Drone-kuvausten käyttökelpoisuudesta metsäkeskuksen toiminnassa Maaseutu 2.0 loppuseminaari

Samankaltaiset tiedostot
Dronit metsätiedon keruussa Uuden teknologian mahdollisuudet puunhankinnassa seminaari

Suomen metsäkeskus. SMK:n ja VMI:n inventointien yhteistyömahdollisuuksia. Taksaattoriklubin kevätseminaari Helsinki, 20.3.

Kumisaappaista koneoppimiseen

Digitaalisten palveluiden mahdollisuudet metsätaloudessa Case Metsään.fi-palvelu, Päättäjien metsäakatemia, Peurunka,

Laserkeilaus ja metsäsovellukset Juho Heikkilä, metsätiedon johtava asiantuntija

Metsävaratieto ja sen käytön mahdollisuudet Raito Paananen Metsätietopäällikkö Suomen metsäkeskus Julkiset palvelut, Keski-Suomi

Suomen metsäkeskuksen metsävaratieto ja sen hyödyntäminen

Mikä on taimikonhoidon laadun taso?

Metsävaratiedot metsänomistajan käytössä ja Metsään.fi-palvelu. Suvi Karjula, Metsätalouden kehittämiskeskus Tapio Metsäpäivät

Metsäohjelman seuranta

Kaukokartoitusaineistot ja maanpeite

Metsätiedon liiketoimintamallit - selvityksen anti, miten tästä eteenpäin. Tuomo Vuorenpää

HIRVI-INFO Uusi hirvivahinkojen korvausjärjestelmä. Heikki Kuoppala

METSÄTALOUDEN HIRVIVAHINGOT Uusi hirvivahinkojen korvausjärjestelmä

Tappavatko Kemera-koukerot taimikonhoidon? Lapin 59. metsätalouspäivät

Taimikonhoidon perusteet.

Metsään peruskurssi. Sisältö

Kaukokartoitusaineistot ja maanpeite

RAIVAUSSAHAKURSSI 2016 Sisältö:

Suomen metsäkeskus vuonna 2012

Metsävaratiedon hyödyntäminen yksityismetsätaloudessa. Päättäjien Metsäakatemian kurssi Ari Meriläinen Suomen metsäkeskus

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

Laserkeilaus yksityismetsien inventoinnissa

Kainuun metsäkeskuksen alueen metsävarat ja niiden kehitys

Taimikon varhaishoito. Kemera-koulutus

Koneellisen taimikonhoidon nykytilanne ja tulevaisuuden näkymät. Kustannustehokas metsänhoito-seminaarisarja Heidi Hallongren Oulu,

Lounais-Suomen metsäkeskuksen alueen metsävarat ja niiden kehitys

Kestävän metsätalouden rahoituslain uudistamisen suuntaviivat

Taimikonhoidon omavalvontaohje

Puustotietojen keruun tekniset vaihtoehdot, kustannustehokkuus ja tarkkuus

Koneellisen taimikonhoidon nykytilanne ja tulevaisuuden näkymät. Kustannustehokas metsänhoito-seminaarisarja Heidi Hallongren Joensuu,

Uusimmat metsävaratiedot

Etelä-Pohjanmaan metsäkeskuksen alueen metsävarat ja niiden kehitys

Kestävän metsätalouden. Heikki Vähätalo, viranomaispäällikkö Pohjois-Pohjanmaan metsäkeskus Oulu

Metsäohjelman seuranta

Kuortaneen metsäsuunnitteluseminaarin. Metsävaratiedon ajantasaistus

Laserkeilaus (Lapin) metsävarojen hyödyntämisessä. Anssi Juujärvi Lapin metsätalouspäivät

