LASERKEILAUS METSÄOMAISUUDEN TALOUDELLISEN ARVONMÄÄRITTÄMISEN APUVÄLINEENÄ. Markus Holopainen 1, Kauko Viitanen 2

Koko: px
Aloita esitys sivulta:

Download "LASERKEILAUS METSÄOMAISUUDEN TALOUDELLISEN ARVONMÄÄRITTÄMISEN APUVÄLINEENÄ. Markus Holopainen 1, Kauko Viitanen 2"

Transkriptio

1 The Photogrammetric Journal of Finland, Vol. 22, No. 3, 2011 LASERKEILAUS METSÄOMAISUUDEN TALOUDELLISEN ARVONMÄÄRITTÄMISEN APUVÄLINEENÄ Markus Holopainen 1, Kauko Viitanen 2 1 Helsingin yliopisto, Metsätieteiden laitos 2 Aalto-yliopisto, Insinööritieteiden korkeakoulu, Maanmittaustieteiden laitos markus.holopainen@helsinki.fi, kauko.viitanen@aalto.fi TIIVISTELMÄ Metsäomaisuuden taloudellisen arvon määrittäminen on haastavaa johtuen metsänkasvatuksen pitkästä aikajänteestä sekä laskelmissa käytettävien lähtötietojen, mallien ja taloudellisten muuttujien epävarmuudesta. Metsäkiinteistöjen arvonmäärityksen käytäntöä ei ole pystytty standardoimaan, koska kaikissa käytössä olevissa menetelmissä on merkittäviä ongelmakohtia. Ennen kaikkea laskennan lähtökohtana käytettävän inventointitiedon tarkkuus ja ajantasaisuus vaikuttavat olennaisesti metsäomaisuuden arvonmäärityksen lopputulokseen. Tässä artikkelissa esitellään, kuinka metsäomaisuuden arvonmäärityksen lähtötietoon liittyvää epävarmuutta on mahdollista huomioida sekä kuinka uutta, laserkeilaukseen perustuvaa metsien inventointimenetelmää voidaan hyödyntää metsäomaisuuden arvonmäärityksessä. Tarkastelun lähtökohtana on Aalto-yliopiston maanmittaustieteiden laitokselle tehty väitöskirja Effect of airborne laser scanning accuracy on forest stock and yield estimates (Holopainen 2011). Väitöskirjassa tutkittiin lentolaserkeilaukseen (airborne laser scanning, ALS) perustuvan metsäninventoinnin epävarmuutta metsätaloudellisen tuottoarvon (net present value, NPV) laskennassa. Inventointiin liittyvää epävarmuutta verrattiin simulointilaskennassa käytettävien kasvuennusteiden ja raakapuun hintakehityksen epävarmuuteen eri korkokannoilla. Lisäksi selvitettiin inventointitiedon tarkkuuden vaikutusta metsäsuunnittelulaskennan hakkuiden ajoitukseen sekä puutavaralajien määrän estimointiin. Kehitetty menetelmä mahdollistaa esimerkiksi luottamusvälien muodostamisen metsätaloudellisille tuottoarvolaskelmille. Lisäksi pystytään vertailemaan eri epävarmuustekijöiden merkityksiä sekä saadaan kuva siitä, minkä epävarmuuden vähentämiseen kannattaisi panostaa. 1. JOHDANTO Metsän taloudellinen arvo on keskeinen kiinnostuksen kohde niin metsänomistajan kuin metsä- ja maanmittausorganisaatioiden näkökulmasta. Metsäomaisuuden taloudellinen arvo voidaan määrittää esimerkiksi summa-arvomenetelmällä, markkinat huomioivalla tuottoarvomenetelmällä tai metsätaloudellisella tuottoarvomenetelmällä (Holopainen & Viitanen, 2009). Kaikissa näissä menetelmissä tarvitaan metsikkötason nettonykyarvolaskentaa (net present value, NPV). Lisäksi käytetään jonkin verran kauppa-arvomenetelmää, jossa metsäomaisuuden arvoa arvioidaan markkinahintojen eli toteutuneiden metsätilakauppojen perusteella. Taimikoiden osalta hyödynnetään myös kustannusarvomenetelmää. Metsätaloudellisessa tuottoarvomenetelmässä (Holopainen & Viitanen, 2009) metsikön tai metsälön taloudellinen arvo määritetään kaikkien tulevaisuudessa odotettavissa olevien tulojen ja menojen nykyarvojen erotuksena. Menetelmän voidaan katsoa perustuvan Faustmannin (1849) maankorkoteoriaan. Useimmiten tulojen ja menojen arviointi perustuu metsäsuunnitelman hakkuuja toimenpidesuosituksiin. Tulot ja menot arvioidaan puuntuotosennusteiden perusteella, jotka 176

2 yleensä määritetään metsäsuunnitteluohjelmiston simulointi- ja optimointilaskelmilla. Metsätaloudellisen tuottoarvon määrittämisen kannalta ratkaisevia kysymyksiä ovat optimaalisen kiertoajan laskenta, hakkuiden ajoitus ja niiden voimakkuuden määrittäminen, puun kantohinta, puuntuotantoon liittyvät kustannukset sekä laskentakorkokanta. Tarkasteltaessa metsätaloudellista tuottoarvoa kiinteistöarvioinnin kansainvälisten arviointistandardien (International Valuation Standard Council, 2007) mukaisesti on korostettava, että menetelmä ei lähtökohtaisesti ole markkinaperusteinen, joten se poikkeaa kiinteistöarvioinnin yleensä tavoittelemasta tuottoarvosta (markkina-arvo). Metsätaloudellisen tuottoarvon voidaan katsoa kuvaavan metsikön tai metsälön investointi-/sijoitusarvoa tai jo hankitun ja pidettäväksi aiotun metsäkiinteistön tuotannollista arvoa (Holopainen & Viitanen, 2009). Metsäomaisuuden markkina-arvo voidaan määrittää myös metsätaloudellisen tuottoarvolaskennan kautta, mutta se vaatii tuekseen metsäkiinteistöjen markkinatilanteen ja kauppahintojen tarkastelua. Markkinatietoa voidaan hyödyntää summa-arvomenetelmän kokonaisarvon korjauskertoimen tai metsätaloudellisessa tuottoarvolaskennessa käytettävän korkokannan määrittämisessä (Hannelius & Airaksinen, 2005; Airaksinen, 2008). Käytännössä metsätaloudellisen tuottoarvon määrittäminen on osa metsäsuunnittelulaskentaa perustuen simuloituihin puu- tai metsikkötason kehitystä kuvaaviin skenaarioihin, joista valitaan optimoimalla metsänomistajan tai metsäsuunnittelijan tavoitteet parhaiten toteuttava vaihtoehto. Myös summa-arvomenetelmässä käytettävät "Tapion taulukot" on muodostettu simulointilaskennalla. Metsäsuunnittelun simuloinnit perustuvat suureen joukkoon puiden tai metsiköiden kehitystä kuvaavia malleja ( mallia käytettävästä metsäsuunnitteluohjelmistosta riippuen). Metsää kuvaavat mallit eivät koskaan voi olla täydellisiä, olipa niiden laadintamenetelmä mikä tahansa. Esimerkiksi metsätaloudellisen tuottoarvon kannalta keskeiset kasvumallit pitävät sisällään metsikkötasolla n. 20 %:n keskivirheen, joka voi puu- ja aluekohtaisesti olla huomattavasti tätäkin suurempi. Metsäsuunnittelun optimointilaskennassa määritetään mm. metsikkötason optimaaliset kiertoajat ja hakkuiden ajankohdat. Ongelman monimutkaisuutta lisää se, että epävarmuustekijät kumuloituvat pitkien malliketjujen ja pitkän tarkasteluajanjakson vuoksi. Jos laskennan lähtötieto on epätarkkaa, vaikuttaa se merkittävästi simulointimallien toimintaan, ja jos simuloinnin lopputulos ei vastaa todellisuutta, ei optimoinnissakaan päästä oikeaan ratkaisuun. Toki eri virhelähteet voivat joissakin tapauksessa myös kumota toisiaan. Riippumatta metsäomaisuuden arvonmäärityksessä käytettävästä menetelmästä, on laskelmissa käytettävän lähtötiedon epävarmuudella eli metsävarojen inventointitiedon tarkkuudella suuri merkitys tuloksen luotettavuuteen. Metsätaloudelliseen tuottoarvomenetelmään perustuvissa laskelmissa inventointitiedon virheiden lisäksi kaksi muuta keskeistä epävarmuuden lähdettä ovat simulointilaskennassa käytettävien metsien kehitystä kuvaavien mallien tarkkuus ja raakapuun hintakehityksen ennustaminen. Suomessa ollaan parhaillaan siirtymässä ensimmäisten maiden joukossa maailmassa metsäsuunnittelujärjestelmiin, joissa hyödynnetään laserkeilaukseen perustuvaa inventointimenetelmää. Laserkeilaus avaa mielenkiintoisia mahdollisuuksia metsän arvonmäärityksessä, sillä uuden inventointimenetelmän avulla on mahdollista saada kustannustehokkaasti entistä tarkempia puustoja tuottoarvioita. Tässä artikkelissa tarkastellaan, kuinka metsäomaisuuden arvonmäärityksen lähtötietoon liittyvää epävarmuutta on mahdollista huomioida sekä kuinka uutta, laserkeilaukseen perustuvaa metsien inventointimenetelmää voidaan hyödyntää metsäomaisuuden arvonmäärityksessä. Tarkastelun 177

3 lähtökohtana on Aalto-yliopiston maanmittaustieteiden laitokselle tehty väitöskirja Effect of airborne laser scanning accuracy on forest stock and yield estimates (Holopainen, 2011). 2. METSÄSUUNNITTELUN SIMULOINTI- JA OPTIMOINTIJÄRJESTELMÄT Suomessa eniten käytetty metsäsuunnittelun simulointi- ja optimointiohjelmisto on Metsäntutkimuslaitoksessa kehitetty MELA (MEtsäLAskelma)-ohjelmisto. MELA-ohjelmisto on metsätalouden suunnittelutyökalu, joka koostuu yksittäisten puiden tasolla toimivasta metsikkösimulaattorista sekä lineaariseen ohjelmointiin (JLP, Lappi, 1992) perustuvasta optimoinnista. Simulaattori tuottaa käsittely- ja kehitysvaihtoehtoja, joita vertaillaan optimoinnin avulla. Optimoinnissa lineaariselle tavoitefunktiolle haetaan maksimia tai minimiä lineaaristen rajoitteiden suhteen (Lappi, 1992; Siitonen, 1996). MELA:n optimointitehtävä on avoin, mikä tarkoittaa sitä, että se on täysin päätöksentekijän määriteltävissä MELA-mallin yli tuhannesta päätösmuuttujasta tai niiden lineaariyhdistelmästä (Salminen, 1999). MELA:n lähtökohtana voidaan pitää Pekka Kilkin vuonna 1968 ilmestynyttä väitöskirjaa "Income-orientated cutting budget - tulotavoitteiseen perustuva hakkuulaskelma". Helsingin yliopiston metsävarojen käytön laitoksella on vuodesta 2004 kehitetty uutta, entistä joustavampaa ja tarkempaa metsäsuunnittelun laskentaan sekä päätöksentekoon soveltuvaa ohjelmistopakettia SIMO (Simulation and Optimization, Tokola ym., 2006). Hankkeen tavoitteena on ollut rakentaa simulointi- ja optimointiohjelmisto, jonka lähtötietoina voidaan hyödyntää kaiken tasoista / mittakaavaista (puu-, koeala-, kuviotaso) ja tarkkuuksista metsien inventointitietoa. SIMO-ohjelmistossa on siis mahdollista joustavasti muokata tietosisältöä ja mallijoukkoa, jolle metsikön kehityksen ennustaminen perustuu (Tokola ym., 2006; Rasinmäki ym., 2009). Ohjelmistossa voidaan myös huomioida MELA:a paremmin monitavoitteisen metsäsuunnittelun tarpeet. Ohjelmiston mallikirjasto sisältää yli 400 viimeisimmän tutkimustiedon mukaista puiden / puustojen koko-, kasvu-, kehitys-, kuolemis-, toimenpide- ja puuntuotosmallia. Laskennan keskeisenä tavoitteena on tiedon luotettavuustietojen tuottaminen, mikä perinteisestä metsäsuunnittelulaskennasta on puuttunut. Joensuun yliopistossa on puolestaan kehitetty MONSU-ohjelmisto (mm. Pukkala, 2005), jossa perinteisen puuntuotannon ohella voidaan huomioida myös muita kuin puuntuotannollisia tavoitteita sekä hyödyntää spatiaalista optimointia. Summa-arvomenetelmässä hyödynnettävät Tapion taulukot (Paananen, 2008) on puolestaan laskettu MOTTI-metsikkösimulaattorilla (Hynynen ym., 2002, Salminen ym., 2005), jonka sisältämät puu- ja puustotason mallit löytyvät myös MELA-, SIMO- ja MONSU-ohjelmistoista. 3. INVENTOINTITIEDON, KASVUMALLIEN JA PUUN HINTAKEHITYKSEN EPÄVARMUUS 3.1 Inventointitietoon liittyvä epävarmuus Metsäomaisuuden arvonmäärityksessä hyödynnetään enimmäkseen metsäsuunnittelun yhteydessä tai erillisinventointina tuotettua kuvioittaista arviointia. Kuvio määritellään yhtenäiseksi alueeksi, joka on jollain kriteerillä erotettavissa ympäristöstään (Poso, 1983). Metsäsuunnittelussa kuviot rajataan yleensä tulevien toimenpiteiden kannalta yhtenäisiksi alueiksi. Muita kuvion rajauksessa huomioituja tunnuksia ovat metsikön ikä, puulajisuhteet ja pintakasvillisuus. Kuvioittaisen arvioinnin lisäksi muita vaihtoehtoja lähtötiedon tuottamiselle ovat puiden pystymittaus, koe- 178

