Metsätiedon lähteet ja soveltaminen Tapio Räsänen Metsäteho Oy EP-Digi Mitkä ovat digitaalisten tekniikoiden mahdollisuudet metsätaloudessa? Seinäjoki 22.3.2017
Esityksen aiheet 1. Puuhuollon visio 2. Metsätieto kehittyy 3. Metsäkoneet tiedon tuottajana 4. Tiestötiedot hallintaan 5. Lisää jalostusarvoa puulle 6. Tieto rahaksi sovelluksilla 7. Mitä hyötyä ja koska? 2
1. Puuhuollon visio 3
Tehokas puuhuolto 2025 -visio Tehostuva, täsmäohjattu puuhuolto parantaa metsäteollisuuden kilpailukykyä sekä turvaa sen kasvun ja uudistumisen. Kehittämistavoite vuoteen 2025 Puuhuolto tuottaa lisäarvoa puun arvoketjuun ja on 30 % nykyistä kustannustehokkaampaa. 4
T&K-päämäärät Tehokas puuhuolto 2025, Metsäteho (2015) 5
Digitalisaatio mahdollistaa kehityshyppäyksen Ajureita: laserkeilaus ja uudet satelliittitekniikat kaukokartoituksessa automaatio- ja mittaustekniikka (robotiikka, konenäkö ym.) paikannusmenetelmät tietoverkot ja päätelaitteet tiedon analysointi-, siirto- ja varastointikapasiteetti suurten tietomassojen (Big Data) analysointimenetelmät julkisin varoin tuotettujen tietoaineistojen vapautuminen metsäalalla tuotetut tietostandardit ja -mallit. DIGITALISAATIOLLA tarkoitetaan verkkoon kytkettyjen älykkäiden tuotteiden ja palvelujen kokonaisuutta, joka koskee kuluttajia, yrityksiä ja yhteiskuntaa. TEOLLINEN INTERNET on erityisesti yritysten näkökulma digitalisaatioon. Teollinen internet yhdistää älykkäät koneet, laitteet ja niitä käyttävät ihmiset, jolloin päätöksentekoa voidaan parantaa edistyneen tiedon analysoinnin kautta ja tuottaen mukautuvaa liiketoimintaa. Lähde: ETLA raportit No. 42 (5.1.2015). 6
Tehokas puuhuolto 2025 -visio, päämäärät ja T&K-alueet 7
Metsäteho yhdistää ja aktivoi Omistajat T&K-verkosto Tutkimusyksiköt Yliopistot Kone-/laitevalmistajat ICT-toimittajat Yrittäjät Metsäkeskus Tapio Oppilaitokset Viranomaiset Rahoittajat 8
2. Metsätieto kehittyy 9
Tavoitteena nykyistä tarkempi puusto- ja olosuhdetieto ja tehokas eri tietolähteiden hyödyntäminen Runkolukusarja & laatutiedot Ref.tieto & päivitys Ohjausinformaatio Sähköinen puukauppa, kehittyvät hinnoitteluperiaatteet, päätöstukijärjestelmät Katkonta, puun ohjaus ja kuljetus, päätöstukijärjestelmät Pysyvät ja muuttuvat olosuhdetiedot 10
Metsätieto uudistamisketjussa - visio Hilatason puusto ja kasvupaikkatiedot Metsävaratiedon päivitys omavalvontatiedolla Olosuhteiden (automaattinen) mittaus seuraavia vaiheita varten & referenssitieto kaukokartoitukselle Dynaaminen metsäsuunnittelu ym. päätöstukijärjestelmät 11
Metsätieto puuhuollon digitalisaation ytimessä - kehitysnäkymiä Perusyksikkönä hila (16 * 16 m) jatkossa puuston järeysjakaumat (ja puun ominaisuustiedot) monipuolisemmat olosuhdetunnukset avoimesti saatavissa metsäkeskuksen metsävaratietojärjestelmästä päivitys mm. toimenpidetiedoilla Metsätietolaki uudistuu hallituksen esitys eduskunnalle keväällä tietojen luovuttaminen teknisen käyttöyhteyden avulla siten, että luovutuksen perusteena voi olla muukin laissa säädetty peruste kuin rekisteröidyn suostumus metsävaratietojen päivitys sivullisen toimittamien tietojen perusteella, jos metsäkeskus on varmistanut tietojen luotettavuuden (ns. tiedonkeruun joukkoistaminen) 12
