Hakkuukone metsätiedon lähteenä

Samankaltaiset tiedostot
Puuhuollon digitalisaatio ja metsäkonetiedon mahdollisuudet

Forest Big Data, uuden sukupolven metsävara7etojärjestelmät Tapio Räsänen Metsäteho Oy

Hakkuukonemittaus puustotietojen tuotannossa aineiston esikäsittely ja kuviorajan muodostaminen

Hakkuualueen rajan muodostus hakkuukoneen sijaintitietoon perustuen

Metsätiedon lähteet ja soveltaminen

Tukkiröntgendata sahapuun ohjauksessa

Metsäkonetiedon omistusta, käyttöä ja käsittelyä koskevat periaatteet Suosituksen tarkoitus ja sisältö

Puuhuolto 2030-luvulle vastuullisuus samaan pakettiin. Heikki Pajuoja Metsäteho Oy Metsäpäivät

Metsätieto, muutokset ja kehitysnäkymät

Digitalisaatio mullistaa metsäalaa

Puuhuollon digitalisaation kehitysnäkymiä

StanForD Metsäkoneiden uusi tiedonsiirtostandardi. Tapio Räsänen Juha-Antti Sorsa

Puutavaran mittauksen visio 2020

Automaattinen toimenpidekuvion rajojen muodostus hakkuukoneen sijaintitietoon perustuen

Tukkiröntgendata sahapuun ohjauksessa

Metsätiedon lähteitä ja soveltamismahdollisuuksia

Kehittyvästä metsätiedosta lisätehoa puuhuoltoon. Jarmo Hämäläinen Metsäteho Oy

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

ARVO-ohjelmisto pienpuun hankinnan tukena

RUNKOPANKIN KÄYTTÖSOVELLUKSET

ARVO ohjelmisto. Tausta

Forest Big Data Visio tulevaisuuden metsätiedosta

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

Metsätehon tuloskalvosarja 9/2017 Timo Melkas Kirsi Riekki Metsäteho Oy

Satelliittipaikannuksen tarkkuus hakkuukoneessa. Timo Melkas Mika Salmi Jarmo Hämäläinen

ARVO ohjelmisto. Tausta

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

METSATEHO ~ METSÄTEOLLISUUS 12/1994 PUUNKORJUUN KUSTANNUSTEN JAKAMINEN PUUTAVARALAJEILLE. Jari Terävä. Teppo Oijala

Kehittynyt katkonnan ohjaus ja ennakkosuunnittelutiedon tarkkuus Metsätehon tuloskalvosarja 6/2015

Forest Big Data perusteita seuraavan sukupolven metsävaratietojärjestelmälle

Kehittyvä metsätieto puuhuollon digitalisaatiossa

Yritysesittely. Metsäteho Oy 2015

Forest Big Data -tulosseminaari

Tree map system in harvester

PUU LIIKKEELLE JA UUSIA TUOTTEITA METSÄSTÄ

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

Metsäkoneiden sensoritekniikka kehittyy. Heikki Hyyti, Aalto-yliopisto

Yritysesittely. Metsäteho Oy 2018

Digitalisaa(on mahdollisuudet metsätaloudessa

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

hinnoitteluun ja puukauppaan

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

Puutavaran mittausmenetelmien osuudet vuonna 2017

MELA2012. Olli Salminen Metla MELA ryhmä.

Hakkuukonetiedon käyttö metsävaratiedon ajantasaistuksessa

Metsäkonetiedon omistusta, käyttöä ja käsittelyä koskevat periaatteet -suositus

Palvelualusta metsätiedon jakeluun

Hakkuukonetiedon hyödyntäminen mm. metsävaratietojen ylläpidossa

Puukaupan uudet tuulet - rungonosahinnoittelu. Jori Uusitalo Metla

Metsäteho ja sen tutkimuspainotukset

Metsävarojen inventoinnissa ollaan siirtymässä

Puunkorjuun tulevaisuus. Aluejohtaja Jori Uusitalo

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

Runkopankki puunhankinnan ohjauksen välineenä

Paikkatiedon hyödyntämisen mahdollisuudet ja haasteet

Vaihtoehtoisia malleja puuston kokojakauman muodostamiseen

Monilähdetietoa hyödyntävien karttaopasteiden tarve puunkorjuussa haastattelututkimus hakkuukoneenkuljettajille