4 alaotanta, kaukokartoitus sekä kaukokartoituksen ja maastomittausten yhdistelmä. Karkeaa, tilatason tietoa voidaan kerätä esimerkiksi keskiresoluution satelliittikuvatulkinnalla, mutta kuviotai puutasolle pääsemiseen tarvitaan joko maastomittauksia, yksityiskohtaisen kaukokartoituksen eli fotogrammetrisen ilmakuvatulkinnan ja laserkeilauksen käyttöä tai näiden yhdistelmää. Kaikista tarkimpia kaukokartoitusmenetelmiä ovat maastossa tehtävät lasermittaukset, joiden tarkkuus on vertailukelpoinen perinteiseen yksinpuinlukuun (Vastaranta ym., 2009). Kaadetuista puista on tämän lisäksi käytettävissä hakkuukonemittaukseen perustuvat tiedot. Uudet metsävaratiedon keruu- ja päivitysmenetelmät mahdollistavat siirtymisen pienempien osakuvioiden tai hila-alkioiden tarkasteluun, jolloin myös kuvion sisäisen vaihtelun spatiaalinen tarkastelu on mahdollista. Kuvioittainen arviointi perustuu visuaalisena ilmakuvatulkintana tehtävään metsikkökuvioiden rajaukseen sekä kuvioille subjektiivisesti sijoiteltujen relaskooppikoealojen maastomittauksiin. Kuvioittaisen arvioinnin virhelähteitä ovat kuvioiden rajaaminen, relaskooppikoealojen edustavuus ja sijoittelu sekä koealojen mittaus- ja mallivirheet. Kuvioittainen arviointi on subjektiivinen inventointimenetelmä, eikä sen otantavirheen varianssia voida ilman erillisinventointina suoritettavaa tarkastusmittausta estimoida. Kuvioittaisen arvionnin tarkkuutta voidaan arvioida koealaotantaan perustuvien tarkistusmittausten avulla, joissa niissäkin on omia virhelähteitään. Kuvioittaisen arvioinnin arviointivirhe voi olla satunnaista tai systemaattisista. Mittausvirheiksi voidaan lukea myös luokitteluvirheet. Kuvioittaisessa arvioinnissa kuvion puusto-ositteista arvioidaan vain keskitunnuksia, ja arvioija käyttää useimmiten omaa harkintaansa koealojen sijoittelussa ja pohjapinta-alamediaanipuun valinnassa. Kuvioittaisen arvioinnin tarkkuus vaihteleekin huomattavasti arvioijasta riippuen. Kuvioittaisen arvioinnin keskivirhe vaihtelee puuston keskitilavuuden osalta %:n välillä (Poso, 1983; Laasasenaho & Päivinen, 1986; Pussinen, 1992; Haara & Korhonen, 2004a; Saari & Kangas, 2005). Puulajiositteittain virheet ovat huomattavasti tätä suurempia. Kuvioittaisen arvioinnin harha eli systemaattinen virhe liittyy relaskooppiotantaan. Arvioitsija määrittää koealojen paikat subjektiivisesti, jolloin saatetaan suosia joko keskimääräistä tiheämpiä tai harvempia kohtia kuviolla. Suurin syy harhaan on kuitenkin liian pienen relaskooppikertoimen käyttö järeissä puustoissa (Saari & Kangas, 2005), jolloin osa koealaan kuuluvista puista jää toisten katveeseen. Tällöin koealan pohjapinta-alaan ja samalla myös tilavuuteen saadaan aliarvio. Saari & Kangas (2005) saivat relaskooppiotannan harhaksi järeissä metsiköissä noin 20 % aliarvion, joka aiheutti puuston tilavuuteen 25 %:n aliarvion. Suomen metsäorganisaatioista metsähallitus ja metsäalan yritykset ovat siirtyneet suunnittelussaan jatkuvaan ajantasaistukseen. Sen sijaan yksityismetsissä tehdään edelleen perinteiseen tapaan uudet suunnitteluinventoinnit yleensä kymmenen vuoden syklillä. Jatkuvassa ajantasaistuksessa lähtötietoina toimivat kuvioittaisella arvioinnilla kerätyt inventointitiedot. Inventoinnin jälkeen metsän kehitys ja tehtyjen toimenpiteiden vaikutus kuvataan simuloimalla metsän kasvua malleilla. Metsien laserkeilausinventointi voidaan jakaa aluepohjaiseen (Næsset 1997, 2002; Hyyppä & Hyyppä, 1999) ja yksittäisten puiden mittaukseen (Hyyppä & Inkinen, 1999) perustuviin menetelmiin. Aluepohjainen menetelmä (area based approach, ABA; area based statistical approach, ABSA) noudattelee perinteisen tilastolliseen mallintamiseen perustuvan kaukokartoitustulkinnan periaatteita: Otosyksiköstä, esimerkiksi tietyn kokoisesta rasteriruudusta, lasketaan (irrotetaan) kaukokartoituspiirteitä, joiden avulla estimoidaan kiinnostuksen kohteena olevia puusto- ja metsikkötunnuksia. Yksittäisten puiden mittaukseen perustuvassa menetelmässä eli yksinpuinmenetelmässä (Individual Tree Detection, ITD, Single Tree Remote Sensing, STRS) puolestaan mitataan tai estimoidaan puiden pituutta, latvuksen kokoa ja puulajia, joiden avulla voidaan arvioida muita kiinnostuksen kohteena olevia puutunnuksia, kuten rinnankorkeusläpimittaa 179

5 ja tilavuutta. Aluepohjaista tulkintaa voidaan tehdä harvapulssisella laserkeilausaineistolla (pulssitiheys 0,5-2 pulssia / m 2 ). Yksinpuintulkinta vaatii hieman tiheämpipulssista (kalliimpaa) aineistoa (pulssitiheys yli 2 pulssia / m 2 ). Etenkin kuviokohtaisen kokonaistilavuuden arvioinnissa (mm. Næsset, 2002, 2004) laserkeilaukseen perustuvilla 3D-menetelmillä on päästy kuviotasolla parempaan tarkkuustasoon kuin perinteisellä kuvioittaisella arvioinnilla. 3.2 Kasvumalleihin liittyvä epävarmuus Puiden ja metsiköiden kasvu on metsän suunnittelun ja tuottoarvon laskennan kannalta keskeinen tunnus. Metsäomaisuuden arvonmäärityksen näkökulmasta kasvun nopeus on ratkaiseva kiertoaikaan liittyvä tekijä, joten se hyvin pitkälle ohjaa tuottoarvolaskentaa. Lisäksi kasvupaikan puuntuotoskyky eli boniteetti huomioidaan summa-arvomenetelmässä paljaan metsämaan arvoa määritettäessä. Puiden kasvua ei voida mitata suoraan, joten se joudutaan mallittamaan muiden puustoa kuvaavien tunnusten kautta. Kasvumallit voidaan jakaa puutason malleihin ja metsikkötason malleihin. Metsän kasvusimulaattoreita käytetään aiemmin mitatun metsävaratiedon päivitykseen sekä tulevaisuuden kasvun ennustamiseen, jotta voidaan arvioida metsänhoidollisia toimenpiteitä ja ajoittaa hakkuita (Burkhart, 2003). Kasvusimulaattori sisältää useita malleja, joilla mallinnetaan / ennustetaan metsän tunnuslukuja ja kasvua. Mallit eivät voi koskaan olla täydellinen kuvaus todellisesta tilanteesta, joten niiden tuottama kasvuestimaatti sisältää enemmän tai vähemmän epävarmuutta. Epävarmuuden määrä riippuu yksittäisten mallien toiminnasta sekä simuloinnissa käytettävien mallien välisistä riippuvuussuhteista (interaktioista). Kasvun simuloinnissa käytettävät mallit muodostavat monimutkaisen kokonaisuuden, minkä vuoksi yksittäisen mallin sisältämää epävarmuutta on usein vaikea arvioida (Kangas, 1999; Mäkinen ym. 2010). Gertner & Dzialowy (1984), Kangas (1997, 1999) ja Mowrer (1991, 2000) tutkivat eri epävarmuuden komponenttien vaikutusta kasvumallien toiminnassa. Mäkisen ym. (2009) mukaan kasvusimulaattorin yksittäisten mallien analysoinnin sijaan tulisi kuitenkin tarkastella koko simulaattorin sisältämää malliketjua kokonaisuutena. Yksi paljon käytetty menetelmä kasvumallien epävarmuuden tutkimisessa on Monte Carlo (MC) -simulointi (mm. Haara, 2002; Mäkinen ym., 2010; Holopainen ym., 2010a,c,d). Keskeinen MC-menetelmän etu on, että sitä käyttämällä lähtötiedon tai simulointisysteemin virheitä voidaan tarkastella ilman riippumatonta, kahteen kertaan mitattua maastoaineistoa. 3.3 Raakapuun hintakehitykseen liittyvä epävarmuus Metsäomaisuuden arvon laskennassa yksi merkittävimmistä tekijöistä on puutavaralajien hintakehitys. Suurin osa metsikön tuottoarvosta syntyy päätehakkuussa, jolloin etenkin päätehakkuun ajoituksella sekä arvokkaimpien puutavaralajien (tukkien / tyvitukkien) hinnoilla on ratkaiseva merkitys. Hakkuista saatavaan tukkikertymään puolestaan vaikuttavat kulloinkin voimassa olevat (yrityskohtaiset) katkaisu- eli apteerausohjeet sekä laatukriteerit. Metsikkökohtaiseen raakapuun hintaan vaikuttavat lisäksi korjuuolosuhteet, leimikon koko ja lähikuljetusmatka. Suurin osa Suomen metsäteollisuustuotteista valmistetaan vientiin, joten raakapuun hinta on riippuvainen lopputuotteiden kysynnästä maailmanmarkkinoilla. Tulevaisuudessa tukin ja kuitupuun hintakehityksen lisäksi on myös otettava huomioon uuden puutavaralajin, eli energiapuun merkitys metsikön arvoon. Tulevaisuuden raakapuun hinnan ennustamisen menetelmänä voidaan käyttää toteutuneita aikasarjoja, joiden avulla voidaan kuvata pitkien ajanjaksojen trendejä, etsiä puun hintapiikkeihin vaikuttaneita tekijöitä sekä tehdä ennusteita tulevasta hintakehityksestä. Tällöin oletuksena on, että tulevaisuuden hintakehitys noudattaa menneisyyden kehitystä. 180

6 Metsätaloudellista tuottoarvoa laskettaessa samoin kuin metsäkiinteistöjen kauppa- ja tuottoarvoja määritettäessä yleisin menetelmä on tehdä laskelmat jollakin keskiarvohinnalla, esimerkiksi perustuen puutavaralajien viimeisen kolmen vuoden keskiarvoon. Kehittyneempi, ja samalla monimutkaisempi, menetelmä on pyrkiä ennustamaan puutavaralajien tulevaisuuden hintoja toteutuneen hintakehityksen avulla. Ennustamisessa voidaan käyttää esimerkiksi geometriseen keskiarvoon ja Brownin -liikkeeseen perustuvia malleja (Clarke & Reed, 1989; Thomson, 1992; Yoshimoto & Shoji, 1998; Insley, 2002; Yoshimoto, 2009). Menetelmien lähtökohtana on, että historiatieto sekä markkinoilla oleva informaatio tiivistyy tuotteen nykyiseen hintaan, jonka odotusarvon, varianssin ja tulevaisuuden ennustevarianssien kautta voidaan ennustaa tulevaa kehitystä (Viitala, 2002). 4. HOLOPAINEN (2011) 4.1 Tavoitteet Holopaisen (2011) tutkimusten päätavoitteena oli selvittää lentolaserkeilaukseen (airborne laser scanning, ALS) perustuvan metsien inventoinnin epävarmuutta metsätaloudellisen tuottoarvon (nettonykyarvo, net present value, NPV) laskennassa. Tutkimuksen lähtökohtana oli operatiivisen metsäsuunnittelun muutos, jossa kuvioittaiseen arviointiin perustuva inventointimenetelmä ollaan korvaamassa laserkeilausmenetelmällä. Yksityiskohtaiset tavoitteet olivat seuraavat: 1) Tutkia metsäsuunnittelussa käytettävissä olevien metsävarojen inventointimenetelmien (kuvioittainen arviointi, aluepohjainen ALS-inventointi, ALS-yksinpuintulkinta) tarkkuuden merkitystä hakkuiden ajoituksessa sekä NPV:n laskennassa. 2) Vertailla metsäsuunnittelun inventointimenetelmien tarkkuutta puutavaralajitason tiedon tuottamisessa. 3) Tarkastella puutavaralajien määrän ja taloudellisen arvon estimointiin liittyviä epävarmuuden lähteitä. 4) Vertailla inventointitiedon tarkkuuteen, kasvumallien toimintaan ja raakapuun hintakehitykseen liittyviä epävarmuustekijöitä NPV:n laskennassa kuvio- ja tilatasolla. Tutkimuksessa käytettiin empiirisiä ja simuloituja metsävara-aineistoja. Tutkimusmenetelminä olivat empiirinen mallinnus, metsäsuunnitteluun liittyvät laskennat sekä Monte Carlo -simuloinnit. 4.2 Tulokset Holopaisen (2011) väitöskirjan tulokset voidaan jaotella kolmeen alalukuun: 1) Inventointitiedon tarkkuuden merkitys hakkuiden ajoituksessa, 2) Puutavaralajien estimoinnin epävarmuus metsäsuunnittelussa ja 3) inventointitietoon, kasvumalleihin ja puun hintakehitykseen liittyvä epävarmuus metsätaloudellisessa tuottoarvolaskennassa. Inventointitiedon tarkkuuden merkitys hakkuiden ajoituksessa Metsänarvioimistieteellisissä kaukokartoitustutkimuksissa on perinteisesti keskitytty pienentämään jonkun keskeisen puu- tai puustotunnuksen, kuten kuviokohtaisen keskitilavuuden, estimoinnin keskivirhettä. Yllättävän vähälle huomiolle on jäänyt itse pääasia, eli mikä on entistä tarkemman inventointitiedon merkitys hyödynnettäessä sitä päätöstukijärjestelmissä. Kyseinen huomio oli lähtökohtana Holopaisen (2011) väitöskirjan ensimmäisissä osatutkimuksissa (Holopainen & Talvitie, 2006; Holopainen ym., 2010a). Holopainen & Talvitie (2006) selvittivät metsien inventointiedon arvoa metsäsuunnittelun simulointilaskennassa. Tutkimus toteutettiin cost plus loss -tarkasteluna, jossa metsien inventoinnin kustannuksiin lisätään kustannukset, jotka aiheutuvat epätarkan tiedon tuottamista epäoptimaalisten 181

