laskennan kertymätietojen ohessa halutulle alueelle puukohtaisista tiedoista ja sitä kautta metsävaratietojen päivityksen toimenpiteiden yhteydessä. Ensi vaiheessa puustotietojen päivitys olisi mahdollista toteuttaa juuri kokonaispoistumatietojen avulla vähentämällä ne leimikon metsävaratiedoissa olevista puustotiedoista. Tällöin keskeistä päivitettyjen puustotietojen tarkkuuden osalta on lähtöpuustotietojen tarkkuus ja puulajisuhteiden oikeellisuus. Mikäli niissä on epätarkkuutta, jää se myös päivitettyyn puustoon. Päivitysmenetelmässä olisikin hyvä verrata hakkuukoneelta saatavaa kokonaispoistumaa lähtöpuustoon, hakkuukonetiedosta laskettuihin keskipituus- ja läpimittaestimaatteihin sekä niiden ja harvennusmallien kautta saatuun poistumaan ja jäävään puustoon. Jos nämä ovat lähellä toisiaan, päivitys voidaan tehdä. Päätehakkuilla puustotiedot nollataan, mikäli kyse on avohakkuusta. Tulevaisuudessa, mikäli hakkuukone pystyy tuottamaan puukarttaa jäljelle jäävästä puustosta hakkuun yhteydessä ja mittaamaan jäljelle jäävän puuston dimensiot esim. laserkeilaimella, voidaan metsävaratiedon ajantasaistus tehdä näihin tietoihin perustuen tai käyttäen sekä hakkukoneelta että laserkeilauksesta saatavia tietoja. Tässä tutkimuksessa keskityttiin ensisijaisesti toimenpidekuviorajojen päivitykseen. Puustotietojen päivityksen osalta kartoitettiin alustavasti potentiaalisia tapoja päivittää metsävaratiedot kuviolle, mutta tältä osin asia vaatii vielä jatkotutkimusta ja testausta Hakkuukonetieto ja metsänkäyttöilmoitukset Metsäkeskus käyttää metsävaratiedon ajantasaistuksessa hakkuiden osalta pääasiassa metsänkäyttöilmoituksia (mki), joissa on kaksi merkittävää virhelähdettä: toteutusajankohta ja leimikon rajaus. Mki on 3 vuotta voimassa oleva aie, jonka toteutus ei ole varmaa ja toteutuessaankaan toimenpiteen ajankohta ei ole Metsäkeskuksen tiedossa. Mki ei ole myöskään rajaukseltaan luotettava, koska toteutunut leimikko voi olla hyvinkin erilainen, mitä on ilmoitettu.
9 Hakkuukonetietopilotin loppuraportti (14) Lisäksi mki-rajaus voi olla muuten karkeasti piirretty tai joskus ilmoitus tehdään jopa koko tilalle, jos ei olla vielä varmoja missä hakataan. Metsäkeskus tarkasteli ison joukon leimikoita, joista oli metsävarakuvio (mv-kuvio), metsänkäyttöilmoituskuvio (mki-kuvio) sekä hakkuukonetiedosta rajattu leimikkokuvio (motokuvio). Tarkastelun johtopäätöksenä voidaan todeta, ettei mki-kuvio ole käyttökelpoista tietoa tarkempaan mv-kuvioiden päivitykseen. Metsäkeskus ei käytä nykyprosessissa mki-kuvioiden rajauksia, vaan mv-kuviolle päivitetään mki:n toimenpide, jos sen rajaus kohdentuu riittävästi päällekkäin. Osassa tapauksia joudutaan tekemään manuaalinen tarkastelu, kohdistuuko mki jollekin mv-kuviolle vai jääkö päivitys kokonaan tekemättä epämääräisen rajauksen takia. Toinen selkeä johtopäätös on se, ettei suunniteltu mv-kuviokaan usein vastaa ainakaan tarkasti toteutunutta leimikkoa. Jos motokuviot saadaan ajantasaistuksen käyttöön, voidaan toteutunut toimenpide päivittää metsävaratietoihin kuviorajauksineen. Tämä tarkempi leimikkorajaus loisi myös edellytykset sekä kuvio- että hilatiedon päivitykseen. Mki-kuvioilla ei ole perusteita päivittää hilatietoa ja mv-kuviotietoakin vain mki:n tietosisällöllä ei rajauksineen. Seuraavassa (kuva 6) on esitetty esimerkkejä hyvinkin vaihtelevista mv-, mki- ja motokuvioiden geometrioista. Yllä esitetyt johtopäätökset ovat näidenkin esimerkkien valossa selkeät. Kuva 6. Esimerkkejä metsänkäyttöilmoituskuvioista (mki), hakkuukonetiedoista rajatuista toteutuneista leimikoista (motokuvio) sekä metsävaratiedon kuviogeometrioista (kuvio). Taustalla laserin pintamalli tai ilmakuva ennen hakkuuta.
10 Hakkuukonetietopilotin loppuraportti (14) 3.3 Toteutusvaiheen arviointi Metsäkeskuksen ja Metsätehon yhteistyö toimii hyvin ja roolit ovat selkeät. Metsätehon kautta kehittämisessä on tiivis linkki myös metsäyhtiöihin ja operatiiviseen toimintaan. 3.4 Julkaisut Metsätehon raportti 237: Hakkuukoneella kerätyn puustotiedon hyödyntäminen (pilottia edeltävä, 2015). Melkas, T. & Riekki, K Hakkuualueen rajan muodostus hakkuukoneen sijaintitietoon perustuen. Metsätehon tuloskalvosarja 5/2017. Melkas, T. & Riekki, K Puiden paikannustarkkuus hakkuukoneen tallennettuun sijaintiin ja kouran anturointiin perustuen. Metsätehon tuloskalvosarja 9a/2017 (saatavissa myös englanniksi 9b/2017). Melkas, T., Riekki, K. & Sorsa, J-A Automaattinen toimenpidekuvion rajojen muodostus hakkuukoneen sijaintitietoon perustuen. Metsätehon tuloskalvosarja 7a/2018 (saatavissa myös englanniksi 7b/2018). Metsäteho viimeistelee tuloskalvosarjaa myös kuvioinnin oikeellisuuden todentamisesta. Siinä vertaillaan automaattisella ja puoliautomaattisella menetelmällä tuotettujen toimenpidekuvioiden rajauksia maastossa kartoitettuihin ja ilmakuvilta digitoituihin toteutuneisiin kuviorajoihin. Lisäksi Metsäteho valmistelee aiheesta myöhemmin julkaistavaa englanninkielistä tutkimusartikkelia. 4 Tulosten arviointi 4.1 Tulosten käytännön sovellutuskelpoisuus Hakkuukonetiedosta jalostettu leimikkotieto soveltuu erinomaisesti metsävaratiedon päivitykseen. Entistä ajantasaisempi tieto edistää merkittävästi koko metsäsektorin toimintaa erityisesti puuhuollon, mutta myös erilaisten metsäpalveluiden osalta Tiedonsiirron vaihtoehdot Hakkuukoneaineiston tiedonsiirtoa ja hyödyntämistä metsävaratiedon ajantasaistuksessa kehitetään yhteistyössä SMK:n ja Metsätehon kanssa. Perusvaihtoehdot ovat: (i) (ii) (iii) Hakkuukonetiedoista johdetut toteutustiedot mv-tiedon päivityssanomina (XML) tiedonsiirtopalvelun kautta SMK:n järjestelmään (metsätiedon palvelualusta lähettää). Hakkuukonetiedoista johdettujen toteutustietojen hyödyntäminen aineistona suoraan rajapintapalveluna metsätiedon palvelualustalta (SMK hakee). Hakkuukonetiedoista johdetut toteutustiedot mv-tiedon päivityssanomina (XML) metsäyhtiöiden ja muiden urakanantajien tietojärjestelmistä Tiedonsiirtopalvelun kautta SMK:n järjestelmään. Metsätehon tavoitteena palvelualustahankkeessa on käyttää ja päivittää hilamuotoista metsävaratietoa. Kiinteänä osana päivitystä on myös puuston kasvatus kasvumalleilla ja jos se tehtäisiin myös hilatasolla, niin on sovittava, missä järjestelmässä se tehdään. Metsävaratiedon ajantasaistusta ei kannata tehdä useassa paikassa. Hilatiedon päivitys on raskas operaatio. Esimerkiksi Metsähallitus kasvattaa hilatietoa ja käytännössä se pyörii lähes jatkuvasti ulkoisessa laskentapalvelussa. Leimikkokuvioita voidaan