TRESTIMA. Digitaalisten tekniikoiden mahdollisuudet metsätaloudessa , Seinäjoki. Simo Kivimäki

Koneyrittäjien näkemys metsäkonetiedon omistusta ja käyttöä koskevat periaatteet -suosituksesta

Metsähallitus Ainutlaatuinen toimija

Metsästä voimalaitokseen: Energiapuunlogistiikka ja tiedonhallinta Lahti

Olosuhdetieto. Metsäntutkimuksen ja päätöksenteon apuna. Metsäteho Timo Tokola. UEF // University of Eastern Finland

WoodForce metsänhoidossa ja -parannuksessa

Tilastolliset mallit hakkuukoneen katkonnan ohjauksessa. Tapio Nummi Tampereen yliopisto

Jani Heikkilä, Myyntijohtaja, Bitcomp Oy. Kantoon -sovellus ja muut metsänomistajan palvelut

Big datalla tarkoitetaan aineistoa, jota kertyy

PONSSE EH25 energiapuukoura

Männyn laaturajojen integrointi runkokäyrän ennustamisessa. Laura Koskela Tampereen yliopisto

Puunkorjuu ja toimitukset automatisoituvat. Lapin Metsätalouspäivät Tuomo Moilanen Ponsse Oyj

TIEDONSIIRTOTARPEET PUUNTUOTTAMISEN TOIMINNOISSA

RUNKOPANKKI JA K-MSN MENETELMÄ PUUSTOTIETOJEN JA PÖLKKYJAKAUMAN ENNUSTAMISESSA

Kesäseminaari Jani Heikkilä Metsä mukaasi Kantoon sovelluksella

Tulevaisuuden ratkaisu datan yhdistämiseen ja jakeluun. Forest Big Data Tulosseminaari, Miika Rajala, Risto Ritala TTY

Puun kasvu ja runkomuodon muutokset

HELSINGIN YLIOPISTO MAATALOUS-METSÄTIETEELLINEN TIEDEKUNTA METSÄTIETEIDEN LAITOS

ENNAKKORAIVAUS JA ENERGIAPUUN HAKKUU SAMALLA HAKKUULAITTEELLA. Alustavia kokeita

Runkohinnoittelun käytettävyys? Puumarkkinatyöryhmä, tiistaina Jukka Malinen Metla / Joensuu

Metsävaratietolähteet

METSÄTIEDOT KOHTI 2020-LUKUA Janne Uuttera UPM

Puustotiedon hankinta hakkuukoneella

Hieskoivikoiden avo- ja harvennushakkuun tuottavuus joukkokäsittelymenetelmällä

Koostimme Metsätieteen aikakauskirjan erikoisnumeroon

Uusiutuvan energian velvoite Suomessa (RES direktiivi)

Ajourien automaattinen tuottaminen ja ajouratunnusten määrittäminen hakkuukoneen sijaintitietoon perustuen

Voidaanko laatu huomioida männyn katkonnassa? Jori Uusitalo Joensuun yliopisto

Maastotietokannan ylläpito

Wood- ja LogForcen tuomat muutokset urakoinnin toimintaympäristöön

Liite 1 - Hakkuukonemittaus

Metsätiedon palvelualustan konseptitestaus

Metsäteho Oy Tapio Räsänen Asko Poikela HAKKUUKONEEN MITTAUSTARKKUUDEN SEURANNAN RAPORTOINTI