Tulevaisuuden puustotieto perustuu ajantasaiseen hilatason inventointiin sekä runkolukusarjan ja laatutunnusten tarkentamiseen puukohtaisella tiedolla Lähde: Holopainen ym., Helsingin yliopisto 2014 13
Visio: laserkeilauksen avulla tarkempaa metsävaratietoa kuviotasolta puu(oksa)tasolle Lähde: Helsingin yliopisto 14
Maastolaserkeilauksesta saadaan yksityiskohtaiset puutunnukset Mustat pisteet ilmalaserkeilauksen (ALS) pistepilvi Vihreät pisteet Maastolasekeilauksen (TLS) pistepilvi Kuvat: Helsingin yliopisto, Ville Kankare 15
Kuvat: Harri Kaartinen, Maanmittauslaitoksen paikkatietokeskus FGI 16
Lähde: Juho Heikkilä, Suomen metsäkeskus 2017 17
Monikanavakeilaus Lähde: Juho Heikkilä, Suomen metsäkeskus 2017 18
Tiheäpulssilaser Lähde: Juho Heikkilä, Suomen metsäkeskus 2017 19
Satelliittikuva-aineistosta havaitut hakkuut ja niiden luokittelu Punainen = avohakkuu satelliittikuvasta Keltainen = harvennushakkuu satelliittikuvasta Violetti = avohakkuu MKI-aineistossa Oranssi = harvennushakkuu MKI-aineistossa Lähde: Laura Sirro, VTT 2017 22/03/2017 20
Metsänkäyttöilmoitusten seuranta Rajaamalla muutostulkinta (AutoChange) kuvion alueelle voidaan valvoa metsänkäyttöilmoituksen toteutumista Esim. harvennushakkuu, avohakkuu ja maanmuokkaus voidaan todeta laskemalla muutoksen voimakkuus ja laatu alueen sisällä Lähde: Laura Sirro, VTT 2017 22/03/2017 21
3. Metsäkoneet tiedon tuottajana 22
Metsäkoneet tiedon tuottajina Puunkorjuu on Suomessa täysin koneellistettu hakkuukoneita on töissä n. 1900 kpl yksityiset koneyrittäjät omistavat kaikki metsäkoneet Puukauppoja tehdään vuosittain n. 100 000 200 000 250 000 erillistä korjuutyömaata (= käsiteltävää metsikkökuviota) Päivässä hakataan miljoona puuta, josta kaikesta syntyy dataa => esim. 150 milj. läpimittahavaintoa/pv = 30 Mrd/v Hakkuukoneiden tuottama mittaustieto on valvottua katkonta ja sen ohjaus on oleellinen osa teollisuuden tuotantoprosessia mittaustarkkuutta seurataan systemaattisesti jo hakkuukonemittauksenkin vuoksi 23
Hakkuukoneen tietojärjestelmä Keskeinen osa hakkuukoneen toiminnallisuutta on sen mittausjärjestelmä läpimitan ja pituuden jatkuva mekaaninen mittaus runkoa käsiteltäessä 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 24
Mittausdatasta voidaan laskea erilaisia hakkuussa poistettavaa puustoa koskevaa tunnuksia (keskiarvoja, jakaumia) - alkuperäiselle datalle tehdään ensin tarkistukset, suodatukset ja tarvittavat muunnokset Runkokäyrän sovitus hakkuukoneen mittaamaan runkoprofiiliin Runkolukusarjat 25
Hakkuukonedatan kokoaminen tietovarastoon käyttösovellukset Tietovaraston ylläpitäjä 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) Konevalmistajien palvelut yrittäjille Korjuuyrittäjät stm hpr stm hpr Runkokohtaiset mittaustiedot rungon läpimitat ja pituus katkontatiedot (pölkyt) laatua kuvaava tieto kaadettujen puiden koordinaatit 26
Hakkuualan rajat ja ajourat voidaan tuottaa automaattisesti hakkuukonedatasta metsävaratietojen ajantasaistukseen Koordinaattimuunnos ja siirto paikkatieto-ohjelmistoon Kuviorajojen muodostus kehitetyllä algoritmilla Kuviorajojen tarkistus ja vertaaminen hakkuukoneen sijainteihin Yhdistäminen metsävaratiedon hilaruutuaineistoon Kuva: Metsäteho 27
Lähde: Juho Heikkilä, Suomen metsäkeskus 2017 28
