Metsävaratiedon saatavuus ja käytettävyys energiapuun hankinnassa

Transkriptio

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

2 Sisältöä 1. Kaukokartoituspohjainen metsävaratieto Mitä se on / miten soveltuu energiapuun hankintaan Käyttömahdollisuudet nyt ja tulevaisuudessa Tiedon tarkkuus 2. Nykyiset metsävara- ja karttatietokannat; tiedon saatavuus Metsäkeskuksen metsävaratieto rajoitteet Avoimet metsävara- ja karttatietokannat ja niiden soveltuvuus energiapuun hankintaan

3 Ajankohtaisia tutkimustuloksia Metsätehon raportit , EffFibre-tutkimusohjelma Puuston runkolukusarjan ja laatutunnusten mittaus kaukokartoituksella, Jari Vauhkonen ym. Uudet informaatiolähteet puunhankinnan tukena, Tapio Räsänen ym. Puukarttajärjestelmä hakkuun tehostamisessa, Timo Melkas ym. Parhaillaan menossa olevaa aihepiirin tutkimusta: Tulevaisuuden kestävät bioenergiaratkaisut -tutkimusohjelma (Sustainable Bioenergy Solutions for Tomorrow, BEST); Prof. Markus Holopainen ym., Helsingin yliopisto Laserkeilaustutkimuksen huippuyksikkö, Prof. Juha Hyyppä ym., Suomen Geodeettinen laitos,

4 1. Kaukokartoituspohjainen metsävaratieto 1.1. Kaukokartoitustekniikan perusteita 1.2. Aineistojen tulkinnasta -> mahdollisuudet verrattuna perinteiseen (maasto-)tietoon 1.3. Tiedon tarkkuudesta

5 Kaukokartoituksen perusidea Aina sähkömagneettisen säteilyn havainnointia Passiivinen kk: säteilylähde aurinko, esim. ilma- tai satelliittikuvaus Aktiivinen kk: oma säteilylähde, esim. laserkeilaus Tuloksena täysin erityyppistä aineistoa Quickbird-2 Feb 13, 2005 Kompsat-2 (eri paikasta) Feb12, 2008 AVNIR-2 Feb 3, 2009 Landsat-5 (GeoCover) Satelliittikuvia 70 x 70 m alueelta

6 Laserkeilauksen toimintaperiaate Lähetin lähettää lyhyitä laserpulsseja Vastaanotin kerää heijastukset Etäisyys kohteeseen heijastukseen kuluneen ajan perusteella Sensorin paikka ja asento ovat tiedossa Tuottaa keilatun pinnan 3Dkoordinaatit Keilaimen ominaisuuksista ja määrityksistä riippuvia havaintoja

7 Ilmakuva vs. ALS-data = airborne laser scanning 7

8 ALS-pisteaineistoa

9 ALS-pisteaineistoa

10 Puiden tunnistus ALS-pintamallista :

11 Maastolaser (TLS/MLS) Erittäin tarkkaa dataa, mittaa suoraan kohteiden ominaisuuksia Pistemäisiä mittauksia (ei wall-to-wall), siis täysin toisentyyppistä dataa em. menetelmiin verrattuna Kuvat Ville Kankare

12 ALS vs. TLS ALS-tieto kuvaa suoraan latvustoa TLS runkojen ominaisuuksia Esim. järeys, runkomuoto Pölkytykseen vaikuttavat ulkoiset viat Aineistojen automaattinen tulkinta? Esimerkki maasto- ja mobiililaserdatan hankinnasta: m_io9iw1m&t=1m24s Ville Kankare

13 1.2. Aineistojen tulkintaperiaate Metsikkötunnusten ennustamisessa käytetään aina kk-aineistojen rinnalla maastokoealoja (tai muuta maastoaineistoa) Esim. Metsäkeskusten inventoinneissa mallinnusaineistoina koealoja, jotka paikannetaan 1 m tarkkuudella metsikkökoealaa / inventointialue, joka on ha tai yli. Mitä isompi alue, sitä kustannustehokkaampi. Kaukokartoitusaineistoilta irrotettuja piirteitä käytetään ennustamaan maastokoealoilta mitattuja puustotunnuksia (pituus, tilavuus, puulaji jne.). Ennuste tuotetaan koko inventointialueelle.

