Puukarttajärjestelmä hakkuun tehostamisessa
|
|
- Riikka Jääskeläinen
- 8 vuotta sitten
- Katselukertoja:
Transkriptio
1 Metsätehon raportti Puukarttajärjestelmä hakkuun tehostamisessa Timo Melkas Mikko Miettinen Jarmo Hämäläinen Kalle Einola ISSN (Verkkojulkaisu) METSÄTEHO OY Vernissakatu Vantaa
2 Puukarttajärjestelmä hakkuun tehostamisessa Timo Melkas Mikko Miettinen Jarmo Hämäläinen Kalle Einola Metsätehon raportti ISSN (Verkkojulkaisu) Metsäteho Oy
3 SISÄLLYS TIIVISTELMÄ... 3 ABSTRACT JOHDANTO TUTKIMUSAINEISTO JA -MENETELMÄT Aineisto Laserkeilausaineisto Hakkuukoneen mittalaitteelta kerätty aineisto Vertailuaineisto GPS -aineisto Menetelmät Puukartan muodostaminen Läpimitat Runkokäyrä Laatutunnukset Tulosten vertaaminen MAASTOTESTIEN TULOKSET Puiden tunnistaminen keilaimella ennen ja jälkeen hakkuun Läpimitan mittaustarkkuus rinnankorkeudella Läpimitan mittaustarkkuus eri korkeuksilla Laatutunnusten mittausedellytykset Kuvion puuston keskitunnusten estimointi Hakkuukoneen paikannustarkkuus MITTALAITEKEHITYS TULOSTEN TARKASTELU JÄRJESTELMÄN SOVELTAMINEN JA HYÖDYT LÄHTEET LIITTEET 1-5 Metsätehon raportti
4 TIIVISTELMÄ Tutkimuksessa selvitettiin hakkuukoneeseen kehitetyn puukarttajärjestelmän (Optical Tree Measurement System, OTMS) toimivuus ja mittaustarkkuus erilaisissa olosuhteissa. Järjestelmä tuottaa hakkuun yhteydessä reaaliaikaista tietoa leimikon puuston ominaisuuksista. Se tunnistaa puut automaattisesti, laskee yksittäisten puiden tunnuksia ja muodostaa puiden sijaintikartan. Puukarttajärjestelmä on kehitetty Argone Oy:n Tekesin osittain rahoittamassa tuotekehitysprojektissa vuosina yhteistyössä Ponsse Oyj:n kanssa. Tuotekehitysprojektissa kehitettyä järjestelmää testattiin FIBIC-biotalousklusterin EffFibre-tutkimusohjelmassa ( ). Aineisto kerättiin vuosina Mänttä-Vilppulan alueelta Metsä Groupin harvennusleimikoilta, yhteensä 61 koealalta (r=10 m) Metsätehon, Metsä Groupin ja Argone Oy:n yhteistyönä. Järjestelmällä muodostettua puukarttaa ja laserkeilaimella mitattuja puiden läpimittoja sekä niiden perusteella tuotettua runkokäyrää verrattiin maastomittauksissa elektronisilla mittasaksilla mitattuihin läpimittoihin sekä sijainteihin. Harvennuksessa jäljelle jäävistä puista tunnistettiin OTMS järjestelmällä keskimäärin 99 %. Varttuneissa männiköissä puut pystyttiin kartoittamaan parhaiten (100 %), kun taas nuorissa kuusikoissa ja koivuvaltaisissa metsiköissä puiden löytyminen oli haasteellisempaa (97 %). Ennen hakkuuta leimikon puista pystyttiin löytämään keskimäärin 88 %. Puiden tunnistus onnistui hiukan paremmin koneen siltä puolelta, jolle mittalaite oli asennettu. Läpimitan mittaustarkkuus puolestaan riippui mittausetäisyydestä, laserkeilaimella tehtyjen toistomittausten lukumäärästä sekä puuston peitteisyydestä, kuten alikasvoksen ja oksien määrästä. Parhaimmillaan järjestelmä pystyi vastaavaan mittaustarkkuuteen kuin hakkuukoneen mittalaite. Esimerkiksi männyllä (OMTS -järjestelmän automaattisesti valitsemat puut, N=134) rinnankorkeusläpimittaestimaatin (d 1.3laser) harha oli 2,7 mm ja hajonta 23,3 mm. Kuusella (N=62) vastaavasti harha oli - 15,5 mm ja hajonta 70,8 mm. Suurempi harha ja hajonta kuusella johtuivat pääasiassa oksista, jotka ulottuivat kuusikoissa puun tyvelle saakka. Kuvio keskitunnusten (G, RL, D 1,3) osalta mittaustarkkuus oli hyvää tasoa. Lisäksi tutkittiin hakkuukoneissa olevien GPS-vastaanottimien paikannustarkkuutta paikantamalla koealat ennen ja jälkeen hakkuun sekä hakkuukoneen ajourat hakkuun aikana. Saatuja sijainteja verrattiin ajoura- ja koealatasolla. Hakkuukoneen vakiovarusteena olevan GPS-vastaanottimen ja Trimble GeoXH GPS -tarkkuuspaikantimen paikannustarkkuuden ero oli Viitaniemen tutkimuskohteilla keskimäärin 3,91 m (hajonta = 1,35 m) ja Kurkisalon kohteilla 2,07 m (hajonta = 1,04 m). Lupaavimpia puukarttajärjestelmän sovelluskohteita ovat harvennusvoimakkuuden seuranta, kuviolle jäävän puuston keskitunnusten määrittäminen ja kaadettavien puiden valinnan tukeminen. Pidemmällä aikavälillä, mitta- ja laatutietojen tarkentuessa, järjestelmää voitaneen hyödyntää myös katkonnanohjauksessa ja hakkuutyön automatisoinnissa. Järjestelmä saattaa avata uusia mahdollisuuksia myös kaukokartoituksen referenssiaineistojen mittaukseen. Näiltä osin järjestelmä vaatii vielä jatkokehittämistä. Metsätehon raportti
5 ABSTRACT The quality of automatic tree mapping data produced during harvesting in real-time was evaluated for accuracy, usability and scope. The tree mapping data evaluated was produced by the Optical Tree Measurement System (OTMS). OTMS is the product of a separate parallel development project conducted jointly by Argone Oy and Ponsse Oyj. The measurement system uses a low-cost bulk 2D laser with an inexpensive measuring platform to produce tree, stem and site map information in thinning stands. The most significant initial uses of the system include forest stand measurement and operator guidance to achieve optimal thinning density. Other possibilities of the OTMS system include, for example: tree selection assistance during cutting, measurement of stem properties before cutting (bucking support), improved strip road and log pile location precision for efficient hauling, and, in the future, location information for semi-automated harvesting. Three sets of research data (Kolho, Viitaniemi, Kurkisalo) were collected between June 2011 and June 2012 (53 sample plots) in different test stands and varying weather conditions. The results for the automatic tree mapping system were compared with manual measurements from sample plots (r=10 m). The test stands are located in the Mänttä-Vilppula area and the tests were conducted by Metsäteho Oy and assisted by Metsä Group. Trees left standing after harvesting were located with the OTMS system with 99% accuracy. In mature pine stands trees were located with most accuracy (100%), while in young spruce and birch-dominated forests locating the trees was more challenging (97% accuracy). Before felling, around 88% of trees could be identified. In addition, location accuracy is much higher on the side of the harvester to which the measurement device is fitted. The measurement accuracy depends on the measuring distance, the number of laser measurements made, the type of undergrowth and the branch number and height. At best, the diameter measurement accuracy of selected trees is equivalent to the measuring accuracy of a modern harvester. In pine stands (automatic tree selection by OTMS), the diameter (d1.3) bias of measurements was 2.7 mm and standard deviation 23.3 mm. In spruce stands (automatic tree selection by OTMS), the diameter (d1.3) bias of measurements was 15.5 mm and standard deviation 70.8 mm. Sample plots and strip loads were located with GPS receivers: Trimble Pathfinder ProXH, the harvester GPS, and the harvester s mapping system GPS. The locations were compared at the strip road and sample plot level. Comparing the accuracy of different GPS receivers, the mean difference in Viitaniemi was 3.91 m (std. dev = 1.35 m) and in Kurkisalo 2.07 m (std. dev = 1.04 m), when considering the differences between the Trimble GeoXH GPS receiver and the harvester s GPS receiver. Metsätehon raportti
6 1 JOHDANTO Suomella on pitkät perinteet koneellisessa puunkorjuussa. Nykyisin valtaosa leimikoista korjataan koneellisesti. Puunkorjuumenetelmät ja metsäkoneiden tietojärjestelmät ovat kehittyneet yhä tehokkaammiksi viimeisten vuosikymmenten aikana. Vastaavanlaisia teknologiahyppäyksiä kuin puunkorjuun koneellistumisen kulta-aikana 1980-luvulla on yhä vaikeampi saavuttaa. Pääpaino koneellisen puunkorjuun kehittämisessä on nykyään kuljettajan työolosuhteiden parantamisessa, kuljettajaa opastavien järjestelmien kehittämisessä ja työvaiheiden osittaisessa automatisoinnissa. Viime vuosina laserpohjaiset inventointimenetelmiä on otettu laajasti käyttöön metsävarojen inventoinnissa (Holopainen ym. 2013, Suomen Metsäkeskuksen ) ja yhä enenevässä määrin myös maastomittauksia pyritään automatisoimaan laser- ja kuvateknologiaa hyödyntäen (Melkas ym., 2009, Liang ym. 2011, Larsson ym. 2011, Barth 2012, Barth ym. 2013, Vauhkonen ym. 2013, Trestima 2014). Metsäkoneiden puuta koskemattomia aistin- ja mittausjärjestelmiä on kehitetty etenkin Aalto yliopistossa ja Tampereen teknillisessä yliopistossa Forestrix ja Metrix -hankkeissa (Miettinen ym, 2011). Hakkuukoneympäristöön soveltuva kohtuuhintainen laserkeilainjärjestelmä (puukarttajärjestelmä) perustuu 2,5D laserkeilaimeen ja SLAM -algoritmiin, joiden avulla hakkuun edetessä leimikon puustosta muodostetaan puukarttaa ja mitataan puiden dimensioita (Miettinen ym. 2007, Öhman ym. 2007). Hakkuukoneella kerättävän mittaustiedon hyödyntämismahdollisuuksia (Melkas 2006, Hannrup ym. 2011, Möller ym. 2011) ja leimikon jäljelle jäävän puustotietojen päivitystä hakkuukoneella kerättyyn tietoon perustuen on tutkittu mm. Helsingin yliopistossa (Rasinmäki & Melkas 2005, Melkas 2009). Maalasereiden (3D) soveltuvuutta ja puiden tunnistusalgoritmeja on kehitetty puolestaan Geodeettisen laitoksen ja Helsingin yliopiston tutkimushankkeissa (Holopainen & Hyyppä 2009, Vastaranta ym. 2009, Liang ym. 2011, Liang 2013). Ongelmana tarkkojen laserkeilainten (3D) osalta on niiden korkea hinta käytännön mittaussovellusten kannalta. Tämän tutkimuksen tavoitteena oli selvittää hakkukoneisiin kehitetyn puukarttajärjestelmän toimivuus ja mittaustarkkuus (puiden tunnistaminen ja läpimitan mittauksen tarkkuus) kehitysluokaltaan ja puulajisuhteiltaan erilaisissa metsiköissä. Lisäksi tutkimuksessa kartoitettiin potentiaaliset järjestelmän soveltamismahdollisuudet ja niiden hyödyt. Järjestelmän arvioinnissa kiinnitettiin päähuomio harvennusvoimakkuuden automaattisen seurannan ja kuviolle jäävän puuston mittauksen edellytyksiin, koska ne olivat ensivaiheen tavoitteet järjestelmän kehittämisessä. Metsätehon raportti