11 Hakkuukonetietopilotin loppuraportti (14) käyttää eri tavoin eri aineistojen päivityksessä (hila- ja kuviopäivitys). SMK:n tavoitteena on myös kuviotietojen ylläpito, joten leimikkokuviot tarvitaan myös SMK:n järjestelmään Hilan ajantasaistus Hilatiedon päivitys leimikkokuvioilla on päätehakkuiden osalta periaatteessa helpompi tapaus. Tulee määritellä mikä osa hilaruudusta pitää olla leimikon sisällä, jotta se merkitään hakatuksi. Harvennusten päivitys hilalle voidaan tehdä yksinkertaisimmin niin, että harvennetaan leimikon joka hilaruutu harvennusmallilla ja sellaiset hilaruudut leimikon sisällä, jotka ovat aukkoa tai harvempaa puustoa jäävät harventamatta. Se miten saataisiin harvennusten hilapäivityksessä säilytettyä paremmin kuvion sisäinen vaihtelu, esim. eri puulajien hilaruutukohtaisten määrien osalta on mietittävä. Esim. harvennetaanko samalla tavoin kaikkia puulajeja. Kuviotason toteutuneissa harvennuksissa harvennusta ohjataan pääpuulajilla, ts. poistuma kerätään ensisijaisesti muista puulajeista. Jos tietolähteessä on tieto pääpuulajista, niin samaa voi soveltaa hilalle. Lisäksi yhtenä hankalana kysymyksenä on se, mitä tehdään runkolukusarjojen laskennassa hyödynnettäville hilaruutukohtaisille linkeille lähimpiin puustotulkintakoealoihin, joiden perusteella runkolukusarjat on jatkossa mahdollista laskea. Lähtökohtaisesti puustotulkintakoealoja ei kannata hakata, koska ne voivat olla lähimpinä koealoina lukemattomalle määrälle hilaruutuja, joita ei ole käsitelty ollenkaan tai on hakattu/harvennettu eri tavoin. Periaatteessa yksinkertaisin tapa voisi olla se, että hakattujen hilaruutujen lähimpien koealojen linkit katkaistaan ja jakaumatieto tuotettaisiin käsitellyille hilaruuduille parametrimalleilla (Weibull) jäävän puuston keski- ja summatunnusten mukaan kuten nykyisessäkin laskennassa tehdään. Tällöin puustotulkinnan ns. empiirinen jakaumatieto lähimpien koealojen ja niiden painojen linkityksen kautta säilyisi vain sellaisilla hilaruuduilla, joita ei ole hakattu. Joka tapauksessa hakkaamattomiin kohteisiin kohdistuu todennäköisesti suurin mielenkiinto ja siellä runkolukusarjatiedon laadulla on myös suurin merkitys. Yleisesti ottaen aineiston laatu ja tarkkuus tulee suhteuttaa tietotarpeeseen ja kysyntään. On toki mahdollista tehdä laskennalliset harvennukset koealoille ja siten samojen viittausten kautta poimittu harvennettujen koealojen joukko kuvastaisi tarpeeksi lähelle myös harvennusta summatasolla. Tietotuotteiden näkökulmasta hyvä laatu on tärkeää kattavasti yli koko aineiston, mutta jos tärkein käyttötapaus liittyy puunhankinnan suunnitteluun, niin kehitystä tulee tehdä se tarve edellä Kuvioiden ajantasaistus Hakkuukonetieto olisi kuviotiedon päivityksen uusi tietolähde, joka toimii periaatteessa samoin kuin jokin muukin tietolähde. Kehittämistä vaatii, kun geometriatieto otetaan mukaan ja upotetaan leimikkorajaus olemassa olevaan mv-kuviointiin. Tämä tulee olla tavoitteena, koska hakkuukoneen leimikkokuviointia voidaan pitää rajaukseltaan riittävän tarkkana. Eli käytännössä tarvitaan ns. silpunsiivoustyökalu, mihin vieressä olevaan rajaan reunoille jäävä silppu yhdistetään (vrt. SMK:n Mete-kuvioiden upotus mikrokuvioihin työtasolla). Tämä pitäisi pystyä automatisoimaan prosessina mahdollisimman pitkälle, koska tietomäärä voi olla iso, resursseja laajaan manuaaliseen päivitykseen ei ole ja lisäksi tässä käsiteltäisiin ns. julkaisukuvioita, jotka pitäisi saada valmiiksi saman tien tai ainakin seuraavaan yöhön mennessä, jotta eivät näy keskeneräisinä loppukäyttäjälle. Toisaalta tiedonsiirtojen päättelysääntöjä voidaan kehittää myös niin, ettei epäselviä leimikkokuvioita siirretä ja julkaista suoraan, vaan jätetään olemassa olevat kuviot näkyviin, kunnes on tehty manuaalinen tarkastelu epäselville kohteille (vrt. SMK:n metsänkäyttöilmoituskuvioilla päivitys). Päätehakkuiden päivitys on puuston määrän osalta selkeä tapaus. Hakkuun kertymätietojen omistajuuteen ja saatavuuteen liittyen on epätodennäköistä, että tietoja olisi ainakaan ensi vaiheessa käytettävissä harvennusten jäävän puuston arviointiin. Näköpiirissä ei ole myöskään jäävän puuston inventointia hakkuun yhteydessä. Puustomäärien päivitys voidaan kuitenkin tehdä harvennustenkin yhteydessä harvennusmalleilla. Vaikka se ei olisikaan jäävän
12 Hakkuukonetietopilotin loppuraportti (14) puuston osalta tarkinta mahdollista, niin kuviolla oleva tieto siitä, että se on harvennettu, olisi arvokas tieto erityisesti puunhankinnan näkökulmasta (ns. pois pelistä ). Lisäksi todennäköisesti ennen seuraavaa toimenpidettä voi tulla jo uusi inventointi, jolla saadaan taas täsmällisempi tieto puuston määrästä Säästöpuuryhmät Hakkuukonetiedon hyödyntämiseen voi liittyä tulevaisuudessa myös systemaattisempi säästöpuuryhmien tiedonkeruu omana kohdeluokkanaan (tietotaso). Säästöpuuryhmien irrotusta ja tarkastelua voidaan tehdä hakkuukonetiedosta sekä esim. laserdatasta 1 m rasterina tuotettavasta puuston pintamallista (CHM, canopy height model). Prosessia ei ole vielä kehitetty, mutta on esitetty tarve pysyvämmälle säästöpuuryhmätiedolle omana tietotasonaan ja osana metsävaratietoa. Tiedolla on merkitystä mm. metsien sertifioinnissa ja lisäksi tietoon voitaisiin kohdistaa tarkastustoimintaa, jos se olisi olemassa. Tässä tutkimuksessa kehitetyt algoritmit mahdollistavat käsittelemättömien alueiden tunnistamisen hakkuukoneelta saatavan sijaintiedon ja siitä muodostettujen kuviorajojen perusteella. Toisin sanoen voidaan rajata omiksi polygoneiksi alueet leimikon sisällä, mihin hakkuukoneen koura ei ole voinut ylettyä. Kuviointimenetelmä ei kuitenkaan tunnista, onko kyse säästöpuuryhmästä vai muuten esim. puuttomana kohtana käsittelemättä jääneestä alueesta. Tätä voisi vastaavasti tarkastella CHM:n pituustiedosta, onko samassa kohdassa pidempää puustoa Jatkokehitys Kehittämistyötä jatketaan Metsätehon vetämässä metsätiedon palvelualustahankkeessa sekä SMK:n tietojärjestelmien jatkokehityksessä. Palvelualustahankkeen ratkaisut ja eteneminen vaikuttavat myös SMK:n metsävaratiedon ajantasaistuksen kehittämiseen. SMK:ssa voidaan tarpeen mukaan pilotoida sekä kuvio- että hilatiedon päivitystä ja mitä se vaatii, ottamatta vielä tarkemmin kantaa tietolähteeseen. Tavoiteltava kokonaisprosessi on seuraava: Hakkuukoneelta tiedostojen lähetys metsäyhtiön tietojärjestelmään tai koneyrittäjän suunnittelupalveluun (WoodForce) ja niistä edelleen hakkuukuvioiden laskentapalveluun, joka voi olla osa metsätiedon palvelualustaa tai erillinen palvelu. Hakkuukuvioiden prosessointi kehitetyillä työkaluilla automaattisesti. Standardimuotoinen toteutus- ja metatieto tiedonsiirtopalvelun kautta SMK:n järjestelmään joko XML-tiedostona tai rajapintapalvelun kautta. Metsävaratiedon päivitys ja laskenta. Automaattisen kuviointimenetelmän kehittämistarpeet liittyvät joko lähtöaineiston yhtenäistämiseen tai kuviointialgoritmien jatkokehitykseen. Näistä keskeisimpiä ovat vierekkäisten kuvioiden rajojen määrityksen kehittäminen niin, että puuston koko voidaan huomioida menetelmässä sekä algoritmien muokkaus niin, että niitä voidaan hyödyntää toimenpidekuvioiden upotuksessa metsävaratietoihin. Myös monimutkaisempien kuviogeometrialeikkausten päättelysääntöjen kattava määrittely, geometriarikkojen hallinta sekä parametrien hienosäätö on toteutettava tuotteistuksen yhteydessä. Työ etenee seuraavin vaihein: Automaattisen kuvioinnin oikeellisuuden todentaminen. Algoritmien viimeistely ja koodaus tuotantoympäristöön sekä testaus palvelualustahankkeessa. Tiedonkeruun jatkaminen yhteistyössä Metsätehon osakkaiden kanssa. StanForD2010-standardin mukaisten rajapintojen koodaus. Menetelmän tuotteistaminen operatiiviseen käyttöön.