Metsäkonetieto puustotulkinnan apuaineistona Hankkeessa kehitetään hakkuukoneella mitattavan puutiedon hyödyntämistä laserkeilaukseen ja satelliittikuviin perustuvassa aluepohjaisessa puustotulkinnassa. Metsäkoneilla kerätään jatkuvasti suuria määriä tietoa puustosta, mutta tätä tietoa ei kuitenkaan toistaiseksi hyödynnetä tehokkaasti. Metsäkonetiedolla voitaisiin: kerätä puuston laatutiedon osalta monipuolisempaa tietoa inventointien tueksi. täydentää kaukokartoitusinventoinneissa tarvittavia maastokoealoja Hankkeen tavoite on tehostaa metsävaratiedon tuottamista ja parantaa sen laatua. Menetelmät testausvaiheessa paikannustarkkuus kriittinen 29
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 30
Hakkuukoneen puukarttajärjestelmä seuraava askel Laserkeilaus (TLS) hakkuukoneessa pystypuuston mittaukseen vaihtoehtoisesti kameraan ja konenäköön perustuva ratkaisu hakkuupään automaattinen ohjaus kaadettavien runkojen ominaisuuksien mittaus jäljelle jäävän puuston mittaus o o harvennusvoimakkuuden seuranta 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) 31
Kohti automaattista harvennusjäljen seurantaa Harvennusvoimakkuus - Laser (tai kamera) Ajouratiheys/-väli - Satelliittipaikannus Kuva: Metsäteho Urapainumat - Syvyyskamera tai laser Metsätöiden laadun omavalvonta Menetelmät kokeiluvaiheessa - ei vielä tuotteistettu Kuva: Metsäteho Puustovauriot -kamera Kuva: Lari Melander, TTY Kuva: Jyry Eronen, UEF 32
Maaperäolosuhteiden määritys metsänhoitotöiden yhteydessä - esimerkkejä kokeiluista Maan kivisyyden arviointi kiihtyvyysanturilla - lupaava Maalajiryhmän luokittelu kuvasta haastavaa Päätavoitteena automaattinen referenssitiedon tuottaminen kaukokartoitus-/mallinnuspohjaisille menetelmille Lähde: TTY & Metsäteho, Meolo-hanke 33
Sensoritekniikka metsänhoidon koneellistamisen avuksi - puiden ja maastoesteiden tunnistaminen https://youtu.be/4anyv6fzhyi Lähde: Hyyti ym. 2016, Aalto-yliopisto, Forest Big Data-hanke 34
Machine vision in detection of trees and tree species for mechanized pre-commercial thinning Source: NeoSilvix project, Heikki Hyyti, Aalto University Aim is to increase efficiency and productivity of silvicultural operations. Semi-automatic silvicultural machine with sensors to detect trees, ground and possible obstacles. Automatic motion control of forest crane is required in order to move the processing head along the planned trajectories. Localizing and identifying young trees 3D laser scanner and calibrated camera image are used to localize trees Image texture analysis classifies image regions to coniferous and deciduous trees or further to individual species. Human-machine interfaces are needed to operate and monitor the process. (NeoSilvix project) 35
4. Tiestötiedot hallintaan 36