7 2 TUTKIMUSAINEISTO JA -MENETELMÄT 2.1 Aineisto Laserkeilausaineisto Tutkimuksen laserkeilausaineisto kerättiin metsäkoneisiin varta vasten suunnitellulla mittauslaitteistolla sekä Argone Oy:n kehittämällä tallennusohjelmistolla. Tallennusohjelmisto on osa Optical Tree Measurement System (OTMS)-järjestelmää, jota on kehitetty Argone Oy:n ja Ponsse Oyj:n erillisessä tuotekehitysprojektissa. Mittauslaitteisto on suunniteltu erityisesti liikkeessä tapahtuvaan mittaukseen kaikissa toimintaympäristöissä. Alun perin laitteisto on suunniteltu ja kehitetty Aalto-yliopiston Automaatio- ja systeemitekniikan laitoksen tutkimusprojekteissa. Metsätesteissä käytettiin Aalto-yliopistolta lainattua mittauslaitteistoa, koska paremmin metsäkäyttöön soveltuvan laitteiston suunnittelu ja toteutus oli vielä kesken. Metsäkoneisiin ja metsäympäristöön liittyvien tutkimusprojektien julkaisut ja opinnäytetyöt on listattu tarkemmin Automaatio- ja systeemitekniikan laitoksen kotisivuilla (Aalto-yliopisto, 2013). Kuva 1. Mittauslaitteisto kiinnitettynä Ponsse Beaver -hakkuukoneeseen testejä varten rakennetun telineen avulla. Mittauslaitteisto koostui päämittalaitteesta eli laserkeilaimesta (Sick AG, 2012), joka kiinnitettiin suojaisaan paikkaan hakkuukoneen hytin kylkeen niin, että mittauksia saatiin sekä koneen edestä että sivulta (kuva 1). Laserkeilaimen optimaalinen sijaintikorkeus on aikaisemmin kerättyjen kokemusten perusteella noin rinnankorkeudesta muutaman metrin korkeuteen. Laite ei saa sijaita liian matalalla aluskasvillisuuden takia. Ylempänä taas puiden oksat aiheuttavat haasteita. Mittauslaitteistoa kokeiltiin metsätesteissä myös hytin takareunassa (kuvassa 2 vasemmalla), jolloin mitattiin vain jäljelle jäänyttä puustoa. Metsätehon raportti
8 Hakkuukoneen ympäristöä mittaava laserkeilain oli kohtuuhintainen ulkokäyttöön tarkoitettu 2D etäisyysmittalaite, jota käännettiin erikseen toteutetun mittausalustan avulla. Projektissa kokeiltiin SICK AG:n teollisuuskäyttöön tarkoitettuja sarjatuotteina valmistettavia ulkokäyttöön soveltuvia laserkeilaimia LMS111 (SICK AG, 2012) sekä LMS511 (SICK AG, 2013). Näiden LMS-skannereiden (Laser Measurement System) hyviä puolia ovat erinomainen toiminnallisuus ulkona (IP67, 30 C C), luotettavuus, kohtuullinen hinta sekä mittaustarkkuus. LMS-skannereilla on mahdollista mitata luotettavasti myös vesi- ja lumisateessa sekä sumussa. Mittauksissa käytetyn SICK AG LMS111 mittalaitteen normaali 2D mittauskulma on 270 astetta. Mittausalusta kääntää mittalaitetta noin ±30 astetta vaakatasosta. Mittalaitteen mittauskuviota on havainnollistettu kuvassa Kuva 2. Vasemmassa kuvassa nähdään mittalaitteen mittausalue, joka on 270 astetta. Mittausalue on kuvattu vihreällä, kun mittalaite on asennettu ohjaamon vasempaan etukulmaan skannaamaan hakattavaa puustoa ja keltaisella, kun mittalaite skannaa jäljelle jäävää puustoa. Oikeassa kuvassa puolestaan periaatekuva mittauslaiteen tuottamasta mittauskuviosta. Mittauslaitteistoon kuului laserkeilaimen lisäksi myös IMU-inertiayksikkö (Lord, 2013), joka mittaa koneen asentoa sekä erillinen mittausohjelmistoa ohjaava tietokone. Lisäksi mittausten aikana kerättiin hakkuukoneen mittausväylältä tiedot koneen liikkeistä ja toiminnasta. Globaaliin sijainnin määrittämiseksi puukartan muodostuksissa käytettiin hakkuukoneen omaa GPS-vastaanotinta. IMU:n avulla on mahdollista poistaa mittauksista hakkuukoneen heilahdukset ja näin parantaa mittaustarkkuutta. Koska IMU on käytetyn mittauslaitteiston kallein mittaussensori, haluttiin selvittää pystyykö metsää kartoittamaan myös ilman sitä ja näin alentaa oleellisesti laitteiston hintaa. Siksi kaikki tässä raportissa lasketut tulokset laskettiin ilman heilahdusten korjausta, joka oletettavasti parantaisi ainakin läpimitan ja laatutunnusten mittaustuloksia. Aineiston keruussa ja puukarttalaskennoissa käytettiin kannettavaa tietokonetta mittaustietokoneena. Kartan muodostuksen laskenta kehitettiin niin, että sen on mahdollista toimia reaaliaikaisesti myös nykyisissä ajoneuvotietokoneissa. Metsätehon raportti
9 Lasermittaukset kerättiin normaalin työskentelyn aikana. Ainoa poikkeama oli kaadettujen puiden numeroiden syöttäminen, johon hakkuukoneen kuljettajalta kului muutama sekunti jokaisen kaadetun puun käsittelyn jälkeen. Metsätestit järjestettiin Metsäteho Oy:n toimesta Metsä Groupin harvennuskohteilla vuosina 2011 ja Leimikoiden puusto vaihteli puhtaista varttuneista männiköistä ja kuusikoista nuoriin kuusi- ja mäntyvaltaisiin sekametsiin. Kohteilla ei ollut merkittävää alikasvosta. Viitaniemeä lukuun ottamatta järjestelmällä kartoitettiin myös koealojen välialueet. Mittauksia tehtiin vaihtelevissa sääolosuhteissa, aurinkoisesta kesäkelistä talven räntäsateisiin Hakkuukoneen mittalaitteelta kerätty aineisto Hakkuukoneesta kerättiin mittaustestien aikana sekä reaaliaikaista mittaustietoa mittausväylältä että hakkuukoneen mittalaitteen tallentamat tiedot hakatusta puustosta. Reaaliaikainen hakkuukoneelta kerätty tieto oli esimerkiksi tietoa hakkuupään tilasta (asento, sahaa, valmis, jne.), hakkuukoneen tilasta (paikoillaan vai liikkeessä, liikkeen nopeus ja suunta jne), kuljettajan syöttämät tiedot käsin mitattujen puiden tunnistenumeroista sekä koneen GPS-paikkatieto. Hakkuukoneen tallentamat mittaustiedot kattoivat leimikkokohtaiset tuotantotiedostot (PRD-tiedostot) sekä runkokohtaiset mittaustiedot runkokäyrineen kaadetuista puista (STM-tiedostot). Näistä tiedoista esimerkiksi runkokäyriä läpimittoineen käytettiin puukarttajärjestelmän mittaustulosten tarkentamisessa ja arvioinnissa. Lisäksi ne ovat mahdollistaneet järjestelmään toteutetun runkokäyräsovituksen mitattujen puiden pituuden arviointia varten Vertailuaineisto Puukarttajärjestelmän testausta varten kerättiin vertailuaineisto 61 koealalta Mänttä-Vilppulan alueelta. Testialueita oli kolme: Kolho (22 koealaa), Kurkisalo (16 koealaa) ja Viitaniemi (15 koealaa). Raportoidut tulokset perustuvat 53 koealalta kerättyyn aineistoon. Ennen varsinaista aineiston keruuta järjestelmän toimivuutta testattiin pilottikoealoilla (n=8) Hangasmäessä. Tutkimuksessa käytetty ympyräkoealan säde oli 10 m. Koealat pyrittiin sijoittamaan niin, että ajoura meni koealan keskeltä. Koealojen puustotunnukset mitattiin ennen hakkuuta. Jokainen puu (d1,3 7cm) numeroitiin ja siitä määritettiin suunta ja etäisyys koealan keskipisteeseen, sekä rinnankorkeusläpimitta ja puulaji. Varttuneissa metsiköissä mitattiin lisäksi läpimitta 4 metrin korkeudelta sekä laatutunnuksia, kuten latvusrajan korkeus, rungon mutkaisuus ja lenkous sekä lenkouden suunta. Hakkuun jälkeen jäljelle jääneet puut kartoitettiin kirjaamalla jäljelle jääneiden puiden numerot sekä mahdolliset muut havainnot. Lisäksi koealat valokuvattiin ennen ja jälkeen hakkuun. Aineiston ja koealojen puuston keskitunnukset ennen ja jälkeen hakkuun on esitetty taulukoissa 1 ja 2 sekä liitteissä 2 ja 3. Puuston pohjapinta-alan vaihtelua on puolestaan havainnollistettu liitteessä 1. Metsätehon raportti
10 Taulukko 1. Koealojen (n=53) puustotunnukset ennen hakkuuta. Puustotunnus Keskiarvo Hajonta Minimi Maksimi G, m 2 /ha (relaskooppi) 31,3 8,7 15,0 49,0 G, m 2 /ha (ympyräkoeala) 29,1 8,0 14,0 47,0 Puulajiosuus, % (mänty) 58,9 42,1 0,0 100,0 Puulajiosuus, % (kuusi) 34,9 40,9 0,0 100,0 Puulajiosuus, % (koivu) 6,2 17,0 0,0 87,8 Runkoluku, rl/koeala 42,3 15,2 22,0 78,0 Runkoluku, rl/ha 1347,1 484,3 700,3 2482,8 D 1,3, cm 18,8 2,9 13,9 26,3 D 1,3med, cm 16,1 3,4 9,6 23,9 H med, m 16,3 2,6 11,8 23,0 H dom, m 18,6 2,6 14,3 24,3 V, m 3 /ha 246,1 81,7 100,3 469,1 Taulukko 2. Koealojen (n=53) puustotunnukset hakkuun jälkeen. Puustotunnus Keskiarvo Hajonta Minimi Maksimi G, m 2 /ha (ympyräkoeala) 17,5 4,6 10,1 32,2 Puulajiosuus, % (mänty) 60,7 42,8 0,0 100,0 Puulajiosuus, % (kuusi) 34,7 41,5 0,0 100,0 Puulajiosuus, % (koivu) 4,5 16,3 0,0 98,0 Runkoluku, rl/koeala 20,5 4,8 13,0 33,0 Runkoluku, rl/ha 652,2 152,9 413,8 1050,4 D 1,3, cm 20,0 3,0 15,2 29,0 D 1,3med, cm 18,2 3,0 13,4 26,0 H med, m 16,8 2,1 13,8 21,6 H dom, m 18,5 2,6 14,3 24,2 V, m 3 /ha 149,6 52,8 71,1 319, GPS-aineisto Koealojen keskipisteet paikannettiin ennen ja jälkeen hakkuun Trimblen Pathfinder ProXH -vastaanottimella, jonka jälkeen koealojen sijainti jälkikorjattiin käyttäen VRS (Virtual Reference Station) -korjausta. Jälkikorjauksessa käytettiin kolmea lähintä virtuaalitukiasemaa (Orivesi, Jämsä, Keuruu). Koealojen keskipisteet määritettiin myös laskennallisesti hakkuukoneen tallentamasta sijaintitiedosta. Hakkuukoneen sijainti tallentui koneen omaan tiedonsiirto- ja tallennusjärjestelmään aina koneen kaataessa puun. Todellisena koealan sijaintina (reference) käytettiin Trimblen Pathfinder ProXH -vastaanottimella paikannettua ja kolmella VRS-tukiasemalla korjattua koealan sijaintia. Tätä sijaintia verrattiin korjaamattomaan ja yhdellä tukiasemalla korjattuun koealan sijaintiin (Orivesi). Vertailussa laskettiin koodinaattien x- ja y-poikkeamat sekä keskimääräinen sijainnin poikkeama koealan todellisesta sijainnista. Lisäksi tutkimuksessa tarkasteltiin satelliittigeometrian eli satelliittien keskinäisen sijainninvaikutusta tuloksiin. Satelliittigeometrian hyvyys tai huonous ilmaistaan yleensä erilaisten DOP-lukujen Metsätehon raportti