7 päätöksistä. Tutkimuksessa selvitettiin metsäsuunnittelun simulointilaskennan lähtötietona käytettävän metsien inventointitiedon epävarmuuden vaikutusta hakkuutulojen nettonykyarvoihin sekä sitä, kuinka suuria hakkuutulojen menetyksiä epätarkasta lähtötiedosta aiheutui. Tutkimusaineistona olivat Helsingin kaupunkimetsät (700 ha), joista oli käytettävässä kaupungin luonnonhoitosuunnitelman kuviotietokanta. Kuvioittaisen arvioinnin lisäksi tarkasteltiin numeeristen ilmakuvien 2D-tulkinnan tarkkuutta sekä ilmakuvamittausten tai laserkeilauksen avulla tuotetun 3D-tulkinnan tarkkuutta. 2D-tulkinnalla tarkoitettiin menetelmää, jossa ilmakuvien automaattisella segmentoinnilla mitataan yksittäisten puiden latvusten läpimittoja. Latvuksen läpimittatietoa käytetään sen jälkeen selittävänä tunnuksena estimoitaessa puun rinnankorkeusläpimittaa. 3Dmenetelmässä latvuksen läpimitan lisäksi on käytettävissä joko ilmakuvien tai laserkeilausaineiston fotogrammetrisen mittauksen kautta saatu puun pituus. Inventointimenetelmien tarkkuusarviot otettiin olemassa olevista tutkimuksista. Cost plus loss -tarkastelu toteutettiin MOTTI-simulaattorilla. Metsäsuunnittelutiedon tuottamisen kustannuksena käytettiin tutkimuksen tekoaikaan vallinnutta kuvioittaisen arvioinnin kustannusta yksityismetsissä (17 /ha). Tutkimuksessa arvioitiin, että puustotiedon tuottaminen suurimittakaavaisen (mittakaava >1:16 000) ilmakuva-aineiston tai korkeapulssisen laseraineiston (pulssitiheys >5 pulssia / m 2 ) tulkinnan kautta tulisi maksamaan yli ha:n alueelle suurin piirtein saman verran kuin perinteinen maastomittauksiin perustuva kuvioittainen arviointi. Ilmakuva- ja laserkeilaustulkinnassa huomioitiin aineistokustannusten lisäksi myös aineiston esikäsittelyn sekä puustotiedon mittaamisen tai estimoinnin kustannukset. Tutkimuksen keskeisenä tuloksena oli, että metsäsuunnittelulaskennan lähtötiedon epätarkkuus aiheuttaa merkittäviä epäoptimaalisuustappioita väärin ajoitettujen hakkuiden vuoksi. Ilmakuvamittausten tai laserkeilauksen avulla tuotettu puittainen 3D-tieto pystyi kilpailemaan perinteisen kuvioittaisen arvioinnin kanssa. Sen sijaan 2D-tieto oli liian epätarkkaa aiheuttaen huomattavasti suurempia epäoptimaalisuustappioita kuin kuvioittainen arviointi tai 3D-tieto. Tutkimuksen ongelmakohtana oli kaukokartoitukseen perustuvan inventoinnin kustannusten arviointi, sillä hehtaarikohtaiset kustannukset ovat pitkälti riippuvaisia inventoitavan alueen koosta. Mitä laajemmasta alueesta on kyse sitä pienempi hehtaarikohtainen kustannus. Lisäksi tekniikan nopea kehittyminen aiheuttaa kustannusarvioille oman haasteensa. Laserkeilaukseen käytettävät instrumentit kehittyvät nopeasti: esimerkiksi keilainten pulssitiheyden kasvaessa lentokorkeutta voidaan nostaa, jolloin hehtaarikohtaiset kustannukset pienenevät. Todennäköistä onkin, että tulevaisuudessa korkeapulssista laseraineistoa on saatavilla samaan hintaan kuin nykyisin matalapulssista. Toisaalta on muistettava, että myös kaukokartoitustulkinnassa suurin osa kustannuksista muodostuu aineiston käsittelystä sekä tarvittavan maastoreferenssin tuottamisesta. Tutkimus antoi joka tapauksessa esimerkin siitä, kuinka paljon lähtötiedon epävarmuus voi aiheuttaa hakkuutulojen menetyksiä. Menetysten osoittaminen antaa oikeutuksen myös taloudellisessa mielessä panostaa inventoinnin tarkkuuteen sekä lähtöaineiston, eli esimerkiksi laserkeilauksen laatuun. Seuraavassa vaiheessa Holopainen ym. (2010a) tutkivat inventointitiedon epävarmuuden vaikutusta hakkuiden ajoitukseen ja nettotulojen nykyarvoihin (NPV). Tarkastelussa keskityttiin nimenomaan yksittäisen puun ALS-inventointimenelmään (ITD), jota verrattiin perinteiseen kuvioittaiseen arviointiin. Lisäksi selvitettiin metsikkötason ja puutason metsäsuunnittelusimulaattorin toimintaa erilaisilla laskennan lähtöaineistoilla. Inventointitiedon kustannuksiin liittyvän epävarmuuden vuoksi tarkastelussa ei hyödynnetty cost pluss -lähestymistapaa, vaan keskityttiin inventointiedon tarkkuuden vaikutukseen harvennus- ja avohakkuiden ajoituksessa sekä oletettuihin hakkuutulojen 182

8 nettonykyarvoihin (NPV). Metsäsuunnitelulaskennat toteutettiin SIMO-simulaattorilla ja MC-simuloinnilla. SIMO-simuloinnin lähtöaineistona käytettiin Evon tutkimusalueen n hehtaarin kuviotietokantaa ja alueella sijainneita 270 puittain mitattua kiinteäsäteistä ympyräkoealaa. Lähtötiedon epävarmuudet otettiin aiemmista tutkimuksista. ALS-yksinpuintulkinnan osalta hyödynnettiin Kaartisen ja Hyypän (2008) tekemää tutkimusta, jossa yhdellä tutkimusalueella (Espoonlahti, Suomi) oli verrattu keskenään yhdentoista kansainvälisen tutkimusryhmän tuottamaa ALS ITD - algoritmin tulosta (Kaartinen & Hyyppä, 2008). Tutkimuksen mukaan lähtöaineistolla oli suuri suhteellinen merkitys sekä hakkuiden ajoitukseen että NPV-kertymään. Hakkuiden ajoituksen osalta epätarkasta inventointitiedosta aiheutui lähtötiedosta ja käytetystä simulaattorista riippuen 6,5-10,3 vuoden virhe harvennus- tai päätehakkuun ajoitukseen. Kun ottaa huomioon sen, että hakkuiden keskimääräinen väli on noin 20 vuotta, voidaan sanoa epätarkan inventointiedon aiheuttavan merkittävän virheen hakkuiden ajoitukseen. Oletettuihin hakkuutulojen nettonykyarvoihin epätarkasta inventointiedosta aiheutui 28,2-57 %:n suhteellinen virhe. ITD-menetelmän kautta hakkuut pystyttiin ajoittamaan tarkemmin kuin perinteisen kuvioittaisen arvioinnin avulla tuotetulla inventointitiedolla. Oletuksena tällöin oli, että ITD-menetelmän avulla päästään vastaavaan tarkkuuteen, mitä EUROSDR-tutkimuksen (Kaartinen & Hyyppä 2008) tarkimmalla algoritmilla. On huomioitava, että algoritmien tuottaman inventointiedon tarkkuuden hajonta oli EUROSDR-tutkimuksen mukaan suuri. Lisäksi oletettiin puulajitulkinnan onnistuvan täydellisesti, mikä on epärealistista. Viime aikaisten tutkimusten perusteella puulajitulkinta onnistuu Suomen olosuhteissa (kolme pääpuulajia) ALS-aineistoon ja ilmakuviin perustuvalla yksinpuintulkinnalla prosentin tarkkuudella pulssitiheydestä riippuen (Korpela ym., 2010; Vauhkonen ym., 2010). Puutason metsäsuunnittelusimulaattori tuotti hieman tarkemman tuloksen kuin metsikkötason simulaattori. Tutkimuksen johtopäätöksenä kuitenkin oli, että nykyiset simulointimallit eivät pysty täysin hyödyntämään ITD-menetelmän tuottamaa puiden tarkkaa pituustietoa. ITD-menetelmän yhdeksi keskeiseksi ongelmakohdaksi on mainittu puulajitulkinta (mm. Vauhkonen, 2010; Korpela ym., 2010). Puulajitulkinnan onnistumisen merkitys metsäsuunnittelun simulointilaskennan näkökulmasta on kuitenkin ollut epäselvää. Tämän vuoksi Holopainen ym. (2008a) ottivat tavoitteekseen selvittää, kuinka suuri teoreettinen hyöty puulajiositteittain tuotetusta metsän inventointitiedosta voidaan metsäsuunnittelun simulointilaskelmissa saavuttaa verrattaessa sitä metsikkötason keskiarvotietoon. Vertailu perustui harvennus- ja avohakkuiden ajoituksessa syntyviin eroihin 20 vuoden simulointijaksolla. Lisäksi tarkasteltiin puustotunnusten (ikä, pohjapinta-ala, tilavuus, valtapituus, keskipituus, keskiläpimitta) kehittymistä ilman simulointijaksolle osuvia hakkuita. Laskenta tehtiin SIMO-simulointi- ja optimointiohjelmistolla. Simulointiaineistona käytettiin 270 puittain mitattua ympyräkoealaa, jotka perustettiin kesällä 2007 Evon metsäaseman läheisyyteen (sama tutkimusaineisto kuin Holopainen ym., 2010a). Tutkimus osoitti puusto-ositetiedon olevan tärkeää metsäsuunnittelun simulointilaskelmissa. Näin ollen suunnittelun lähtötietona käytettävä inventointitieto olisi tuotettava puusto-ositteittain. Puutavaralajien estimoinnin epävarmuus metsäsuunnittelulaskennassa Suurimmassa osassa metsien inventointiin liittyvistä ALS-tutkimuksista on keskitytty puuston keskitunnusten estimointiin (esimerkiksi keskitilavuus). Metsikön tuottoarvon määrittämisen sekä operatiivisen puunkorjuun suunnittelun näkökulmista keskeistä kuitenkin on, kuinka puutavaralajikertymä pystytään ennustamaan. Esimerkiksi metsikön taloudellista arvoa ei pystytä määrittämään pelkän kokonaistilavuuden avulla, vaan tärkeää olisi tietää todellinen runkoluku- 183

9 jakauma, jotta voitaisiin luotettavasti määrittää metsikön tilavuuden jakautuminen puulajiositteittain tukki- ja kuitupuuhun. Metsäsuunnitteluun liittyvässä hakkuukertymäennusteiden simuloinnissa puutavaralajien estimointiin vaikuttavat inventointivirheen lisäksi runkolukusarjan muodostamiseen liittyvät virheet sekä puiden runkomuodon ennustamiseen ja apteeraukseen liittyvät virheet. Näin ollen puutavaralajikertymän estimoinnin tarkkuutta on huomattavasti haastavampaa arvioida kuin puuston keskitunnusten estimoinnin tarkkuutta. Holopainen ym. (2010b) toteuttivat tietääksemme ensimmäisen tutkimuksen, jossa tarkasteltiin puutavaralajitasolla samanaikaisesti koko metsäsuunnittelun ALS-inventoinnin ketjua ja siihen liittyviä epävarmuuden lähteitä. Tutkimuksen tavoitteena oli vertailla maastoinventointiin perustuvaa kuvioittaista arviointia sekä harvapulssisen laseraineiston ja pienimittakaavaisten ilmakuvien tulkintaan perustuvaa aluetason inventointimenetelmää puutavaralajitason tiedon tuottamisessa. Tutkimuksessa keskityttiin puutavaralajien määrän ja taloudellisen arvon estimointiin sekä niihin liittyviin epävarmuuden lähteisiin. Inventointivirheen lisäksi tarkasteltiin metsäsuunnittelun simulointilaskentaan liittyvää runkolukusarjan ennustamisen virhettä sekä puun runkomuodon ja apteerauksen (katkonnan) ennustamisen virhettä. Tutkimuksen maastoreferenssinä käytettiin hakkuukoneelta saatuja puutavaralajien kertymätietoja. Tutkimusaineistona oli Evon alueelta talvella 2008 hakatut 31 leimikkoa (5950 puuta), joille saatiin hakkuukoneella mitatut puutavaralajittaiset tilavuudet. Avohakkuuleimikoille (12 kpl) tiedettiin tarkasti koko kuvion hakattu puumäärä puutavaralajitasolla. Harvennushakkuuleimikoiden (19 kpl) osalta laskenta perustui leimikoiden sisälle sijoitettuihin ympyräkoealoihin (yht. 90 kpl), jotka mitattiin hakkuuta ennen ja sen jälkeen. Eri virhelähteiden tuottamaa epävarmuutta metsäsuunnitelulaskennassa tutkittiin SIMO-simulointilaskennan avulla. Taulukko 1. Eri virhelähteiden vaikutus harha% NPV ja rmse% NPV ) metsäsuunnittelun simuloinnin avulla estimoituun kuviotason puuston arvoon ( /m 3 ). Maastoreferenssi mitattu hakkuukoneen avulla: 5400 puuta 12 avohakkuukuviolta. A_ALS = aluepohjainen ALS inventointi, SWFI = kuvioittainen arviointi. Simuloinnissa kulloinkin huomioitu virhelähde on merkitty X:llä (Muokattu, Holopainen ym., 2010b). VIRHELÄHDE ESTIMOITU PUUSTON ARVO A_ALS virhe kuvioittaisen arvioinnin virhe Holopainen ym. (2010b, Taulukko 1) mukaan suurin virhelähde metsäsuunnittelulaskennan kautta tapahtuvassa puutavaralajien estimoinnissa oli inventointivirhe, joka aiheutti n %:n epävarmuuden (suhteellisen RMSEn) päätehakkuukuvion taloudelliseen arvoon. Maastomittauksiin perustuvalla kuvioittaisella arvioinnilla ja aluepohjaisella ALS-/ilmakuvatulkinnalla päästiin suurinpiirtein samaan tarkkuuteen. Lisäksi oli havaittavissa merkittävää harhaa etenkin ALS- Runkolukusarja Runkomuoto & Apteeraus harha% NPV rmse% NPV X 0, X -0, X -1,2 2.6 X X X 2, X X X 4,