Puustotietojen keruun tekniset vaihtoehdot, kustannustehokkuus ja tarkkuus

Suomen metsäkeskuksen metsävaratieto ja sen hyödyntäminen

Laserkeilaus yksityismetsien inventoinnissa

Uusi Tilastokeskuksen sijaintitiedon viitearkkitehtuuri

SIMO käytössä. UPM-Kymmene Oyj Janne Uuttera

StanForD-XML. Juha-Antti Sorsa, Tapio Räsänen, Vesa Imponen

KUUSEN OMINAISUUSPOTENTIAALI

Kuortaneen metsäsuunnitteluseminaarin. Metsävaratiedon ajantasaistus

Puuston ennakkotiedon hankintamenetelmät. Tapio Räsänen Eero Lukkarinen

Transkriptio:

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 hakkuukoneita on töissä n. 1900 kpl yksityiset koneyrittäjät omistavat kaikki metsäkoneet Hakkuukoneet kaatavat puut, katkovat ne pölkyiksi ja mittaavat puutavaran katkonta ja sen ohjaus on oleellinen osa metsäteollisuuden tuotantoprosessia hakkuukonemittauksen osuus puukaupallisesta luovutusmittauksesta on 82 % Puukauppoja tehdään vuosittain n. 100 000 200 000 250 000 erillistä korjuutyömaata (= käsiteltävää metsikkökuviota) v. 2015 hakattiin 59 milj. m 3 teollista ainespuuta + 9 milj. m 3 energiapuuta 2

Hakkuukoneen tietojärjestelmä Keskeinen osa hakkuukoneen toiminnallisuutta on sen mittausjärjestelmä läpimitan ja pituuden jatkuva mekaaninen mittaus runkoa käsiteltäessä katkonta-automatiikassa runkoprofiilin ennuste mittausarvojen ja koneen sisäisen runkopankkidatan avulla Hakkuukoneiden tiedonhallinnassa on käytössä StanForD tiedonsiirtostandardi katkontaa ohjaavien asetusten hallinta tuotantotieto (mittausdata) uudessa StanForD 2010 standardissa tallennus pölkkykohtaisesti tietojen tallennus koneen tietokantaan ja lähetys langattomana tiedonsiirtona metsäyhtiön tietojärjestelmään Koneen GPS -sijaintitiedon tallennus nykyisin mahdollista tallentaa vain koneen työpisteen sijainti tavoitteena kunkin kaadetun puun sijainti esim. koneen puomin anturoinnin ja muun sensoritiedon avulla 3

Hakkuukonedatan kokoaminen tietovarastoon käyttösovellukset Tietovaraston ylläpitäjä? Big data Keskitetty tai hajautettu hakkuukonetietovarasto datan tarkastus ja esiprosessointi runkoprofiilien ja tilavuuksien laskenta puun laatu katkontatiedoista hakkuualueen rajojen muodostus Metsäyhtiöt Kohteiden valinta ja leimikkotietojen liittäminen Tietosuojan kannalta sensitiivisen tiedon poistaminen tai muuttaminen Metsäyhtiön A metsäjärjestelmä Metsäyhtiön B metsäjärjestelmä Metsäyhtiön C metsäjärjestelmä IT -toimittaja Työnohjauspalvelu (WoodForce) Korjuuyrittäjät stm hpr stm hpr Runkokohtaiset mittaustiedot rungon läpimitat ja pituus katkontatiedot (pölkyt) laatua kuvaava tieto kaadettujen puiden koordinaatit 4

Kehittyvä katkonnan ohjaus Simuloinnin lähtötiedot yhtiöiden metsäjärjestelmistä korjuukohteittain Parametriset kokojakaumamallit Simuloitavan puujoukon muodostus Läpimitta- ja pituusjakaumat Puujoukot StanForD 2010 hpr -muotoon Katkonnan ohjaustiedostojen (pin) muodostus Korjuukohteen perustiedot Puuston keskitunnukset puulajeittain Ei-parametriset datalähtöiset menetelmät (mm. MSN) Simuloinnin puujoukko valintana runkopankkitietovarastosta Runkoprofiilit Runkojen laatuositteet (oksarajakorkeudet ja vikaisuudet) Simulointi Runkolukusarjat Yhtiökohtaiset tai yleiset tietovarastot palvelussa Puun laatumallit Runkopankki (hakkuukoneen tuotantotiedot) Puun laatutietopankki (mm. tukkiröntgen- ja tukkimittaridataa) 5