Tiestö- ja kuljetusdatan visio 2020 Käytössä on Forest Digiroad, joka kokoaa valtakunnallisesti ja ajantasaisesti yhteen metsäautoteitä koskevan pysyväluontoisen tiedon. Metsätietietofoorumi määrittelee tietoaineiston sisällöt sekä tiedon tuottamisen, jakamisen ja hyödyntämisen pelisäännöt. Käytössä on metsäautoteiden ajantasaisen keli- ja muun olosuhdetiedon tietopalvelu. Metsäautoteillä ja muilla puukuljetusreiteillä kulkevat ajoneuvot ja kuljettajat tuottavat jatkuvasti ja mahdollisimman automaattisesti olosuhdedataa tietopalveluun. Yhteenkootun ja ajantasaisen tiestödatan sekä siitä jalostetun tiedon hyötyjä ovat lisääntynyt metsäsektorin eri prosessien ja tiestön kunnossapidon kustannustehokkuus parantunut tiellä liikkumisen turvallisuus tiestön vaurioitumisriskien pienentyminen. Tiestö- ja olosuhdedata Syntyy pääosin julkisen ja yksityisen sektorin eri prosessien osana ja on pääosin vapaasti ja maksutta eri toimijoiden käytettävissä. Dataa jalostavat lisäpalvelut synnyttävät uutta digitaalista liiketoimintaa. Lähde: Venäläinen ym. 2016 37
Digiroad -geometriatieto Uusi! Muut olemassa olevat ominaistiedot -kääntöpaikat - varastot - tiekunnat Uusi! Ajantasainen kuntotieto - Anturitiedot - Kameratiedot - Joukkoistamisen ohjeistus Vaihe 1 Vaihe 2 Forestdigiroad Uusi! 38
Uusi teknologia tukee tiestötiedon hallintaa Ilmalaserkeilaus (ALS) (Mobiili)laserkeilaus Kannettavat mittauslaitteet Satelliittiilmakuvat DATAFUUSIO Ajoneuvotietokoneiden data Kuva- ja anturidata Säämallit ja ennusteet Routa- ja vesistömallit TIEDON HYÖDYNTÄMINEN SUUNNITTELU- JA OHJAUSJÄRJESTELMISSÄ 39
Tiestöolosuhteiden konenäköpilotti Kuvat: Vionice Oy ja Metsäteho 40
5. Lisää jalostusarvoa puulle 41
Metsäkonetiedon käyttö puuhuollon ohjauksessa - visio Katkonnan ohjauspalvelu Puukauppasovellukset Korjuun suunnittelusovellukset Metsäomaisuuden hallinnan ja metsäsuunnittelun sovellukset Big data puun laatutietovarasto Metsäyhtiön metsäjärjestelmä Metsävara -tiedot Yhtiön hakkuukonetietovarasto puukarttatietovarasto olosuhdetietovarasto Palvelun hakkuukonetietovarasto Kaukokartoitusaineistot Metsävaratietojärjestelmä (SMK) Keskitetty hakkuukonetietovarasto tukkiröntgendata stm hpr puukartta -data olosuhde -data Kuva: Metsäteho 42
Datalähteet puun laatuominaisuuksien kuvauksessa Metsikkötiedot Hakkuukonemittaus + MLS Tukkimittari & -röntgen Tavoitteena on hakea riippuvuuksia leimikon ominaisuuksien ja röntgenillä mitattujen laatutietojen välillä mm. big data -analyysimenetelmillä Perusteita leimikoiden jalostusarvon määrittämiseen ja puun täsmäohjaukseen Tapio Räsänen, Metsäteho Oy
Tukkiröntgenmittaukset Tukin röntgenmittauksen avulla havaitaan mm. oksaryhmät ja niiden paikat (oksaryhmäväli) oksien määrä (oksavolyymi) sydänpuuosuus vuosirenkaan paksuus Kuvat: TimberVision Oy
6. Tieto rahaksi sovelluksilla
Metsätiedon palvelualusta Tavoiteltavat hyödyt Kehittyvän metsätiedon hyödyt realisoituvat käyttäjille päätöksentekoa tukevien sovellusten ja palvelujen kautta. Madaltaa kynnystä kehittää uusia, metsätietoa entistä monipuolisemmin hyödyntäviä digitaalisia palveluja. Sovellus- ja palvelukehityksen kustannustehokkuuden paraneminen ja joustavuuden lisääminen Palvelualusta ei ole tarkoitettu korvaamaan nykyisiin tietovarastoihin rakennettuja rajapintapalveluja vaan tehostamaan eri aineistojen käyttöä. => Palvelualustan kokeilujärjestelmä rakennetaan ja testataan 2017 2018 (Metsäteho & MMM)
Palvelualustan periaatekuvaus Metsätiedon hyödyntäjät ICT-palveluntarjoajat Sovellusrajapinta Metsätiedon palvelualusta - datan välitys, ajantasaistus ja yhdistäminen - datan/tiedon kauppapaikka Datarajapinta Metsävaratieto (SMK) Maastotieto (MML) Tiestötieto/ Digiroad (Livi) Kaukokartoitusaineistot (MML, ESA ym.) Hakkuukonetieto (XX) Puuston laatutieto (XX) Leimikkotarjonta (SPK) VMI-tieto (Luke) Maaperätieto (GTK) Kuntien paikkatiedot (Kuntaliitto) Suojelualueet, kaavat (Syke/ELY ym) Säätiedot ja ennusteet (FMI) Metsätöiden laatutieto (SMK?) yy (XX)