10 inventoinnin osalta, joka tosin todennäköisesti johtui tutkimuksessa käytettävissä olleiden leimikoiden pienestä lukumäärästä. Runkolukusarjan muodostamisen ja puun runkomuodon ja apteerauksen virhe oli huomattavasti pienempi kuin inventointivirhe, mutta kuitenkin merkittävä. Puutavaralajitasolla virheet olivat suurempia kuin keskitunnusten estimoinnissa (esim. keskitilavuus). Syynä tähän on toisaalta runkolukusarjan muodostamisesta sekä runkomuodon / apteerauksen ennustamisesta aiheutuva virhe ja toisaalta puulajitulkinnan epävarmuus. Inventointitietoon, kasvumalleihin ja puun hintakehitykseen liittyvä epävarmuus metsätaloudellisessa tuottoarvolaskennassa Holopainen & Talvitie (2006) ja Holopainen ym. (2008a, 2010b) keskittyivät pelkästään yhteen metsäomaisuuden arvonmäärityksen epävarmuuden lähteeseen eli inventointitiedon epätarkkuuteen. Holopainen ym. (2010c) tarkastelivat tämän lisäksi kahta muuta metsätaloudellisen tuottoarvonlaskennan keskeistä epävarmuustekijää: tutkimuksen tavoitteena oli vertailla inventointitiedon, kasvumallien sekä raakapuun hinnanvaihteluihin liittyvää epävarmuutta kiertoajan yli lasketuissa metsätaloudellisissa tuottoarvoissa (NPV). Inventointitiedon epävarmuuden osalta keskityttiin Holopainen ym. (2010b) tavoin tällä hetkellä olemassa oleviin operatiivisiin menetelmiin, eli verrattiin kuvioittaista arviointia ja aluepohjaista ALS-inventointia. Tutkimus toteutettiin SIMO-simuloinneilla, 3 %:n, 4 %:n ja 5 %:n korkokannoilla. Tutkimuksen lähtökohtana oli simuloitu 40 kuvion metsälö, jossa olivat tasaisesti edustettuna eri puulajit ja kehitysluokat (ns. normaalimetsä, Lönnroth 1930). Inventointitiedon epävarmuudet laskettiin perustuen kahteen Etelä-Suomessa aiemmin toteutettuun inventointiprojektin aineistoon. Kuvioittaisen arvioinnin virheet perustuivat Haaran ja Korhosen (2004) tutkimukseen ja aluepohjaisen ALS-inventoinnin virheet Packalénin & Maltamon (2006) tutkimukseen. Kasvumallien tuottaman epävarmuuden huomioimisessa hyödynnettiin kasvumallien virhemalleja. Raakapuun hintakehitystä puolestaan ennustettiin perustuen puutavaralajien hintakehitykseen ( ) sekä stokastiseen, keskiarvohakuiseen geometriseen hintamalliin. Holopainen ym. (2010c, Taulukko 2) mukaan metsäsuunnittelun simulointilaskennassa käytettävät kasvumallit olivat suurin epävarmuuden aiheuttaja kiertoajan yli lasketuissa metsikkötason nettonykyarvoissa. Lähes yhtä suurta epävarmuutta aiheutti lähtötiedon epävarmuus raakapuun hintavaihteluista johtuvan epävarmuuden ollessa huomattavasti pienempi. Käytetyllä korkokannalla ei juurikaan ollut merkitystä epävarmuuden lähteiden suhteelliseen merkitykseen. Yksittäisillä epävarmuuden lähteillä aiheutui 8-32 %:n epävarmuutta nettonykyarvoihin yhteisvaikutuksen ollessa maksimissaan n. 50 %. Mielenkiintoista oli, että yhteisvaikutus on selkeästi pienempi kuin yksittäisten epävarmuuksien lähteiden summa, toisin sanoen epävarmuudet toisinaan myös kumoavat toisiaan. Tutkimuksessa kehitetty menetelmä mahdollistaa luottamusvälien muodostamisen metsätaloudellisille tuottoarvolaskelmille. Lisäksi pystytään vertailemaan eri epävarmuuslähteiden merkityksiä sekä saadaan kuva siitä, minkä epävarmuuden vähentämiseen kannattaisi panostaa. Metsäomaisuuden arvonmäärityksen yksikkönä on yleensä tila (metsäkiinteistö). Holopaisen ym. (2010c) lähtökohtana oli metsikkötason tarkastelu. Näin ollen Holopainen ym. (2010d) laajensivat tarkastelua tilatasolle vertailemalla inventointitiedosta, kasvumalleista sekä puun hinnan vaihtelusta johtuvia epävarmuustekijöitä metsätilan nettonykyarvon laskennassa. Kuten Holopainen ym. (2010c) tutkimuksessa, inventointitiedon epävarmuus saatiin aiemmasta aluepohjaisesta ALSinventointitutkimuksesta (Packalén & Maltamo, 2006), ja puun hinnan vaihtelua kuvattiin keskiarvoon hakeutuvalla stokastisella hintamallilla. Metsätilojen nettonykyarvo laskettiin kolmella vaihtoehtoisella korkokannalla (3 %, 4 % ja 5 %). Tutkimuksen lähtökohtana oli neljä 185

11 kuviorakenteeltaan erilaista metsätilatyyppiä: 1) taimikkotila, 2) nuoren kasvatusmetsän tila, 3) tasaisen kehitysluokkajakauman tila ja 4) hakkuukypsä tila. Simuloinnin tuloksena saatiin tuottoarvoennustejakaumat (nettonykyarvoennustejakaumat) kuvioittain ja tiloittain eri korkokannoilla. Taulukko 2. MC-simulointien avulla tuotettujen NPV-jakaumien harhojen ( bias% NPV ) ja hajontojen NPV keskiarvot ( sd% ) eri epävarmuuden lähteillä 3 %:n korkokannalla. U PRICE = Raakapuun hintakehityksestä aiheutuva epävarmuus. U FIELD = Kuvioittaisen arvioinnin virheiden aiheuttama epävarmuus. U ALS = Aluepohjaisen ALS-inventoinnin (A_ALS) virheiden aiheuttama epävarmuus. U GROWTH = kasvumalleista aiheutuva epävarmuus. Simuloinnissa kulloinkin huomioitu virhelähde (virhelähteet) on merkitty X:llä. (Muokattu, Holopainen ym., 2010c). EPÄVARMUUDEN LÄHDE KORKOKANTA 3% U PRICE U FIELD U ALS U GROWTH bias% NPV sd% NPV X -6,1 8,2 X -6,8 28,8 X 1,7 26,5 X -9,5 33,2 X X -9,1 29 X X -1 27,4 X X -5,7 34,9 X X -12,5 46,9 X X -2,1 46,5 X X X -9,2 47,4 X X X 0,1 46,5 Holopainen ym. (2010d) tulosten perusteella tilatasolla aluepohjaiseen ALS-inventointiin liittyvä virhe oli suurin epävarmuuden lähde johtaen 5,1-7,5 %:n suhteelliseen NPV:n hajontaan (korkokanta 3%). Mielenkiintoisena yksityiskohtana oli, että aluepohjainen ALS-inventointi aiheutti merkittävää harhaa tilatason NPV-estimaatteihin. Tutkimuksen tulokset ovat suoraan vertailukelpoisia Holopainen ym. (2010c) tutkimukseen (Taulukko 3). 186

12 Taulukko 3 Kuvio- ja tilatason tulosten vertailu (Holopainen ym., 2010c, 2010d). (MC-simulointien NPV NPV kautta tuotettujen NPV-estimaattien harhojen keskiarvot ( bias% ) ja hajonnat ( sd% ). Tilataso: 25 ha metsätila, jossa tasainen kehitysluokkajakauma (=normaalimetsä). Laskentakorkokanta 3%. U PRICE = Raakapuun hintakehityksestä aiheutuva epävarmuus. U ALS = Aluepohjaisen ALS-inventoinnin (A_ALS) virheiden aiheuttama epävarmuus. U GROWTH = kasvumalleista aiheutuva epävarmuus. Simuloinnissa kulloinkin huomioitu virhelähde (virhelähteet) on merkitty X:llä. (Muokattu, Holopainen, 2011). Epävarmuuden lähde U PRICE U ALS U GROWTH Kuviotaso (Holopainen ym. 2010c) Tilataso (Holopainen ym. 2010d) bias% NPV sd% NPV bias% NPV sd% NPV X -6,1 8,2-1,5 3,4 X 1,7 26,5 12,2 5,1 X -9,5 33,2 1,4 1,7 X X X 0,1 46,5 13,2 6,5 4.3 Johtopäätökset ALS-inventoinnin mahdollisuudet metsäomaisuuden arvonmäärityksessä Metsäkiinteistöjen arvonmääritys perustuu toistaiseksi kuvioittaisella arvioinnilla tuotettuun metsävarojen inventointitietoon. Tilanne tulee jatkossa pikku hiljaa muuttumaan ALS-inventointien yleistyessä. Aluepohjainen ALS-inventointi tulee tehostamaan kuvioittaista arviointia huomattavasti. Lisäksi kaukokartoitusmenetelmät ovat keskeisessä roolissa siirryttäessä metsävaratietojen jatkuvaan ajantasaistukseen. Perinteinen kuvioittainen arviointi tulee kuitenkin olemaan käytössä vähintäänkin niin kauan kunnes koko Suomi on saatu laserkeilattua. Näin ollen kuvioittainen arviointi valittiin Holopainen & Talvitie (2006), Holopainen ym. (2010b,c) ALS-inventoinnin vertailumenetelmäksi. Tutkimustulosten perusteella voidaan todeta aluepohjaisen ALS-inventoinnin ja perinteisen kuvioittaisen arvioinnin tuottavan suurin piirtein samansuuruista epävarmuutta metsikkötason nettonykyarvon laskennassa. Verrattaessa kuvioittaisen arvioinnin sisältämää epävarmuutta ALS-inventointien sisältämään epävarmuuteen on keskeistä, kuinka runkolukusarja eri menetelmissä muodostetaan ja mitä tunnuksia puiden ja metsiköiden kehitystä kuvaavissa malleissa metsäsuunnittelun simulointilaskennassa käytetään (Holopainen ym. 2010a). Metsiköiden nettonykyarvon laskentaan liittyvää epävarmuutta haluttiin tarkastella nimenomaan tällä hetkellä tai lähitulevaisuudessa käytössä olevien inventointimenetelmien eli kuvioittaisen arvioinnin ja aluepohjaisen ALS-inventoinnin näkökulmasta (Holopainen & Talvitie, 2006; Holopainen ym., 2008a, 2010b,c,d). Toisaalta tutkimukset antoivat myös kuvaa siitä, kuinka paljon hyötyä metsäsuunnittelulaskennassa voitaisiin saada ALS-yksinpuintulkintamenetelmän avulla (Holopainen ym. 2010a). Tutkimuksessa keskeistä on ollut myös se, kuinka erilaista inventointitietoa voidaan käyttää metsiköiden nettonykyarvolaskennassa. Tavoitteena oli tarkastella laskentakokonaisuuden vaikutuksia eikä pelkästään yksittäisten puuta tai metsää kuvaavan mallin toimintaa. 187

13 Yhteisvirheiden tarkastelun avulla saatiin epävarmuuksien keskinäisistä suhteista mielenkiintoista tietoa, eli kuinka suuri osuus metsikkötason nettonykyarvon laskennan epävarmuudesta on peräisin mistäkin lähteestä ja minkä epävarmuuden vähentämiseen kannattaisi panostaa. Esimerkiksi Holopainen ym. (2010c) tutkimuksen tulosten perusteella voidaan päätellä, että vaikka inventointitieto olisi täydellistä, tulokseen sisältyy siltikin merkittävää kasvumallien toiminnasta ja puun hintavaihteluista peräisin olevaa virhettä. Toisin sanoen saavutettava tarkkuuden lisäys on rajallinen, vaikka inventoinnin tarkkuuteen panostettaisiin kuinka paljon. Tämä on tärkeä tieto uusia inventointimenetelmiä kehitettäessä ja käyttöön otettaessa. Nykyistä tarkempien kasvumallien kehittäminen olisi tehokkain tapa pienentää nettonykyarvolaskennan epävarmuutta, vaikkakin kasvumallien saaminen metsikkötasolla täydellisiksi on mahdoton tavoite. Tulevaisuuden visiona voidaan pitää ALS- ja ilmakuvainventointiin perustuvan metsäkiinteistöjen arvonmääritysmenetelmän kehittämistä. ALS-aineistoa on lähivuosina saatavissa yhä suuremmasta osaa maatamme. Tämä tarkoittaa sitä, että esimerkiksi Holopaisen (2011) tutkimuksessa käytetyllä maastossa mitatulla referenssiaineistolla olisi mahdollista estimoida hyvinkin laajojen metsäalueiden (esim. metsäkeskus) arvoa metsikkötasolla. Kyseisen inventoinnin kustannukset olisivat vain murto-osa siitä, mitkä perinteisen kuvioittaisen arvioinnin kustannukset ovat. Puutavaralajien määrän ja arvon lisäksi metsäkiinteistön metsätaloudelliseen tuottoarvoon vaikuttaa ratkaisevasti metsiköiden puuntuotoskyky eli boniteetti. Yksi menetelmä puuntuotoskyvyn määrittämiseen varttuneissa, yhden pääpuulajin (yli 60% metsikön puustosta samaa puulajia) metsiköissä on pituusbonitointi (Ojansuu 2005). ALS-menetelmät mahdollistavat pituusbonitoinnin ja sitä kautta metsikön (tai metsikön sisäisen vaihtelun) puuntuotoskyvyn määrittämisen. Holopainen ym. (2010e) kehittivät käytännön menetelmän ALS-perusteiseen kasvupaikan puuntuotoskyvyn määrittämiseen. ALS-pituusbonitointi onnistui varttuneissa, yhden puulajin metsiköissä hyvin. Metsätyyppien luokitustarkkuudeksi saatiin n. 70 %. Menetelmä on kuitenkin herkkä puuston iän määrityksen virheelle. Pituusbonitointimalleja pitäisikin kehittää tarkemmiksi ja paremmin ALS-inventointiin sopiviksi. Moniaikaiset ALS-inventointimenetelmät avaavat jatkossa aivan uusia mahdollisuuksia metsiköiden kasvupotentiaalin estimointiin ja kasvumallien laadintaan. Metsäomaisuuden taloudellisen arvonmäärityksen kehittäminen Holopaisen (2011) tutkimusten perusteella Kauppa-arvomenetelmä: Kauppa-arvomenetelmä perustuu vastaaavanlaisista kohteista maksettuihin hintoihin, joten metsäkiinteistökauppoihin on pystyttävä liittämään jollakin tapaa metsävaratiedot, jotka myös käytännössä ratkaisevat kiinteistön arvon. Metsävaratiedot on hankittava jollakin tapaa. Käytännössä tämä on tapahtunut kuvioittaisella arvioinnilla, mutta todennäköisesti tulevaisuudessa myös erillisinventoinneissa hyödynnetään entistä enemmän ALS-inventointia. Täten Holopaisen (2011) tutkimuksessa esitetyt metsävarojen inventointiin liittyvät epävarmuuden estimaatit koskevat myös kauppa-arvomenetelmällä määritettyjä metsäkiinteistöjen arvoja. Metsävaratiedon tarkkuuden lisäksi kauppa-arvomenetelmän epävarmuustekijänä on sopivien vertailukauppojen löytäminen. Tähän ongelmaan Holopaisen (2011) tutkimus ei tuonut ratkaisua. Summa-arvomenetelmä: Holopaisen (2011) tutkimuksen avulla saatiin kuva siitä, minkälaista epävarmuutta summa-arvolaskennan taustalla olevat Tapion taulukot sisältävät. Tapion taulukoissa esitetyt taimikoiden arvot sekä kasvatusmetsien odostusarvot on laskettu Motti-simulaattorilla, jota Holopainen & Talvitie (2006) käyttivät. Motti-simulaattorissa käytössä olevat puita ja metsää kuvaavat mallit löytyvät myös Holopaisen (2008, 2010a,b,c,d) käyttämästä SIMO-metsäsuunnittelun laskentaohjelmistosta. Täten Holopaisen (2011) tulokset antavat kuvan myös siitä, 188