14 Kaukokartoituspohjainen tiedonkeruumenetelmä (1/2) 1. Maastokoealat Esim. 9m ympyräkoealoja Satoja per inventointialue 2. Ennustusyksikkö Koealan kokoa vastaava hilaruutu Puusto mallinnetaan jokaiselle ruudulle samankaltaisimmilta koealoilta

15 Kaukokartoituspohjainen tiedonkeruumenetelmä (2/2) Laserkeilausaineistoissa puusto kuvautuu metsikön korkeusjakauman kautta Ilma- ja satelliittikuvissa sävyarvojen kautta Loppu perustuu erilaisiin matemaattisiin malleihin Ennusteiden tarkkuuteen vaikuttaa sekä kk- että maastoaineiston hyvyys

16 Esim. keskiläpimitan ennuste

17 ALS-pohjainen puustotulkinta parantaa ainakin seuraavia maastoarviointien ongelmakohtia: Objektiivisuus Kustannusteho Kattavuus (wall-to-wall) Kuvion sisäinen vaihtelu (Ks. seuraavat kalvot)

18 ALS vs. kuvioittainen arviointi Kuvioittaisen arvioinnin luotettavuus? Esim. keskitilavuus. Keskivirhe (RMSE) mittaajasta riippuen % (ka 24.8%), Haara & Korhonen 2004 Laserinventointi jopa 60% kuvioittaista arviointia edullisempi Kok. tilavuuden RMSE ALS:lla; harha +-0 (tavoite)

19 Tulevaisuuden kehitysnäkymiä Output: D gm prediction Output: D gm > 26 cm Kuvioton metsäsuunnittelu Tukee esim. hakkuualueiden tai monimuotoisuusympäristöjen koostamista Tarvittava data (hilaruudut) on jo olemassa Vrt. meneillään olevaan metsälain muutokseen: pienaukot, jatkuva kasvatus

20 ALS-leimikkosuunnittelu Automaattikuviointi ja puustotulkinta Harvennuskohteiden rajaus algoritmilla, joka huomioi naapurikuvioiden toimenpidetarpeen

21 Suomen metsäkeskuksen metsävaratieto Valtakunnallisesti liikkeelle 2010->, ajantasaistusprosessi 2012-> Tavoitteena oli lisätä yksityismetsien inventointia 1 -> 1,5 milj.ha/vuosi ja vähentää tiedonkeruun yksikkökustannuksia 40%. Inventoidut pinta-alat v n. 1,3 ja v n. 1,9 milj.ha V lopussa tietokanta kattoi 7,7 milj. ha (53% pinta-alasta) Laserinventointi jopa 60% kuvioittaista arviointia edullisempi Aineiston tarkkuus yleisesti ottaen vähintään kuvioittaisen arvioinnin tasolla; - hankaluuksia: sivupuulajien osuudet epätasaiset, monijaksoiset tai muuten poikkeavat kuviot mitä pienempää puustoa, sen hankalampaa.. Taimikoiden maastotarkastukset.

22 Metsä- ja leimikkosuunnittelu? Metsävaratieto = Julkisin varoin, kaukokartoituksella ja kohdennetulla maastoinventoinnilla tuotettu kuviokohtainen metsävaratieto. Korvataan aiempi kattavaan kuvioittaiseen arviointiin perustuva aluesuunnittelu. Puulajeina mänty, kuusi ja lehtipuu. Toimenpide-ehdotukset pääosin laskentasovelluksella simuloituja kuviokohtaisia toimenpiteitä. Saadaan metsävarojen nykytilanne. Metsänomistajien aktivointi, sähköinen asiointi (mo ja toimijat), metsävaratietojen lisäksi esim. töiden välitys (hakkuut, hoitotyöt, asiantuntijapalvelut) ja viranomaisasiointi. Metsäsuunnittelutieto = Asiakasrahoitteisesti, maastoinventoinnilla tarkennettu kuviokohtainen metsäsuunnittelutieto. Toimenpideehdotukset maastotarkistettuja, tarkemmin ajoitettuja ja sisältävät metsänomistajan tavoitteet ja rajoitteet. Mukana kehitysennusteet, tulot ja menot. Leimikkosuunnittelu ja puukauppa. (lähde: Suomen Metsäkeskus)