13 Hakkuukonetietopilotin loppuraportti (14) Tuotteistamisen yhteydessä automaattista kuviointimenetelmää on syytä testata myös muilla SMK:n inventointialueilla, jotta esille tulevat myös mahdolliset alueelliset erityispiirteet. 4.2 Tulosten tieteellinen merkitys Suomi on edelläkävijämaa operatiiviseen metsätalouteen soveltuvan valtakunnallisen metsävaratietokannan ylläpitäjänä mukaan lukien metsien laserinventoinnin tutkimus ja metsätietojen ajantasaistuksen kehittäminen eri tietolähteillä.
14 Hakkuukonetietopilotin loppuraportti (14) 5 Loppuraportin tiivistelmä HAKKUUKONETIEDON KÄYTTÖ METSÄVARATIEDON AJANTASAISTUKSESSA UPDATING FOREST RESOURCE INFORMATION BY USING HARVESTER DATA Vastuuorganisaatio Suomen Metsäkeskus PL LAHTI puh s-posti: juho.heikkila@metsakeskus.fi Yhteyshenkilö: Juho Heikkilä Kesto Rahoitus Kokonaiskustannukset euroa MMM:ltä saatu kokonaisrahoitus euroa Osapuolten oma rahoitus euroa Muista julkisista lähteistä saatu rahoitus 0 euroa Muu ulkopuolinen rahoitus 0 euroa Avainsanat Metsävaratieto, hakkuukonetieto, ajantasaistus, kuviointi Tiivistelmä TAVOITTEET Metsäkeskuksen ja Metsätehon tavoitteena oli kehittää menetelmiä, joilla hakkuukonetieto jalostetaan metsävaratiedon ajantasaistukseen soveltuvaksi. Lisäksi selvitettiin millaisella tietosisällöllä ja prosessilla hakkuukonetietoa voidaan siirtää metsävaratiedon ylläpitoon. Pilotti toimii myös tukena laajemman keskitetyn metsätiedon palvelualustan rakentamiselle. TULOKSET Projektissa kehitettiin hakkuukonetietoon perustuva menetelmä ja työkalut, joilla saadaan automaattisesti riittävän tarkka leimikon rajaus metsävaratiedon ajantasaistukseen. Lisäksi tarvitaan hakkuun ajankohta ja hakkuutapa (harvennus/päätehakkuu). Nämä kolme tietoa ovat riittävät, eikä kertymätietoa tai jäävän puuston arviota välttämättä tarvita. Harvennushakkuissa päivityksen kannalta riittävään tarkkuuteen päästään harvennusmalleilla, koska oleellisin tieto esimerkiksi ostotoiminnan kannalta on se, että hakkuu on toteutettu. Seuraava laserinventointi täsmentää jälleen puustotietoa tarkemmalle tasolle. Hakkuukonetiedon perusteella on mahdollista toteuttaa metsävaratietoon myös uusi säästöpuuryhmät-tietokokonaisuus, joka on omana kohdeluokkanaan merkittävä esimerkiksi sertifioinnin kannalta. TULOSTEN ARVIOINTI Hakkuukonetiedon käyttö ajantasaistuksessa vie yhdessä laserinventoinnin kehittämisen kanssa metsävaratiedon ylläpidon uudelle aikakaudelle. Hakkuukonetieto on riittävän tarkkaa myös ajantasaistusprosessin automatisoimiseksi. Metsänkäyttöilmoituksia ei voida ilman merkittävää manuaalista tarkastelua hyödyntää kuviotiedon eikä lainkaan hilatiedon päivityksessä. Projektissa kehitettiin ja toteutettiin työkalut hakkuukoneen tuottamien runkokohtaisten mittaustietojen n jalostamiseksi metsävaratiedon päivitykseen sopivaksi. Tämä luo edellytykset laajemman järjestelmän rakentamiselle, johon tarvitaan myös metsäalan yhteinen tahtotila ja suositukset hakkuukonetiedon käytöstä ja toimittamisesta metsävaratiedon ylläpitoon. Julkaisut Metsätehon tuloskalvosarjat (3) sekä myöhemmin julkaistava tieteellinen artikkeli.