14 kuinka suurta epävarmuutta taimikoiden ja kasvatusmetsien arvonmääritykseen sisältyy Tapion taulukoita käytettäessä. Metsätaloudellinen tuottoarvomenetelmä ja metsäkiinteistomarkkinat huomioon ottava tuottoarvomenetelmä: Holopaisen (2011) väitöskirjan keskeinen anti on nimenomaan metsätaloudellisen tuottoarvon (nettonykyarvon) laskentaan liittyvän epävarmuuden määrittäminen. Kyseisen epävarmuuden suuruuden ja syy-seuraussuhteiden ymmärtämisellä on suoraa käyttöä metsäsuunnittelumenetelmiä kehitettäessä. Metsäomaisuuden markkina-arvonmäärityksen näkökulmasta olisi kuitenkin päästävä metsäomaisuuden tuottoarvoon, jonka määrityksessä olisi huomioitava myös markkinat. Tämä tarkoittaa käytännössä sitä, että metsätaloudelliseen tuottoarvoon ja sen sisältämään epävarmuuteen olisi liitettävä tavalla tai toisella metsäkiinteistöjen markkinahinnat. Metsänomistajan tietoturvaan perustuen metsäsuunnittelutietoa ei saa luovuttaa ulkopuolisille. Metsäkiinteistöjen arvonmäärityksen näkökulmasta tämä on ongelma, sillä maanmittauslaitoksen (MML) kauppahintatilastot eivät näin ollen sisällä metsävaratietoja, vaikka lähes kaikilta tiloilta metsäsuunnitelma on numeerisessa muodossa paikkatietojärjestelmissä olemassa. Metsäyritysten sekä Metsähallituksen metsissä on jo siirrytty kertainventoinneista metsävaratietojen jatkuvaan ajantasaistukseen. Yksityismetsien osalta samaan pyritään uudessa, parhaillaan käyttöön otettavassa metsäsuunnittelujärjestelmässä. Näin ollen tehokkain tapa ratkaista kauppahintoihin liittyvä tietoongelma olisi linkittää kauppahintatilastojen tietokanta metsävarojen päivityssysteemeihin, jolloin toisaalta metsävaratiedot olisivat MML:n käytössä, ja toisaalta kauppahintatilastot voisivat olla suoraan niitä tarvitsevien metsäorganisaatioiden käytössä. Olipa metsäsuunnittelutiedon julkisuusaste tulevaisuudessa mikä tahansa, on kuitenkin epärealistista ajatella, että kauppahintatilastoihin sisältyisi aina ajantasainen tieto kaupan kohteena olevasta metsäkiinteistöstä sekä riittävä määrä ajantasaisia vertailukauppoja. Tällöin yksi vaihtoehto toteuttaa metsätaloudellisen tuottoarvomenetelmän ja markkinat huomioon ottavan tuottoarvomenetelmän yhdistäminen olisi tehdä esimerkiksi erillisinventointi kunakin vuonna kaupan kohteena olleille metsäkiinteistöille (tai suuri otos). Aineiston avulla voitaisiin tehdä ekonometrisia malleja, joilla tarkasteltaisiin kauppahintojen kehittymistä. Malleilla voitaisiin estimoida minkä tahansa metsäkiinteistön kauppa-arvo ja estimaattiin olisi mahdollista liittää epävarmuutta kuvaavat luottamusvälit. Toki ongelmana tällöinkin olisi se, että mallit kuvaisivat vain toteutunutta tilannetta, eivät välttämättä tulevaisuuden kehitystä. Erillisinventointi olisi mahdollista toteuttaa kohtuullisilla kustannuksilla seuraavasti: Inventoitavalta alueelta hankitaan harvapulssinen ALS-aineisto sekä tarvittaessa numeeriset ilmakuvat. Alueelle sijoitetaan kaukokartoitusaineiston esiosituksen perusteella (vrt. Holopainen ym., 2008a) kohteen heterogeenisuudesta riippuen koealaa, jotka mitataan tarkasti puittain. Puutavaralajit inventoidaan tämän jälkeen Holopainen ym. (2010b) mukaisesti ja kasvupaikat bonitoidaan Holopainen ym. (2010e) mukaan. Erillisinventoinnin hehtaarikohtaiset kustannukset ovat vahvasti riippuvaisia alueen koosta. Mikäli alueen koko olisi yli ha, menetelmän kustannukset olisivat todennäköisesti alle 5 /ha. Kustannuksia voidaan ratkaisevasti pienentää, mikäli referenssiaineistona voidaan käyttää olemassaolevia maastokoealoja. Tällöin voitaisiin hyödyntää myös hakkuukonemittauksia referenssinä. 5. JOHTOPÄÄTÖKSET Holopaisen (2011) tutkimus osoitti, että metsävarojen inventointiin liittyvät virheet johtivat merkittäviin hakkuiden ajoituksen virheisiin ja simuloitujen NPV-arvojen menetyksiin. 189

15 Puutavaralajien estimoinnin merkittävin virhelähde oli kuvioittaiseen arviointiin tai aluepohjaiseen ALS-inventointiin liittyvä virhe. Runkolukusarjan ja puun runkomuodon ennustamiseen sekä katkonnan (apteerauksen) simulointiin liittyvät virheet olivat huomattavasti pienempiä kuin inventointiin liittyvät virheet. Aluepohjainen ALS-inventointi tuotti kaikissa osatutkimuksissa vähintään samaa tai hieman parempaa tarkkuustasoa kuin kuvioittainen arviointi. Kuviotasolla kasvumalleihin, kuvioittaiseen arviointiin ja aluepohjaiseen inventointiin liittyvät virheet olivat suurimmat epävarmuuden lähteet kiertoajan yli lasketussa metsätaloudellisessa tuottoarvossa. Raakapuun hintakehitykseen liittyvä epävarmuus oli huomattavasti pienempää. Tilatasolla aluepohjaiseen ALS-inventointiin liittyvä virhe oli suurin epävarmuuden lähde johtaen 5,1-7,5 %:n suhteelliseen NPV:n hajontaan (korkokanta 3 %). Aluepohjainen ALS-inventointi aiheutti merkittävää harhaa tilatason NPV-estimaatteihin. Tutkimus loi perusteita kehittää käytännön menetelmiä metsäomaisuuden arvonmääritykseen liittyvän epävarmuuden huomioimiseksi. Lisäksi tutkimuksen tuloksia voidaan käyttää arvioitaessa metsävarojen jatkuvan ajantasaistuksen tarkkuutta ja sen sisältämää epävarmuutta. Jatkotutkimusten tavoitteena on metsäomaisuuden arvonmääritykseen soveltuvan standardin luominen. Keskeisenä kysymyksenä tuolloin on, kuinka väitöskirjassa kehitetty epävarmuuden huomioiva metsätaloudellinen tuottoarvolaskenta yhdistetään Maanmittauslaitoksen ylläpitämään kauppahintarekisteriin. On huomioitava, että Holopaisen ym. (2010c, 2010d) tutkimuksissa jouduttiin tekemään joitakin yksinkertaistuksia. Puiden laadun, erikoispuutavaralajien tai energiapuun vaikutusta hakkuutuloihin ei ole huomioitu. Oletuksena on lisäksi ollut, että metsiä käsitellään perinteisellä alaharvennuksiin perustuvalla menetelmällä. Kaikki nämä tekijät vaikuttavat metsiköiden rahamääräiseen metsätaloudelliseen tuottoarvoon. Jatkossa voidaan huomioida myös näiden epävarmuustekijöiden vaikutusta metsätaloudellisen tuottoarvolaskennan tulokseen. Tutkimuksessa ei myöskään huomioitu luonnollisia riskitekijöitä eli tuuli-, lumi-, tuli-, hyönteis- ja tautituhoja. Myös tuhoriskejä olisi mahdollista jatkossa ottaa tuottoarvolaskennan epävarmuustekijöinä huomioon, mutta tämä vaatisi malleja, joiden avulla selitettäisiin eri tuhon aiheuttajien vaikutusta metsikön kasvuun. Kyseisiä malleja ei ainakaan Suomessa vielä ole. Myös bioenergian sekä metsien muiden arvojen, kuten maiseman, monimuotoisuuden ja hiilensidonnan arvottaminen ja huomioiminen epävarmuuslaskennassa asettaa suuria haasteita jatkotutkimuksille. LÄHTEET Airaksinen, M Summa-arvomenetelmä metsän markkina-arvon määrittämisessä ]The summation approach for determining the market value of foret properties]. Maanmittauslaitoksen julkaisuja nro 108. Doctoral thesis, Helsinki University of Technology. 238 s. Clarke, H.R. & Reed, W.J The tree-cutting problem in a stochastic environment. Journal of Economic Dynamics and Control 13, s Faustmann, M Berechnung des Wertes welchen Waldboden, sowie noch nicht haubare Holzbestände für die Waldwirtschaft besitzen. Allgemeine Forst- und Jagd-Zeitung 25: (Calculation of the value which forest land and immature stands possess for forestry. In Gane, M. (ed.) Martin Faustmann and the evolution of discounted cash flow. Commonwealth Forestry Institute Paper No. 42, University of Oxford. pp / Gane, M Calculation of the value which forest land and immature stands possess for forestry. Journal of Forest Economics 1(1), s Haara, A Kasvuennusteiden luotettavuuden selvittäminen knn-menetelmällä ja monitavoiteoptimoinnilla. Metsätieteen aikakauskirja 3/2002, s Haara, A. & Korhonen, K Kuvioittaisen arvioinnin luotettavuus. Metsätieteen aikakauskirja, 4/2004, s

16 Hannelius, S. & Airaksinen, M Kauppahintatilastot metsätilojen kiinteistöarvioinnin ja markkina-analyysin tukena. Maanmittaus 80:1-2, s Holopainen, M. & Talvitie, T Effect of data acquisition accuracy on timing of stand harvests and expected net present value. Silva Fennica 40(3), s Holopainen, M., Mäkinen, A., Vastaranta, M., Rasinmäki, J., Hyyppä, J., Hyyppä, H. & Rönnholm, P. 2008a. Utilization of tree species stratum data in forest planning simulations. In Hill, R., Rossette, J. and Suárez, J. (eds.) Silvilaser 2008 proceedings, s Holopainen, M., Haapanen, R., Tuominen, S. & Viitala, R. 2008b. Performance of airborne laser scanning- and aerial photograph-based statistical and textural features in forest variable estimation. In Hill, R., Rossette, J. and Suárez, J. (eds.). Silvilaser 2008 proceedings, s Holopainen, M. & Viitanen, K Käsitteistä ja epävarmuudesta metsäkiinteistöjen taloudellisen arvon määrittämisessä. Metsätieteen aikakauskirja 2/2009, s Holopainen, M., Mäkinen, A., Rasinmäki, J., Hyyppä, J., Hyyppä, H., Kaartinen, H., Viitala R., Vastaranta, M. & Kangas, A. 2010a. Effect of tree-level airborne laser-scanning measurement accuracy on the timing and expected value of harvest decisions. European Journal of Forest Research (2010)129: , DOI /s Holopainen, M., Vastaranta, M. Rasinmäki, J., Kalliovirta, J., Mäkinen, A., Haapanen, R. Melkas, T., Yu, X. & Hyyppä, J. 2010b. Uncertainty in timber assortment estimates predicted from forest inventory data. European Journal of Forest Research (2010)129: , DOI /s Holopainen, M., Mäkinen, A., Rasinmäki, J., Hyytiäinen, K., Bayazidi, S. & Pietilä, I. 2010c. Comparison of various sources of uncertainty in stand-level net present value estimates. Forest Policy and Economics 12. s , DOI /j.forpol Holopainen, M., Mäkinen, A., Rasinmäki, J., Hyytiäinen, K., Bayazidi, S. Vastaranta, M. & Pietilä, I. 2010d. Uncertainty in forest net present value estimations. Forests 2010(1), s , DOI /f Holopainen, M., Vastaranta, M., Yu, X., Haapanen, R., Hyyppä, J., Kaartinen, H. Viitala, R. & Hyyppä, H. 2010e. Site type estimation using airborne laser scanning and stand register data. The Photogrammetric Journal of Finland 22(1), s Holopainen, M Effect of airborne laser scanning accuracy on forest stock and yield estimates. Aalto University, School of Engineering, Department of Surveying. Aalto University Doctoral Dissertations 6/2011. Doctoral thesis. 160 s. Hyyppä H., Hyyppä, J., Comparing the accuracy of laser scanner with other optical remote sensing data sources for stand attribute retrieval. The Photogrammetric Journal of Finland, Vol. 16, No. 2, s Hyyppä, J. & Inkinen, M Detecting and estimating attributes for single trees using laser scanner. The Photogrammetric Journal of Finland 16, s Insley, M A real options approach to the valuation of a forestry investment. Journal of Environmental Economics and Management 44, s International Valuation Standard Council International Valuation Standards (IVS). 8th edition. Kangas, A On the prediction bias and variance in long-term growth projections. Forest Ecology and Management 96, s Kangas, A Methods for assessing the uncertainty of growth and yield predictions. Canadian Journal of Forest Research 292, s Kilkki, P Income-oriented cutting budget. Acta Forestalia Fennica 91. Doctoral thesis. 54 s. Lönnroth, E Normaalimetsä. Teoksessa: Ilvessalo, L. & Ilvessalo, Y. (toim.). Maa ja metsä IV. Metsätalous III. WSOY, Porvoo. s