Hakkuukonemittaustiedon käyttö laserkeilauksen referenssinä 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. - optimaalisen hakkuukonekoealan koko suurempi kuin perinteisen (n. 900 m 2 satunnaisesti sijoitettuna optimi?) Aineistossa on suuri potentiaali, joka on saatavissa käyttöön pienillä parannuksilla nykyiseen. Lähde: Peuhkurinen ym. 2016 6

Hakkuualan rajat voidaan tuottaa automaattisesti hakkuukonedatasta metsävaratietojen ajantasaistukseen Lähde: Melkas ym. 2016 7

Menetelmä kuviorajan sekä ajourien muodostamiseen Koordinaattimuunnos WGS84 ETRS FIN35TM ja siirto paikkatietoohjelmistoon Kuviorajojen muodostus kehitetyllä algoritmilla Kuviorajojen tarkistus ja vertaaminen hakkuukoneen sijainteihin Koordinaattimuunnos WGS84 ETRS FIN35TM ja siirto paikkatieto-ohjelmistoon Havaintojen suodatus Viivamaisen ajouran muodostaminen Lähde: Melkas ym. 2016 8

Hakkuukoneen puukarttajärjestelmä Laserkeilaus (TLS) hakkuukoneessa pystypuuston mittaukseen vaihtoehtoisesti kameraan ja konenäköön perustuva ratkaisu hakkuupään automaattinen ohjaus kaadettavien runkojen ominaisuuksien mittaus jäljelle jäävän puuston mittaus o harvennusvoimakkuuden seuranta o käsittelyalueen puustotunnukset metsävaratiedon ajantasaistukseen ja metsänomistajan metsäsuunnittelujärjestelmään Haasteena paikannuksen tarkkuus ja puukarttajärjestelmän kytkentä globaaliin koordinaatistoon Lähde: EffFibre -projekti (Timo Melkas / Metsäteho, Mikko Miettinen / Argone Oy ja Ponsse Oyj) 9

Maaperä- ja kantavuustiedon tuottamisen mahdollisuudet Metsäkoneen kulkuvastusta kuvaavien parametrien laskenta CAN väylän datasta kantavuudeltaan huonojen maastonkohtien tunnistaminen tiedon välitys kuormatraktorille, ennustemallit Kuva: Jari Ala-Ilomäki, LUKE Kinect sensorikokeilut Kinect -sensorissa RGB- ja syvyyskamerat asennus kuormatraktoriin urasyvyys voidaan mitata kuva-aineistoa maapohjasta o kokeillaan myös esim. deep learning menetelmää maaperäluokitukseen Lähde: MEOLO-projekti 2016 10

Metsäkonetiedon välitys keskitettyyn tietokantaan ja tietokantasovelluspilotti hanke (Metsäteho, Helsingin yliopisto, Maanmittauslaitoksen Paikkatietokeskus FGI & Tampereen teknillinen yliopisto) Tavoitteet Luoda perusteet laajamittaisen metsäkoneilla tuotettavan tiedon kokoamiseksi ja hyödyntämiseksi metsätalouden ja puuhuollon tietojärjestelmissä ja käyttösovelluksissa. Kehittää ja pilotoimalla testata menetelmät ja käytännöt hakkuukoneiden tuottaman datan hankkimiseksi yhtenäisellä tavalla, prosessoimiseksi ja siirtämiseksi tietovarastoihin ja edelleen niistä jaettavaksi aineistoja hyödyntäviin järjestelmiin. Kehittää ja testata datasta tuotettavien tunnusten laskentamenetelmiä. Selvittää aineistojen hankinnan, käytön ja jakelun pelisääntöjä käyttötapausten tietotarpeisiin perustuen. Hankkeessa koottavia metsäkoneaineistoja on tarkoitus käyttää myös muissa MMM:n rahoittamissa Metsätieto ja sähköiset palvelut hankkeissa. 11

tapio.rasanen@metsateho.fi