Automaattinen toimenpidekuvion rajojen muodostus hakkuukoneen sijaintitietoon perustuen
Automaattinen toimenpidekuvion rajojen muodostus hakkuukoneen sijaintitietoon perustuen Ilmakuva Maanmittauslaitos 2018 Metsätehon tuloskalvosarja 7a/2018 Timo Melkas Kirsi Riekki Juha-Antti Sorsa Metsäteho
LisätiedotHakkuualueen rajan muodostus hakkuukoneen sijaintitietoon perustuen
Hakkuualueen rajan muodostus hakkuukoneen sijaintitietoon perustuen Metsätehon tuloskalvosarja 5/2017 Timo Melkas Kirsi Riekki CHM Arbonaut Oy Tiivistelmä Tutkimuksen tavoitteena oli luoda menetelmä hakkuualueen
LisätiedotAlgoritmi III Vierekkäisten kuvioiden käsittely. Metsätehon tuloskalvosarja 7a/2018 LIITE 3 Timo Melkas Kirsi Riekki Metsäteho Oy
Algoritmi III Vierekkäisten kuvioiden käsittely Metsätehon tuloskalvosarja 7a/2018 LIITE 3 Timo Melkas Kirsi Riekki Metsäteho Oy Algoritmi III vierekkäisten kuvioiden käsittely Lähtötietoina algoritmista
LisätiedotViimeistely Ajourien huomiointi puutiedoissa ja lopullinen kuviointi. Metsätehon tuloskalvosarja 5/2018 LIITE 4 Timo Melkas Kirsi Riekki Metsäteho Oy
Viimeistely Ajourien huomiointi puutiedoissa ja lopullinen kuviointi Metsätehon tuloskalvosarja 5/2018 LIITE 4 Timo Melkas Kirsi Riekki Metsäteho Oy Viimeistely ajourien huomiointi ja lopullinen kuviointi
LisätiedotAlgoritmi I kuvioiden ja niille johtavien ajourien erottelu. Metsätehon tuloskalvosarja 7a/2018 LIITE 1 Timo Melkas Kirsi Riekki Metsäteho Oy
Algoritmi I kuvioiden ja niille johtavien ajourien erottelu Metsätehon tuloskalvosarja 7a/2018 LIITE 1 Timo Melkas Kirsi Riekki Metsäteho Oy Algoritmi I kuvioiden ja niille johtavien ajourien erottelu
LisätiedotMetsätieto, muutokset ja kehitysnäkymät
Metsätieto, muutokset ja kehitysnäkymät Jarmo Hämäläinen Metsäteho Oy Teollisuuden Metsänhoitajien kesäopintopäivät 15.- 16.8.2018 Metsätieto puuhuollossa mitä tavoitellaan ja miten? Tavoitteet Metsävarojen
LisätiedotHakkuukonemittaus puustotietojen tuotannossa aineiston esikäsittely ja kuviorajan muodostaminen
Hakkuukonemittaus puustotietojen tuotannossa aineiston esikäsittely ja kuviorajan muodostaminen Timo Melkas Metsäteho Oy Forest Big Data -hankkeen tulosseminaari 8.3.2016 CHM Arbonaut Oy Melkas, T., Poikela,
LisätiedotSuomen metsäkeskuksen metsävaratieto ja sen hyödyntäminen
Suomen metsäkeskuksen metsävaratieto ja sen hyödyntäminen 22.3.2017 Magnus Nilsson, metsätietopäällikkö metsätieto- ja tarkastuspalvelut Metsäkeskuksen metsävaratieto Laserinventointi aloitettiin 2010
LisätiedotHakkuukonetiedon hyödyntäminen mm. metsävaratietojen ylläpidossa
Hakkuukonetiedon hyödyntäminen mm. metsävaratietojen ylläpidossa Timo Melkas, Kirsi Riekki & Juha-Antti Sorsa 26.11.2018 LUOMASSA MAHDOLLISUUKSIA 2 Sisältö Automaattinen toimenpidekuvion rajojen muodostus
LisätiedotMetsävaratieto ja sen käytön mahdollisuudet. 4.12.2014 Raito Paananen Metsätietopäällikkö Suomen metsäkeskus Julkiset palvelut, Keski-Suomi
Metsävaratieto ja sen käytön mahdollisuudet 4.12.2014 Raito Paananen Metsätietopäällikkö Suomen metsäkeskus Julkiset palvelut, Keski-Suomi Sisältö 1. Julkisin varoin kerättävien metsävaratietojen keruun
LisätiedotSuomen metsäkeskus. SMK:n ja VMI:n inventointien yhteistyömahdollisuuksia. Taksaattoriklubin kevätseminaari Helsinki, 20.3.
Suomen metsäkeskus SMK:n ja VMI:n inventointien yhteistyömahdollisuuksia Taksaattoriklubin kevätseminaari Helsinki, 20.3.2015 Juho Heikkilä Sisältöä 1. SMK:n metsävaratiedosta lyhyesti 2. VMI-SMK yhteistyön
LisätiedotTiedonsiirtorajapinta ja hilatieto kuvioiden rinnalle Esko Välimäki ja Juha Inkilä
Tiedonsiirtorajapinta ja hilatieto kuvioiden rinnalle 15.4.2015 Esko Välimäki ja Juha Inkilä Tiedonsiirtorajapinta Metsäkeskuksella on tarjolla rajapinta, josta toimijat voivat hakea järjestelmäänsä metsävaratietoa
LisätiedotLaserkeilaus ja metsäsovellukset Juho Heikkilä, metsätiedon johtava asiantuntija
Laserkeilaus ja metsäsovellukset 5.11.2018 Juho Heikkilä, metsätiedon johtava asiantuntija Metsäkeskuksen metsävaratieto Laserinventointi aloitettiin 2010. 1. kierros valmis 2020. Metsävaratietoa 12,4
LisätiedotSatelliittipaikannuksen tarkkuus hakkuukoneessa. Timo Melkas Mika Salmi Jarmo Hämäläinen
Satelliittipaikannuksen tarkkuus hakkuukoneessa Timo Melkas Mika Salmi Jarmo Hämäläinen Tavoite Tutkimuksen tavoite oli selvittää nykyisten hakkuukoneissa vakiovarusteena olevien satelliittivastaanottimien
LisätiedotPuuhuollon digitalisaatio ja metsäkonetiedon mahdollisuudet
Puuhuollon digitalisaatio ja metsäkonetiedon mahdollisuudet Jarmo Hämäläinen Metsäteho Oy Metsäkonetieto 2018 -seminaari Tiedekeskus Heureka, Vantaa Digitalisaatio mahdollistaa kehityshyppäyksen Tehokas
LisätiedotHakkuukone metsätiedon lähteenä
Hakkuukone metsätiedon lähteenä Tapio Räsänen Metsäteho Oy Metsätieto ja sähköiset palvelut seminaari 8.11.2016 Paikkatietomarkkinat 2016 Mitä hakkuukoneet tekevät? Puunkorjuu on Suomessa täysin koneellistettu
LisätiedotKehittyvä metsätieto puuhuollon digitalisaatiossa
Kehittyvä metsätieto puuhuollon digitalisaatiossa Jarmo Hämäläinen Metsäteho Oy Location Business Forum 2018 6.11.2018, Messukeskus Metsäteho on tutkimus- ja kehitysyhtiö, jonka toimialana on metsäteollisuuden
LisätiedotPuutavaran mittauksen visio 2020
Puutavaran mittauksen visio 2020 Tarkka ja kustannustehokas määrän ja laadun mittaus osana puutavaralogistiikkaa Metsätehon tuloskalvosarja 9/2012 30.8.2012 Timo Melkas, Jarmo Hämäläinen 1 Puuraaka-aineen
LisätiedotMetsäkonetiedon omistusta, käyttöä ja käsittelyä koskevat periaatteet Suosituksen tarkoitus ja sisältö
Metsäkonetiedon omistusta, käyttöä ja käsittelyä koskevat periaatteet Suosituksen tarkoitus ja sisältö Tapio Räsänen Metsäteho Oy METSÄKONETIETO 2018 -SEMINAARI 1.2.2018 Tiedekeskus Heureka, Vantaa Suosituksen
LisätiedotMetsätiedon lähteitä ja soveltamismahdollisuuksia
Metsätiedon lähteitä ja soveltamismahdollisuuksia Tapio Räsänen Metsäteho Oy FOREST BIG DATA hankkeen tulosseminaari 8.3.2016 Heureka, Vantaa Tietojärjestelmät ja sovellukset Sovellus X Sovellus X Sovellus
LisätiedotDigitalisaatio mullistaa metsäalaa
Digitalisaatio mullistaa metsäalaa Jarmo Hämäläinen Metsäteho Oy Pielisen Karjalan TULEVAISUUSFOORUMI 2018 4.10.2018, Valtimo Metsäteho on tutkimus- ja kehitysyhtiö, jonka toimialana metsäteollisuuden
LisätiedotKuortaneen metsäsuunnitteluseminaarin. Metsävaratiedon ajantasaistus
Kuortaneen metsäsuunnitteluseminaarin retkeily Metsävaratiedon ajantasaistus Kuortane 10.9.2007 Jarmo Sinko Suunnittelupäällikkö Hannu Ala-Honkola Metsäsuunittelija Etelä-Pohjanmaan metsäkeskus Toimenpiteiden
LisätiedotPuuhuollon digitalisaation kehitysnäkymiä
Puuhuollon digitalisaation kehitysnäkymiä Jarmo Hämäläinen Metsäteho Oy Kaakkois-Suomen ammattikorkeakoulun DigiMetsä-seminaari 1.11.2018, Mikkeli Metsäteho on tutkimus- ja kehitysyhtiö, jonka toimialana
LisätiedotMetsätehon tuloskalvosarja 9/2017 Timo Melkas Kirsi Riekki Metsäteho Oy
Puiden paikannustarkkuus hakkuukoneen tallennettuun sijaintiin ja kouran anturointiin perustuen laskennallinen algoritmi kouran sijainnin tarkentamiseksi Metsätehon tuloskalvosarja 9/2017 Timo Melkas Kirsi
LisätiedotMetsätiedon palvelualustan konseptitestaus
Metsätiedon palvelualustan konseptitestaus Jarmo Hämäläinen, Tapio Räsänen, Kirsi Riekki & Juha-Antti Sorsa, Metsäteho Oy Juha Peltoniemi, Heikki Vorne, Jukka Mäkelä & Matti Koljonen, CGI Risto Ritala
LisätiedotKumisaappaista koneoppimiseen
Kumisaappaista koneoppimiseen Taimikkotiedon tuottaminen tekoälyn avulla Esri-käyttäjäpäivät 30.1.2019 Suomen metsäkeskus, kehityspäällikkö Henna Etula Lähtökohta Näköpiirissä ei ole yksittäistä menetelmää,
LisätiedotMETSÄVARATIETO KOHTI 2020-LUKUA. Tietotarvekyselyn yhteenveto ja metsävaratiedon kehittämisnäkymiä Juho Heikkilä, Vantaa, 15.4.