17 Maltamo, M., Eerikäinen, K., Packalén, P. & Hyyppä J., Estimation of stem volume using laser scanning based canopy height metrics. Forestry 79, s Mäkinen, A Uncertainty in forest simulators and forest planning systems. Dissertationes Forestales s. Doctoral thesis. Mäkinen, A. & Holopainen, M Menetelmiä metsikön nettonykyarvolaskentaan liittyvän epävarmuuden hallintaan. Metsätieteen aikakauskirja 4/2009, s Mäkinen, A. Holopainen, M., Kangas, A. & Rasinmäki, J Propagating the errors of initial forest variables through stand- and tree-level growth simulators. European Journal of Forest Research 129, s , DOI /s Næsset, E Determination of mean tree height of forest stands using airborne laser scanner data. ISPRS Journal of Photogrammetry and Remote Sensing 52, s Næsset, E Predicting forest stand characteristics with airborne scanning laser using practical two-stage procedure and field data. Remote Sensing of Environment 80, s Ojansuu, R Kasvupaikka ja puuntuotoskyky [Site type, growth and yield]. Teoksessa Hynynen, J., Valkonen, S., ja Rantala, S. (toim.). Tuottava metsänkasvatus. Metsäntutkimuslaitos ja Metsäkustannus Oy, s Packalén, P. & Maltamo, M Predicting the plot volume by tree species using airborne laser scanning and aerial photographs. Forest Science 56, s Packalén, P. & Maltamo, M Estimation of species-specific diameter distributions using airborne laser scanning and aerial photographs. Canadian Journal of Forest Research 38, s Poso, S Kuvioittaisen arvioimismenetelmän perusteita. Silva Fennica 17, s Pukkala, T Metsikön tuottoarvon ennustemallit kivennäismaan männiköille, kuusikoille ja rauduskoivikoille. Metsätieteen Aikakauskirja 3/2005, s Rasinmäki, J., Kalliovirta, J., Mäkinen, A An adaptable simulation framework for multiscale forest resource data. Computers and Electronics in Agriculture 66, s Saari, A. & Kangas, A Kuvioittaisen arvioinnin harhan muodostuminen. Metsätieteen Aikakauskirja 1/2005, s Thomson, T.A Optimal forest rotation when stumpage prices follow a diffusion process. Land Economics 68, s Tokola, T., Kangas, A., Kalliovirta, J., Mäkinen A. & Rasinmäki, J Simulointi ja Optimointi uuteen metsäsuunnitteluun. Metsätieteen Aikakauskirja 1/2006, s Vastaranta, M., Melkas, T., Holopainen, M., Kaartinen, H., Hyyppä, J. and Hyyppä, H Laser-based field measurements in tree-level forest data acquisition. Photogrammetric journal of Finland, 1/2009, s Viitala, E-J Metsän optimaalinen kiertoaika: Lähestymistavat ja niiden talousteoreettinen perusta. Metsäntutkimuslaitoksen tiedonantoja s. (in Finnish). Yoshimoto, A Threshold price as economic indicator for sustainable forest management under stochastic log price. Journal of Forest Research 4, s Yoshimoto, A. & Shoji, I Searching for an optimal rotation age for forest stand management under stochastic log price. European Journal of Operational Research 105, s

Metsäkiinteistön taloudellisen arvon määrittäminen

Metsäkiinteistön taloudellisen arvon määrittäminen Metsätieteen aikakauskirja t i e t e e n t o r i Markus Holopainen ja Kauko Viitanen Käsitteistä ja epävarmuudesta metsäkiinteistöjen taloudellisen arvon määrittämisessä Johdanto Metsäkiinteistön taloudellisen

Lisätiedot

Laserkeilaus puustotunnusten arvioinnissa

Laserkeilaus puustotunnusten arvioinnissa Uusi Teknologia mullistaa puun mittauksen Metsäpäivät 7.11.2008 Laserkeilaus puustotunnusten arvioinnissa Markus Holopainen Helsingin yliopisto Metsävarojen käytön laitos markus.holopainen@helsinki.fi

Lisätiedot

VMI-koealatiedon ja laserkeilausaineiston yhdistäminen metsäsuunnittelua varten

VMI-koealatiedon ja laserkeilausaineiston yhdistäminen metsäsuunnittelua varten VMI-koealatiedon ja laserkeilausaineiston yhdistäminen metsäsuunnittelua varten Kuortaneen metsäsuunnitteluseminaari 10.09.2007 Aki Suvanto, Joensuun yliopisto Petteri Packalén, Joensuun yliopisto Matti

Lisätiedot

Puustotietojen keruun tekniset vaihtoehdot, kustannustehokkuus ja tarkkuus

Puustotietojen 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,

Lisätiedot

SIMO tutkimuskäytössä. SIMO seminaari 23. maaliskuuta 2011 Antti Mäkinen Simosol Oy

SIMO tutkimuskäytössä. SIMO seminaari 23. maaliskuuta 2011 Antti Mäkinen Simosol Oy SIMO tutkimuskäytössä SIMO seminaari 23. maaliskuuta 2011 Antti Mäkinen Simosol Oy Alkuvaiheet SIMOn juuret Helsingin Yliopiston metsävarojen käytön laitoksella mahdollistivat ohjelmiston luontevan soveltamisen

Lisätiedot

Koostimme Metsätieteen aikakauskirjan erikoisnumeroon

Koostimme Metsätieteen aikakauskirjan erikoisnumeroon Metsätieteen aikakauskirja t i e t e e n t o r i Markus Holopainen, Mikko Vastaranta ja Juha Hyyppä Yksityiskohtaisen metsävaratiedon tuottaminen kohti täsmämetsätaloutta? e e m t a Johdanto Koostimme

Lisätiedot

Metsävaratieto 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 Metsävaratieto ja sen käytön mahdollisuudet 4.12.2014 Raito Paananen Metsätietopäällikkö Suomen metsäkeskus Julkiset palvelut, Keski-Suomi Sisältö 1. Julkisin varoin kerättävien metsävaratietojen keruun

Lisätiedot

Kaukokartoituspohjainen metsien inventointi Suomessa - mitä tästä eteenpäin? Petteri Packalen

Kaukokartoituspohjainen 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

Lisätiedot

Laserkeilauspohjaiset laskentasovellukset

Laserkeilauspohjaiset laskentasovellukset Laserkeilauspohjaiset laskentasovellukset Petteri Packalén Matti Maltamo Laseraineiston käsittely: Ohjelmistot, formaatit ja standardit Ei kovin monia ohjelmia laserpisteaineiston käsittelyyn» Terrasolid

Lisätiedot

Paikkatietoa metsäbiomassan määrästä tarvitaan

Paikkatietoa metsäbiomassan määrästä tarvitaan Biomassan estimointi laseraineiston, ilmakuvien ja maastomittausten perusteella Esitys Metsätieteen Päivän Taksaattorisessiossa 26.10.2011 Reija Haapanen, Sakari Tuominen ja Risto Viitala Paikkatietoa

Lisätiedot

Laserkeilauksen hyödyntäminen metsätaloudellisissa

Laserkeilauksen hyödyntäminen metsätaloudellisissa Metsätieteen aikakauskirja 4/2008 Tieteen tori Matti Maltamo, Petteri Packalén, Janne Uuttera, Esa Ärölä ja Juho Heikkilä Laserkeilaustulkinnan hyödyntäminen metsäsuunnittelun tietolähteenä Johdanto Laserkeilauksen

Lisätiedot

Vaihtoehtoisia malleja puuston kokojakauman muodostamiseen

Vaihtoehtoisia 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

Lisätiedot

Suomen 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. 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

Lisätiedot

Metsikön rakenteen ennustaminen 3D-kaukokartoituksella

Metsikön rakenteen ennustaminen 3D-kaukokartoituksella 8.10.2017 1 Metsikön rakenteen ennustaminen 3D-kaukokartoituksella Dosentti (MMT) Mikko Vastaranta Metsätieteiden laitos, Helsingin yliopisto Laserkeilaustutkimuksen huippuyksikkö mikko.vastaranta@helsinki.fi

Lisätiedot

Metsävarojen inventoinnin keskeinen kiinnostuksen

Metsävarojen inventoinnin keskeinen kiinnostuksen Metsätieteen aikakauskirja 1/2015 Ville Kankare, Mikko Niemi, Mikko Vastaranta, Markus Holopainen ja Juha Hyyppä Puustobiomassan kartoituksen ja seurannan kehittäminen e e m t a Luonnonvarariskien hallinta

Lisätiedot

Puiden biomassan, puutavaralajien ja laadun ennustaminen laserkeilausaineistoista

Puiden biomassan, puutavaralajien ja laadun ennustaminen laserkeilausaineistoista Puiden biomassan, puutavaralajien ja laadun ennustaminen laserkeilausaineistoista MMT Ville Kankare Metsätieteiden laitos, Helsingin yliopisto Laserkeilauksen huippuyksikkö 8.3.2016 1 Sisältö I. Biomassaositteet

Lisätiedot

Tila-arvio kertoo metsän arvon. Pasi Kiiskinen 29.3.2014

Tila-arvio kertoo metsän arvon. Pasi Kiiskinen 29.3.2014 Tila-arvio kertoo metsän arvon Pasi Kiiskinen 29.3.2014 OTSO METSÄPALVELUIDEN HISTORIA Suomen metsäkeskus jakaantuu kahtia 2012. Jaossa metsäkeskukselle jäi kestävän metsätalouden kehittäminen ja viranomaisasiat.

Lisätiedot

Puukarttajärjestelmä hakkuun tehostamisessa. Timo Melkas Mikko Miettinen Jarmo Hämäläinen Kalle Einola

Puukarttajärjestelmä 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

Lisätiedot

Laserkeilaus yksityismetsien inventoinnissa

Laserkeilaus yksityismetsien inventoinnissa Kuvat Arbonaut Oy Laserkeilaus yksityismetsien inventoinnissa Laserkeilaus ja korkeusmallit Maanmittauslaitoksen seminaari 9.10.2009 Juho Heikkilä Metsätalouden kehittämiskeskus Tapio Sisältö Kuva Metla

Lisätiedot

METSÄ SUUNNITELMÄ 2013 2027

METSÄ SUUNNITELMÄ 2013 2027 METSÄ SUUNNITELMÄ 2013 2027 Omistaja: Itä-Suomen yliopisto Osoite: Yliopistokatu 2, 80101 Joensuu Tila: Suotalo 30:14 Kunta: Ilomantsi 2 SISÄLTÖ 1 JOHDANTO... 3 2 METSÄN NYKYTILA... 4 2.1 Kasvupaikkojen

Lisätiedot

MARV Metsikkökoealaharjoitus Aluepohjaiset laserpiirteet puustotunnusten selittäjinä. Ruuduille lasketut puustotunnukset:

MARV Metsikkökoealaharjoitus Aluepohjaiset laserpiirteet puustotunnusten selittäjinä. Ruuduille lasketut puustotunnukset: MARV1-11 Metsikkökoealaharjoitus Aluepohjaiset laserpiirteet puustotunnusten selittäjinä Metsikkökoealojen puuston mittaukseen käytetty menetelmä, jossa puut etsitään laseraineistosta/ilmakuvilta ja mitataan

Lisätiedot

Forest Big Data (FBD) -tulosseminaari Helsingin yliopiston metsätieteiden laitos & Maanmittauslaitoksen paikkatietokeskus (FGI)

Forest Big Data (FBD) -tulosseminaari Helsingin yliopiston metsätieteiden laitos & Maanmittauslaitoksen paikkatietokeskus (FGI) Forest Big Data (FBD) -tulosseminaari 8.3.2016 Helsingin yliopiston metsätieteiden laitos & Maanmittauslaitoksen paikkatietokeskus (FGI) Markus Holopainen, Aluepohjaista inventointia vai yksinpuintulkintaa?

Lisätiedot

METSÄSUUNNITTELU. Metsäkurssi JKL yo 2014 syksy. Petri Kilpinen, Metsäkeskus, Keski-Suomi

METSÄSUUNNITTELU. 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.

Lisätiedot

SIMO käytössä. UPM-Kymmene Oyj Janne Uuttera 23.3.2011

SIMO käytössä. UPM-Kymmene Oyj Janne Uuttera 23.3.2011 SIMO käytössä UPM-Kymmene Oyj Janne Uuttera 23.3.2011 1 Wednesday, March 30, 2011 Lähtökohtia UPM:n metsätalouden ja kiinteistöhallinnan järjestelmien uudistaminen oli käynnissä yhtäaikaa alkuperäisen

Lisätiedot

Puuston runkolukusarjan ja laatutunnusten mittaus kaukokartoituksella

Puuston runkolukusarjan ja laatutunnusten mittaus kaukokartoituksella Metsätehon raportti 223 1.8.2013 Puuston runkolukusarjan ja laatutunnusten mittaus kaukokartoituksella Esiselvitys ja käytännön testi Jari Vauhkonen Ville Kankare Topi Tanhuanpää Markus Holopainen Mikko

Lisätiedot

METSÄSUUNNITTELU YKSITYISMETSISSÄ

METSÄSUUNNITTELU YKSITYISMETSISSÄ 1 METSÄSUUNNITTELU YKSITYISMETSISSÄ KEHITYS: 50-70 luvut: tilakohtaisia suunnitelmia 1975: alueellinen metsäsuunnittelu, keskitetty järjestelmä 1985: Taso-metsätaloussuunnitelma, kerättiin tarkempia puustotietoja

Lisätiedot

OPERAATIOTUTKIMUS METSÄTALOUDESSA

OPERAATIOTUTKIMUS METSÄTALOUDESSA OPERAATIOTUTKIMUS METSÄTALOUDESSA Jyrki Kangas, UPM Metsä & Annika Kangas, Helsingin yliopisto Alustus FORS-seminaarissa 'Operaatiotutkimus metsäsektorilla' 24.5.2006 Helsinki Tyypillisimmät OR-tehtävät

Lisätiedot

MetKu Metsävaratiedon kustannushyötyanalyysi

MetKu Metsävaratiedon kustannushyötyanalyysi MetKu Metsävaratiedon kustannushyötyanalyysi Annika Kangas, Arto Haara, Markus Holopainen, Ville Luoma, Petteri Packalen, Tuula Packalen, Roope Ruotsalainen ja Ninni Saarinen 1 Haara & Kangas METsävaratiedon

Lisätiedot

Puun kasvu ja runkomuodon muutokset

Puun 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

Lisätiedot

ARVIOKIRJAMALLI. Metsäarvio+ Saarnivaara, Saarijärvi / 8

ARVIOKIRJAMALLI. Metsäarvio+ Saarnivaara, Saarijärvi / 8 1 / 8 Metsäarvio+ Saarnivaara, Saarijärvi 729-407--496 OP Metsäarvio+ kertoo kiinteistön metsätaloudellisen arvon, jota voidaan käyttää vakuusarvon määrityksessä ja omistajanvaihdostilanteissa, kuten perunkirjoitus,

Lisätiedot

Laserkeilaus osana puuhuoltoa

Laserkeilaus osana puuhuoltoa Metsätehon seminaari 24.5.2011 Laserkeilaus osana puuhuoltoa Markus Holopainen Helsingin yliopisto, Metsätieteiden laitos Aalto-yliopisto, Maanmittaustieteiden laitos markus.holopainen@helsinki.fi Esityksen

Lisätiedot

Yhteismetsäosuuksien laskentaperusteet ja yhteismetsäosuuden arvon määrittämisessä huomioonotettavat asiat

Yhteismetsäosuuksien laskentaperusteet ja yhteismetsäosuuden arvon määrittämisessä huomioonotettavat asiat Yhteismetsäosuuksien laskentaperusteet ja yhteismetsäosuuden arvon määrittämisessä huomioonotettavat asiat Oulun kaupungin Haukiputaan Ulkometsän alueen tilusjärjestelytoimituksen toimituskokous 31. toukokuuta

Lisätiedot

LASERKEILAUS METSÄVAROJEN HALLINNASSA. markus.holopainen@helsinki.fi, juha.hyyppa@fgi.fi, mikko.vastaranta@helsinki.fi, hannu.hyyppa@aalto.