11 avulla (kuten esim. PDOP, HDOP tai VDOP). Mitä pienempi luku on, sitä pienempi on satelliittigeometrian vaikutus paikannuksen tarkkuuteen. Tässä tutkimuksessa käytettiin PDOP (Position Dilution Of Precision) -arvoa, joka kuvaa satelliittigeometrian vaikutusta paikannustarkkuuteen kokonaisuutena. Sen lisäksi, että tuloksia verrattiin tarkimpaan Trimblen Pathfinder ProXH -vastaanottimella paikannettuun ja kolmella virtuaalitukiasemalla korjattuun koealan sijaintiin, tarkasteltiin koealojen paikannustarkkuutta Trimblen PathFinder Office -ohjelmiston avulla. Ohjelmisto laskee automaattisesti jokaiselle paikannetulle pisteelle sekä vertikaalisen että horisontaalisen paikannustarkkuuden sekä hajonnan. Hakkuun aikana hakkukoneen ajourat paikannettiin lisäksi kolmella eri GPSvastaanottimella, jotka oli asennettu hakkuukoneen hytin katolle: Trimblen Pathfinder ProXH:lla, hakkuukoneen omalla GPS-vastaanottimella sekä hakkuukoneessa olevan karttajärjestelmän GPS-vastaanottimella. Trimblen Pathfinder ProXH -vastaanottimella tallennetuille ajourille tehtiin vastaavat differentiaalikorjaukset (VRS-korjaus) kuin mitä Trimblen paikantimella tallennetuille koealoille. Saatuja tuloksia verrattiin toisiinsa ajoura- ja koealatasolla. 2.2 Menetelmät Puukartan muodostaminen Puukarttajärjestelmä (OTMS) mittaa hakkuukoneen ympäristöä koneen alustan ollessa paikoillaan. Normaalissa harvennushakkuussa hakkuukone pysähtyy runkojen kaadon ja käsittelyn vuoksi muutaman metrin välein. Pysähdyksen aikana kerätään ympäristöstä mittauspistepilveä, joka sisältää kaikki mittalaitteen tuottamat mittauspisteet 3D pistejoukkona (kuva 4). Kerätyistä mittauksista tunnistetaan ensin maahan osuneet pisteet ja niiden avulla lasketaan maanpinnan muoto ja suunta verrattuna hakkuukoneen asentoon. Tämän jälkeen mittauspilvestä tunnistetaan ja erotetaan puihin liittyvät mittauspisteet omiksi ryhmikseen (kuva 5), jonka jälkeen lasketaan eroteltujen yksittäisten puiden kasvusuunnat, läpimitat erikorkeuksilla maasta ja mahdolliset laatutunnukset. Metsätehon raportti
12 Kuva 4. Yhdestä pysähdyspaikasta kerätty mittauspisteiden pilvi. Mittauksesta tunnistetaan maaperä, puut sekä lasketaan puiden dimensiot ja laatutunnukset. Kuva 5. Yksilöidyt puut tunnistettu ja laatutunnukset laskettu. Yksittäisen hakkuukoneen pysähdyksen aikana voidaan mitata useampi mittauskerta, mutta mikäli pysähdys on todella lyhyt, ei riittävää mittausta välttämättä ehditä suorittaa. Tutkimuksessa mittaus hyväksyttiin, mikäli mittauspisteitä oli saatu kerättyä riittävästi. Uusi mittaus samassa paikassa aloitettiin, kun asetettu maksimimäärä mittauspisteitä oli kerätty. Kaikista niistä pysähdyspaikoista, joista hakkuukone kaatoi puita, ehdittiin kerätä ainakin yksi riittävä mittauspistepilvi. Yhdestä mittauksesta muodostettiin pienin yksittäinen puukarttakomponentti eli osakartta, jossa on tietoina yksilöidyt puut mittaus- ja laatutietoineen sekä niiden paikat koneen ympärillä 1,3 metrin korkeudella maanpinnasta. Lisäksi osakartoissa on tietona mittauksen aikana kerätyn GPS-tiedon avulla laskettu hakkuukoneen globaali paikkatieto ja sen horizontaalinen tarkkuusarvio. Metsätehon raportti
13 Otantapuukartta muodostettiin yhdistämällä peräkkäisiä osakarttoja yhteen (kuva 6 ja 7). Otantapuukartan muodostamisessa osakartat yhdistettiin toisiinsa tunnistamalla samankaltaisia puuryhmiä peräkkäisissä osakartoissa. Otantapuukartassa eri paikoista ja etäisyyksiltä useampaan kertaan mitattujen puiden tiedot yhdistettiin tarkempien mittaustietojen estimoimiseksi. Otantapuukartat muodostettiin lokaalissa koordinaatistossa paikantamalla koneen liike mitattujen puiden avulla. GPS-paikkatieto on liian epätarkka kartan muodostamiseen, mutta kerättyjen osakarttojen GPS-paikkatiedon avulla koneen ja mitattujen puiden lokaalit paikat voitiin laskea globaaleiksi sijainneiksi. Globaalin sijainnin tarkkuus riippuu käytetystä GPS-laitteesta ja sen tarkkuudesta. Muodostettavien otantapuukarttojen kokoa voitiin säätää tarpeiden mukaan. Leimikon koosta, otantakarttojen väliin halutusta etäisyydestä sekä otantakartan koosta riippuen otantapuukarttojen määrä leimikkoa kohden voi vaihdella halutun ja tarpeellisen mittausmäärän mukaisesti. Otantapuukarttoja voidaan myös tuottaa niin kattavasti, että ne voidaan lopulta yhdistää koko leimikon kattavaksi puukartaksi. Täydellisen leimikkopuukartan kokoaminen vaatii kuitenkin paljon laskentakapasiteettia ja siksi sellainen kannattaa muodostaa niin haluttaessa vasta metsäyritysten tietojärjestelmissä eikä kuormittaa tällä ylimääräisellä laskennalla hakkuukoneen tietokonetta. Kuva 5. Vasemmalla periaatekuva yksittäisten osakarttojen yhdistämisestä toisiinsa mitattujen puiden avulla. Oikealla esimerkki otantapuukartasta, joka voi olla yhdistelmä muutamasta osakartasta satoihin osakarttoihin. Kaikkia kaadettavia puita ei varsinkaan tiheissä metsissä välttämättä saada puukarttajärjestelmällä mitatuksi, koska ne ovat muiden puiden katveessa. Ne kaadetut puut, joiden paikka saatiin mitattua ennen kaatoa merkittiin puukarttaan kannoiksi (kuva 6, vaalean harmaalla merkityt puut). Puukarttaan voidaan myös tallentaa kaikki hakkuukoneen hakkuupään mittaamat kaadetut puut. Näin saadaan lisätietoa harvennuskohteesta sekä voidaan verrata puukarttajärjestelmän mittauksia hakkuupään mittaamiin. Metsätehon raportti
14 Kuva 6. Alemmassa kuvassa puukartan muodostamisperiaate OTMS ohjelmistossa. Lisäksi kuvassa on esitetty puiden laskennalliset kasvutilat, koneen pysähdyspaikat, hakkuukoneen ajouran viemä tila, kaadettujen puiden kantojen paikat ja 11 metrin mittausympyrät (koeala keltaisella). Ylemmässä kuvassa leimikko, josta alempi otantapuukartta on muodostettu Läpimitat Kaikille yksittäisestä mittauspaikasta näkyville puille muodostettiin osarunkokäyrät. Mittausdatasta erotetusta puusta tunnistettiin ensin puun kasvusuunta ja määritettiin mittauspisteiden korkeus maasta (pisteparvesta tunnistettu maanpinta puun ympärillä). Tämän jälkeen laskettiin puun läpimitat eri korkeuksille määritettyjen asetusten mukaisesti. Asetusten avulla voidaan määrittää mm. miten tiheästi läpimittahavainnot rungon eri korkeuksille lasketaan. Läpimitat voidaan laskea esim. 5 mm:n, 1 cm:n tai 10 cm:n välein. Tässä tutkimuksessa läpimitat laskettiin 10 cm välein. Laskenta toistettiin kaikissa osakartoissa. Otantakartassa laskettiin kullekin puulle kaikissa osakartoissa mitatuista läpimitoista yhdistettyä osarunkokäyrää. Näin saatiin runkokäyrään yhdistettyä mittauksia eri korkeuksilta sekä etäisyyksiltä. Tutkimuksessa käytetyllä mittalaitteella on mahdollista tuottaa useasti mitatuista puista runkokäyrätiedot maasta noin 9 metrin korkeuteen (kuvat 7 ja 8). Metsätehon raportti
15 Kuva 7. Ylemmässä kuvassa on esitetty osarunkokäyrätiedot yksittäisistä mittauspaikoista ja niistä laskettu suodatettu läpimittatieto. Lisäksi siinä näkyy kuolleiden oksien alkamiskorkeus sekä sovitettu runkokäyrätieto (runkokäyrän piirto rajoitettu noin 9 metriin). Alemmassa kuvassa on esitetty esimerkki läpimitan laskennasta tietyllä korkeudella. Puukarttaohjelmalla tallennettiin yksittäisten puiden osarunkokäyrän tiedot niiltä korkeuksilta, mistä ne oli saatu mitatuksi. Vastaavasti tallennettiin hakkuukoneen mittalaitteen mittaamat hakattujen puiden runkokäyrät. Yksittäisten puiden osarunkokäyrän tiedoista valittiin lisäksi läpimitat sekä rinnankorkeudelta että 4,0 metrin korkeudelta, mikäli läpimitta oli saatu mitattua kyseiseltä korkeudelta sekä automaattisesti parhaiten mitattu läpimitta. Tämä tarkoittaa läpimittaa siltä korkeudelta, josta oli saatu paljon mittauksia pienellä mittausten hajonnalla Runkokäyrä Hakkuukoneen mittalaiteella mitattiin kaikista kaadetuista puista läpimitat 10 cm välein ja tallennettiin hakattujen puiden runkoprofiili. Vastaavasti OTMS puukarttajärjestelmällä mitattiin ja tallennettiin puille osarunkokäyrät. OTMS-järjestelmä laski kaikille puille runkokäyräarvion sovittamalla kaikkia aikaisemmin leimikolta kaadettujen puiden runkokäyriä (hakkuukoneen mittalaitteen mittaamat) mittausdataan. Mikäli sovitus oli tarpeeksi Metsätehon raportti
16 hyvä, laskettiin jäljelle jääneille puille estimaatti korkeudesta, jossa puun läpimitta oli 6 cm (käyttöosan päättymiskorkeus). Puun pituutta järjestelmä ei pysty suoraan mittaamaan, vaan se voidaan estimoida esim. käyttämällä Laasasenahon (1982) runkokäyrämalleja. Tässä tutkimuksessa sovitusten avulla arvioitua käyttöosan päättymiskorkeutta ja puiden pituusestimaattien tarkkuutta ei tutkittu, koska puiden todelliset pituudet oli mitattu vain koealojen mediaanipuista. Esimerkki tallennettujen runkokäyrien sovituksesta mitattuun osarunkokäyrään on esitetty kuvassa 8 vasemmalla sekä kuvassa 9. Kuvissa sovitetun runkokäyrän piirto on rajoitettu tiettyyn korkeuteen Laatutunnukset Osarunkokäyrän lisäksi laserkeilauksella tuotetusta pisteparvesta ja siitä muodostetuista rungoista laskettiin myös laatutunnuksia. Tavoitteena oli arvioida alustavasti laatutunnusten mittausmahdollisuuksia. Niiden laskentaan kehitettiin vasta ensimmäiset algoritmiversiot. Elävän latvuston korkeutta on mahdotonta mitata testatulla mittalaitteella. Mittalaitteen mittauskulma ylöspäin on siihen liian pieni ja normaalin mittausetäisyyden sisällä päästään mittaamaan korkeintaan noin 9 metrin korkeuteen. Tämä mahdollistaa kuitenkin laatutyven päättymiskorkeuden mittaamisen eli sen, missä kohtaa alkaa kuolleiden oksien raja. Mahdollista on myös osassa puista kuivaoksaisen välitukin päättymiskorkeuden mittaaminen. Esimerkkejä latvuston korkeuden mittaamisesta on kuvissa 8 ja 9. Kuva 8. Runkokäyrän sovitus (aniliininpunainen), parhaimpien mittausten tunnistus (vaalean sininen väri) sekä kuolleiden oksien rajan korkeus esiintyminen (vihreä alue). Laatutunnusten laskennassa haluttiin selvittää, onko puun lenkoutta ja mutkaisuutta mahdollista tunnistaa noin 5 metrin korkeuteen tai kuivien oksien rajaan saakka. Lenkouden ja mutkaisuuden laskennan toiminta riippuu siitä, kuinka hyvin puun runkokäyrä rungon keskipisteineen saadaan mitattua. Kaikille puille laskettiin käyryysarvot, joiden perusteella puut voitiin luokitella. Käyryysarvojen laskenta esimerkki on esitetty kuvassa 9. Käyryysarvojen laskennassa ei erikseen eritellä lenkoutta ja mutkia, mutta laskenta kertoo pituuden, millä välillä käyryyden muutos tapahtuu. Metsätehon raportti