METSÄVARATIETO KOHTI 2020-LUKUA Tietotarvekyselyn yhteenveto ja metsävaratiedon kehittämisnäkymiä Juho Heikkilä, Vantaa, 15.4.2015 Tietotarvekyselyn yhteenveto (1) Toimijakysely lähetettiin 87 henkilölle.
LisätiedotPuukarttajärjestelmä hakkuun tehostamisessa. Timo Melkas Mikko Miettinen Jarmo Hämäläinen Kalle Einola
Puukarttajärjestelmä hakkuun tehostamisessa Timo Melkas Mikko Miettinen Jarmo Hämäläinen Kalle Einola Tavoite Tutkimuksessa selvitettiin hakkuukoneeseen kehitetyn puukarttajärjestelmän (Optical Tree Measurement
LisätiedotPalvelualusta metsätiedon jakeluun
Palvelualusta metsätiedon jakeluun Jarmo Hämäläinen Metsäteho Oy Taustaa Metsäalan digitalisaation keskiössä on metsätiedon entistä tehokkaampi hyödyntäminen. Metsätietoa tuotetaan tulevaisuudessa monin
LisätiedotDigitaalisten palveluiden mahdollisuudet metsätaloudessa Case Metsään.fi-palvelu, Päättäjien metsäakatemia, Peurunka,
Digitaalisten palveluiden mahdollisuudet metsätaloudessa Case Metsään.fi-palvelu, Päättäjien metsäakatemia, Peurunka, 21.9.2018 Veikko Iittainen, Metsänomistajien palvelupäällikkö Suomen metsäkeskus Metsään.fi-palvelun
LisätiedotDrone-kuvausten käyttökelpoisuudesta metsäkeskuksen toiminnassa Maaseutu 2.0 loppuseminaari
Drone-kuvausten käyttökelpoisuudesta metsäkeskuksen toiminnassa Maaseutu 2.0 loppuseminaari 24.1.2018 Raito Paananen metsätietopäällikkö, Suomen metsäkeskus Dronet metsäkeskuksen toiminnassa SMK:n perustehtäviä
LisätiedotAjourien automaattinen tuottaminen ja ajouratunnusten määrittäminen hakkuukoneen sijaintitietoon perustuen
Ajourien automaattinen tuottaminen ja ajouratunnusten määrittäminen hakkuukoneen sijaintitietoon perustuen Metsätehon tuloskalvosarja 4/2019 Kirsi Riekki, Timo Melkas, Heikki Ovaskainen, Asko Poikela,
LisätiedotHakkuukonetiedosta simuloidut puun sijainnit kaukokartoituksen opetusaineistona
Hakkuukonetiedosta simuloidut puun sijainnit kaukokartoituksen opetusaineistona Metsätehon tuloskalvosarja 5/2019 Jussi Peuhkurinen & Sanna Sirparanta, Arbonaut Oy Timo Melkas & Kirsi Riekki, Metsäteho
LisätiedotKehittyvästä metsätiedosta lisätehoa puuhuoltoon. Jarmo Hämäläinen Metsäteho Oy
Kehittyvästä metsätiedosta lisätehoa puuhuoltoon Jarmo Hämäläinen Metsäteho Oy Puunhankinnan uudet tavat ja työkalut Teollisuuden Metsänhoitajien, Koneyrittäjien ja Metsätehon yhteisseminaari. Metsäpäivät
LisätiedotTukkiröntgendata sahapuun ohjauksessa
Tukkiröntgendata sahapuun ohjauksessa Tapio Räsänen Metsäteho Oy FOREST BIG DATA hankkeen tulosseminaari 8.3.2016 Heureka, Vantaa Kehittämistavoitteet Tavoitteena on parantaa puutuoteteollisuuden arvoketjun
LisätiedotPuustotietojen keruun tekniset vaihtoehdot, kustannustehokkuus ja tarkkuus
Puustotietojen keruun tekniset vaihtoehdot, kustannustehokkuus ja tarkkuus Janne Uuttera Metsätehon seminaari 8.5.2007 Metsävaratietojärjestelmien tulevaisuus Tausta Tietojohtamisen välineissä, kuten metsävaratietojärjestelmissä,
LisätiedotMETSÄSUUNNITTELU. Metsäkurssi JKL yo 2014 syksy. Petri Kilpinen, Metsäkeskus, Keski-Suomi
METSÄSUUNNITTELU Metsäkurssi JKL yo 2014 syksy Petri Kilpinen, Metsäkeskus, Keski-Suomi 1 SISÄLTÖ metsäsuunnitelman sisältö metsävaratiedon keruu Muut tuotteet / palvelut Metsävaratiedon keruu tulevaisuudessa.
