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

Samankaltaiset tiedostot
Satelliittipaikannuksen tarkkuus hakkuukoneessa. Timo Melkas Mika Salmi Jarmo Hämäläinen

Puukarttajärjestelmä hakkuun tehostamisessa

Tree map system in harvester

Satelliittipaikannuksen tarkkuus hakkuukoneessa

Kasvatettavan puuston määritys koneellisessa harvennuksessa

Puutavaran mittauksen visio 2020

Kasvatettavan puuston määritys koneellisessa harvennuksessa

Energiapuukorjuukohteiden tarkastustulokset ja Hyvän metsänhoidon suositusten näkökulma. Mikko Korhonen Pohjois-Karjalan metsäkeskus

Forest Big Data -tulosseminaari

Ryhmähanke Menetelmä jäävän puuston arviointiin harvennushakkuissa sekä laitteistoasetusten vaikutus hakkuukoneen GPS-paikantimen tarkkuuteen

Korjuujäljen seuranta energiapuun korjuun laadun mittarina. Mikko Korhonen Suomen metsäkeskus

Metsäkoneiden sensoritekniikka kehittyy. Heikki Hyyti, Aalto-yliopisto

Yhdistelmäkoneen ja yksioteharvesteriketjun. ensiharvennuksilla

VMI-koealatiedon ja laserkeilausaineiston yhdistäminen metsäsuunnittelua varten

ENERGIAPUUKOHTEEN TUNNISTAMINEN JA OHJAAMINEN MARKKINOILLE

Vaihtoehtoisia malleja puuston kokojakauman muodostamiseen

Poistettavien puiden valinta laatuperustein harvennushakkuulla

Hakkuukonemittaus puustotietojen tuotannossa aineiston esikäsittely ja kuviorajan muodostaminen

METKA-maastolaskurin käyttäjäkoulutus Tammela Matti Kymäläinen METKA-hanke

MARV Metsikkökoealaharjoitus Aluepohjaiset laserpiirteet puustotunnusten selittäjinä. Ruuduille lasketut puustotunnukset:

Taitaja 2011 finaalitehtävät Metsäkoneenkäyttö

Kehittyvästä metsätiedosta lisätehoa puuhuoltoon. Jarmo Hämäläinen Metsäteho Oy

KUITUPUUN KESKUSKIINTOMITTAUKSEN FUNKTIOINTI

Puuta koskettamaton hakkuukonemittaus. Arto Visala, Matti Öhman, Mikko Miettinen Aalto-Yliopisto (TKK), Automaatio- ja systeemitekniikan laitos

Puun kasvu ja runkomuodon muutokset

Senfit online-kosteusanturin soveltuvuus energiaraaka-aineen mittaukseen

Kantobiomassan määrän mallintaminen leimikoissa hakkuukonemittausten avulla

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

ENERGIAPUUN KORJUU KONE- JA MIESTYÖN YHDISTELMÄNÄ. Metka-koulutus

Laserkeilaus yksityismetsien inventoinnissa

Tiheäpulssinen ja monikanavainen laserkeilausaineisto puulajeittaisessa inventoinnissa

Poimintahakkuiden puunkorjuu Matti Sirén

Metsätehon tuloskalvosarja 9/2017 Timo Melkas Kirsi Riekki Metsäteho Oy

Energiapuun kosteuden määrittäminen metsäkuljetuksen yhteydessä

Männyn laaturajojen integrointi runkokäyrän ennustamisessa. Laura Koskela Tampereen yliopisto

"Karuselli", 4 kohdetta, 4 ryhmää per kohde, min. Mukana kuljetettavat ryhmäkohtaiset varusteet ja kohteella annettavat välineet.

Paikkatietoa metsäbiomassan määrästä tarvitaan

Puusto poiminta- ja pienaukkohakkuun jälkeen

Mittalaitteen tulee toimia luotettavasti kaikissa korjuuolosuhteissa.

Kymmenen vuotta maastolaserkeilaustutkimusta käytännön kokemuksia

Energiapuun korjuu koneellisesti tai miestyönä siirtelykaataen

Puun läpimitan mittauksen tarkkuus ja tehokkuus laser- ja digitaalikuvatekniikkaan perustuen

Jakaumamallit MELA2009:ssä. MELA käyttäjäpäivä Kari Härkönen

Metsänmittausohjeita

Uusiutuvan energian velvoite Suomessa (RES direktiivi)