Digitalisaation hyödyntäminen yhteismetsissä Oulun yhteismetsäpäivät

Metsäohjelman seuranta

Taimikonhoito. Elinvoimaa Metsistä- hanke Mhy Päijät-Häme

Kaukokartoitustiedon käyttö LUKE:ssa

NUMEERISET ILMAKUVAT TAIMIKON PERKAUSTARPEEN MÄÄRITTÄMISESSÄ

Metsien kaukokartoitus ja lentokonekeilaus Osio 2

Pohjois-Karjalan metsäkeskuksen alueen metsävarat ja niiden kehitys

Metsäohjelman seuranta

Taimikkotiedon tuottamisen automatisonti koneoppimisen avulla Loppuraportti

Laiminlyönnit metsän uudistamisessa ja hoidossa ja niiden vaikutukset tuleviin puuntuotantomahdollisuuksiin

Metsänuudistamisen laatu Valtakunnan Metsien Inventoinnin (VMI) tulosten mukaan

Metsäohjelmien seuranta

Metsänterveysseminaari Vantaa

Koneellisen taimikonhoidon nykytila ja tulevaisuuden näkymät. Kustannustehokas metsänhoito-seminaarisarja Heidi Hallongren Kouvola, 2.11.

Taimikonhoidon ja ensiharvennuksen tilanne ja tarve

Riittääkö puu VMI-tulokset

Kasvatettavan puuston määritys koneellisessa harvennuksessa

Tiedonsiirtorajapinta ja hilatieto kuvioiden rinnalle Esko Välimäki ja Juha Inkilä

KEMERA - valmisteilla olevat muutokset Kemera-järjestelmään

Muuttuko metsänhoito luonnonmukaisemmaksi metsälakimuutoksilla?

Kasvatettavan puuston määritys koneellisessa harvennuksessa

Taimikonhoito. Mänty Ohjeet omatoimiseen taimikonhoitoon Pekka Riipinen, Jyväskylän ammattikorkeakoulu. Sykettä Keski Suomen metsiin

Metsät, metsätalous ja luonnontuoteala

Harvennus- ja päätehakkuut. Matti Äijö

Metsän hinta Suomessa v kauppahintatutkimuksen tulokset. Maanmittauspäivät Esa Ärölä

Suomen metsien inventointi

MetKu Metsävaratiedon kustannushyötyanalyysi

Kemera-rahoitus vesiensuojelun toteuttamisessa Kosteikkoseminaari , Liminka

Metsävaratietojen ja digitalisaation hyödyntäminen biotalouden kasvussa Etelä-Savossa -hanke. Helsinki Sanna Hakolahti Mhy Etelä-Savo

Metsäohjelman seuranta

Metsäohjelman seuranta

Metsänomistajan sekä toimijan tieto- ja palvelutarpeet

Algoritmi I kuvioiden ja niille johtavien ajourien erottelu. Metsätehon tuloskalvosarja 7a/2018 LIITE 1 Timo Melkas Kirsi Riekki Metsäteho Oy

Miehittämättömän lennokin ottamien ilmakuvien käyttö energiakäyttöön soveltuvien biomassojen määrän nopeassa arvioinnissa

Juurikäävän torjunta

Motit liikkeelle. Etelä- ja Keski-Pohjanmaan metsänomistajille osaamista yrittäjämäiseen metsätalouteen

Monimetsä -hanke työsuunnitelma Timo Vesanto

Metsäohjelman seuranta

Paikkatiedon hyödyntämisen mahdollisuudet ja haasteet

Taimikoiden ja nuorien metsien hoito- ja energiapuukohteiden inventointi kopterikuvauksena ja lentokonekeilauksena

Ulkoilumetsien hoidossa käytettävien toimenpiteiden kuvaukset Keskuspuiston luonnonhoidon yleissuunnitelma

Energiapuu ja metsänhoito

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

Keskijännitteisten ilmajohtojen vierimetsien hoidon kehittäminen

Suomen metsävarat

Tuuli- lumituhojen ennakointi. Suomen metsäkeskus, Pohjois-Pohjanmaa Julkiset palvelut K. Maaranto