LisätiedotJani Heikkilä, Myyntijohtaja, Bitcomp Oy. Kantoon -sovellus ja muut metsänomistajan palvelut
Jani Heikkilä, Myyntijohtaja, Bitcomp Oy Kantoon -sovellus ja muut metsänomistajan palvelut Missio: Tietojärjestelmämme tuottavat asiakkaillemme aitoa arvoa ja rahassa mitattavia hyötyjä. Bitcomp Oy osaamista
LisätiedotKuortaneen ajantasaistushanke
Kuortaneen ajantasaistushanke 2006-2008 Eri-ikäisen metsävaratiedon ajantasaistaminen yksityismetsissä eri toimijoiden tuottaman toteutustiedon hyödyntäminen suuralueella Kuortaneen seminaari 10.9.2007
LisätiedotPuuhuolto 2030-luvulle vastuullisuus samaan pakettiin. Heikki Pajuoja Metsäteho Oy Metsäpäivät
Puuhuolto 2030-luvulle vastuullisuus samaan pakettiin Heikki Pajuoja Metsäteho Oy Metsäpäivät 9.11.2017 Metsäteho yhdistää ja aktivoi Omistajat T&K-verkosto Tutkimusyksiköt Yliopistot Kone-/laitevalmistajat
LisätiedotPUU LIIKKEELLE JA UUSIA TUOTTEITA METSÄSTÄ
PUU LIIKKEELLE JA UUSIA TUOTTEITA METSÄSTÄ Metsätieto ja sähköiset palvelu 1 Metsätieto ja sähköiset palvelu Biotalous ja puhtaat ratkaisut Kärkihanke 2: Puu liikkeelle ja uusia tuotteita metsästä Toimenpide
LisätiedotLaserkeilaus yksityismetsien inventoinnissa
Kuvat Arbonaut Oy Laserkeilaus yksityismetsien inventoinnissa Laserkeilaus ja korkeusmallit Maanmittauslaitoksen seminaari 9.10.2009 Juho Heikkilä Metsätalouden kehittämiskeskus Tapio Sisältö Kuva Metla
LisätiedotTukkiröntgendata sahapuun ohjauksessa
Tukkiröntgendata sahapuun ohjauksessa Tapio Räsänen Metsäteho Oy FOREST BIG DATA hankkeen tulosseminaari 8.3.2016 Heureka, Vantaa Kehittämistavoitteet Tavoitteena on parantaa puutuoteteollisuuden arvoketjun
LisätiedotAJANTASAINEN METSÄVARATIETO NEUVONNAN JA OPERATIIVISEN SUUNNITTELUN VÄLINEEKSI
AJANTASAINEN METSÄVARATIETO NEUVONNAN JA OPERATIIVISEN SUUNNITTELUN VÄLINEEKSI 2004-2007 1 Metsäsuunnitteluseminaari Kuortane 10.9.2007 Risto Helle, Pohjois-Savon metsäkeskus Hankkeen tausta ja tarve Nykyisten
LisätiedotKantokäsittelyliuoksen kulutus juurikäävän torjunnassa
Kantokäsittelyliuoksen kulutus juurikäävän torjunnassa Metsätehon tuloskalvosarja 5/2018 Kalle Kärhä, Ville Koivusalo & Matti Ronkanen, Stora Enso Oyj Metsä Teijo Palander, Itä-Suomen yliopisto Asko Poikela,
LisätiedotKesäseminaari 4.6.2015. Jani Heikkilä Metsä mukaasi Kantoon sovelluksella
Kesäseminaari 4.6.2015 Jani Heikkilä Metsä mukaasi Kantoon sovelluksella Kesäseminaari 4.6.2015 Jani Heikkilä, Myyntijohtaja Metsä mukaasi Kantoon - sovelluksella Mobiililaajennus Metsään.Ai - palveluun
LisätiedotTree map system in harvester
Tree map system in harvester Fibic seminar 12.6.2013 Lahti Timo Melkas, Metsäteho Oy Mikko Miettinen, Argone Oy Kalle Einola, Ponsse Oyj Project goals EffFibre project 2011-2013 (WP3) To evaluate the accuracy
LisätiedotLaserkeilauspohjaiset laskentasovellukset
Laserkeilauspohjaiset laskentasovellukset Petteri Packalén Matti Maltamo Laseraineiston käsittely: Ohjelmistot, formaatit ja standardit Ei kovin monia ohjelmia laserpisteaineiston käsittelyyn» Terrasolid
LisätiedotMetsävaratiedon hyödyntäminen yksityismetsätaloudessa. Päättäjien Metsäakatemian kurssi 24.5.2012 Ari Meriläinen Suomen metsäkeskus
Metsävaratiedon hyödyntäminen yksityismetsätaloudessa Päättäjien Metsäakatemian kurssi 24.5.2012 Ari Meriläinen Suomen metsäkeskus 1 Metsäinventointi uudistuu Vanha tapa: aluesuunnittelu kuljetaan jalkaisin
LisätiedotMetsään peruskurssi. Sisältö
Laserkuva Metla Metsään peruskurssi Metsäomaisuuden hoito 19.3.2013 Metsävaratieto ja sen hyödyntäminen Marko Mustonen Metsäneuvoja Suomen metsäkeskus, Julkiset palvelut / Keski-Suomi Sisältö 1. Yleistä
LisätiedotPuun kasvu ja runkomuodon muutokset
Puun kasvu ja runkomuodon muutokset Laserkeilaus metsätieteissä 6.10.2017 Ville Luoma Helsingin yliopisto Centre of Excellence in Laser Scanning Research Taustaa Päätöksentekijät tarvitsevat tarkkaa tietoa
LisätiedotUusiutuvan energian velvoite Suomessa (RES direktiivi)
Hakkuutähteen paalaus ja kannonnosto kuusen väliharvennuksilta Juha Nurmi, Otto Läspä and Kati Sammallahti Metla/Kannus Energiapuun saatavuus, korjuu ja energiaosuuskunnat Keski-Pohjanmaalla Forest Power
LisätiedotOlosuhdetieto. Metsäntutkimuksen ja päätöksenteon apuna. Metsäteho Timo Tokola. UEF // University of Eastern Finland
Olosuhdetieto Metsäntutkimuksen ja päätöksenteon apuna Metsäteho 22.6.2016 Timo Tokola Metsätiedon kehittämisen kokonaisuus Tokola 21.11.2016 2 Tausta ja sisältö Olosuhdetieto puunkorjuussa Suvinen et
LisätiedotMETSÄSUUNNITTELU YKSITYISMETSISSÄ
1 METSÄSUUNNITTELU YKSITYISMETSISSÄ KEHITYS: 50-70 luvut: tilakohtaisia suunnitelmia 1975: alueellinen metsäsuunnittelu, keskitetty järjestelmä 1985: Taso-metsätaloussuunnitelma, kerättiin tarkempia puustotietoja
LisätiedotMETSÄTIEDOT KOHTI 2020-LUKUA Janne Uuttera UPM
METSÄTIEDOT KOHTI 2020-LUKUA 15.4.2015 Janne Uuttera UPM Esityksen sisältö 1. Lähihistorian kehitysaskeleet 2. Seuraavan sukupolven järjestelmän visioita 3. Lähitulevaisuuden kehitysaskeleet UPM Metsäkeskuksen
LisätiedotKullaa 28.10.2014. Asiakkuusasiantuntija Jussi Somerpalo
Kullaa 28.10.2014 Asiakkuusasiantuntija Jussi Somerpalo Metsään.fi-palvelu Sähköinen asiointipalvelu metsänomistajille ja metsäalan toimijoille Metsäkeskuksen keräämät metsätiedot Hakkuu- ja hoitotyöehdotukset
LisätiedotMetsävaratietolähteet
Metsävaratietolähteet Metsätehon iltapäiväseminaari Metsänomistus, puun tarjonta ja metsätietolähteet 24.5.2011 Tapio Räsänen 1. Oston sekä puunhankinnan suunnittelun ja ohjauksen tietotarpeet Oston strategiat
LisätiedotKaukokartoitusaineistojen hyödyntäminen toiminnanohjausjärjestelmässä 5.6.2014
Kaukokartoitusaineistojen hyödyntäminen toiminnanohjausjärjestelmässä 5.6.2014 Jani Heikkilä Bitcomp Oy Uuden ajan toiminnanohjausjärjestelmät Modulaarisia selainsovelluksia Käytettävissä selaimella työskentelypaikasta
LisätiedotKehittynyt katkonnan ohjaus ja ennakkosuunnittelutiedon tarkkuus Metsätehon tuloskalvosarja 6/2015
Kehittynyt katkonnan ohjaus ja ennakkosuunnittelutiedon tarkkuus Kalle Kärhä, Jari Ronkainen & Pekka T. Rajala, Stora Enso Oyj Metsä Joonas Mutanen & Teijo Palander, Itä-Suomen yliopisto Tapio Räsänen
LisätiedotSIMO-pilotointi Metsähallituksessa. SIMO-seminaari
SIMO-pilotointi Metsähallituksessa SIMO-seminaari Hakkuiden optimointi tiimitasolla Metsähallituksen metsissä Heli Virtasen Pro gradu -tutkielma Tutkimusalue ja aineisto Metsätalouden Kainuun alue Kuhmon
LisätiedotPaikkatiedon hyödyntämisen mahdollisuudet ja haasteet
Paikkatiedon hyödyntämisen mahdollisuudet ja haasteet Kehittyvä metsäenergia seminaari 18.11.2009 Jarmo Sinko Suunnittelupäällikkö Etelä-Pohjanmaan metsäkeskus 1 Esityksen sisältö Energiapuu metsävaratiedoissa
LisätiedotTERRAMONITOR HAKKUIDEN MUUTOSTULKINTA JA RAJAUS PERUSTUEN SENTINEL-2 SATELLIITTIKUVA-AINEISTOON SUOMEN METSÄKESKUKSELLE RAPORTTI 13.2.