17 0 käyryysarvo: -29,01 mm h: 1037,5 mm std: 10,92 mm 1 käyryysarvo: 3,32 mm h: 1200,0 mm std: 2,54 mm Kuva 9. Puun käyryysarvoesimerkki. Puun käyryyden poikkeaman alku-, loppu- ja keskipisteiden korkeudet ja käyryyden suuruus arvioidaan yhtä aikaa kaikissa suunnissa. Näiden laatuarvojen lisäksi kokeiltiin puulajin tunnistusta. Puulajia yritettiin luokitella pääasiassa mittalaitteen mittauspisteiden intensiteettiarvon avulla, mutta testeissä huomattiin, että pelkkä intensiteettiarvo on liian epätarkka puulajien erotteluun. Tämä ei kuitenkaan ole ainoa keino puulajin määrittämiseksi mittausaineistosta. Jatkossa on mahdollista kokeilla puulajin tunnistusta myös oksamuodon avulla. Puuston jatkuva tiheyden mittaus mahdollistaa kuljettajan opastamisen oikeaan tiheyteen. Yksinkertaisimmillaan tämä tarkoittaa koneen ympärillä jäljellä olevien puiden määrän vertaamista tavoitemäärään. Lisäksi voidaan esittää tietoa osakarttojen harvennushistoriasta, jotta leimikkotasolla saavutetaan oikea tiheys. Mahdollista on myös näyttää kuljettajalle puustokartan ja värien avulla, missä suunnassa on vielä harvennustarvetta. Esimerkki tästä on kuvassa 10. Kuva 10. Vasemmalla keltaisen ympyrän sisällä hakkaamaton alue koneen edessä. Punaisella väreillä osoitettu alueet, joissa puita liian paljon ja liian lähellä toisiaan. Oikealla sama alue harvennuksen jälkeen, kaadetut puut vaalean harmaalla. Vihreä väri puiden ympärillä kertoo sen, että puilla on tarpeeksi kasvutilaa. Metsätehon raportti
18 2.2.5 Tulosten vertaaminen Puukarttajärjestelmällä muodostettua puukarttaa, mitattuja läpimittoja ja runkokäyrää verrattiin maastomittauksissa mitattuihin vertailuläpimittoihin sekä sijainteihin. Laserkeilauksella muodostetut puukartat yhdistettiin maastomittauksista piirrettyihin puukarttoihin selkeiden vastinpuiden avulla ja puukartat käännettiin päällekkäin. Kahdella eri menetelmällä saatujen puukarttojen avulla tarkasteltiin, kuinka suuri osa koealan puista pystyttiin keilaimella löytämään ennen hakkuuta ja hakkuun jälkeen. Lisäksi tarkasteltiin, kuinka suurelle osalle koealan puista voidaan puukarttajärjestelmän avulla saada läpimittaestimaatti rinnankorkeudelle, 4 metrin korkeudelle tai jollekin muulle korkeudelle ts. näkyvyydeltään parhaimmalle korkeudelle. Läpimittojen osalta puukarttajärjestelmällä saatuja tuloksia verrattiin 1,3 ja 4 metrin korkeudelta mitattuihin läpimittoihin. Ylemmän läpimitan osalta tarkastelu tehtiin vain varttuneissa metsiköissä. 3 MAASTOTESTIEN TULOKSET 3.1 Puiden tunnistaminen keilaimella ennen ja jälkeen hakkuun Hakkuun jälkeen jäljelle jäävistä puista onnistuttiin löytämään OTMS-järjestelmällä keskimäärin 99 %. Varttuneissa männiköissä puut pystyttiin kartoittamaan parhaiten (100 %), kun taas nuorissa kuusikoissa ja koivuvaltaisissa metsiköissä puiden löytyminen oli haasteellisempaa (97 %). Ennen hakkuuta leimikolla olevista puista onnistuttiin löytämään keskimäärin 88 %. Puiden löytyminen onnistui parhaiten varttuneissa mänty- ja koivuvaltaisissa metsiköissä, kun taas kuusikoissa ja nuorissa kasvatusmetsissä puiden löytyminen oli haasteellisempaa johtuen puuston tiheydestä ja puiden oksikkuudesta. Hakattujen ja pystyyn jääneiden puiden tunnistuksen onnistuminen OTMS-järjestelmällä puulajin ja kehitysluokan mukaan on esitetty taulukoissa 3 ja 4. Taulukko 3. Eri puusto-ositteiden tunnistus OTMS-järjestelmällä puulajin mukaan. Puulaji Mänty Kuusi Koivu Sekapuusto Yhteensä Tunnistetut rungot, N, kpl (maasto) hakkuun jälkeen N, % (laser) Tunnistetut N, kpl (maasto) hakatut rungot N, % (laser) Tunnistetut rungot, N, kpl (maasto) ennen hakkuuta N, % (laser) Koealojen lukumäärä N, kpl 26 15/ /53 Metsätehon raportti
19 Taulukko 4. Eri puusto-ositteiden tunnistus OTMS-järjestelmällä nuorissa (kl=3) ja varttuneissa kasvatusmetsissä (kl=4). Puulaji KL 3 (I harvennus) KL 4 (II harvennus) Yhteensä Tunnistetut rungot, N, kpl (maasto) hakkuun jälkeen N, % (laser) Tunnistetut N, kpl (maasto) hakatut rungot N, % (laser) Tunnistetut rungot, N, kpl (maasto) ennen hakkuuta N, % (laser) Koealojen lukumäärä N, kpl 33/ /53 Hakattujen puiden tunnistaminen riippuu harvennettavan kohteen ominaisuuksista ja siksi varsinkin tiheillä koealoilla läheskään kaikkia kaadettuja puita ei pystytty mittaamaan ennen kaatoa. Lisäksi puukartan tarkkuuteen vaikuttaa se, millä puolella hakkuukonetta ollaan. Mittausjärjestelmän mittalaite oli asennettu ohjaamon vasempaan etukulmaan (kuvat 1 ja 5). Tästä syystä vasemman puolen puiden tunnistus oli hiukan varmempaa kuin oikealla puolella konetta. Ero oli kuitenkin pieni (taulukko 5). Taulukko 5. Runkojen löytyminen hakkuukoneen kulkusuuntaan nähden koneen vasemmalta ja oikealta puolelta. KONEEN VASEN PUOLI KONEEN OIKEA PUOLI n % n % Jäljelle jäävät puut , ,6 Kaikki puut , ,8 Puiden löytymisen ohella tutkimuksessa tarkasteltiin myös sitä, kuinka suurelle osalle löydetyistä puista (N=2243), pystyttiin OTMS-järjestelmällä mittaamaan läpimitta joltakin rungon korkeudelta ennen hakkuuta (Taulukko 6). Mikäli mittauskorkeus valittiin vapaasti, saatiin läpimittaestimaatti 75 %:lle puista. Rinnankorkeusläpimitta (d1.3) sekä läpimitta 4,0 metrin korkeudelta pystyttiin mittaamaan keskimäärin noin joka toisesta puusta, tosin kaikkien puiden osalta ei saavutettu riittävää mittaustarkkuutta. Järjestelmältä vaadittava läpimitan mittaustarkkuus (mittaero) riippuu tietojen käyttötarkoituksesta. Ensisijaisena tavoitteena oli hyödyntää tietoja harvennustiheyden laskennassa ja puuston keskitunnusten päivityksessä. Määritettäessä puuston keskitunnuksia (D1,3, G) kuviotason kokonaispuuston tavoitetarkkuutena keskiläpimitan osalta pidettiin ± 3 cm 80 % tapauksissa (Suomen Metsäkeskuksen ). Mikäli kyse on yksittäisten puiden tunnusten määrityksestä katkontaa varten, tulisi harhan olla keskimäärin ±1 mm:n sisällä ja hajonnan 3,5 mm kuoren päältä. Metsätehon raportti
20 OTMS-järjestelmän mittaamista rinnankorkeusläpimitoista (d1,3, N=1223) noin 15,6 % oli riittävän tarkkoja, jotta niitä voidaan hyödyntää harvennustiheyden laskennassa ja puuston keskitunnusten päivityksessä. Riittävällä mittaustarkkuudella tarkoitettiin tässä yhteydessä sitä, että yksittäisen läpimittahavainnon suurin sallittu mittaero oli 8,0 cm, jolloin harha oli keskimäärin s3,4 mm ja hajonta 30,2 mm. Valituista puista 94 % täytti tämän vaatimuksen. Taulukko 6. Läpimitan mittauksen onnistuminen OTMS-järjestelmällä ennen hakkuuta. % N = 2243 Puiden löytyminen Läpimitan mittauksen onnistuminen d 1, d 1,3valitut d d best Läpimitan mittaustarkkuus rinnankorkeudella Läpimitan mittaustarkkuutta selvitettiin vertaamalla OTMS-järjestelmän mittaamaa rinnankorkeusläpimittaa (d1.3laser) maastossa elektronisilla mittasaksilla (d1.3reference) mitattuun läpimittaan (d1.3laser-d1.3reference) ja laskemalla läpimittaestimaatin harha ja hajonta. Rinnankorkeusläpimittaestimaatti onnistuttiin tuottamaan 55 %:lle puista. Näistä havainnoista OTMS -järjestelmä valitsi automaattisesti ne havainnot tarkasteluun, joiden läpimitta oli onnistuttu järjestelmän määrittelyjen mukaan mittaamaan riittävän luotettavasti (toistomittausten hajonta pieni, etäisyys < 7 m). Mittaustarkkuusvertailussa käytettiin pääasiassa näitä OTMS -järjestelmän automaattisesti valitsemia puita (N=203). Koko aineistossa läpimittaestimaatin (d1.3laser) harha oli 6,5 mm ja hajonta 43,8 mm. Tarkasteltaessa kaikkia puita (N=1223), siis valittujen puiden ohella myös muita puita, joille sallittiin suurempi hajonta toistomittauksissa ja, joille OTMS-järjestelmä laski suuremmasta hajonnasta huolimatta rinnankorkeusläpimitan (d1.3laser) oli harha 35,3 mm ja hajonta 91,9 mm. Männyllä (OMTS -järjestelmän automaattisesti valitsemat puut, N=134) rinnankorkeusläpimittaestimaatin (d1.3laser) harha oli 2,7 mm ja hajonta 23,3 mm. Mikäli hyväksytyt havainnot männiköissä (n=108) luokiteltiin mittaustarkkuuden (d1.3laser-d1.3reference) mukaan kahteen luokkaan, harha alle ±30 mm (luokka 1) ja harha yli ±30 mm (luokka 2), 85,2 % (N=92) havainnoista luokittui luokkaan 1 ja tällöin harha oli 0,3 mm ja hajonta 14,0 mm. Mikäli tarkasteltiin kaikkia mäntyrunkoja (n=684), joille järjestelmä antaa arvion puun läpimitasta on harha männyllä 33,5 mm ja hajonta 94,1 mm. Metsätehon raportti
21 Taulukko 7. Rinnankorkeusläpimitan (d1.3) mittauksen tarkkuus männyllä, kuusella ja koivulla koko aineistossa sekä OTMS-järjestelmän hyväksymien havaintojen osalta. Rinnankorkeusläpimitta (d 1,3 ) OTMS -järjestelmän valitsemat Kaikki puut, joille OTMS - järjestelmä laskee läpimitan Harha, mm Hajonta, mm N, kpl mänty -2,7 23,3 134 kuusi -15,5 70,8 62 koivu 1,0 15,6 7 yht. -6,5 43,8 203 mänty 33,5 94,1 684 kuusi 38,6 92,2 467 koivu 31,1 64,7 72 yht. 35,3 91, Kuva 11. Rinnankorkeusläpimitan mittauksen tarkkuus männiköissä (OTMSjärjestelmän valitsemat puut) havaintojen määrä, harha ja hajonta tarkkuusluokassa. Männyllä tarkkuusluokkaan 1 ( 5 mm < d1,3laser < 5 mm) osui 17,6 % havainnoista (valituista puista) harhan ollessa 0,3 mm ja hajonnan 3,4 mm. Metsätehon raportti
22 Kuusella (OMTS -järjestelmän automaattisesti valitsemat puut, N=62) rinnankorkeusläpimittaestimaatin (d1.3laser) harha oli 15,5 mm ja hajonta 70,8 mm. Mikäli hyväksytyt havainnot kuusikoissa (n=58) luokiteltiin mittaustarkkuuden (d1.3laser-d1.3reference) mukaan kahteen luokkaan, harha alle ± 30 mm (luokka 1) ja harha yli ± 30 mm (luokka 2), 32,8 % (N=19) havainnoista luokittui luokkaan 1 ja tällöin harha oli 6,8 mm ja hajonta 16,1 mm. Mikäli tarkasteltiin kaikkia kuusirunkoja (n=467), joille järjestelmä antaa arvion puun läpimitasta on harha kuusella 38,4 mm ja hajonta 92,2 mm. Kuva 12. Rinnankorkeusläpimitan mittauksen tarkkuus kuusikoissa (OTMSjärjestelmän valitsemat puut) havaintojen määrä, harha ja hajonta tarkkuusluokassa. Kuusella tarkkuusluokkaan 1 ( 5 mm < d1,3laser < 5mm) osui 6,9 % havainnoista (valituista puista) harhan ollessa -0,2 mm ja hajonnan 1,9 mm. Kuusella, männyllä ja koivulla rinnankorkeusläpimittaestimaatin harha (d1.3laser-d1.3reference) näyttäisi olevan riippuvainen rungon läpimitasta (kuva 13). Mitä suurempi maastossa mitattu rinnankorkeusläpimitta oli niin, sitä enemmän OTMS -järjestelmä aliarvioi rungon läpimittaa. Vastaavasti pieniläpimittaisilla rungoilla järjestelmä yliarvioi rinnankorkeusläpimittaa. Metsätehon raportti