23 1.3. Tiedon tarkkuudesta Esim. Suomen metsäkeskuksen kokonaispuuston tavoitetarkkuudet nuorissa ja varttuneissa kasvatusmetsissä sekä uudistuskypsissä metsissä: keskipituus +/- 2 m 80 %:ssa tapauksista, keskiläpimitta +/- 3 cm 80 %:ssa tapauksista, pohjapinta-ala +/- 3 m 2 80 %:ssa tapauksista, keskitilavuus +/- 20 % 80 %:ssa tapauksista. Em. tasot tuottavat tarkkuudet, jotka eivät merkittävästi vaikuta toimenpideehdotusten laatuun (toimenpide ja ajankohta). Kasvatusmetsien ja uudistuskypsien metsien hakkuuehdotukset tuotetaan laskennallisesti kokonaispuuston tunnusten sekä metsänhoitosuositusten harvennusmallien ja uudistuskypsyysrajojen perusteella Puulajikohtaiset tarkkuudet ovat kokonaispuustoa heikommat ja puulajisuhteissa voi esiintyä virheitä (esim. kuviolla on arvioitu olevan puulajia, jota siellä ei todellisuudessa ole). Minimitavoite on, että pääpuulaji on oikein määritetty, jos kuviolla on selkeästi vallitseva puulaji.

24 ... myös käytössä oleva laskentajärjestelmä hukkaa tietoa! Kuvioittaisessa arvioinnissa puusto kuvattiin teoreettisen runkolukusarjan avulla Sama laskenta käytössä edelleen, vaikka ALS mahdollistaisi runkolukusarjan tarkemman kuvauksen Tulevaisuuden kehitysmahdollisuudet perustuvat tekniikoiden erityispiirteiden tunnistamiseen ja hyödyntämiseen ALS / aluepohjainen tulkinta ALS / yksinpuintulkinta Maasto- tai mobiililaserkeilaus (TLS/MLS) -TARKKUUS + -HINTA ++ -KATTAVUUS

25 2. Nykyiset metsävara- ja karttatietokannat 2.1. Tiedon saatavuudesta ja rajoitteista 2.2. Avoimet metsävara- ja karttatietokannat ja niiden soveltuvuus energiapuun hankintaan

26 SMK:n metsävaratiedon saatavuus? Metsäkeskuksen metsävaratiedon käyttöä rajoittaa laki Suomen metsäkeskuksen metsätietojärjestelmästä eli metsätietolaki (419/2011), henkilötietolaki (523/1999) sekä laki viranomaisen toiminnan julkisuudesta eli julkisuuslaki (621/1999) Yksityisten metsänomistajien (luonnollisten henkilöiden) metsätieto rinnastuu henkilötietoon ja sen käsittelyä koskevat valtaosin samat rajoitukset kuin muutakin henkilötietoa. Metsäkeskus voi luovuttaa metsätietoa vain laissa säädetyillä edellytyksillä. Tärkein edellytys on metsänomistajan suostumus tiedon luovuttamiselle. Tietojen luovutus edellyttää maanomistajan suostumusta myös silloin, jos tiedot luovutetaan ilman yhteystietoja, jos sijaintitietojen perusteella on selvitettävissä, kenen maanomistajan kiinteistöön tiedot liittyvät.

