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, A., Sorsa, J-A & Hämäläinen, J.
Hakkuukoneella kerättävän tiedon hyödyntäminen referenssiaineistona ja kuviotietojen päivityksessä TAVOITE: selvittää hakkuukoneella tuotetun tiedon hyödyntämismahdollisuudet kaukokartoituksen referenssitietona (päätehakkuut) ja kuviotietojen päivityksessä. TOTEUTUS: Pilotti toteutettiin yhdellä metsäkeskuksen inventointialueella yhteistyössä Metsätehon ja sen osakkaiden, Suomen Metsäkeskuksen sekä Arbonaut Oy:n kanssa. Menetelmä on kuvattu Metsätehon raportissa 237 (2015). AINEISTO: kerättiin kuudella hakkuukoneella (8/2015-1/2016), hakattuja runkoja n. 335 000 ja kuvioita 255 (> 0,5 ha) TOIMIJAT: Metsäteho Oy, MetsäGroup, StoraEnso, UPM, Suomen metsäkeskus, Arbonaut Oy, VTT, Konevalmistajat 8.3.2016 Melkas, T., Poikela, A., Sorsa, J-A & Hämäläinen, J. 2
Aineisto (8/2015-1/2016) Hakattuja runkoja 335 633 kpl Hakattuja kuvioita 255 kpl (> 0,5 ha) - 60 % kuvioista oli avohakkuita (kokoa alue) - 71 % kuvioista oli hakattu laserkeilatulta alueelta - näistä avohakkuita oli 53 % (97 kuviota) 255 kpl 8.3.2016 Melkas, T., Poikela, A., Sorsa, J-A & Hämäläinen, J. 3
Hakkuukoneaineiston laskenta v moto = v kanto + v käyttöosa + v latva (Varjo 1995 + kartion kaava) v rk = Laasasenahon (1982) polynomikorjatun runkokäyrän sovitus hakkuukoneen mittaamaan runkoprofiiliin d 1.3, h, l latva, l kanto LASKENNAN VAIHEET JA KESKEISET TULOKSET STM ja PRD tiedostojen purku ja vienti tietokantaan runkopankki Tilavuuden laskenta hakkuukonedataan perustuen (puutavaralajikoodit) ja latvan ennustaminen Tilavuuden laskenta sovittamalla runkokäyrä hakkuukoneen tuottaman runkoprofiiliin Rinnankorkeusläpimitan, pituuden, latvan pituuden ja kannonkorkeuden laskenta Aineiston tarkistus ja vienti paikkatieto-ohjelmaan Leimikoiden, lohkojen ja työalueiden tarkistus ja numerointi Menetelmän kehittäminen kuviorajan ja ajourien muodostamiseen hakkuukoneen sijaintien perusteella Runkokohtaisten tietojen sekä summatietojen laskenta kuvioille puutason tiedot (tunnistetiedot, d 1.3, d 6, d l, h, h käyttöosa, v puutavaralajeittain, v runko ) summatiedot kuvioille (keskitilavuus, puulajisuhteet, keskipituus, läpimitta, pohjapinta-ala, tukkiosuus) 8.3.2016 Melkas, T., Poikela, A., Sorsa, J-A & Hämäläinen, J. 4
Menetelmä kuviorajan sekä ajourien muodostamiseen Koordinaattimuunnos WGS84 ETRS FIN35TM ja siirto paikkatietoohjelmistoon Koordinaattimuunnos WGS84 ETRS FIN35TM ja siirto paikkatietoohjelmistoon 8.3.2016 Kuviorajojen tarkistus ja vertaaminen hakkuukoneen sijainteihin Kuviorajojen muodostus kehitetyllä algoritmilla Havaintojen suodatus Viivamaisen ajouran muodostaminen Melkas, T., Poikela, A., Sorsa, J-A & Hämäläinen, J. 5
CHM Arbonaut Oy 8.3.2016 Melkas, T., Poikela, A., Sorsa, J-A & Hämäläinen, J. 6
Johtopäätökset sekä menetelmän jatkokehittäminen Aineiston keruu onnistuu kaikilla konemerkeillä (John Deere, Komatsu Forest, Ponsse) hyvin Vaatii standardien noudattamista (tunnistetiedot, hakkuutapa) ja puutavaralajikoodien synkronointia tietokannassa Vaatii, että hakkuukoneen sijainti tallennetaan jokaiselle puulle ja runkoprofiilitieto on käytettävissä Lisäksi aineisto on esikäsiteltävä ja muokattava hyödynnettävään muotoon Kuviorajojen muodostukseen kehitetty menetelmä toimii harvennushakkuilla ja päätehakkuilla Kuviorajojen sijaintitarkkuus vaikuttaa alustavien tarkastelujen perusteella varsin hyvältä. Seuraavana vaiheena on menetelmän automatisointi ja testaus yhteistyössä Suomen Metsäkeskuksen kanssa sekä kuviorajojen sijaintitarkkuuden selvittäminen. Ajourien muodostukseen kehitetty menetelmä toimii, mutta vaatii vielä jatkokehittämistä - etenkin yksittäisten pistojen ja