23 Kuva 13. Rinnankorkeusläpimitan mittauksen mittaero, mm (d1.3laser-d1.3reference) männyllä, kuusella ja koivulla koko aineistossa (ylhäällä) ja OTMS -järjestelmän hyväksymien havaintojen osalta (alhaalla). OTMS-järjestelmän valitsemista puista pääosa (95,6 %) oli hakkuun jälkeen jäljelle jääviä puita. Vertailtaessa rinnankorkeusläpimitan (d1,3laser) mittauksen onnistumista koealoittain laskettiin koealoille aritmeettinen keskiläpimitta (D1,3laser) OTMS-järjestelmän valitsemien puiden ja vertailumittausten perusteella. Liitteissä 4 ja 5 on esitetty koealojen aritmeettiset keskiläpimitat, niiden ero sekä havaintojen määrä, jonka perusteella keskiläpimitta on laskettu. 3.3 Läpimitan mittaustarkkuus eri korkeuksilla Yläläpimitan (d4laser) mittaustarkkuutta selvitettiin vertaamalla OTMS-järjestelmän mittaamaa yläläpimittaa (d4laser) maastossa elektronisilla mittasaksilla (d4reference) mitattuun yläläpimittaan (d4laser-d4reference) varttuneissa metsiköissä ja laskemalla yläläpimittaestimaatin harha ja hajonta. Metsätehon raportti
24 Taulukko 8. Yläläpimitan (d4laser) mittauksen tarkkuus männyllä, kuusella ja koivulla koko aineistossa sekä OTMS-järjestelmän hyväksymien havaintojen osalta. Yläläpimitta (d 4 ) OTMS -järjestelmän valitsemat Kaikki puut, joille OTMS - järjestelmä laskee läpimitan Harha, mm Hajonta, mm N, kpl mänty -7,0 20,6 37 kuusi -47,3 54,1 13 koivu -12,5-1 yht. -17,4 36,3 51 mänty 10,6 58,8 184 kuusi 0,4 78,7 125 koivu -14,7 21,1 3 yht. 6,2 67,4 312 Tarkasteltaessa kaikkia puita (N=312), joille OTMS-järjestelmä laski yläläpimittaestimaatin (d4laser) ja joille oli mitattu vertailuläpimitta 4 metrin korkeudelta, saatiin harhaksi 6,2 mm ja hajonnaksi 67,4 mm. OMTS-järjestelmän automaattisesti valitsemien puiden (N=51) osalta yläläpimittaestimaatin (d4laser) harha oli 17,4 mm ja hajonta 36,3 mm. Valittujen puiden osalta hajonta näyttäisi pienevän, mutta harha sitä vastoin kasvavan verrattuna koko aineistoon (Taulukko 10). Tutkimuksessa määritettiin myös läpimitta rungon korkeudelle, jossa OTMS-järjestelmän toistomittausten hajonta oli pienin (dbest). Läpimitan mittaustarkkuuden todettiin riippuvan mittausetäisyydestä. Tutkimuksessa käytetty mittalaite, LMS111-keilain, pystyy mittaamaan läpimittoja noin 5 7,5 metriin asti (kuva 13), mutta jo yli 5 metrin etäisyydellä mitattujen läpimittojen hajonta on suuri johtuen mm. mittalaitteen ominaisuuksista (laserilla käytetty mittauspisteiden väli oli 2 cm 5 metriin etäisyydellä ja 4 cm 10 metrin etäisyydellä). Metsätehon raportti
25 Koealat 40, 41 ja 43 Mittaero (d laser-d vertailu), d 1,3 (pallo), d 4 (tähti) Valitut vihreälllä, kaikki harmaallla. Koealat 40 ja 41 Mittaero (d 1,3laser-d 1,3vertailu) Valitut (vihreä): harha = 3,792, hajonta = 5,442, mediaani = 5,436 Kaikki (harmaa): harha = 2,355, hajonta = , mediaani = 0,012 STM: harha = -4,5, hajonta = 4,392, mediaani = -3,0 Kuva 14. Mittaustarkkuuden huonontuminen etäisyyden funktiona koealoilla 40, 41 ja 43. Vihreällä OTMS järjestelmällä automaattisesti valittujen läpimittojen mittaero ja harmaalla kaikille koealojen puille estimoitujen läpimittojen mittaero vertailumittauksiin nähden. Useaan kertaan OTMS -järjestelmällä mitatuista puista voitiin mitata läpimittoja osarunkokäyrän muodostamista varten noin 9 metrin korkeuteen saakka. Sovittamalla hakkuukoneen mittalaitteen tuottama runkokäyrä ja laserkeilauksella tuotettu runkokäyrä toisiinsa on mahdollista vertailla läpimitan mittauksen tarkkuutta rungon eri korkeuksilla (d1,3, d4,0). Tässä tutkimuksessa runkokäyrien yhdistäminen tehtiin mittauskorkeuden perusteella. Lasermittauksessa käytettiin lähtöpisteenä mittalaitteen havaitsema maanpinnan tasoa, kun taas hakkuukonemittauksessa oletettiin kannon korkeudeksi 10 cm. Tästä johtuen mittauskorkeudet (d1,3, d4,0)., joista läpimitan mittaukset on tehty, eivät välttämättä vastaa tarkasti tosiaan, vaan mittauskorkeudesta aiheutuu harhaa läpimittaestimaatteihin. Hakkuukonemittauksen Metsätehon raportti
26 osalta saatiin aliarvioita, mikä viittaa siihen, että todellinen keskimääräinen kannon korkeus on ollut aineistossa korkeampi. Taulukoissa 9 13 on esitetty puukarttajärjestelmän automaattisesti valitsemien puiden ja hakkuukoneen mittalaitteen mittaamien kaadettujen puiden läpimitan mittaustarkkuus (dxlaser tai hakkuukone dxvertailu) erityyppisillä koealoilla. Yläläpimittojen osalta vertailumittauksia oli käytettävissä vain varttuneiden metsiköiden osalta. Taulukoista voidaan päätellä, että erityyppisistä koealoista saadaan automaattisesti valittua kohtuullisen hyvin mitattuja puita. Huonona puolena on se, että valitut puut ovat vain pieni osa kaikista mitatuista puista. Jatkotarkasteluissa tulee pyrkiä eliminoimaan mittauskorkeudesta aiheutuva harha. Taulukko 9. Läpimitan (d1,3, d4,0) mittauksen tarkkuus varttuneissa männiköissä (koealat 9-13 ja 40-43). OTMS (d 1,3 ) OTMS (d 4,0 ) Hakkuukone (d 1,3 ) Hakkuukone (d 4,0 ) Harha, mm 3,8 5,2-10,2-5,6 Hajonta, mm 15,2 10,2 8,1 5 Mediaani, mm 10,1 4, RMSE, mm 15,4 11,3 12,9 7,5 n, kpl Taulukko 10. Läpimitan (d1,3) mittauksen tarkkuus nuorissa männiköissä (koealat 33-37). OTMS (d 1,3 ) OTMS (d 4,0 ) Hakkuukone (d 1,3 ) Hakkuukone (d 4,0 ) Harha, mm -1, ,0 - Hajonta, mm 16,2-18,3 - Mediaani, mm -1,0 - -6,5 - RMSE, mm 15,9-21,0 - n, kpl Taulukko 11. Läpimitan (d1,3) mittauksen tarkkuus nuorissa kuusikoissa sekä sekametsissä (koealat 20, 24, 57,58 ja 61). OTMS (d 1,3 ) OTMS (d 4,0 ) Hakkuukone (d 1,3 ) Hakkuukone (d 4,0 ) Harha, mm -1,6 - -7,2 - Hajonta, mm 10,5-19,6 - Mediaani, mm -3,7 - -7,0 - RMSE, mm 10,3-20,7 - n, kpl Metsätehon raportti
27 Taulukko 12. Läpimitan (d1,3, d4,0) mittauksen tarkkuus varttuneissa kuusikoissa (koealat 38 ja 39). OTMS (d 1,3 ) OTMS (d 4,0 ) Hakkuukone (d 1,3 ) Hakkuukone (d 4,0 ) Harha, mm -3,8-12,1-3,4-4,6 Hajonta, mm 24,2 22,5 4,2 4,5 Mediaani, mm -6,5-7,8-3,0-3,0 RMSE, mm 21,3 23,4 5,3 6,3 n, kpl Taulukko 13. Läpimitan (d1,3,) mittauksen tarkkuus nuoressa koivikossa (koeala 52). OTMS (d 1,3 ) OTMS (d 4,0 ) Hakkuukone (d 1,3 ) Hakkuukone (d 4,0 ) Harha, mm 0,7 - -8,1 - Hajonta, mm 7,7-6,6 - Mediaani, mm 0,7 - -9,0 - RMSE, mm 5,5-10,4 - n, kpl Laatutunnusten mittausedellytykset Lenkouden ja mutkaisuuden laskennan toiminta riippuu mitatuista puista (kuva 9). Mikäli puun osarunkokäyrä rungon keskipisteineen pystytään estimoimaan hyvin, varsinkin lenkous saadaan mitattua. Alustavan tarkastelun perusteella osa maastossa mitatuista lengoista puista, pystyttiin löytämään OTMS -järjestelmällä. Lenkouden tunnistaminen vaatii kuitenkin vielä paljon mittausjärjestelmän ja laskenta-algoritmien kehittämistä. Esimerkiksi pienten oksistossa olevien mutkien tunnistaminen ei vielä nykyisellä laitteella onnistu. Elävän latvuston (kuvat 7 ja 8) korkeutta on mahdotonta mitata nykyisellä mittalaitteella, koska sen mittauskulma ylöspäin on tähän liian pieni. Mahdollista on, että mikäli elävän latvuston korkeus nähdään todella tärkeäksi mittaustiedoksi, niin lopullisen hakkuukoneisiin sijoitettavan mittalaitteen suunnittelussa tämä voidaan ottaa huomioon. Nykyisen kaltaisilla mittauskulmilla ± 30 astetta on täysin mahdollista mitata laatutyven päättymiskorkeus eli se, missä kohtaa alkaa kuolleiden oksien raja. Osassa puista on mahdollista mitata myös kuivaoksaisen välitukin päättymiskorkeus. Laatutyven päättymiskorkeus on kaikista määritellyistä laatutunnuksista helpoin mitata nykyisellä mittalaitteella. Metsätehon raportti
28 3.5 Kuvion puuston keskitunnusten estimointi Maastomittausten ja OTMS-järjestelmän mittausten perusteella laskettiin kuvioille hakkuun jälkeiset keskitunnukset: pohjapinta-ala (G, m 2 /ha), runkoluku (rl/ha) ja keskiläpimitta D1,3, cm) sekä niiden harha, hajonta ja keskivirhe (Taulukko 14 ja 15). Keskiläpimitta laskettiin koealoille aritmeettisena keskiarvona käyttäen OTMS-järjestelmän valitsemia puita (keskimäärin 3,8 kpl/koeala). Kuviokohtainen keskiläpimitta laskettiin painottamalla runkoluvulla koealojen keskiläpimittoja. Runkolukua käytettiin painotuksessa sen takia, ettei läpimitan mittauksessa oleva virhe kertaannu. Tämä voi vaikuttaa tulosten vertailukelpoisuuteen, sillä oikeana kuvion keskiläpimittana käytettiin maastomittausten perusteella pohjapinta-alalla painotettua keskiläpimittaa. Runkoluku laskettiin hehtaarikohtaisena kartoitettujen puiden perusteella. Kuvion pohjapinta-ala määritettiin laskemalla koealan keskipuulle pohjapinta-ala ja kertomalla se koealan runkoluvulla. Kuvion pohjapinta-ala oli koealakohtaisten pohjapinta-alojen keskiarvo. Taulukko 14. Puuston keskitunnukset hakkuun jälkeen maastomittausten ja OMTS-järjestelmän perusteella koko aineistossa (n=53). KAIKKI KOEALAT (n=53) Kuvio G, m 2 /ha (YMP) G, m 2 /ha (OTMS) rl/ha (YMP) rl/ha (OTMS) D 1,3 (YMP) D 1,3OMTS G, ero RL, ero D, ero A1 18,8 19, ,1 17,7 0, ,3 A50 13,0 13, ,5 16,9 0, ,6 A51 18,1 16, ,7 19,6-1,5 0-2,0 A6 25,8 19, ,8 19,7-6,6 0-5,1 A9 17,8 29, ,5 22,2 11,4-18 1,7 B134 16,3 16, ,8 21,2-0,1-6 -0,6 B139 17,7 13, ,5 14,9-4, ,6 B146 14,8 17, ,0 18,0 2,5-11 0,1 Harha 0, ,6 Hajonta 5,4 28 2,3 Keskivirhe 1,9 10 0,8 Taulukko 15. Puuston keskitunnukset hakkuun jälkeen maastomittausten ja OMTS-järjestelmän perusteella, kun kolme haasteellisinta kuusikoealaa (koealat 26, 39, 55) on poistettu laskennasta (n=50). KOEALAT (n=50), LASKENNASTA POISTETTU KOEALAT 26, 39, 55 Kuvio G, m 2 /ha (YMP) G, m 2 /ha (OTMS) rl/ha (YMP) rl/ha (OTMS) D 1,3 (YMP) D 1,3OMTS G, ero RL, ero D, ero A1 18,8 19, ,1 17,7 0, ,3 A50 13,0 13, ,5 16,9 0, ,6 A51 18,1 17, ,7 20,1-0,5 9-1,5 A6 25,8 19, ,8 19,7-6,6 0-5,1 A9 17,8 22, ,5 20,3 4, ,2 B134 16,3 16, ,8 21,2-0,1-6 -0,6 B139 17,7 13, ,5 14,9-4, ,6 B146 14,8 17, ,0 18,0 2,5-11 0,1 Harha -0, ,7 Hajonta 3,5 31 2,0 Keskivirhe 1,2 11 0,7 Metsätehon raportti