LASERKEILAUS METSÄVAROJEN HALLINNASSA. markus.holopainen@helsinki.fi, juha.hyyppa@fgi.fi, mikko.vastaranta@helsinki.fi, hannu.hyyppa@aalto. The Photogrammetric Journal of Finland, Vol. 22, No. 3, 2011 LASERKEILAUS METSÄVAROJEN HALLINNASSA Markus Holopainen 1, Juha Hyyppä 2, Mikko Vastaranta 1 ja Hannu Hyyppä 3 1 Helsingin yliopisto, Metsätieteiden

Lisätiedot

Laserkeilauksella kattavaa tietoa kaupunkimetsistä

Laserkeilauksella kattavaa tietoa kaupunkimetsistä Laserkeilauksella kattavaa tietoa kaupunkimetsistä Topi Tanhuanpää HY, Metsätieteiden osasto / UEF, Historia- ja maantieteiden osasto Kaupunkimetsät: Mitä ne ovat? Kaupungissa ja sen laitamilla kasvavien

Lisätiedot

Tiheäpulssinen ja monikanavainen laserkeilausaineisto puulajeittaisessa inventoinnissa

Tiheäpulssinen 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,

Lisätiedot

ARVIOKIRJAMALLI. Metsäarvio. Pyy, Mäntyharju / 8

ARVIOKIRJAMALLI. Metsäarvio. Pyy, Mäntyharju / 8 1 / 8 Metsäarvio Pyy, Mäntyharju 507-412-1-73 Tämä metsäarvio kertoo kiinteistön metsätaloudellisen arvon, jota voidaan käyttää omistajanvaihdostilanteissa, kuten perunkirjoitus, perintö- ja lahjaveroarvon

Lisätiedot

Metsänkasvatuksen tutkimus on soveltavaa tutkimusta,

Metsänkasvatuksen tutkimus on soveltavaa tutkimusta, Jari Hynynen Puuston kehitysennusteiden luotettavuuden parantaminen tutkimuksen haasteena Johdanto Metsänkasvatuksen tutkimus on soveltavaa tutkimusta, jonka tuloksia kysytään ja joita sovelletaan konkreettisissa

Lisätiedot

Riittääkö biomassaa tulevaisuudessa. Kalle Eerikäinen & Jari Hynynen Metsäntutkimuslaitos

Riittääkö biomassaa tulevaisuudessa. Kalle Eerikäinen & Jari Hynynen Metsäntutkimuslaitos Riittääkö biomassaa tulevaisuudessa Kalle Eerikäinen & Jari Hynynen Metsäntutkimuslaitos Metsävarat ja metsien käsittely nyt Puuston tilavuus metsä- ja kitumaalla 1920-luvulta lähtien Puuston kasvu ja

Lisätiedot

Metsänomistajan talouskoulu Metsätilan arvonmääritys. Piia Perälä, Mhy Päijät-Häme

Metsänomistajan talouskoulu Metsätilan arvonmääritys. Piia Perälä, Mhy Päijät-Häme Metsänomistajan talouskoulu Metsätilan arvonmääritys Piia Perälä, Mhy Päijät-Häme 044 033 7529 Metsän arvot Metsän arvot (FAO:n luokitus) Suorat käyttöarvot Puutavara Marjat, sienet, ravinto- ja koristekasvit

Lisätiedot

Riittääkö puu VMI-tulokset

Riittääkö puu VMI-tulokset Riittääkö puu VMI-tulokset Lapin 61. Metsätalouspäivät 14.2.2019 Rovaniemi Kari T. Korhonen Metsävarat: Kari T. Korhonen, Antti Ihalainen, Mikael Strandström Hakkuumahdollisuudet: Olli Salminen, Hannu

Lisätiedot

Laskelma Jyväskylän kaupungin metsien kehityksestä

Laskelma Jyväskylän kaupungin metsien kehityksestä Laskelma Jyväskylän kaupungin metsien kehityksestä Metsävara-asiantuntija Mikko Lumperoinen Tapio Silva Oy Tammikuu 218 Jyväskylän kaupungin metsävarat tässä hakkuulaskelmassa Nykytilanne 27.11.217 Pinta-ala:

Lisätiedot

Metsätalouden kannattavuuden parantaminen

Metsätalouden kannattavuuden parantaminen Metsätalouden kannattavuuden parantaminen Jari Hynynen & Saija Huuskonen Luonnonvarakeskus Natural Resources Institute Finland Johdanto Talousnäkökulma metsänkasvatukseen ottaen huomioon se, että Metsien

Lisätiedot

SIMO-pilotointi Metsähallituksessa. SIMO-seminaari

SIMO-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

Lisätiedot

Kymmenen vuotta maastolaserkeilaustutkimusta käytännön kokemuksia

Kymmenen vuotta maastolaserkeilaustutkimusta käytännön kokemuksia Kymmenen vuotta maastolaserkeilaustutkimusta käytännön kokemuksia MMT Ville, Kankare Laserkeilaustutkimuksen huippuyksikkö Metsätieteiden laitos, Helsingin yliopisto Kymmenen vuotta maastolaserkeilaustutkimusta

Lisätiedot

MEKA/ttu. Markku Airaksinen. MEKA/ttu

MEKA/ttu. Markku Airaksinen. MEKA/ttu MEKA/ttu Markku Airaksinen MEKA/ttu Projektin asettaminen Asetan metsän kauppahintatutkimus-projektin (MEKA/ttu). Projektin tavoitteena on laatia uusi julkaisu metsäomaisuuden hinnanmuodos-tuksesta ajantasaistamalla

Lisätiedot

ENERGIAPUUKOHTEEN TUNNISTAMINEN JA OHJAAMINEN MARKKINOILLE

ENERGIAPUUKOHTEEN TUNNISTAMINEN JA OHJAAMINEN MARKKINOILLE ENERGIAPUUKOHTEEN TUNNISTAMINEN JA OHJAAMINEN MARKKINOILLE METSÄ metsänomistajat PROMOOTTORI metsäsuunnittelu ja -neuvonta MARKKINAT polttopuu- ja lämpöyrittäjät metsäpalveluyrittäjät energiayhtiöt metsänhoitoyhdistykset

Lisätiedot

Metsävaratietolähteet

Metsävaratietolähteet Metsävaratietolähteet Metsätehon iltapäiväseminaari Metsänomistus, puun tarjonta ja metsätietolähteet 24.5.2011 Tapio Räsänen 1. Oston sekä puunhankinnan suunnittelun ja ohjauksen tietotarpeet Oston strategiat

Lisätiedot

Metsään peruskurssi. Sisältö

Metsään 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

Lisätiedot

Satelliittipaikannuksen tarkkuus hakkuukoneessa. Timo Melkas Mika Salmi Jarmo Hämäläinen

Satelliittipaikannuksen 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

Lisätiedot

Valtakunnan metsien 10. inventointiin perustuvat hakkuumahdollisuusarviot Keski-Suomen metsäkeskuksen alueella

Valtakunnan metsien 10. inventointiin perustuvat hakkuumahdollisuusarviot Keski-Suomen metsäkeskuksen alueella Valtakunnan metsien 10. inventointiin perustuvat hakkuumahdollisuusarviot Keski-Suomen metsäkeskuksen alueella Tietolähde: Metla VMI10 / MELA-ryhmä / 15.6.2007 Olli Salminen Nuutinen, T., Hirvelä, H.,

Lisätiedot

MELA2012. Olli Salminen Metla MELA ryhmä.

MELA2012. Olli Salminen Metla MELA ryhmä. MELA2012 Olli Salminen Metla MELA ryhmä http://www.metla.fi www.metla.fi/metinfo/mela MELA2012 julkistus 27.11.2012 MELA versiohistoria MELA2012 ohjelmiston uudet ominaisuudet http://mela2.metla.fi/mela/julkaisut/oppaat.htm

Lisätiedot

Olosuhdetieto. Metsäntutkimuksen ja päätöksenteon apuna. Metsäteho Timo Tokola. UEF // University of Eastern Finland

Olosuhdetieto. 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

Lisätiedot

Valtakunnan metsien 10. inventointiin perustuvat hakkuumahdollisuusarviot Lounais-Suomen metsäkeskuksen alueella

Valtakunnan metsien 10. inventointiin perustuvat hakkuumahdollisuusarviot Lounais-Suomen metsäkeskuksen alueella Valtakunnan metsien 10. inventointiin perustuvat hakkuumahdollisuusarviot Lounais-Suomen metsäkeskuksen alueella Tietolähde: Olli Salminen Metla VMI10 / MELA-ryhmä / 15.6.2007 Nuutinen, T., Hirvelä, H.,

Lisätiedot

ERI-IKÄISRAKENTEISEN METSÄN KASVATUKSEN TALOUS

ERI-IKÄISRAKENTEISEN METSÄN KASVATUKSEN TALOUS Suomen Metsätieteellinen Seura Eri-ikäisrakenteiset metsät metsätaloudessa -seminaari Säätytalo, 8.4.2010 ERI-IKÄISRAKENTEISEN METSÄN KASVATUKSEN TALOUS Kari Hyytiäinen Sisältö 1. Johdanto 2. Metsän nykyarvo

Lisätiedot

Maankäytön suunnittelun taustatiedot Luonnonvarakeskuksen metsävaratiedoista

Maankäytön suunnittelun taustatiedot Luonnonvarakeskuksen metsävaratiedoista Maankäytön suunnittelun taustatiedot Luonnonvarakeskuksen metsävaratiedoista Leena Kärkkäinen, Helena Haakana, Hannu Hirvelä, Reetta Lempinen, Tuula Packalen Metsävaikutusten arvioinnin kehittäminen kaavoituksessa

Lisätiedot

Valtakunnan metsien 10. inventointiin perustuvat hakkuumahdollisuusarviot Etelä-Savon metsäkeskuksen alueella

Valtakunnan metsien 10. inventointiin perustuvat hakkuumahdollisuusarviot Etelä-Savon metsäkeskuksen alueella Valtakunnan metsien 10. inventointiin perustuvat hakkuumahdollisuusarviot Etelä-Savon metsäkeskuksen alueella Tietolähde: Metla VMI10 / MELA-ryhmä / 15.6.2007 Tuula Nuutinen Nuutinen, T., Hirvelä, H.,

Lisätiedot

MELA käyttäjäsovelluksia ja -kokemuksia

MELA käyttäjäsovelluksia ja -kokemuksia MELA käyttäjäsovelluksia ja -kokemuksia Metsämannut Oy Janne Soimasuo 1 MELA Metsämannut Oy:ssä Mela ollut käytössä Metsämannut Oy:ssä 20 vuotta Aluksi strategisen suunnittelun apuväline Hakkuusuunnitteen

Lisätiedot

Puulajitulkinta laserdatasta

Puulajitulkinta laserdatasta Ilmakuvien tarve metsäsuunnittelussa? Taksaattoriklubin seminaari, Paikkatietomarkkinat 2009 Puulajitulkinta laserdatasta Jari Vauhkonen Esityksen sisältöä Millaista (puulaji-)tietoa laserkeilaindata sisältää?

Lisätiedot

Valtakunnan metsien 10. inventointiin perustuvat hakkuumahdollisuusarviot Etelä-Pohjanmaan metsäkeskuksen alueella

Valtakunnan metsien 10. inventointiin perustuvat hakkuumahdollisuusarviot Etelä-Pohjanmaan metsäkeskuksen alueella Valtakunnan metsien 10. inventointiin perustuvat hakkuumahdollisuusarviot Etelä-Pohjanmaan metsäkeskuksen alueella Tietolähde: Kari Härkönen Metla VMI10 / MELA-ryhmä / 15.6.2007 Nuutinen, T., Hirvelä,

Lisätiedot

Taimikonhoidon ajoitus ja sen merkitys kuusen uudistamisketjussa. Karri Uotila Kustannustehokas metsänhoito seminaarisarja 2011 17.11.