SIMO käytössä. UPM-Kymmene Oyj Janne Uuttera

Puustotietojen keruun tekniset vaihtoehdot, kustannustehokkuus ja tarkkuus

ARVO-ohjelmisto pienpuun hankinnan tukena

Korjuu ja toimitukset Lapin 59. Metsätalouspäivät

Liite 5 Harvennusmallit

KUUSEN OMINAISUUSPOTENTIAALI

Liite 1 - Hakkuukonemittaus

Puiden biomassan, puutavaralajien ja laadun ennustaminen laserkeilausaineistoista

Taimikonhoidon omavalvontaohje

Energiapuuharvennuskohteen valinta. METKA-hanke 2014

Tukkiröntgendata sahapuun ohjauksessa

Fotogrammetris geodeettinen menetelmä metsäalueen tarkkaan kartoittamiseen sekä syitä ja muita keinoja maastoaineiston tarkkaan paikantamiseen

GPS:n käyttö pinta-alan mittauksessa

Männyn laatukasvatus Jari Hynynen. Metsäntutkimuslaitos Skogsforskningsinstitutet Finnish Forest Research Institute

Hieskoivikoiden avo- ja harvennushakkuun tuottavuus joukkokäsittelymenetelmällä

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

Kehittynyt katkonnan ohjaus ja ennakkosuunnittelutiedon tarkkuus Metsätehon tuloskalvosarja 6/2015

Ryhmät & uudet mahdollisuudet

Laserkeilauspohjaiset laskentasovellukset

Suomen metsien inventointi

Maanmittauspäivät 2014 Seinäjoki

Puukaupan uudet tuulet - rungonosahinnoittelu. Jori Uusitalo Metla

Johdanto. 2) yleiskaava-alueella, jos yleiskaavassa niin määrätään; eikä

Harvennuspuun raaka-aineominaisuudet ja puutuotemahdollisuudet

Laserrelaskooppimittauksen tarkkuus ja ajanmenekki

Ympäristön aktiivinen kaukokartoitus laserkeilaimella: tutkittua ja tulevaisuutta

Kuusen kasvun ja puutavaran laadun ennustaminen

Kojemeteorologia (53695) Laskuharjoitus 1

VAATIMUKSIA YKSINKERTAISILLE VIKAILMAISIMILLE HSV:N KJ-VERKOSSA

Satunnaisotantamittaus. Satunnaisotantamittaus 4.705

TRESTIMA. Digitaalisten tekniikoiden mahdollisuudet metsätaloudessa , Seinäjoki. Simo Kivimäki

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

Koneellisen harvennushakkuun työnjälki. Koneellisen harvennushakkuun tuottavuus -projektin osaraportti

Monilähdetietoa hyödyntävien karttaopasteiden tarve puunkorjuussa haastattelututkimus hakkuukoneenkuljettajille

Paikkatietoon yhdistetyn koneistutuksen kehittäminen Pohjois-Pohjanmaalla

Kitkevä perkaus työmenetelmän esittely ja tutkimustuloksia onnistumisesta

- METSÄNHOIDON JA HAKKUIDEN KÄSITTELY-YKSIKKÖ. - PUUSTOLTAAN JA MAAPOHJALTAAN YHTENÄINEN ALUE - JAKOPERUSTEENA MYÖS KEHITYSLUOKKA

SISÄLLYS TIIVISTELMÄ JOHDANTO PINTA-ALAN MÄÄRITYSMENETELMÄT GPS-MITTAUS...5

Algoritmi III Vierekkäisten kuvioiden käsittely. Metsätehon tuloskalvosarja 7a/2018 LIITE 3 Timo Melkas Kirsi Riekki Metsäteho Oy

KUITUPUUN PINO- MITTAUS

Kulkuaaltomomittausjärjestelmä

Metsätiedon lähteitä ja soveltamismahdollisuuksia

RUNKOPANKIN KÄYTTÖSOVELLUKSET

Helsingin yliopisto Maatalous-metsätieteellinen tiedekunta Valintakoe METSÄEKOLOGIA, METSÄVARATIEDE JA -TEKNOLOGIA

Sami Lamminen PUU tutkimus ja kehittämisohjelman väliseminaari Hämeenlinna

Eero Lukkarinen Jari Marjomaa

METSÄNHOITO Tero Ojarinta Suomen metsäkeskus

Trestima Oy Puuston mittauksia

Mikä on taimikonhoidon laadun taso?