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
LisätiedotSatelliittipaikannuksen tarkkuus hakkuukoneessa. Timo Melkas Mika Salmi Jarmo Hämäläinen
Satelliittipaikannuksen tarkkuus hakkuukoneessa Timo Melkas Mika Salmi Jarmo Hämäläinen Tavoite Tutkimuksen tavoite oli selvittää nykyisten hakkuukoneissa vakiovarusteena olevien satelliittivastaanottimien
LisätiedotTree map system in harvester
Tree map system in harvester Fibic seminar 12.6.2013 Lahti Timo Melkas, Metsäteho Oy Mikko Miettinen, Argone Oy Kalle Einola, Ponsse Oyj Project goals EffFibre project 2011-2013 (WP3) To evaluate the accuracy
LisätiedotSatelliittipaikannuksen tarkkuus hakkuukoneessa
Metsätehon raportti 231 13.8.2014 Satelliittipaikannuksen tarkkuus hakkuukoneessa Timo Melkas Mika Salmi Jarmo Hämäläinen ISSN 1796-2374 (Verkkojulkaisu) METSÄTEHO OY Vernissakatu 4 01300 Vantaa www.metsateho.fi
LisätiedotHakkuukonemittaus puustotietojen tuotannossa aineiston esikäsittely ja kuviorajan muodostaminen
Hakkuukonemittaus puustotietojen tuotannossa aineiston esikäsittely ja kuviorajan muodostaminen Timo Melkas Metsäteho Oy Forest Big Data -hankkeen tulosseminaari 8.3.2016 CHM Arbonaut Oy Melkas, T., Poikela,
LisätiedotAlgoritmi I kuvioiden ja niille johtavien ajourien erottelu. Metsätehon tuloskalvosarja 7a/2018 LIITE 1 Timo Melkas Kirsi Riekki Metsäteho Oy
Algoritmi I kuvioiden ja niille johtavien ajourien erottelu Metsätehon tuloskalvosarja 7a/2018 LIITE 1 Timo Melkas Kirsi Riekki Metsäteho Oy Algoritmi I kuvioiden ja niille johtavien ajourien erottelu
LisätiedotPuun kasvu ja runkomuodon muutokset
Puun kasvu ja runkomuodon muutokset Laserkeilaus metsätieteissä 6.10.2017 Ville Luoma Helsingin yliopisto Centre of Excellence in Laser Scanning Research Taustaa Päätöksentekijät tarvitsevat tarkkaa tietoa
LisätiedotKymmenen vuotta maastolaserkeilaustutkimusta käytännön kokemuksia
Kymmenen vuotta maastolaserkeilaustutkimusta käytännön kokemuksia MMT Ville, Kankare Laserkeilaustutkimuksen huippuyksikkö Metsätieteiden laitos, Helsingin yliopisto Kymmenen vuotta maastolaserkeilaustutkimusta
LisätiedotMetsäkoneiden sensoritekniikka kehittyy. Heikki Hyyti, Aalto-yliopisto
Metsäkoneiden sensoritekniikka kehittyy, Metsäkoneiden sensoritekniikka kehittyy Miksi uutta sensoritekniikkaa? Tarkka paikkatieto metsässä Metsäkoneen ja puomin asennon mittaus Konenäkö Laserkeilaus Tietolähteiden
LisätiedotForest Big Data -tulosseminaari
FOREST BIG DATA Forest Big Data -tulosseminaari 8.3.216 Metsäkoneen urapainumat laserilla Jarmo Hämäläinen jarmo.hamalainen@metsateho.fi Jari Ala-Ilomäki jari.ala-ilomaki@luke.fi Mikko Miettinen mikko.miettinen@argone.fi
LisätiedotVaihtoehtoisia malleja puuston kokojakauman muodostamiseen
Vaihtoehtoisia malleja puuston kokojakauman muodostamiseen Jouni Siipilehto, Harri Lindeman, Jori Uusitalo, Xiaowei Yu, Mikko Vastaranta Luonnonvarakeskus Geodeettinen laitos Helsingin yliopisto Vertailtavat
LisätiedotSystemaattisuus työmalleissa puunkorjuussa
Systemaattisuus työmalleissa puunkorjuussa METKA-koulutus Systemaattisen energiapuuharvennuksen teemapäivä Heikki Ovaskainen Erikoistutkija Sisältö Taustaa työmalleista Uusien joukkokäsittelyn työmallien
LisätiedotMARV 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
LisätiedotTTY Mittausten koekenttä. Käyttö. Sijainti
TTY Mittausten koekenttä Käyttö Tampereen teknillisen yliopiston mittausten koekenttä sijaitsee Tampereen teknillisen yliopiston välittömässä läheisyydessä. Koekenttä koostuu kuudesta pilaripisteestä (
LisätiedotRyhmähanke Menetelmä jäävän puuston arviointiin harvennushakkuissa sekä laitteistoasetusten vaikutus hakkuukoneen GPS-paikantimen tarkkuuteen
Ryhmähanke Menetelmä jäävän puuston arviointiin harvennushakkuissa sekä laitteistoasetusten vaikutus hakkuukoneen GPS-paikantimen tarkkuuteen Timo Hokka Tapio Räsänen Metsätehon raportti 86 8.2.2000 Menetelmä
LisätiedotKoneellisen harvennushakkuun työnjälki. Koneellisen harvennushakkuun tuottavuus -projektin osaraportti
Koneellisen harvennushakkuun työnjälki Koneellisen harvennushakkuun tuottavuus -projektin osaraportti Arto Kariniemi Teppo Oijala Juha Rajamäki Metsätehon raportti 12 18.12.1996 Osakkaiden yhteishanke
LisätiedotPuiden 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
LisätiedotKasvatettavan puuston määritys koneellisessa harvennuksessa
Kasvatettavan puuston määritys koneellisessa harvennuksessa Etelä-Suomi Ohje hakkuukoneen kuljettajalle HARVENNUKSEN TAVOITTEET Harvennuksen tavoitteena on keskittää metsikön puuntuotoskyky terveisiin,
LisätiedotMETKA-maastolaskurin käyttäjäkoulutus 9.12.2010 Tammela Matti Kymäläinen METKA-hanke 27.3.2014 1
METKA-maastolaskurin käyttäjäkoulutus 9.12.2010 Tammela Matti Kymäläinen METKA-hanke 27.3.2014 1 METKA-maastolaskuri: Harvennusmetsien energiapuun kertymien & keskitilavuuksien laskentaohjelma Lask ent
LisätiedotHakkuualueen rajan muodostus hakkuukoneen sijaintitietoon perustuen
Hakkuualueen rajan muodostus hakkuukoneen sijaintitietoon perustuen Metsätehon tuloskalvosarja 5/2017 Timo Melkas Kirsi Riekki CHM Arbonaut Oy Tiivistelmä Tutkimuksen tavoitteena oli luoda menetelmä hakkuualueen
LisätiedotPuuta koskettamaton hakkuukonemittaus. Arto Visala, Matti Öhman, Mikko Miettinen Aalto-Yliopisto (TKK), Automaatio- ja systeemitekniikan laitos
Puuta koskettamaton hakkuukonemittaus Arto Visala, Matti Öhman, Mikko Miettinen Aalto-Yliopisto (TKK), Automaatio- ja systeemitekniikan laitos Forestrix - Metsäkoneen aistinjärjestelmä (2005-2008) Konsortio
LisätiedotJoukkokäsittelyn työmallit. Heikki Ovaskainen
Joukkokäsittelyn työmallit Heikki Ovaskainen Metsätehon tuloskalvosarja 8a/2014 Esityksen sisältö Taustaa Uusien joukkokäsittelyn työmallien kuvaus Aineisto ja menetelmät Tulokset - ajanmenekki ja tuottavuus
LisätiedotMetsätehon tuloskalvosarja 9/2017 Timo Melkas Kirsi Riekki Metsäteho Oy
Puiden paikannustarkkuus hakkuukoneen tallennettuun sijaintiin ja kouran anturointiin perustuen laskennallinen algoritmi kouran sijainnin tarkentamiseksi Metsätehon tuloskalvosarja 9/2017 Timo Melkas Kirsi
LisätiedotPuuston mittaus etäisyyden- ja kulmanmittauslaitteella
Metsätieteen aikakauskirja t i e d o n a n t o Jouko Laasasenaho Jouko Laasasenaho, Jyrki Koivuniemi, Timo Melkas ja Minna Räty Puuston mittaus etäisyyden- ja kulmanmittauslaitteella Laasasenho, J., Koivuniemi,
LisätiedotViimeistely Ajourien huomiointi puutiedoissa ja lopullinen kuviointi. Metsätehon tuloskalvosarja 5/2018 LIITE 4 Timo Melkas Kirsi Riekki Metsäteho Oy
Viimeistely Ajourien huomiointi puutiedoissa ja lopullinen kuviointi Metsätehon tuloskalvosarja 5/2018 LIITE 4 Timo Melkas Kirsi Riekki Metsäteho Oy Viimeistely ajourien huomiointi ja lopullinen kuviointi
LisätiedotVMI-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
LisätiedotMännyn laaturajojen integrointi runkokäyrän ennustamisessa. Laura Koskela Tampereen yliopisto 9.6.2003
Männyn laaturajojen integrointi runkokäyrän ennustamisessa Laura Koskela Tampereen yliopisto 9.6.2003 Johdantoa Pohjoismaisen käytännön mukaan rungot katkaistaan tukeiksi jo metsässä. Katkonnan ohjauksessa
LisätiedotMetsänmittausohjeita
Metsänmittausohjeita 1. PUUN LÄPIMITAN MITTAAMINEN Tilavuustaulukko perustuu siihen, että läpimitta mitataan 1,3 metriä ylintä juurenniskaa korkeammalta eli 1,3 metriä sen kohdan yläpuolelta, mistä metsuri
LisätiedotKehittyvä puun mallinnus ja laskenta
Kehittyvä puun mallinnus ja laskenta Metsätieteen päivät 2011 Jouko Laasasenaho emeritusprof. Historiallinen tausta Vuonna 1969 Suomessa siirryttiin puun mittauksessa kuorelliseen kiintokuutiometrin käyttöön
LisätiedotPienpuun paalauksen tuottavuus selville suomalais-ruotsalaisella yhteistyöllä
Pienpuun paalauksen tuottavuus selville suomalais-ruotsalaisella yhteistyöllä Yrjö Nuutinen MMT Metsäteknologia Metla/Joensuu ForestEnergy2020 -tutkimus- ja innovaatio-ohjelman vuosiseminaari 8.-9.10.2013
LisätiedotDIGIBONUSTEHTÄVÄ: MPKJ NCC INDUSTRY OY LOPPURAPORTTI
DIGIBONUSTEHTÄVÄ: MPKJ NCC INDUSTRY OY LOPPURAPORTTI Tekijä: Marko Olli 16.10.2018 Sisällys 1 Johdanto...3 2 Hankkeen tavoitteet ja vaikuttavuus...3 3 Laitteisto ja mittaustarkkuus...3 4 Pilotointi ja
LisätiedotUusiutuvan energian velvoite Suomessa (RES direktiivi)
Hakkuutähteen paalaus ja kannonnosto kuusen väliharvennuksilta Juha Nurmi, Otto Läspä and Kati Sammallahti Metla/Kannus Energiapuun saatavuus, korjuu ja energiaosuuskunnat Keski-Pohjanmaalla Forest Power
LisätiedotYmpäristön aktiivinen kaukokartoitus laserkeilaimella: tutkittua ja tulevaisuutta
Ympäristön aktiivinen kaukokartoitus laserkeilaimella: tutkittua ja tulevaisuutta Sanna Kaasalainen Kaukokartoituksen ja Fotogrammetrian Osasto Ilmastonmuutos ja ääriarvot 13.9.2012 Ympäristön Aktiivinen
LisätiedotMetsikön 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
LisätiedotMetsävaratieto ja sen käytön mahdollisuudet. 4.12.2014 Raito Paananen Metsätietopäällikkö Suomen metsäkeskus Julkiset palvelut, Keski-Suomi
Metsävaratieto ja sen käytön mahdollisuudet 4.12.2014 Raito Paananen Metsätietopäällikkö Suomen metsäkeskus Julkiset palvelut, Keski-Suomi Sisältö 1. Julkisin varoin kerättävien metsävaratietojen keruun
LisätiedotKantobiomassan määrän mallintaminen leimikoissa hakkuukonemittausten avulla
Metsätietee päivä, 6.0.0 Katobiomassa määrä mallitamie leimikoissa hakkuukoemittauste avulla Heikki Ovaskaie, Itä Suome yliopisto Pirkko Pihlaja, UPM Kymmee Teijo Palader, Itä Suome yliopisto Johdato Suomessa
LisätiedotEnergiapuukorjuukohteiden tarkastustulokset ja Hyvän metsänhoidon suositusten näkökulma. Mikko Korhonen Pohjois-Karjalan metsäkeskus
Energiapuukorjuukohteiden tarkastustulokset ja Hyvän metsänhoidon suositusten näkökulma Mikko Korhonen Pohjois-Karjalan metsäkeskus Mitä on korjuujälki? Metsikön puuston ja maaperän tila puunkorjuun jälkeen.