Metsäohjelman seuranta

Viimeistely Ajourien huomiointi puutiedoissa ja lopullinen kuviointi. Metsätehon tuloskalvosarja 5/2018 LIITE 4 Timo Melkas Kirsi Riekki Metsäteho Oy

Metsäohjelman seuranta

Metsäohjelman seuranta

METSÄNHOITO Tero Ojarinta Suomen metsäkeskus

Metsäohjelman seuranta

Metsäohjelman seuranta

METSO-tilannekatsaus Suomen metsäkeskus METSO-toteuttajien neuvottelupäivät

Laserkeilauksella kattavaa tietoa kaupunkimetsistä

Puurakentaminen osana metsäbiotaloutta

Metsäohjelman seuranta

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

PUU LIIKKEELLE JA UUSIA TUOTTEITA METSÄSTÄ

Metsätalouden vesiensuojelun paikkatietoaineistoja. Marjo Ahola

Toimintasuositukset dronen käytölle metsätalouden toimenpiteiden ilmakuvauksessa

Kiertoaika. Uudistaminen. Taimikonhoito. Ensiharvennus. Harvennushakkuu

Transkriptio:

Drone-kuvausten käyttökelpoisuudesta metsäkeskuksen toiminnassa Maaseutu 2.0 loppuseminaari 24.1.2018 Raito Paananen metsätietopäällikkö, Suomen metsäkeskus

Dronet metsäkeskuksen toiminnassa SMK:n perustehtäviä ovat metsävaratietojen metsävaratiedon keruu ja ajantasaistus sekä metsälakien valvonta. Metsävaratiedon keruu tehdään isoilla alueilla (100 000 ha) käyttäen lentokonelaserkeilausta, -ilmakuvausta sekä maastokoealoja Osalle kuvioista ei saada riittävän luotettavaa tietoa kaukokartoituksella tai muun olemassa olevan tiedon perusteella. Nämä kohteet ovat pääasiassa taimikoita, joille tehdään tällä hetkellä maastoinventointi kuvioittaisena arviointina. Drone-kartoituksista voitaisiin saada lisähyötyä lähinnä taimikoiden maastoinventointiin sekä puustotulkintakoealojen kartoittamiseen. On tarve keventää taimikoiden inventointia, resurssit eivät riitä maastoarviointiin

Dronet metsäkeskuksen toiminnassa Metsälakien valvonnassa drone-kuvauksia voitaisiin käyttää esim. Hakkuiden toteutusten tarkastuksissa, lähinnä uudistushakkuiden luontolaatutarkastuksissa Kemera-tuella rahoitettujen taimikonhoitotöiden tarkastuksissa Kaikkea tällä hetkellä vaadittavaa tietoa ei saada kerättyä, esim. taimikonhoidossa poistettujen runkojen määrää ja kantoläpimittaa Jäljelle jäävää puustoa voidaan arvioida paremmin Metsätuholain valvonnassa ja tuhojen kartoituksessa: Äkillinen tarve kartoittaa rajattu alue tiettyyn tarpeeseen, esim. myrskytuhoalueen rajaus ja tuhon laajuus

Dronet taimikoiden inventoinnissa Drone-kuvamateriaalia voidaan käyttää sekä visuaaliseen että numeeriseen tulkintaan RGB-ortomosaiikki, puuston latvusmalli (CHM), kasvillisuusindeksi (NDVI), yksittäisten puiden latvusten segmentointi, 3D-pistepilvet Kuvauksia ei yleensä kannata tehdä yksittäisissä pienissä taimikoissa vaan laajemmilla yhtenäisillä taimikkoalueilla. Yksittäinen lento vaatii valmisteluja ja joka tapauksessa kohteelle siirtymistä -> yhdellä lennolla pitää pyrkiä kartoittamaan riittävän suuri ja yhtenäinen alue (10-100 ha riippuen mm. laitteen akkujen kestosta) jotta työ olisi tehokasta. Pienillä kohteilla maastoarvioinnin voi tehdä samassa ajassa kuin kuvauksen