METSÄ SUUNNITELMÄ

Eri-ikäisrakenteisen metsän kasvatus

Autonomisuus metsässä. Heikki Hyyti Studia Militaria

Kuusen kasvun ja puutavaran laadun ennustaminen

Puuston mittaus etäisyyden- ja kulmanmittauslaitteella

Transkriptio:

Puukarttajärjestelmä hakkuun tehostamisessa Timo Melkas Mikko Miettinen Jarmo Hämäläinen Kalle Einola

Tavoite Tutkimuksessa selvitettiin hakkuukoneeseen kehitetyn puukarttajärjestelmän (Optical Tree Measurement System, OTMS) toimivuus ja mittaustarkkuus erilaisissa olosuhteissa. Järjestelmä tuottaa hakkuun yhteydessä reaaliaikaista tietoa leimikon puuston ominaisuuksista, tunnistaa puut automaattisesti, laskee yksittäisten puiden tunnuksia ja muodostaa puiden sijaintikartan. Puukarttajärjestelmää on kehitetty Tekesin, Argone Oy:n ja Ponsse Oyj:n rahoittamassa tuotekehitysprojektissa vuosina 2011-2013. Tuotekehitysprojektissa kehitettyä järjestelmää testattiin FIBIC-biotalousklusterin rahoittamassa EffFibre-tutkimusohjelmassa (2010-2013). 1/2014 5.2.2014 2

Aineisto Aineisto kerättiin vuosina 2011-2012 Mänttä-Vilppulan alueelta Metsä Groupin harvennusleimikoilta, yhteensä 53 koealalta (r=10m) Metsätehon, Metsä Groupin ja Argone Oy:n yhteistyönä. Testialueita oli kolme: Kolho (22 koealaa), Kurkisalo (16 koealaa) ja Viitaniemi (15 koealaa). Ennen hakkuuta (n=53) Hakkuun jälkeen (n=53) Puustotunnus Keskiarvo Hajonta Minimi Maksimi 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 17,5 4,6 10,1 32,2 Puulajiosuus, % (mänty) 58,9 42,1 0,0 100,0 60,7 42,8 0,0 100,0 Puulajiosuus, % (kuusi) 34,9 40,9 0,0 100,0 34,7 41,5 0,0 100,0 Puulajiosuus, % (koivu) 6,2 17,0 0,0 87,8 4,5 16,3 0,0 98,0 Runkoluku, rl/koeala 42,3 15,2 22,0 78,0 20,5 4,8 13,0 33,0 Runkoluku, rl/ha 1347,1 484,3 700,3 2482,8 652,2 152,9 413,8 1050,4 D 1,3, cm 18,8 2,9 13,9 26,3 20,0 3,0 15,2 29,0 D 1,3med, cm 16,1 3,4 9,6 23,9 18,2 3,0 13,4 26,0 H med, m 16,3 2,6 11,8 23,0 16,8 2,1 13,8 21,6 H dom, m 18,6 2,6 14,3 24,3 18,5 2,6 14,3 24,2 V, m 3 /ha 246,1 81,7 100,3 469,1 149,6 52,8 71,1 319,5 1/2014 5.2.2014 3

Aineisto Puuston pohjapinta-alan vaihtelu puulajeittain koealoilla (n=53) ennen hakkuuta. 1/2014 5.2.2014 4

Menetelmät Mittauslaitteisto kostui SICK AG LMS111 -laserkeilaimesta, kääntyvästä mittausalustasta sekä IMU-inertiayksiköstä. Hakkuun yhteydessä laserkeilain keräsi reaaliaikaisesti 3D-mittauspistepilveä ympäristöstä. Ylemmässä kuvassa nähdään mittalaitteen mittausalue, joka on 270 astetta. Mittausalue on kuvattu vihreällä, kun mittalaite on asennettu koneen vasempaan etukulmaan skannaamaan hakattavaa puustoa ja keltaisella, kun mittalaite skannaa jäljelle jäävää puustoa. 1/2014 5.2.2014 5

Menetelmät Laserkeilaimen mittauspisteistä muodostettiin pienin yksittäinen puukarttakomponentti eli osakartta, jossa oli tietoina yksilöidyt puut mittaus- ja laatutietoineen sekä niiden paikat hakkuukoneen ympärillä 1,3 metrin korkeudella maanpinnasta. Peräkkäisiä osakarttoja yhdistämällä muodostettiin koealasta laajempi otantapuukartta. Kaikki tässä raportissa lasketut tulokset laskettiin ilman heilahdusten korjausta. 1/2014 5.2.2014 6

Menetelmät Puukarttajärjestelmällä muodostettua puukarttaa ja laserkeilaimella mitattuja läpimittoja ja runkokäyrää verrattiin maastomittauksissa elektronisilla mittasaksilla mitattuihin läpimittoihin sekä sijainteihin. 1/2014 5.2.2014 7