LisätiedotSenfit online-kosteusanturin soveltuvuus energiaraaka-aineen mittaukseen
Senfit online-kosteusanturin soveltuvuus energiaraaka-aineen mittaukseen Markku Korhonen, Vesa Fisk Senfit Oy Perttu Laakkonen UPM-Kymmene Oyj Timo Melkas Metsäteho Oy Tutkimuksen tavoite ja toteutus Tutkimuksen
LisätiedotKuusen kasvun ja puutavaran laadun ennustaminen
1/13 Kuusen kasvun ja puutavaran laadun ennustaminen Anu Kantola Työ on aloitettu omana hankkeenaan 1.1.21 Suomen Luonnonvarain Tutkimussäätiön rahoittamana, siirtyi Puro-hankkeen rahoittamaksi 1.1.24
LisätiedotTrestima Oy Puuston mittauksia
Trestima Oy Puuston mittauksia Projektissa tutustutaan puuston mittaukseen sekä yritykseen Trestima Oy. Opettaja jakaa luokan 3 hengen ryhmiin. Projektista arvioidaan ryhmätyöskentely, projektiin osallistuminen
LisätiedotPuustotietojen keruun tekniset vaihtoehdot, kustannustehokkuus ja tarkkuus
Puustotietojen keruun tekniset vaihtoehdot, kustannustehokkuus ja tarkkuus Janne Uuttera Metsätehon seminaari 8.5.2007 Metsävaratietojärjestelmien tulevaisuus Tausta Tietojohtamisen välineissä, kuten metsävaratietojärjestelmissä,
LisätiedotTrestima Oy Puuston mittauksia
Koostanut Essi Rasimus ja Elina Viro Opettajalle Trestima Oy Puuston mittauksia Kohderyhmä: 9-luokka Esitiedot: ympyrä, ympyrän piiri, halkaisija ja pinta-ala, lieriön tilavuus, yhdenmuotoisuus, yksikkömuunnokset
LisätiedotRyhmät & uudet mahdollisuudet
www.terrasolid.com Ryhmät & uudet mahdollisuudet Arttu Soininen 22.08.2017 Uudet mahdollisuudet ryhmien avulla Parempi maanpinnan yläpuolisten kohteiden luokittelu Maanpäällisten kohteiden luokittelu toimii
LisätiedotMetsävarojen inventoinnissa ollaan siirtymässä
Timo Melkas ja Arto Visala Hakkuukoneella kerätyn mittaustiedon hyödyntäminen e e m t a Laserkeilauksen ja hakkuukonemittausten yhdistämisellä tarkkaa puukohtaista tietoa Metsävarojen inventoinnissa ollaan
LisätiedotPaikkatietoa 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"Karuselli", 4 kohdetta, 4 ryhmää per kohde, min. Mukana kuljetettavat ryhmäkohtaiset varusteet ja kohteella annettavat välineet.
MARV1, 2009 KE-ip Metsikkökoeala - harjoittelu muistokoivikossa "Karuselli", 4 kohdetta, 4 ryhmää per kohde, 25 + 5 min. Mukana kuljetettavat ryhmäkohtaiset varusteet ja kohteella annettavat välineet.
LisätiedotTiheäpulssinen ja monikanavainen laserkeilausaineisto puulajeittaisessa inventoinnissa
Metsätieto ja sähköiset palvelut -hankkeen lopputulosseminaari Helsinki, 22.1.2019 Tiheäpulssinen ja monikanavainen laserkeilausaineisto puulajeittaisessa inventoinnissa Petteri Packalen, Eetu Kotivuori,
LisätiedotPoistettavien puiden valinta laatuperustein harvennushakkuulla
Poistettavien puiden valinta laatuperustein harvennushakkuulla Manne Viljamaa TAMK http://puuhuoltooppimispolku.projects.tamk.fi/path.p hp?show=31 1. Harvennushakkuun terminologiasta Käsitteet tuulee olla
LisätiedotENERGIAPUUKOHTEEN TUNNISTAMINEN JA OHJAAMINEN MARKKINOILLE
ENERGIAPUUKOHTEEN TUNNISTAMINEN JA OHJAAMINEN MARKKINOILLE METSÄ metsänomistajat PROMOOTTORI metsäsuunnittelu ja -neuvonta MARKKINAT polttopuu- ja lämpöyrittäjät metsäpalveluyrittäjät energiayhtiöt metsänhoitoyhdistykset
LisätiedotTaimettuminen ja taimikon hoito männyn luontaisessa uudistamisessa Eero Kubin ja Reijo Seppänen Metsäntutkimuslaitos Oulu
Taimettuminen ja taimikon hoito männyn luontaisessa uudistamisessa Eero Kubin ja Reijo Seppänen Metsäntutkimuslaitos Oulu Metsänuudistaminen pohjoisen erityisolosuhteissa Tutkimushankkeen loppuseminaari
LisätiedotPuutavaran mittauksen visio 2020
Puutavaran mittauksen visio 2020 Tarkka ja kustannustehokas määrän ja laadun mittaus osana puutavaralogistiikkaa Metsätehon tuloskalvosarja 9/2012 30.8.2012 Timo Melkas, Jarmo Hämäläinen 1 Puuraaka-aineen
LisätiedotHämeenlinna 6.9.2012. Jari Lindblad Jukka Antikainen. Jukka.antikainen@metla.fi 040 801 5051
Puutavaran mittaus Hämeenlinna 6.9.2012 Jari Lindblad Jukka Antikainen Metsäntutkimuslaitos, Itä Suomen alueyksikkö, Joensuu Jukka.antikainen@metla.fi 040 801 5051 SISÄLTÖ 1. Puutavaran mittaustarkkuus
LisätiedotYhdistelmäkoneen ja yksioteharvesteriketjun. ensiharvennuksilla
Konsortiohanke Yhdistelmäkoneen ja yksioteharvesteriketjun korjuujälki ensiharvennuksilla Risto Lilleberg Pasi Korteniemi Metsätehon raportti 41 28.1.1998 kor- Yhdistelmäkoneen ja yksioteharvesteriketjun
LisätiedotRiistapäivät 2015 Markus Melin Itä Suomen Yliopisto Metsätieteiden osasto markus.melin@uef.fi
Riistapäivät 2015 Markus Melin Itä Suomen Yliopisto Metsätieteiden osasto markus.melin@uef.fi Laserkeilaus pähkinänkuoressa Aktiivista kaukokartoitusta, joka tuottaa 3D aineistoa (vrt. satelliitti- ja
LisätiedotLaserkeilaus 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
LisätiedotPoimintahakkuiden puunkorjuu Matti Sirén
Poimintahakkuiden puunkorjuu Matti Sirén Kuva: Juhani Korhonen Poimintahakkuiden puunkorjuun tuottavuudesta vähän tietoa - tuottavuutta koskevat lainalaisuudet kuitenkin voimassa Hakkuun tuottavuustekijät:
LisätiedotPuutavaran tukkimittarimittauksessa käytettävä tyvisylinterin pituus ja tarkastusmittauksen mittaussuunta
Puutavaran tukkimittarimittauksessa käytettävä tyvisylinterin pituus ja tarkastusmittauksen mittaussuunta Puutavaranmittauksen neuvottelukunnan suosituksen 12.10.2017 taustamateriaali Suositusta muutettu
LisätiedotMittalaitteen tulee toimia luotettavasti kaikissa korjuuolosuhteissa.
LIITE 1 HAKKUUKONEMITTAUS 1(5) HAKKUUKONEMITTAUS 1 Määritelmä Hakkuukonemittauksella tarkoitetaan hakkuukoneella valmistettavan puutavaran tilavuuden mittausta valmistuksen yhteydessä koneen mittalaitteella.
LisätiedotLaserkeilauksella 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
LisätiedotLaserrelaskooppimittauksen tarkkuus ja ajanmenekki
Metsätehon raportti 152 4.8.2003 Laserrelaskooppimittauksen tarkkuus ja ajanmenekki Jouni Kalliovirta Tapio Räsänen Laserrelaskooppimittauksen tarkkuus ja ajanmenekki Jouni Kalliovirta Tapio Räsänen Metsätehon
LisätiedotEnergiapuun kosteuden määrittäminen metsäkuljetuksen yhteydessä
Energiapuun kosteuden määrittäminen metsäkuljetuksen yhteydessä Mikko Holopainen, Pohjois-Karjalan AMK Jari Lindblad, Metsäntutkimuslaitos Timo Melkas, Metsäteho Oy 14.8.2012 Taustaa Kosteus on energiapuun
LisätiedotEnnakkoraivaus osana ensiharvennuspuun korjuuta
Ennakkoraivaus osana ensiharvennuspuun korjuuta Kalle Kärhä, Sirkka Keskinen, Reima Liikkanen, Teemu Kallio & Jarmo Lindroos Nuorten metsien käsittely 1 Projektin tavoitteet Kartoittaa, miten erilaiset
LisätiedotTRESTIMA. Digitaalisten tekniikoiden mahdollisuudet metsätaloudessa , Seinäjoki. Simo Kivimäki
TRESTIMA Digitaalisten tekniikoiden mahdollisuudet metsätaloudessa 22.3.2017, Seinäjoki Simo Kivimäki simo.kivimaki@trestima.com 050 3872891 Trestima Oy Vuonna 2012 perustettu metsäsektorille erikoistunut
LisätiedotTaimikonhoidon omavalvontaohje
Omavalvonnalla laatua ja tehoa metsänhoitotöihin Taimikonhoidon omavalvontaohje Taimikonhoidon merkitys Taimikonhoidolla säädellään kasvatettavan puuston puulajisuhteita ja tiheyttä. Taimikonhoidon tavoitteena
LisätiedotKorjuujäljen seuranta energiapuun korjuun laadun mittarina. Mikko Korhonen Suomen metsäkeskus 23.5.2014
Korjuujäljen seuranta energiapuun korjuun laadun mittarina Mikko Korhonen Suomen metsäkeskus 23.5.2014 Mitä on korjuujälki? Metsikön puuston ja maaperän tila puunkorjuun jälkeen. 2 23.5.2014 3 Korjuujäljen
LisätiedotTilastolliset mallit hakkuukoneen katkonnan ohjauksessa. Tapio Nummi Tampereen yliopisto
Tilastolliset mallit hakkuukoneen katkonnan ohjauksessa Tapio Nummi Tampereen yliopisto Runkokäyrän ennustaminen Jotta runko voitaisiin katkaista optimaalisesti pitäisi koko runko mitata etukäteen. Käytännössä
LisätiedotLaserkeilauspohjaiset laskentasovellukset
Laserkeilauspohjaiset laskentasovellukset Petteri Packalén Matti Maltamo Laseraineiston käsittely: Ohjelmistot, formaatit ja standardit Ei kovin monia ohjelmia laserpisteaineiston käsittelyyn» Terrasolid
LisätiedotHarvennuspuun raaka-aineominaisuudet ja puutuotemahdollisuudet
Puunkäytön kehittäminen ja uudet tuotemarkkinat Tutkimusohjelman loppuseminaari 13.11.2008, Lahti, Sibeliustalo Harvennuspuun raaka-aineominaisuudet ja puutuotemahdollisuudet Tapio Wall: - Harvennusmännyn
LisätiedotGPS:n käyttö pinta-alan mittauksessa
Osakkaiden yhteishanke GPS:n käyttö pinta-alan mittauksessa Pikatesti kahdella GPS-laitteella Timo Hokka Metsätehon raportti 98 10.10.2000 GPS:n käyttö pinta-alan mittauksessa Pikatesti kahdella GPS-laitteella
LisätiedotLiite 5 Harvennusmallit
Liite 5 Harvennusmallit Liitteen harvennusmallit osoittavat puuston kehitysvaiheen (valtapituus, metriä) ja tiheyden (pohjapinta-ala, m²/ha) perusteella metsikön harvennustarpeen ja hakkuussa jätettävän,
LisätiedotKasvatettavan puuston määritys koneellisessa harvennuksessa
Kasvatettavan puuston määritys koneellisessa harvennuksessa Pohjois-Suomi Ohje hakkuukoneen kuljettajalle HARVENNUKSEN TAVOITTEET Harvennuksen tavoitteena on keskittää metsikön puuntuotoskyky terveisiin,
LisätiedotTAIMIKON KÄSITTELYN AJOITUKSEN VAIKUTUS TYÖN AJANMENEKKIIN
TAIMIKON KÄSITTELYN AJOITUKSEN VAIKUTUS TYÖN AJANMENEKKIIN Projektiryhmä Simo Kaila, Reima Liikkanen Rahoittajat Metsähallitus, Metsäliitto Osuuskunta, Stora Enso Oyj, UPM-Kymmene Oyj ja Yksityismetsätalouden
LisätiedotMaanmittauspäivät 2014 Seinäjoki
Maanmittauspäivät 2014 Seinäjoki Parempaa tarkkuutta satelliittimittauksille EUREF/N2000 - järjestelmissä Ympäristösi parhaat tekijät 2 EUREF koordinaattijärjestelmän käyttöön otto on Suomessa sujunut
LisätiedotSuositus puutavaran tukkimittarimittauksessa käytettävän tyvisylinterin pituudeksi ja tarkastusmittauksen mittaussuunnaksi.