Esimerkkimateriaaleja, varttunut taimikko Vääräväriortokuva 2017 lentokonekuvaus. 1:500 Pikselikoko 40 cm Drone- RGB-ortokuva lokakuu 2017, 1:500, pikselikoko 10 cm

Mihin aikaan kannattaa kuvata? Olettamus on että kuvattaessa lehdettömään aikaan saadaan kasvatettava havupuusto paremmin kartoitettua ja lehdelliseen aikaan saadaan parempi kuva taimikon hoitotarpeesta. Olettamukseen ei saatu selvää vahvistusta kokeiluista Esimerkkikuvat T2-männyntaimikosta

Hoitotyön jälkeinen taimikon tila Hoidetusta taimikosta pystytään määrittämään jäljelle jäävän puuston runkoluku ainakin selvissä tapauksissa visuaalisesti ja numeerisesti Poistumaa ei pystytä määrittämään Esimerkki 4 cm resoluution kuva

Drone-RGB-ortokuvien visuaalinen tulkinta Resoluutio on yleensä riittävä visuaalisen tulkintaan. Ortokuvalta voidaan hyvin päätellä havupuuston runkolukua esim. taimikonhoidon jälkeen. Selvät välittömän hoidon tarpeessa olevat taimikot saadaan visuaalisesti tunnistettua parhaiten. Muut haastavia. Puulajisuhteiden tulkintaan ja puuston pituuden arvioinnin tueksi viistokuvat voisivat olla hyvä apuväline pystykuvien ohella. Lisäksi apuna voitaisiin käyttää 3d-mallia. Syyskuvien tulkintaa sotkee kuoleva kasvillisuus sekä eri vaiheissaan oleva lehtipuiden lehtien putoaminen. Varttuneissa puustoissa puulajien erottelu onnistuu aika hyvin.

Numeerinen tulkinta Kehitetyt algoritmit ovat lupaavia, niiden kehittämistä ja testaamista jatketaan metsäkeskuksessa Kalevi Pietikäisen algoritmeja voidaan käyttää joustavasti sekä lentokonelaserkeilauksesta että drone-kuvauksista saatujen pistepilvien analysointiin taimikoissa ja nuorissa metsissä Bitcompin algoritmit myös lupaavia, sovellutusalue panottuu järeisiin puustoihin, taimikoissa yksittäisten puiden latvusten tulkinta vaikeaa. Eri aineistoista tuotetuissa pintamalleissa suurta vaihtelua mikä vaikeuttaa taimikoiden tulkintaa. Kasvillisuusindeksillä jonkinasteinen korrelaatio taimikkokoealojen puuston runkoluvun kanssa (Konnevesi).

Päätelmiä Hankkeessa saatiin hyvää lisätietoa teknologian soveltamisesta Teknologiassa lupaavia ominaisuuksia, mutta käyttö ei ole ongelmatonta -> tarvitaan jatkokehitystä ja -testausta Sovellutuskohteet mietittävä tarkasti SMK:n metsävaratiedon keruukierros päättyy 2019, jonka jälkeen aloitetaan uusi kierros Menetelmän perustekniikka säilynee (lentokonekeilaus) Dronella voisi olla täydentävää merkitystä taimikoiden inventoinnin lisäksi esim. puustotulkinnan koealatiedon tuottamisessa tai puustotulkinnan laadunvarmistuksessa Lisäksi mahdollisuuksia mh-töiden työjäljen seurannassa, omavalvonnassa ja tarkastustoiminnassa sekä töiden havainnollistamisessa

Kiitos ASIAKKAAT HENKILÖSTÖ KUMPPANIT YHTEISKUNTA raito.paananen@metsakeskus.fi www.metsäkeskus.fi www.metsään.fi www.twitter.com/metsakeskus www.facebook.com/suomenmetsakeskus