TERRAMONITOR HAKKUIDEN MUUTOSTULKINTA JA RAJAUS PERUSTUEN SENTINEL-2 SATELLIITTIKUVA-AINEISTOON SUOMEN METSÄKESKUKSELLE RAPORTTI 13.2.2019 Terramonitor 00240 Helsinki FINLAND contact@terramonitor.com 1
LisätiedotMetsäalueen kuviointi laserkeilausaineiston ja soluautomaatin avulla
Metsäalueen kuviointi laserkeilausaineiston ja soluautomaatin avulla Taksaattoriklubin vuosikokous 9.4.2019 Eero Viitanen Taustaa Metsikkökuvio Oliver & Larson: Spatiaalisesti jatkuva joukko puita ja muuta
LisätiedotForest Big Data Visio tulevaisuuden metsätiedosta
Forest Big Data Visio tulevaisuuden metsätiedosta Pekka T. Rajala, Ex-Kehitysjohtaja, Stora Enso Metsä Maaseudun hyvä tulevaisuus -seminaari Keski-Pohjanmaan kansanopisto, Kälviä, Tehokas puuhuolto 2025
LisätiedotMetsävarojen inventoinnissa ollaan siirtymässä
Timo Melkas ja Arto Visala Hakkuukoneella kerätyn mittaustiedon hyödyntäminen e e m t a Laserkeilauksen ja hakkuukonemittausten yhdistämisellä tarkkaa puukohtaista tietoa Metsävarojen inventoinnissa ollaan
LisätiedotARVO-ohjelmisto pienpuun hankinnan tukena
ARVO-ohjelmisto pienpuun hankinnan tukena Jukka Malinen Pienpuupäivä Keskiviikko 17.11.2010 Mikpoli, auditorio, Patteristonkatu 2, 50100 Mikkeli Metsäntutkimuslaitos Skogsforskningsinstitutet Finnish Forest
LisätiedotMetsätiedon lähteet ja soveltaminen
Metsätiedon lähteet ja soveltaminen Tapio Räsänen Metsäteho Oy EP-Digi Mitkä ovat digitaalisten tekniikoiden mahdollisuudet metsätaloudessa? Seinäjoki 22.3.2017 Esityksen aiheet 1. Puuhuollon visio 2.
LisätiedotKaukokartoitusaineistot ja maanpeite
Kansallinen maastotietokanta hanke Maasto-työpaja 20.9.2016 Kaukokartoitusaineistot ja maanpeite Pekka Härmä Suomen Ympäristökeskus 1 Sisältö SYKE tietotarpeet Tietolähteet maanpeitetiedon tuottamisessa
LisätiedotForest Big Data, uuden sukupolven metsävara7etojärjestelmät Tapio Räsänen Metsäteho Oy
Forest Big Data, uuden sukupolven metsävara7etojärjestelmät Tapio Räsänen Metsäteho Oy Bitcomp Oy:n kesäseminaari 4.6.2015 Vantaa www.metsateho.fi Tehokas puuhuolto 2025 -visio Tehostuva, täsmäohjattu
LisätiedotKaukokartoituspohjainen metsien inventointi Suomessa - mitä tästä eteenpäin? Petteri Packalen
Laserkeilausseminaari 2017 MML 12.10.2017 Kaukokartoituspohjainen metsien inventointi Suomessa - mitä tästä eteenpäin? Petteri Packalen Metsien inventointi Suomessa Kaksi erityyppistä inventointia: Valtakunnan
LisätiedotTRESTIMA. Digitaalisten tekniikoiden mahdollisuudet metsätaloudessa , Seinäjoki. Simo Kivimäki
TRESTIMA Digitaalisten tekniikoiden mahdollisuudet metsätaloudessa 22.3.2017, Seinäjoki Simo Kivimäki simo.kivimaki@trestima.com 050 3872891 Trestima Oy Vuonna 2012 perustettu metsäsektorille erikoistunut
LisätiedotMetsävaratietojen jatkuva ajantasaistus metsäsuunnittelussa, MEJA. Pekka Hyvönen Kari T. Korhonen
Metsävaratietojen jatkuva ajantasaistus metsäsuunnittelussa, MEJA Pekka Hyvönen Kari T. Korhonen Metsäntutkimuslaitos Skogsforskningsinstitutet Finnish Forest Research Institute www.metla.fi Taustaa Nykyinen
LisätiedotMetsätiedon liiketoimintamallit - selvityksen anti, miten tästä eteenpäin. Tuomo Vuorenpää
Metsätiedon liiketoimintamallit - selvityksen anti, miten tästä eteenpäin Tuomo Vuorenpää Esityksen sisältö Datamäärät kasvussa Metsäkeskuksen avautuva metsävaratieto & metsään.fi Raakadatan jalostaminen
LisätiedotLaserkeilaus (Lapin) metsävarojen hyödyntämisessä. Anssi Juujärvi Lapin metsätalouspäivät
metsävarojen hyödyntämisessä Anssi Juujärvi Lapin metsätalouspäivät 28.1.2016 -Metsävaratietojen tuottaminen -Metsävaratietojen hyödyntäminen -Mikä muuttuu 1.1.2016 alkaen 28.1.2016 Suomen metsäkeskus
LisätiedotKasvatettavan puuston määritys koneellisessa harvennuksessa
Kasvatettavan puuston määritys koneellisessa harvennuksessa Etelä-Suomi Ohje hakkuukoneen kuljettajalle HARVENNUKSEN TAVOITTEET Harvennuksen tavoitteena on keskittää metsikön puuntuotoskyky terveisiin,
LisätiedotENERGIAPUUKOHTEEN TUNNISTAMINEN JA OHJAAMINEN MARKKINOILLE
ENERGIAPUUKOHTEEN TUNNISTAMINEN JA OHJAAMINEN MARKKINOILLE METSÄ metsänomistajat PROMOOTTORI metsäsuunnittelu ja -neuvonta MARKKINAT polttopuu- ja lämpöyrittäjät metsäpalveluyrittäjät energiayhtiöt metsänhoitoyhdistykset
LisätiedotMetsäkonetieto puustotulkinnan apuaineistona MEAPU-hankkeen loppuraportti
1 Metsäkonetieto puustotulkinnan apuaineistona MEAPU-hankkeen loppuraportti Markus Holopainen, Mikko Vastaranta, Atte Saukkola, Jussi Peuhkurinen, Sanna Sirparanta, Heikki Astola, Laura Sirro, Tuomas Häme,
LisätiedotMetsävaratietojen ja digitalisaation hyödyntäminen biotalouden kasvussa Etelä- Savossa-hanke
Metsävaratietojen ja digitalisaation hyödyntäminen biotalouden kasvussa Etelä- Savossa-hanke Metsänomistajia tavoitetaan tiedonvälitystilaisuuksissa eri teemoin. Metsänomistajat saadaan hyödyntämään aktiivisemmin
LisätiedotJoukkokäsittelyn työmallit. Heikki Ovaskainen
Joukkokäsittelyn työmallit Heikki Ovaskainen Metsätehon tuloskalvosarja 8a/2014 Esityksen sisältö Taustaa Uusien joukkokäsittelyn työmallien kuvaus Aineisto ja menetelmät Tulokset - ajanmenekki ja tuottavuus
LisätiedotTaimikkotiedon tuottamisen automatisonti koneoppimisen avulla Loppuraportti
Taimikkotiedon tuottamisen automatisonti koneoppimisen avulla Loppuraportti Loppuraportti 2 (11) Tiivistelmä Taimikkotiedon tuottamisen automatisointi koneoppimisen avulla 6/2018-3/2019 Taimikkotiedon
LisätiedotTiheäpulssinen ja monikanavainen laserkeilausaineisto puulajeittaisessa inventoinnissa
Metsätieto ja sähköiset palvelut -hankkeen lopputulosseminaari Helsinki, 22.1.2019 Tiheäpulssinen ja monikanavainen laserkeilausaineisto puulajeittaisessa inventoinnissa Petteri Packalen, Eetu Kotivuori,