27 SMK:n metsävaratietojen saatavuus (1/2) Edellyttää metsänomistajan suostumusta (esim. metsään.fi asiointipalvelun kautta) Suostumuksen jälkeen tiedot saatavissa metsään.fi-toimijapalvelun, rajapintojen tai perinteisten siirtomedioiden (esim. CD) kautta Toimijapalvelu metsään.fi Mahdollista selailla niitä metsätiloja, jotka ovat asettaneet tiedot saataville (sama näkymä kuin omistajien metsään.fi-palvelussa?) Toimijapalvelun hinta muodostuu toimialueen laajuuden mukaan; 60 /kunta/vuosi

28 SMK:n metsävaratietojen saatavuus (2/2) Tiedonsiirtorajapinnan avulla mahdollista siirtää vastaavat tiedot toimijan omaan tietojärjestelmään Tieto siirretään metsätietostandardin mukaisina XML-tiedostoina (voi) edellyttää muutoksia toimijan tietojärjestelmään lisäksi hankittava tunnistautumiseen tarvittavat varmenteet ( eur). Tietojen luovutus em. järjestelmien ulkopuolella tiedonluovutuspäätöksillä (150 euroa/päätös, voi sisältää yhden tai useamman metsänomistajan tiedot). Alueyksiköt käsittelevät.

29 Metsänomistajalähtöinen metsävaratieto Johtopäätös: Nykymuotoisen SMK:n metsävaratiedon yleistyminen toimijoiden käyttöön edellyttää SMK- ja/tai MHY-toimihenkilöiden aktiivisuutta Heidän tulisi ehdottaa energiapuukohteiden lisäämistä toimijoiden palveluun asioidessaan metsänomistajien kanssa Metsäkeskuksen julkisten vai metsäpalveluiden (Otso) tehtävä? Nykymuotoisella SMK:n metsävaratiedolla ei oleellista hyötyä verrattuna esim. MHY:n/MTK:n puumarkkinat.fi-palveluun

30 Entä avoin paikkatieto? Ellei Metsäkeskuksen kattava metsävaratieto ole käytettävissä, onko muita tietolähteitä energiapuunhankinnan suunnittelun tueksi? Maksutonta paikkatietoa Käyttöehdot sallivat vähintään tiedon julkaisemisen osana sovellusta, palvelua tai muuta tuotetta sellaisenaan taikka muokattuna tai yhdisteltynä toisten aineistojen kanssa

31 Hyödylliset avoimet aineistot (energia)puunhankinnan suunnittelun kannalta? Suuraluetaso Metlan metsävaratieto Maanmittauslaitoksen kartta-aineistot Liikenneviraston Digiroad-tietokanta Leimikkotaso Maanmittauslaitoksen laserkeilaus- ja ilmakuva-aineistot Maanmittauslaitoksen kartta-aineistot; korkeusmallit Korjuun suunnittelu Maanpinnan korkeusmallit (MML) Puuston korkeusmallit (MML:n laserkeilaus) ->mitä aineistojen käytöstä tiedetään ->case miten ladataan

32 Metlan metsävaratieto Valtakunnan metsien inventoinnin laajennus, monilähdeinventointi Perustuu VMI-koealatiedon yleistämiseen satelliitti- ja karttatiedon avulla Lopputuloksena karttatasoja, jotka kuvaavat metsää 25 x 25 m soluissa Tiedot saatavilla latauspalvelusta Osoita kartalta karttalehdet, joiden alueelta haluat aineistoa (aluksi vain yksi lehti kerrallaan) Anna sähköpostiosoite, jonne toimitamme lataussivun osoitteen Lataa tilaamasi tiedostot lataussivun linkeistä