Taimikonhoidon ajoitus ja sen merkitys kuusen uudistamisketjussa. Karri Uotila Kustannustehokas metsänhoito seminaarisarja 2011 17.11. Taimikonhoidon ajoitus ja sen merkitys kuusen uudistamisketjussa Karri Uotila Kustannustehokas metsänhoito seminaarisarja 2011 17.11.2011 Mikkeli Karri Uotila Taimikonhoidon kustannukset Taimikonhoidon

Lisätiedot

Drone-kuvausten käyttökelpoisuudesta metsäkeskuksen toiminnassa Maaseutu 2.0 loppuseminaari

Drone-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

Lisätiedot

Metsätieteen aikakauskirja

Metsätieteen aikakauskirja Metsätieteen aikakauskirja t u t k i m u s a r t i k k e l i Arto Haara Arto Haara ja Kari T. Korhonen Toimenpide-ehdotusten simulointi laskennallisesti ajantasaistetusta kuvioaineistosta Haara, A. & Korhonen,

Lisätiedot

Valtakunnan metsien 10. inventointiin perustuvat hakkuumahdollisuusarviot Pirkanmaan metsäkeskuksen alueella

Valtakunnan metsien 10. inventointiin perustuvat hakkuumahdollisuusarviot Pirkanmaan metsäkeskuksen alueella Valtakunnan metsien 10. inventointiin perustuvat hakkuumahdollisuusarviot Pirkanmaan metsäkeskuksen alueella Tietolähde: Metla VMI10 / MELA-ryhmä / 15.6.2007 Tuula Nuutinen Nuutinen, T., Hirvelä, H., Salminen,

Lisätiedot

MOTTI metsäsuunnittelussa ja siihen liittyvässä tutkimuksessa

MOTTI metsäsuunnittelussa ja siihen liittyvässä tutkimuksessa MOTTI metsäsuunnittelussa ja siihen liittyvässä tutkimuksessa Jari Hynynen Metla, Vantaan toimintayksikkö SIMO-seminaari 2.11.2007 / Metsäntutkimuslaitos Skogsforskningsinstitutet Finnish Forest Research

Lisätiedot

Koron käyttöperiaate metsikkö- ja metsälötason suunnittelussa: oppikirjanäkökulma

Koron käyttöperiaate metsikkö- ja metsälötason suunnittelussa: oppikirjanäkökulma Lehtileike Heikki Smolanderin kolumnista Ranskalaiset korot Metsälehdessä 3/2019 Koron käyttöperiaate metsikkö- ja metsälötason suunnittelussa: oppikirjanäkökulma Taksaattoriklubin seminaari 9.4.2019 Jari

Lisätiedot

Kuviokohtaisten puustotunnusten ennustaminen laserkeilauksella

Kuviokohtaisten puustotunnusten ennustaminen laserkeilauksella Metsätieteen aikakauskirja t u t k i m u s a r t i k k e l i Aki Suvanto, Matti Maltamo, Petteri Packalén ja Jyrki Kangas Aki Suvanto Matti Maltamo Petteri Packalén Kuviokohtaisten puustotunnusten ennustaminen

Lisätiedot

NUMEERISET ILMAKUVAT TAIMIKON PERKAUSTARPEEN MÄÄRITTÄMISESSÄ

NUMEERISET ILMAKUVAT TAIMIKON PERKAUSTARPEEN MÄÄRITTÄMISESSÄ NUMEERISET ILMAKUVAT TAIMIKON PERKAUSTARPEEN MÄÄRITTÄMISESSÄ Selvitettiin numeeristen ilmakuva-aineistojen hyödyntämismahdollisuuksia taimikon puustotunnusten ja perkaustarpeen määrittämisessä. Tuukka

Lisätiedot

Laserkeilaus ja metsäsovellukset Juho Heikkilä, metsätiedon johtava asiantuntija

Laserkeilaus 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

Lisätiedot

RN:o 23:36. n.58,8 ha

RN:o 23:36. n.58,8 ha ?? RN:o 23:36 n.58,8 ha 0 metri Mittakaava: 1:10 000 400,0? Maanmittauslaitos 2014 Lupanumero 3069/MML/14 Karttakeskus 2014? Tammasuo 687-414-23-36 0 3 000 metri Mittakaava: 1:75 000 Maanmittauslaitos

Lisätiedot

RUNKOPANKIN KÄYTTÖSOVELLUKSET

RUNKOPANKIN KÄYTTÖSOVELLUKSET RUNKOPANKIN KÄYTTÖSOVELLUKSET Projektit Projekti 202 Leimikoiden korjuuohjelman ja apteerausvaihtoehtojen optimointi suunnattiin runkopankin käyttösovellusten kehittämistä tukevaksi ja toteutettiin yhdessä

Lisätiedot

Metsävaaka -metsäni vaihtoehdot

Metsävaaka -metsäni vaihtoehdot www.metsavaaka.fi Sovelluksen käyttöohje Versio 1.0 7.5.2014 Johdanto Metsävaaka on metsänuudistamisen ja hakkuuvaihtoehtojen vaihtoehtojen tarkasteluun suunniteltu sovellus. Näissä ohjeissa käydään vaiheittain

Lisätiedot

Tukkiröntgendata sahapuun ohjauksessa

Tukkiröntgendata 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

Lisätiedot

Metsävarojen inventoinnissa ollaan siirtymässä

Metsävarojen 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

Lisätiedot

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. 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

Lisätiedot

Yleiskaavojen vaikutukset metsätalouteen

Yleiskaavojen vaikutukset metsätalouteen Yleiskaavojen vaikutukset metsätalouteen Hannu Hirvelä, Tuula Packalen, Helena Mäkelä Kaavoituksen vaikutukset Etelä-Suomen metsätalouteen seminaari 29.8.2013 Yleiskaavat Metsänomistajien liitto Etelä-Suomen

Lisätiedot

Paikkatietomarkkinat / Taksaattoriklubi 4.11.2014 Mitä Laserkeilauksen huippuyksikkö merkitsee metsätieteille? Markus Holopainen Helsingin yliopisto,

Paikkatietomarkkinat / Taksaattoriklubi 4.11.2014 Mitä Laserkeilauksen huippuyksikkö merkitsee metsätieteille? Markus Holopainen Helsingin yliopisto, Paikkatietomarkkinat / Taksaattoriklubi 4.11.2014 Mitä Laserkeilauksen huippuyksikkö merkitsee Markus Holopainen Helsingin yliopisto, Metsätieteiden laitos markus.holopainen@helsinki.fi Mitä Laserkeilauksen

Lisätiedot

Maanmittauslaitos 2015 Lupanumero 3069/MML/14 Karttakeskus 2015

Maanmittauslaitos 2015 Lupanumero 3069/MML/14 Karttakeskus 2015 RN:o 15:1/1 n. 2,5 ha RN:o 2:131 18,5 ha RN:o 2:87/0 37,1 ha Maanmittauslaitos 2015 Lupanumero 3069/MML/14 Karttakeskus 2015 n. 2,5 ha RN:o 15:1/1 RN:o 2:87/0 37,1 ha RN:o 2:131 18,5 ha Raimola 595-427-2-87/0

Lisätiedot

MOBIDEC 1.1. Pikaohje 30.3.2011

MOBIDEC 1.1. Pikaohje 30.3.2011 MOBIDEC 1.1 Pikaohje 30.3.2011 SISÄLTÖ 1 ALOITUS... 1 1.1 Laitteet... 1 1.2 Datasiirtomaksut... 1 1.3 Soveltuvuus... 1 1.4 Aloitussivu... 1 2 REKISTERÖITYMINEN... 2 2.1 Yleistä... 2 2.2 Virhetilanteet...

Lisätiedot

Mänty sahapuuna tapaustutkimuksia

Mänty sahapuuna tapaustutkimuksia Mänty sahapuuna tapaustutkimuksia Harri Mäkinen Lauri Valsta, Sami Pastila, Kirsi Makkonen, Henna Lyhykäinen, Annikki Mäkelä, Arto Usenius Sisältö 1. Harvennusten kannattavuus» sahan kannalta» metsänomistajan

Lisätiedot

Aines- ja energiapuun hakkuumahdollisuudet

Aines- ja energiapuun hakkuumahdollisuudet Aines- ja energiapuun hakkuumahdollisuudet Tuula Packalen, Olli Salminen, Hannu Hirvelä, Kari Härkönen, Reetta Lempinen & Aimo Anola-PukkilaA Valtakunnan metsien inventoinnin (VMI11) tulosten julkistamistilaisuus

Lisätiedot

Metsätieteen aikakauskirja

Metsätieteen aikakauskirja Metsätieteen aikakauskirja t u t k i m u s a r t i k k e l i Risto Ojansuu, Markku Halinen ja Kari Härkönen Risto Ojansuu Metsätalouden suunnittelujärjestelmän virhelähteet männyn ensiharvennuskypsyyden

Lisätiedot

Metsävaratiedon saatavuus ja käytettävyys energiapuun hankinnassa

Metsävaratiedon saatavuus ja käytettävyys energiapuun hankinnassa Metsävaratiedon saatavuus ja käytettävyys energiapuun hankinnassa Dos. Jari Vauhkonen Yliopistonlehtori, HY (-> 28.2.2014) Yliopistotutkija, ISY (1.3.2014 ->) Sisältöä 1. Kaukokartoituspohjainen metsävaratieto

Lisätiedot

AJANTASAINEN METSÄVARATIETO NEUVONNAN JA OPERATIIVISEN SUUNNITTELUN VÄLINEEKSI

AJANTASAINEN 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

Lisätiedot

NUORTEN METSIEN RAKENNE JA KEHITYS

NUORTEN METSIEN RAKENNE JA KEHITYS NUORTEN METSIEN RAKENNE JA KEHITYS Saija Huuskonen Metsäntutkimuslaitos, Vantaa Tutkimuksen tavoitteet 1. Selvittää 198-luvulla onnistuneesti perustettujen havupuuvaltaisten taimikoiden metsänhoidollinen

Lisätiedot

ARVO-ohjelmisto pienpuun hankinnan tukena

ARVO-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

Lisätiedot

Metsikkötason optimointimallit metsänkasvatuksen taloudellisessa tutkimuksessa ja metsänkäsittelypäätösten tukena

Metsikkötason optimointimallit metsänkasvatuksen taloudellisessa tutkimuksessa ja metsänkäsittelypäätösten tukena Tutkijoiden metsäpalaverin päätöskokous Kolilla, 16.-17.11. 200 Metsikkötason optimointimallit metsänkasvatuksen taloudellisessa tutkimuksessa ja metsänkäsittelypäätösten tukena Kari Hyytiäinen, Metsäntutkimuslaitos

Lisätiedot

Metsäsuunnittelusta metsän suunnitteluun puuntuotannon rinnakkaistavoitteiden turvaaminen. Puukauppaa yksityismetsänomistajien kanssa vuosittain

Metsäsuunnittelusta metsän suunnitteluun puuntuotannon rinnakkaistavoitteiden turvaaminen. Puukauppaa yksityismetsänomistajien kanssa vuosittain Metsäsuunnittelusta metsän suunnitteluun puuntuotannon rinnakkaistavoitteiden turvaaminen Metsätieteen päivä 17.11.2015 Sami Oksa Päällikkö, ympäristö ja kestävä kehitys UPM ja metsä 50M Tainta istutetaan

Lisätiedot

Luonto- ja maisemapalvelut teemaryhmälle Oulussa 30.5.2012. Raili Hokajärvi, projektipäällikkö MoTaSu-hanke

Luonto- ja maisemapalvelut teemaryhmälle Oulussa 30.5.2012. Raili Hokajärvi, projektipäällikkö MoTaSu-hanke Havaintoja korvausvaatimuksista ja halukkuudesta korvata maisemanhoidon kustannuksia maanomistajille Rukan matkailualueella ja hinnan / kustannuksen laskentaa Luonto- ja maisemapalvelut teemaryhmälle Oulussa

Lisätiedot

METSÄTIEDOT KOHTI 2020-LUKUA Janne Uuttera UPM

METSÄTIEDOT 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

Lisätiedot

Hakkuukonemittaus puustotietojen tuotannossa aineiston esikäsittely ja kuviorajan muodostaminen

Hakkuukonemittaus 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,

Lisätiedot

Kannattavuus tasaikäis- ja eriikäismetsätaloudessa

Kannattavuus tasaikäis- ja eriikäismetsätaloudessa Kannattavuus tasaikäis- ja eriikäismetsätaloudessa Paula Horne ja Jyri Hietala Pellervon taloustutkimus PTT Metsäpäivät 2015 5.11.2015 Metsänomistajien tyytyväisyys hakkuu- ja hoitotapoihin Uudessa metsälaissa

Lisätiedot

METSÄNKÄSITTELYN KANNATTAVUUS. Hinta informaation välittäjänä vaikutukset metsänomistajan päätöksiin männikön harvennuksista ja kiertoajasta

METSÄNKÄSITTELYN KANNATTAVUUS. Hinta informaation välittäjänä vaikutukset metsänomistajan päätöksiin männikön harvennuksista ja kiertoajasta METSÄNKÄSITTELYN KANNATTAVUUS Hinta informaation välittäjänä vaikutukset metsänomistajan päätöksiin männikön harvennuksista ja kiertoajasta PURO-ohjausryhmäkokous 24.11.2004 Vantaa sami.pastila@helsinki.fi

Lisätiedot

Suomen metsäkeskuksen metsävaratieto ja sen hyödyntäminen

Suomen 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

Lisätiedot

TARKKA METSÄVARATIETO LISÄÄ SUUNNITTELUN JA TOTEUTUKSEN TEHOKKUUTTA

TARKKA METSÄVARATIETO LISÄÄ SUUNNITTELUN JA TOTEUTUKSEN TEHOKKUUTTA : TARKKA METSÄVARATIETO LISÄÄ SUUNNITTELUN JA TOTEUTUKSEN TEHOKKUUTTA Sivu 2 LiDAR -aineistoa. Vasemmanpuolisessa ikkunassa näkymä laserkeilauspistepilveen ylhäältä ja oikeanpuoleisissa lisäikkunoissa

Lisätiedot

Taimikonhoidon vaikutukset metsikön

Taimikonhoidon vaikutukset metsikön Taimikonhoidon vaikutukset metsikön jatkokehitykseen ja tuotokseen Saija Huuskonen Metsäntutkimuslaitos Skogsforskningsinstitutet Finnish Forest Research Institute www.metla.fi Sisältö 1. Taimikonhoidon

Lisätiedot

Kehittynyt katkonnan ohjaus ja ennakkosuunnittelutiedon tarkkuus Metsätehon tuloskalvosarja 6/2015

Kehittynyt 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

Lisätiedot

Puuston kasvun ennustevirheiden vaikutus metsävaratiedon käyttöikään metsäsuunnittelun päätöksenteossa

Puuston kasvun ennustevirheiden vaikutus metsävaratiedon käyttöikään metsäsuunnittelun päätöksenteossa Puuston kasvun ennustevirheiden vaikutus metsävaratiedon käyttöikään metsäsuunnittelun päätöksenteossa Metsävaratieteen ja -teknologian pro gradu - tutkielma maatalous- ja metsätieteiden maisterin tutkintoa

Lisätiedot

Tukki- ja kuitupuun hakkuumahdollisuudet sekä sivutuotteena korjattavissa oleva energiapuu Tietolähde: Metla VMI10 / MELA-ryhmä / 16.6.

Tukki- ja kuitupuun hakkuumahdollisuudet sekä sivutuotteena korjattavissa oleva energiapuu Tietolähde: Metla VMI10 / MELA-ryhmä / 16.6. Tukki- ja kuitupuun hakkuumahdollisuudet sekä sivutuotteena korjattavissa oleva energiapuu 2007 2036 Tietolähde: Metla VMI10 / MELA-ryhmä / 16.6.2008 http://www.metla.fi/metinfo/mela - Tulospalvelu METLA

Lisätiedot

RN:o 2:95 2,5 ha. RN:o 2:87 n.19,3 ha

RN:o 2:95 2,5 ha. RN:o 2:87 n.19,3 ha RN:o 2:95 2,5 ha RN:o 2:87 n.19,3 ha Maanmittauslaitos 2014 Lupanumero 3069/MML/14 Karttakeskus 2014 2,5 ha Palonen 595-427-2-95 Raimola 595-427-2-87 Maanmittauslaitos 2014 Lupanumero 3069/MML/14 Karttakeskus

Lisätiedot

VMI kasvututkimuksen haasteita

VMI kasvututkimuksen haasteita VMI kasvututkimuksen haasteita Annika Kangas & Helena Henttonen 18.8.2016 1 Teppo Tutkija VMIn aikasarjat mahdollistavat kasvutrendien tutkimuksen 2 Korhonen & Kangas Missä määrin kasvu voidaan ennustaa?

Lisätiedot