Suositus puutavaran tukkimittarimittauksessa käytettävän tyvisylinterin pituudeksi ja tarkastusmittauksen mittaussuunnaksi Tukkimittarimittauksessa tyvisylinterin pituus ja tarkastusmittauksen suunta -
LisätiedotLIITE 1 VIRHEEN ARVIOINNISTA
1 Mihin tarvitset virheen arviointia? Mittaustuloksiin sisältyy aina virhettä, vaikka mittauslaite olisi miten uudenaikainen tai kallis tahansa ja mittaaja olisi alansa huippututkija Tästä johtuen mittaustuloksista
LisätiedotMonilähdetietoa hyödyntävien karttaopasteiden tarve puunkorjuussa haastattelututkimus hakkuukoneenkuljettajille
Monilähdetietoa hyödyntävien karttaopasteiden tarve puunkorjuussa haastattelututkimus hakkuukoneenkuljettajille Jarkko Kauppinen, Kari Väätäinen, Simo Tauriainen, Kalle Einola ja Matti Sirén Forest Big
LisätiedotMiehittämättömän lennokin ottamien ilmakuvien käyttö energiakäyttöön soveltuvien biomassojen määrän nopeassa arvioinnissa
Miehittämättömän lennokin ottamien ilmakuvien käyttö energiakäyttöön soveltuvien biomassojen määrän nopeassa arvioinnissa Anna Lopatina, Itä-Suomen yliopisto, Metsätieteiden osasto, Anna.lopatina@uef.fi
LisätiedotTaimikonhoidon vaikutukset metsikön
Taimikonhoidon vaikutukset metsikön jatkokehitykseen ja tuotokseen Saija Huuskonen Metsäntutkimuslaitos Skogsforskningsinstitutet Finnish Forest Research Institute www.metla.fi Sisältö 1. Taimikonhoidon
LisätiedotKUITUPUUN KESKUSKIINTOMITTAUKSEN FUNKTIOINTI
KUITUPUUN KESKUSKIINTOMITTAUKSEN FUNKTIOINTI Asko Poikela Samuli Hujo TULOSKALVOSARJAN SISÄLTÖ I. Vanha mittauskäytäntö -s. 3-5 II. Keskusmuotolukujen funktiointi -s. 6-13 III.Uusi mittauskäytäntö -s.
LisätiedotSatelliittipaikannus
Kolme maailmalaajuista järjestelmää 1. GPS (USAn puolustusministeriö) Täydessä laajuudessaan toiminnassa v. 1994. http://www.navcen.uscg.gov/gps/default.htm 2. GLONASS (Venäjän hallitus) Ilmeisesti 11
LisätiedotSatunnaisotantamittaus. Satunnaisotantamittaus 4.705
KOULUTUS Ponsse Opti 4G Satunnaisotantamittaus Satunnaisotantamittaus 4.705 Satunnaisotantamittaus SATUNNAISOTANTA ASETUKSET Kaikki arvonta välilehdellä olevat asetukset vaikuttavat kuinka usein Opti 4G
LisätiedotHakkuukone metsätiedon lähteenä
Hakkuukone metsätiedon lähteenä Tapio Räsänen Metsäteho Oy Metsätieto ja sähköiset palvelut seminaari 8.11.2016 Paikkatietomarkkinat 2016 Mitä hakkuukoneet tekevät? Puunkorjuu on Suomessa täysin koneellistettu
LisätiedotPuusto poiminta- ja pienaukkohakkuun jälkeen
Puusto poiminta- ja pienaukkohakkuun jälkeen Metsälakiseminaari 22.10.2014 Lahti Johtava metsänhoidon asiantuntija Eljas Heikkinen Suomen metsäkeskus Eri-ikäisrakenteisen metsän rakennepiirteitä Sekaisin
LisätiedotStereopaikannusjärjestelmän tarkkuus (3 op)
Teknillinen korkeakoulu AS 0.3200 Automaatio ja systeemitekniikan projektityöt Stereopaikannusjärjestelmän tarkkuus (3 op) 19.9.2008 14.01.2009 Työn ohjaaja: DI Matti Öhman Mikko Seppälä 1 Työn esittely
LisätiedotLaatua kuvaavien kasvumallien kehittäminen. Annikki Mäkelä, Anu Kantola, Harri Mäkinen HY Metsäekologian laitos, Metla
Laatua kuvaavien kasvumallien kehittäminen Annikki Mäkelä, Anu Kantola, Harri Mäkinen HY Metsäekologian laitos, Metla Taustaa» Kasvumallit antavat puustoennusteen kiertoaikana, kun tunnetaan» kasvupaikkatiedot»
LisätiedotTaitaja 2011 finaalitehtävät Metsäkoneenkäyttö
Taitaja 2011 finaalitehtävät Metsäkoneenkäyttö Tehtävä A: Koneellinen puutavaran valmistus (uudistushakkuu) (John Deere E-sarjan käyttösimulaattori) Tavoitteet Tehtävässä tavoitellaan ammattimaista koneenkäsittelyä
LisätiedotMotocrosspyörien melupäästömittaukset
Suomen Moottoriliitto ry. Juha Korhonen Jussi Kurikka-Oja Meluselvitysraportti 30.9.2014 30.9.2014 1 (8) SISÄLTÖ 1 LÄHTÖKOHDAT... 2 2 MELUPÄÄSTÖMITTAUKSET... 2 2.1 Mittausteoriaa... 2 2.2 Mittaustoiminta...
LisätiedotPURO - Puuraaka-aineen määrän ja laadun optimointi metsänkasvatuksessa ja teollisuuden prosesseissa
PURO - Puuraaka-aineen määrän ja laadun optimointi metsänkasvatuksessa ja teollisuuden prosesseissa Ympäristötekijöiden vaikutus puun ja puukuitujen ominaisuuksiin Pekka Saranpää Harri Mäkinen Tuula Jaakkola
LisätiedotKoivun laatukasvatusketjut. Pentti Niemistö 21.8.2012
Koivun laatukasvatusketjut Pentti Niemistö 21.8.2012 Raudus vai Hies Raudus- ja hieskoivun laatuerot Rauduskoivut kasvavat järeämmiksi ja suoremmiksi syynä puulaji sinänsä, mutta myös kasvupaikka, joka
LisätiedotKiertoaika. Uudistaminen. Taimikonhoito. Ensiharvennus. Harvennushakkuu
Metsäomaisuuden hyvä hoito Kiertoaika Uudistaminen Taimikonhoito Ensiharvennus 1 Harvennushakkuu Metsän kiertoaika Tarkoittaa aikaa uudistamisesta päätehakkuuseen. Vaihtelee alueittain 60 120 vuotta Kierron
LisätiedotLaboratorioraportti 3
KON-C3004 Kone-ja rakennustekniikan laboratoriotyöt Laboratorioraportti 3 Laboratorioharjoitus 1B: Ruuvijohde Ryhmä S: Pekka Vartiainen 427971 Jari Villanen 69830F Anssi Petäjä 433978 Mittaustilanne Harjoituksessa
LisätiedotDrone-kuvausten käyttökelpoisuudesta metsäkeskuksen toiminnassa Maaseutu 2.0 loppuseminaari
Drone-kuvausten käyttökelpoisuudesta metsäkeskuksen toiminnassa Maaseutu 2.0 loppuseminaari 24.1.2018 Raito Paananen metsätietopäällikkö, Suomen metsäkeskus Dronet metsäkeskuksen toiminnassa SMK:n perustehtäviä
LisätiedotHarvennus- ja päätehakkuut. Matti Äijö 9.10.2013
Harvennus- ja päätehakkuut Matti Äijö 9.10.2013 1 METSÄN HARVENNUS luontainen kilpailu ja sen vaikutukset puustoon harventamisen vaikutus kasvatettavaan metsään (talous, terveys) päätehakkuu ja uudistamisperusteet
LisätiedotPuukaupan uudet tuulet - rungonosahinnoittelu. Jori Uusitalo Metla 02.10.2014
Puukaupan uudet tuulet - rungonosahinnoittelu Jori Uusitalo Metla 02.10.2014 Puun hinnoittelutapoja Puutavaralajihinnoittelu hinta tavaralajille Runkohinnoittelu yksi hinta koko rungolle Rungonosahinnoittelu
Lisätiedot7/1995 METSATEHO ~ METSÄTEOLLISUUS METSURIMITTAUKSEN TARKKUUS. Masser 35. Tapio Räsänen Jari Marjomaa Antti Ihalainen
METSATEHO / METSURIMITTAUKSEN TARKKUUS Tapio Räsänen Jari Marjomaa Antti Ihalainen Masser Tutkimuksessa selvitettiin hakkuukohteelta kerätyn aineiston perusteella metsurimittauksen tarkkuutta, kun käytettiin
LisätiedotKuusen kasvun ja puutavaran laadun ennustaminen
Kuusen kasvun ja puutavaran laadun ennustaminen Anu Kantola Työ on aloitettu omana hankkeenaan 1.1.2001 Suomen Luonnonvarain Tutkimussäätiön rahoittamana, siirtyi Puro -hankkeen rahoittamaksi 1.1.2004
LisätiedotKUITUPUUN PINO- MITTAUS
KUITUPUUN PINO- MITTAUS Ohje KUITUPUUN PINOMITTAUS Ohje perustuu maa- ja metsätalousministeriön 16.6.1997 vahvistamaan pinomittausmenetelmän mittausohjeeseen. Ohjeessa esitettyä menetelmää sovelletaan
LisätiedotLaskennallinen menetelmä puun biomassan ja oksien kokojakauman määrittämiseen laserkeilausdatasta
Laskennallinen menetelmä puun biomassan ja oksien kokojakauman määrittämiseen laserkeilausdatasta Pasi Raumonen, Mikko Kaasalainen ja Markku Åkerblom Tampereen teknillinen ylipisto, Matematiikan laitos
LisätiedotTrestima älypuhelin kuvauksessa tunnistettujen puiden oikeellisuus
Trestima älypuhelin kuvauksessa tunnistettujen puiden oikeellisuus Ammattikorkeakoulun opinnäytetyö Metsätalouden koulutusohjelma Evo, 2015 Ville-Matti Kopakka TIIVISTELMÄ EVO Metsätalouden koulutusohjelma
Lisätiedot