Puiden tunnistaminen Jäljelle jäävät puut Hakatut puut Yhteensä Koealojen lkm Kehitysluokka N, kpl (referenssi) N, % (laser) N, kpl (referenssi) N, % (laser) N, kpl (referenssi) N, % (laser) N KL 3 (I harvennus) 759 97 906 79 1665 87 33/34 KL 4 (II harvennus) 327 100 227 75 554 90 19 1086 98 1133 78 2219 88 52/53 1/2014 5.2.2014 8

Läpimitan mittauksen onnistuminen Rinnankorkeusläpimitan mittauksen mittaero, mm (d 1.3laser -d 1.3reference ) männyllä, kuusella ja koivulla koko aineistossa (ylhäällä) ja OTMSjärjestelmän hyväksymien havaintojen osalta (alhaalla). OTMS-järjestelmän valitsemista puista pääosa (95,6 %) oli hakkuun jälkeen jäljelle jääviä puita. Läpimitan mittauksen onnistuminen OTMS-järjestelmällä ennen hakkuuta. % N = 2243 Puiden löytyminen 88 1967 Läpimitan mittauksen onnistuminen 82 1843 d 1,3 55 1223 d 1,3valitut 9 203 d 4 49 1108 d best 75 1687 1/2014 5.2.2014 9

Läpimitan (d 1,3 ) mittaustarkkuus Läpimitan mittaustarkkuuteen vaikuttaa laserkeilaimen ominaisuuksien ja mittausetäisyyden lisäksi mittauskerrat, aluskasvillisuus, puiden oksat sekä hakkuukoneen heilahdukset ja tärinä. Parhaimmillaan järjestelmä pystyi vastaavaan mittaustarkkuuteen kuin hakkuukoneen mittalaite. Suurempi harha ja hajonta kuusella johtui pääasiassa oksista, jotka ulottuivat kuusikoissa puun tyvelle saakka. 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 91,9 1223 1/2014 5.2.2014 10

Läpimitan (d 1,3 ) mittaustarkkuus Valituista puista (n=203) tarkkuusluokkaan 1 (-5 mm<d 1,3laser <5mm) männyllä osui 17,6 % havainnoista harhan ollessa 0,3 mm ja hajonnan 3,4 mm. Kuusella vastaavasti 6,9 % havainnoista harhan ollessa -0,2 mm ja hajonnan 1,9 mm. 1/2014 5.2.2014 11

Läpimitan (d 4 ) mittaustarkkuus 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 1/2014 5.2.2014 12

Laatutunnusten mittaaminen Laatutunnusten (laatutyven päättymiskorkeus, lenkous) mittaamiseen kehitettiin ensimmäiset algoritmit. Alustavan tarkastelun perusteella osa maastossa mitatuista lengoista puista, pystyttiin löytämään OTMSjärjestelmällä. Lenkouden tunnistaminen vaatii kuitenkin vielä paljon mittausjärjestelmän ja laskenta-algoritmien kehittämistä. 1/2014 5.2.2014 13

Lenkouden määritys 1/2014 5.2.2014 14

Kuvion keskitunnusten laskenta Keskiläpimitta ja runkoluku pystyttiin järjestelmällä määrittämään riittävällä tarkkuudelle pääosalle koealoista ja kuvioista. Kuviolle lasketuista keskiläpimitta havainnoista 75 % oli vaaditun ± 3 cm:n tarkkuustason sisällä. 1/2014 5.2.2014 15

Hakkuukoneen paikannustarkkuus Hakkuukoneissa olevien GPSvastaanottimien paikannustarkkuutta selvitettiin paikantamalla koealat ennen ja jälkeen hakkuun sekä hakkuukoneen ajourat hakkuun aikana. Saatuja sijainteja verrattiin ajoura- ja koealatasolla. Hakkuukoneen vakiovarusteena olevan ja Trimble GeoXH GPS -vastaanottimen keskimääräinen ero oli Viitaniemessä 3,91 m (hajonta = 1,35 m) ja Kurkisalossa 2,07 m (hajonta = 1,04 m). Satelliittigeometrian ja puuston peitteisyyden todettiin vaikuttavan paikannustarkkuuteen. Hakkuun jälkeen paikannustarkkuus oli parempi kuin ennen hakkuuta. 1/2014 5.2.2014 16