ajourien yhdistämisen osalta Referenssitiedon hyödyntämisen osalta keskeistä on hakattujen puiden sijaintitarkkuus Hakkuukoneen paikannustarkkuutta voidaan parantaa hyödyntämällä koneelta saatavaa tietoa kouran sijainnista (suunta ja etäisyys). Osalla hakkuukoneista tiedot tallentuvat jo nykyisin HPR tiedostoon. Jatkossa tavoitteena on selvittää, kuinka paljon hakkuupään sijaintitiedon tarkentamisella pystytään parantamaan referenssitiedon sijaintitarkkuutta ja käytettävyyttä. Hakkuukoneella tuotetun aineiston hyödyntämispotentiaali on merkittävä. Yhdellä Metsäkeskuksen inventointialueelle toimii keskimäärin vajaa 20 hakkuukonetta, eli tulkinta-aineiston määrä on helposti kolminkertaistettavissa. Mikäli sijaintitarkkuutta pystytään parantamaan, voidaan yhdeltä leimikolta muodostaa useampia referenssikoealoja Toisaalta kuvioiden koko ja pirstoutuneisuus (heterogeenisuus) etenkin Etelä-Suomen alueella aiheuttaa haasteita koealojen muodostukseen. 8.3.2016 Melkas, T., Poikela, A., Sorsa, J-A & Hämäläinen, J. 7
Hakkuukonemittaus puustotietojen tuotannossa Jussi Peuhkurinen, Arbonaut Oy Forest Big Data hankkeen tulosseminaari 8.3.2016 Heureka
Hakkuukoneaineiston käyttö puustotulkinnan referenssiaineistona - SWOT VAHVUUDET Datan määrä Mittaustarkkuus Tiedonkeruun edullisuus MAHDOLLISUUDET Yksinpuin mittaus Uudet tietosisällöt Parantunut inventointitarkkuus Runkolukusarjat Puukauppa ilman maastokäyntiä Kustannussäästöt tiedonkeruussa HEIKKOUDET Sijaintitarkkuus Latvaosaa ja kantoa ei mitata Rajallinen tiedonkeruuaika Otosharha Jäänyt puusto Dataa vain päätehakkuilta UHAT Sijainti ei parane riittävästi Tiedon analysoinin monimutkaistuminen Tiedon jakamisen ongelmat (saatavuus) Inventointitiedon laadun heikentyminen Epävarmuuden lisääntyminen Riskit? Panostukset? Hyöty?
Hakkuukoneaineiston käyttö puustotulkinnan referenssiaineistona kehittäminen 1. Optimaalinen koeala? Muoto, koko, lukumäärä, valinta 2. Vaikutukset puustotulkinnan laatuun 04 kehitysluokka (kuinka paljon parantaa?) Puuston järeys, tukkitilavuus Puulajisuhteet Runkolukusarja... Kasvatusmetsät (kuinka paljon heikentää?) Lisääntynyt harha 3. Miten hakkuukonekoealoja kannattaa hyödyntää? Lisänä, sijasta, erillisessä tarkentavassa mallissa
Hakkuukoneaineiston käyttö puustotulkinnan referenssiaineistona tuloksia Optimaalinen koeala Sijaintiepätarkkuus huomioiden koealan koko tulisi olla huomattavasti suurempi kuin ns. perinteinen referenssikoeala 254 m 2 vs. > 1000 m 2 Leimikon sisäinen vaihtelu tulisi kuitenkin huomioida Koealan sijoittaminen ajouralle? Jättöpuukoealojen poistaminen? Noin 900 m 2 satunnaisesti leimikon sisälle sijoitettu koeala hyvä kompromissi Otosten välillä paljon satunnaisvaihtelua
Hakkuukoneaineiston käyttö puustotulkinnan referenssiaineistona tuloksia Vaikutus puustotulkintaan Testattiin erillisellä leimikkoaineistolla ja SMKkoealoilla 04 khlk: potentiaalinen parannus lähes kaikkiin puustotunnuksiin 02 ja 03 kehitysluokat, vaikutus pieni tai jopa negatiivinen Vaikutus näkyy selviten, kun käytetään hakkuukoneilla kerättyä testileimikkoaineistoa Tunnus parannus, prosenttia Tukkitilavuus 8,0 Mäntytukki 3,5 Kuusitukki 4,7 Koivutukki 2,2 Keskiläpimitta 5,1 Keskipituus 7,6 Runkoluku 15,9 Pohjapinta-ala -0,1 Tilavuus 5,7
Hakkuukoneaineiston käyttö puustotulkinnan referenssiaineistona johtopäätöksiä Laskentaketju tuottaa maastomittausten kanssa yhteensopivaa puustotietoa (pl. runkoluku) Suositeltavaa käyttää erillistä mallinnusta päätehakkuumetsiin, joista ulosmitattavissa suurin hyöty Sijaintitarkkuutta parannettava, nykyisellä tarkkuudella suuri riski saada huono otos Aineistossa on suuri potentiaali, joka on saatavissa käyttöön pienillä parannuksilla nykyiseen