LisätiedotTuuli- lumituhojen ennakointi. Suomen metsäkeskus, Pohjois-Pohjanmaa Julkiset palvelut K. Maaranto
Tuuli- lumituhojen ennakointi Suomen metsäkeskus, Pohjois-Pohjanmaa Julkiset palvelut K. Maaranto Tuuli- lumituhojen ennakointi 1. Ilmastonmuutos 2. Kaukokartoitusperusteinen metsien inventointi Laserkeilaus
LisätiedotVaihtoehtoisia malleja puuston kokojakauman muodostamiseen
Vaihtoehtoisia malleja puuston kokojakauman muodostamiseen Jouni Siipilehto, Harri Lindeman, Jori Uusitalo, Xiaowei Yu, Mikko Vastaranta Luonnonvarakeskus Geodeettinen laitos Helsingin yliopisto Vertailtavat
LisätiedotKoneellisen harvennushakkuun työnjälki. Koneellisen harvennushakkuun tuottavuus -projektin osaraportti
Koneellisen harvennushakkuun työnjälki Koneellisen harvennushakkuun tuottavuus -projektin osaraportti Arto Kariniemi Teppo Oijala Juha Rajamäki Metsätehon raportti 12 18.12.1996 Osakkaiden yhteishanke
LisätiedotENNAKKORAIVAUS JA ENERGIAPUUN HAKKUU SAMALLA HAKKUULAITTEELLA. Alustavia kokeita
ENNAKKORAIVAUS JA ENERGIAPUUN HAKKUU SAMALLA HAKKUULAITTEELLA Alustavia kokeita 1 Risutec L3A hakkuulaite Risutec L3A:n tekniset tiedot Paino 560 kg Öljyvirtaus 120 l/min Maksimipaine 240 bar Katkaisukapasiteetti
LisätiedotMetsähallituksen kokemuksia erityishakkuista
Metsähallituksen kokemuksia erityishakkuista Metla/Tikkurila 22.3.2013 Niklas Björkqvist Hakkuutavan valinta Tavanomaiset monikäyttömetsät Yleensä tavanomainen uudistushakkuu, selkeä uudistamisvaihe Erityiskohteet,
LisätiedotPilotti: Lumitöiden estekartoitus. Pilottisuunnitelma
1 (8) BUILT ENVIRONMENT PROCESS RE-ENGINEERING (PRE) WP5: InfraFINBIM Pilotti: Lumitöiden estekartoitus Pilottisuunnitelma Muutoshistoria: Versio Pvm Tila (luonnos / ehdotus / hyväksytty) Tekijä(t) Huomautukset
LisätiedotAutomaattisen kuvioinnin kehittäminen (kärkihankeprojekti: 21003/512)
Automaattisen kuvioinnin kehittäminen (kärkihankeprojekti: 21003/512) Kuvioinnin kehittäminen 2 (34) Sisällys 1 Johdanto... 3 2 Leimikko-optimoinnilla staattinen ja kattava toimenpidekuviointi... 5 2.1
LisätiedotHakkuukoneella kerätyn puustotiedon hyödyntäminen
Metsätehon raportti 237 13.10.2015 Hakkuukoneella kerätyn puustotiedon hyödyntäminen Menetelmäkuvaus kaukokartoituksen referenssitiedon keräämiseen ja metsävaratietojen päivitykseen Timo Melkas Jarmo Hämäläinen
LisätiedotAsioita Metsään.fi-palvelusta ja luomuasioiden huomioimisesta. Luomukeruun mahdollisuudet -seminaari Veikko Iittainen
Asioita Metsään.fi-palvelusta ja luomuasioiden huomioimisesta Luomukeruun mahdollisuudet -seminaari 7.2.2018 Veikko Iittainen 2 Metsään.fi-palvelun periaatteet Metsään.fi on asiointipalvelu metsänomistajille
LisätiedotTrimble Forestry. Juha Käppi, ,
Trimble Forestry Juha Käppi, 040-3040 32, juha.kappi@trimble.com Trimble pähkinänkuoressa Yritys Innovaatiot Ihmiset NASDAQ: TRMB 2 000 Patenttia 9000+ työntekijää 35 maassa $2.36 Mrd Liikevaihto 4 % Tuotekehitykseen
LisätiedotHieskoivikoiden avo- ja harvennushakkuun tuottavuus joukkokäsittelymenetelmällä
Hieskoivikoiden avo- ja harvennushakkuun tuottavuus joukkokäsittelymenetelmällä Juha Laitila, Pentti Niemistö & Kari Väätäinen Metsäntutkimuslaitos 28.1.2014 Hieskoivuvarat* VMI:n mukaan Suomen metsissä
LisätiedotSystemaattisuus työmalleissa puunkorjuussa
Systemaattisuus työmalleissa puunkorjuussa METKA-koulutus Systemaattisen energiapuuharvennuksen teemapäivä Heikki Ovaskainen Erikoistutkija Sisältö Taustaa työmalleista Uusien joukkokäsittelyn työmallien
LisätiedotNUMEERISET ILMAKUVAT TAIMIKON PERKAUSTARPEEN MÄÄRITTÄMISESSÄ
NUMEERISET ILMAKUVAT TAIMIKON PERKAUSTARPEEN MÄÄRITTÄMISESSÄ Selvitettiin numeeristen ilmakuva-aineistojen hyödyntämismahdollisuuksia taimikon puustotunnusten ja perkaustarpeen määrittämisessä. Tuukka
LisätiedotMetsätaloustoimenpiteiden seuranta Metsähallituksessa. Lauri Karvonen 13.3.2012
Metsätaloustoimenpiteiden seuranta Metsähallituksessa Lauri Karvonen 13.3.2012 Toiminnan ohjeistuksen runkona Ympäristö- ja laatujärjestelmä (YLJ) Metsähallituksen YLJ perustuu ISO 14001- ja ISO 9001-
LisätiedotTaimikonhoidon vaikutukset metsikön
Taimikonhoidon vaikutukset metsikön jatkokehitykseen ja tuotokseen Saija Huuskonen Metsäntutkimuslaitos Skogsforskningsinstitutet Finnish Forest Research Institute www.metla.fi Sisältö 1. Taimikonhoidon
LisätiedotMetsätieto 2020 - Kehittämissuunnitelma
Metsätieto 2020-17.12.2015 Metsätieto 2020 1 SISÄLLYSLUETTELO TIIVISTELMÄ 3 1 JOHDANTO... 3 2 TAVOITETILAN LYHYT KUVAUS... 4 3 AINEISTOT JA MENETELMÄT... 6 4 KEHITTÄMISSUUNNITELMA... 7 4.1 Lainsäädännön
LisätiedotMonilähdetietoa hyödyntävien karttaopasteiden tarve puunkorjuussa haastattelututkimus hakkuukoneenkuljettajille
Monilähdetietoa hyödyntävien karttaopasteiden tarve puunkorjuussa haastattelututkimus hakkuukoneenkuljettajille Jarkko Kauppinen, Kari Väätäinen, Simo Tauriainen, Kalle Einola ja Matti Sirén Forest Big
LisätiedotDigiroad metsätietiedon jakelualustana. Marko Keisala, Suomen metsäkeskus
Digiroad metsätietiedon jakelualustana Marko Keisala, Suomen metsäkeskus Digiroad Kansallinen tie- ja katutietojärjestelmä Suomen tie- ja katuverkon tarkat sijainnit sekä tärkeimmät ominaisuustiedot Yhteensä
LisätiedotJohdanto. 2) yleiskaava-alueella, jos yleiskaavassa niin määrätään; eikä
Metsäsanasto 2 (12) Johdanto Maisematyölupahakemuksia tehdessään eri tahojen suositellaan kutsuvan eri hakkuutapoja tässä sanastossa esitetyillä nimillä. Tekstin tarkoituksena on selventää ja yhtenäistää
Lisätiedot