Hakkuukoneen paikannustarkkuus Koealojen paikannus onnistui parhaiten Trimblen Pathfinder ProXH vastaanottimella käytettäessä VRS-korjauksessa kolmea lähintä tukiasemaa. Käytettäessä jälkikorjauksessa lähintä virtuaalitukiasemaa päästiin lähes yhtä hyvään paikannustarkkuuteen kuin kolmella lähimmällä virtuaalitukiasemalla. Sitä vastoin, mikäli jälkikorjausta ei tehty huononi paikannustarkkuus merkittävästi. Taulukko. Sijainnin korjaustavan vaikutus paikannustarkkuuteen. Vertailutasona (0) kolmeen tukiasemaan perustuva differentiaalikorjattu sijainti. 1/2014 5.2.2014 17

Tulosten tarkastelu Jäävän puuston koealakohtainen (työpistekohtainen) runkoluku pystyttiin määrittämään järjestelmällä riittävällä luotettavuudella. Läpimitanmittauksen estimointi vaatii vielä laite- ja menetelmäkehitystä, jotta läpimitta pystytään mittaamaan suuremmalle joukolle mitatuista puista. Tällä erää järjestelmä soveltuu kuvion keskitunnusten estimointiin parhaiten männiköissä ja koivikoissa. Tiheissä kuusikoissa ja kohteissa, joissa on paljon aluskasvillisuutta mittaustarkkuus huononee ja hajonta kasvaa tämä johtuu osittain käytetyn keilaimen mittaustarkkuudesta. Tavoitteena on, että jatkotutkimuksilla selvitetään uuden tarkemman laserkeilaimen mittaustarkkuus ja soveltuvuus puuston mittaukseen sekä kehitetään läpimitan ja laatutunnusten mittausta. 1/2014 5.2.2014 18

Puukarttajärjestelmän hyödyt ja kehittämistarpeet Soveltamisalue Hyötyjä Arvio nykyjärjestelmän toimivuudesta Kehittämistarve Harvennusvoimakkuuden opastus Parempi hakkuun tuottavuus (jatkuva palaute kuljettajalle puuston tiheydestä ilman kontrollimittauksia) Runkoluvun mittaus hakkuun jälkeen onnistuu koealakohtaisesti. Läpimitan mittausta ja laskentaa parannettava (ml. oikean mittauskorkeuden hallinta) Hakkuumahdollisuuden tehokas hyödyntäminen (kertymä) Läpimitan mittaus ei onnistu kaikista puista etenkään kuusikoissa, joten koealakohtainen koealakohtainen pohjapinta-ala pohjapinta-ala joudutaan joudu-taan määrittämään osin laskennallisesti. Puuston pituuden laskentaperiaatteita kehitettävä. Puuston pituuden mittaus suoraan ei onnistu, mutta voidaan laskea runkokäyrän avulla. Pääpuulaji- ja kasvupaikkatieto syötettävä harvennusmallin valintaa varten. (Pää)puulajitunnistus kehitettävä Jäävän puuston mittaus Laatutietoa metsänomistajalle. Kuviokohtainen runkoluku, keskiläpimitta ja pohjapinta-ala tuotettavissa riittävällä tarkkuudella koko puustolle (ei puulajeittain). Metsävaratiedon automaattinen päivitys. Runkolukusarja tuotettavissa laskennallisesti. Läpimitan mittauksen ja laskennan tarkkuutta parannettava. Puulajitunnistus kehitettävä. 1/2014 5.2.2014 19

Puukarttajärjestelmän hyödyt ja kehittämistarpeet Soveltamisalue Hyötyjä Arvio nykyjärjestelmän toimivuudesta Kehittämistarve Kustannustehokkaampi kaukokartoitus Vaatii lisätutkimuksia. (maastotyön väheneminen) Kaukokartoituksen referenssitiedon tuottaminen Tarkempi kaukokartoitustulos. Koealojen/puiden paikannustarkkuuden parantaminen. Hyödyntämis- ja laskentaperiaatteiden määrittely. Puustotunnusten mittaustarkkuuden selvittäminen. Kaadettavien puiden valinnan tukeminen Tehostaa hakkuuta ja helpottaa kuljettajan työtä etenkin huonoissa näkyvyysolosuhteissa (pimeys ja sade) Puiden tunnistus toimii ainakin helpoimmissa puusto-olosuhteissa (esim. 2. harvennus) Laatutunnusten mittausta ja laskentaa kehitettävä (mutkat ja lengot) Jäävän puuston laatujakauma paranee. Laatutunnusten havainnointi vaikuttaa mahdolliselta. Katkonnan ohjauksen tukeminen Puun laatutunnusten havainnointi parantaa katkontatulosta. Oksarajojen ja mutkien tunnistus toimii ainakin helpoimmissa puusto-olosuhteissa (2. harvennus) Laatutunnusten mittausta ja laskentaa kehitettävä 1/2014 5.2.2014 20