33 Liikenneviraston digiroad-tietokanta Suomen teiden ja katujen geometria, yht. n km Liikkumisen suunnitteluun tarvittavia ominaisuustietoja: mm. käyttörajoitukset (suljettu yhteys, kääntymisrajoitukset, paino-, korkeus-, pituus- ja leveysrajoitus), nopeusrajoitus, leveys, päällystetieto, pysäkit, tieto silta / alikulku / tunneli-kohteesta Aineisto maksutonta v alusta lähtien Edellytyksenä Liikenneviraston kanssa solmittu hyödyntäjäsopimus, mikä poistuu v aikana Aineisto tulee ladattavaksi Liikenneviraston latauspalveluun, jossa se päivittyy aina lähtötietojen päivittyessä

34 Maanmittauslaitoksen aineistot Kaikki digitaaliset aineistot kansalaisten ja yritysten ilmaiseen ja vapaaseen käyttöön (2012 >) Esimerkkiaineistoja Perus- ja yleiskartat Maanpinnan korkeusmallit 2x2 m, 200 m Ortoilmakuva- ja laserkeilausaineistot Aineistojen selaus Karttapaikalla ja Paikkatietoikkunassa Lataus tiedostopalvelusta Lisäksi maksuton, mutta rajoitettu (enint hakua / 2 tuntia) rajapintapalvelu tasojen lataamiseen WMS/WFS-muodossa

35

36

37 Monilähde-VMI / tilavuus

38 MML:n ALS-aineiston hyödyntäminen biomassakartoituksessa ja seurannassa Aineistot: Maastomittaukset n. 469 ympyräkoealaa MML:n lentolaserkeilaus Menetelmät: Aluepohjainen tulkinta Esimerkki hilatason kokonaisbiomassaennusteesta Evon alueella: Maanmittauslaitoksen lentolaserkeilausaineisto on potentiaalinen aineisto biomassan kartoitukseen sekä muutostulkintaan Runko- ja kokonaisbiomassan tarkkuus koealatasolla esim % vs. Metlan monilähdeinventoinnin % Tarkkuus kuvio- / leimikkotasolla? Ville Kankare, Helsingin yliopisto

39 Puuston ja maaston korkeusmallien käyttö korjuun suunnittelussa Maanmittauslaitoksen laserkeilausaineistoihin perustuvat mallit Kuvat Tapio Räsänen ym., Metsätehon tuloskalvosarja 9/2013

40 Puuston ja maaston korkeusmallien käyttö korjuun suunnittelussa (2/2) Johtopäätökset / Räsänen ym.: Maastomallin käytön hyötyjen arvioidaan olevan merkittävät ja kasvavat sitä mukaa, kun maastomallia ja siitä muodostettua uutta tietoa voidaan käyttää tietojärjestelmissä ja konesovelluksissa laajasti ja kun työn suunnittelussa opitaan luottamaan sen antamaan informaatioon. Hyödyt realisoituvat varsinaisen korjuutyön tuottavuuden kasvun ja maastossa tehtävän tiedonkeruun ja työmaasuunnittelun vähenemisen myötä. Olosuhteiden muuttuessa ja korjuun kannalta hankalissa kohteissa maastomallin antaman lisätiedon arvo korostuu erityisesti. Merkittävää lisäarvoa maastomallin arvioidaan antavan ajouraverkoston sijoittamisen suunnittelusovelluksessa yhdistettynä muihin olosuhteita ja puustoa kuvaaviin aineistoihin.

41 Yhteenvetoa Avoimesti saatavilla oleva metsävara- ja karttatieto mahdollistaisi energiapuunhankinnan suunnittelun / optimoinnin; komponentteja: Metsävaratieto Korjuu- / kulkukelpoisuus Kustannuspinta, kuljetuskustannus (sekä lähi- että kaukokuljetus) Reitityksen suunnittelu / optimointi Järjestelmä? Puutavaralogistiikka2020 -visio ja T&K-ohjelma Kaukokartoitusmenetelmiä kehittämällä on mahdollista saada nykyistä tarkempaa tietoa puiden järeydestä ja laadusta puukaupan ja korjuun suunnittelun perustaksi Puunhankintaorganisaatiot tulevat satsaamaan lisää erilaisten laserkeilauspohjaisten mittausmenetelmien kehittämiseen

42 Kiitos!