Esimerkki palvelualustan käytöstä: dynaaminen metsäsuunnittelu Metsäsuunnittelupalvelu Tilan ja metsänomistajan tietojen haku Suunnittelualueen valinta Käsittely-yksiköiden automaattinen tai ohjattu muodostaminen Vaihtoehtojen laskenta metsän kehityksen mallit metsän arvon laskenta Toimenpide-ehdotukset ja niiden visualisointi leimikkoaihiot metsänhoitotöiden työsuunnitelmat Suunnittelun tulosten siirto esim. puukaupan ja metsänhoitotöiden sovelluksiin tarjouspyynnöt Kiinteistörajat Puustomittaukset ja kuvadata, muut maastotiedot Mallit ja mallikirjastot Visualisointityökalut (data, algoritmit, simulointi) Palvelualusta Tilan perustietojen haku Puuttuvan puustodatan haku Datan yhdistäminen ja ajantasaistus Muun suunnitteludatan haku Metsävaratietojärjestelmä / SMK Korjuukelpoisuusluokitus Hilatiedot Tilatiedot Kuviotiedot Kaupalliset kaukokartoitus- ja paikkatietoaineistot Laserkeilausja satelliittikuvadata Ilmakuvat Julkiset ja avoimet paikkatietoaineistot MML SYKE ja muut Tilastontuottajat Maastokartat ja tiestö Maastomalli Metsätalouden käytön rajoitteet kaavatiedot suojelualueet muinaismuistot sähkölinjat, kaapelit ym. puun hinnat korjuun ja metsänhoidon kustannukset ym.
Maaston korjuukelpoisuusluokitus - lähtötietona julkiset paikkatietoaineistot Käyttöön keväällä 2017 Dynaamisuus seuraava vaihe (sadekertymät yms.) ei metsämaa kelirikko normaali kesä kuiva kesä talvi turvemaan kesäkohde Lähde: Arbonaut Oy, Forest Big Data-hanke 49
Ajourakonetta pilotoidaan 2017 Ehdotus ajourien sijoittamisesta kuljettajaa varten Kriteereinä varastopaikat, kantavuus, maastovaurioriski, puusto, rinteet, kuljetusetäisyys, tuottavuus, energiatehokkuus Karttakeskus, Metsäteho, yhtiöt, yrittäjät 50
WoodForce käyttöönottovaiheessa Lähde: Trimble Forestry 51
Kehittynyt katkonnan ohjaus ja simulointi (KAOS) Järjestelmää rakennetaan Lisätietoja: Mikko Kerkelä, Savcor Oy 52
7. Mitä hyötyä ja koska? 53
Metsätiedon tehokäytöllä iso hyötypotentiaali Prosessi/toiminto Liikevaihto/ jalostusarvo, milj. /v Mitä hyötyä? Puunjalostus 3 800 Lisätuotot Puun toimitusketju 1 200 Puuntuottaminen 2 000 Muita Metsätalouden edistäminen ICT-tuotteet ja palvelut Julkiset palvelut Muut liiketoiminta-alueet Kansalaisten palvelut * Kustannussäästöt Työvoimasäästöt Pääomatehokkuus Ympäristötehokkuus Palvelukyky Uusi liiketoiminta Arvio kokonaishyödystä metsäsektorille: 100+ milj. /v 54
Tulossa käyttöön 2017-2018 Sähköinen puukauppapaikka (https://www.kuutio.fi/) WoodForce työnohjausjärjestelmä ForestHub sanomanvälityspalvelu puutavaratoimituksiin SMK:n hilatiedot (ml. runkolukusarjat) Metsäkonetiedon käytön pelisäännöt Kehittyneet sanomastandardit Metsävaratiedon päivitys hakkuukonetiedon perusteella Korjuukelpoisuusluokitus Ajourakone työmaasuunnitteluun Uusia tuotteita koneyrityksen johtamisen avuksi (metsäkonetieto) KAOS dynaaminen katkonnan ohjaus Uusia menetelmiä tiestötiedon hankintaan ja hallintaan 55
Kiitos! tapio.rasanen@metsateho.fi www.metsateho.fi