METSÄTIEDOT KOHTI 2020-LUKUA Janne Uuttera UPM

Samankaltaiset tiedostot
Palvelualusta metsätiedon jakeluun

Kehittyvästä metsätiedosta lisätehoa puuhuoltoon. Jarmo Hämäläinen Metsäteho Oy

Forest Big Data Visio tulevaisuuden metsätiedosta

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

Forest Big Data, uuden sukupolven metsävara7etojärjestelmät Tapio Räsänen Metsäteho Oy

Metsätiedon lähteitä ja soveltamismahdollisuuksia

PUU LIIKKEELLE JA UUSIA TUOTTEITA METSÄSTÄ

Kehittyvä metsätieto puuhuollon digitalisaatiossa

Laserkeilauspohjaiset laskentasovellukset

Puustotietojen keruun tekniset vaihtoehdot, kustannustehokkuus ja tarkkuus

Metsätieto ja sähköiset palvelut

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

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

Metsätieto, muutokset ja kehitysnäkymät

Digitalisaatio mullistaa metsäalaa

Puuhuollon digitalisaation kehitysnäkymiä

Metsikkötietojen päivityskäytännöt

Kuortaneen ajantasaistushanke

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

Big datalla tarkoitetaan aineistoa, jota kertyy

Metsävaratietojen ajantasaistusseminaari. Seminaarin järjestäjät: Metsätalouden kehittämiskeskus Tapio

Forest Big Data perusteita seuraavan sukupolven metsävaratietojärjestelmälle

Kaukokartoituspohjainen metsien inventointi Suomessa - mitä tästä eteenpäin? Petteri Packalen

Metsään peruskurssi. Sisältö

Suomen kilpailukyky metsäalalla onko sitä?

Laserkeilaus ja metsäsovellukset Juho Heikkilä, metsätiedon johtava asiantuntija

SIMO käytössä. UPM-Kymmene Oyj Janne Uuttera

SUUNNITTELUTIETOJEN HYÖDYNTÄMINEN PUUNHANKINNASSA

Yritysesittely. Metsäteho Oy 2018

Tiheäpulssinen ja monikanavainen laserkeilausaineisto puulajeittaisessa inventoinnissa

AJANTASAINEN METSÄVARATIETO NEUVONNAN JA OPERATIIVISEN SUUNNITTELUN VÄLINEEKSI

Metsävaratieto kohti 2020-lukua: tiedoista hyötyä metsänomistajille? Anssi Kainulainen asiantuntija MTK metsälinja

Puumarkkinoille lisäruiskeita

Metsätiedon palvelualustan konseptitestaus

Suomen metsäkeskuksen metsävaratieto ja sen hyödyntäminen

Paikkatietomarkkinat / Taksaattoriklubi Mitä Laserkeilauksen huippuyksikkö merkitsee metsätieteille? Markus Holopainen Helsingin yliopisto,

Monilähdetietoa hyödyntävien karttaopasteiden tarve puunkorjuussa haastattelututkimus hakkuukoneenkuljettajille

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

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

ARVO-ohjelmisto pienpuun hankinnan tukena

Yritysesittely. Metsäteho Oy 2015

Käyttäjien tarpeet ja kustannustehokkuus käyttöliittymien, tietovirtojen ja teknologiaratkaisujen määrittelyssä

Metsävaratietojärjestelmän ja metsäsuunnittelun tutkimus- ja kehittämisohjelma (MSU, )

Metsätieto Kehittämissuunnitelma

Metsätietojen standardointi

Tukkiröntgendata sahapuun ohjauksessa

Tukkiröntgendata sahapuun ohjauksessa

METSÄTIETO JA SÄHKÖISET PALVELUT KEHITTÄMIS- HANKKEIDEN RAHOITUKSEN HAKU VUODELLE 2016

Metsänhoidon suositusten digitaalinen transformaatiokirjasta sähköiseen palveluun. Kati Kontinen, Tapio Oy

Metsävaaka -metsäni vaihtoehdot

Yhteiset hankkeet puunhankintaa tukemassa PUUMI 2017 seminaari. Hannu Pirinen, Metsä Group

Asioita Metsään.fi-palvelusta ja luomuasioiden huomioimisesta. Luomukeruun mahdollisuudet -seminaari Veikko Iittainen

Kaukokartoitusperusteisen inventointimallin kokonaistestaus

Metsien käsittelyä koskevassa päätöksenteossa

Laserkeilaus yksityismetsien inventoinnissa

Hakkuukonemittaus puustotietojen tuotannossa aineiston esikäsittely ja kuviorajan muodostaminen

RUNKOPANKIN KÄYTTÖSOVELLUKSET

Laserkeilauksen hyödyntäminen metsätaloudellisissa

Skenaarioanalyysi metsien kehitystä kuvaavien mallien ennusteiden yhtäläisyyksistä ja eroista

Tiedonsiirtorajapinta ja hilatieto kuvioiden rinnalle Esko Välimäki ja Juha Inkilä

METSÄVARATIETO KOHTI 2020-LUKUA. Tietotarvekyselyn yhteenveto ja metsävaratiedon kehittämisnäkymiä Juho Heikkilä, Vantaa, 15.4.

Metsävaratietojen ja digitalisaation hyödyntäminen biotalouden kasvussa Etelä- Savossa-hanke

OPERAATIOTUTKIMUS METSÄTALOUDESSA

Metsävaratietolähteet

Metsäteho ja sen tutkimuspainotukset

YTPA Yksityistietiedon palvelualusta

Puun kasvu ja runkomuodon muutokset

Laserkeilaus puustotunnusten arvioinnissa

No millaista metsätietoa jj tarvitaan?

SAVOTTA Metsätyövoiman tarvelaskelmien keskeinen anti. Markus Strandström

ARVO ohjelmisto. Tausta

Puutavaran mittauksen visio 2020

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

Metsävaratiedon hyödyntäminen yksityismetsätaloudessa. Päättäjien Metsäakatemian kurssi Ari Meriläinen Suomen metsäkeskus

VMI kasvututkimuksen haasteita

ENERGIAPUUKOHTEEN TUNNISTAMINEN JA OHJAAMINEN MARKKINOILLE

Metsänomistajien koulutus

Kesäseminaari Jani Heikkilä Metsä mukaasi Kantoon sovelluksella

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

Alemman tieverkon merkitys puuhuollolle ja toimenpidetarpeet

Tietopalveluja metsävaratiedosta? Miten kohtaavat käyttäjien tietotarpeet ja käytettävissä oleva tieto

Uudet paikkatietolähteet puunhankinnan operaatioiden tukena Tapio Räsänen

Taimikonhoidon ajoituksen kustannus ja kannattavuusvaikutukset

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

Koostimme Metsätieteen aikakauskirjan erikoisnumeroon

Metsänuudistamisen laatu Valtakunnan Metsien Inventoinnin (VMI) tulosten mukaan

Tieliikenteen tilannekuva Valtakunnalliset tiesääpäivät Michaela Koistinen

Paikkatietopoliittinen selonteko, yrityssektori

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

Metsänarviot eri sukupolvenvaihdostilanteissa. Jarmo Sinko Aluepäällikkö

Puuhuollon digitalisaatio ja metsäkonetiedon mahdollisuudet

Kohti tehokkaampaa puuhuoltoa

Kuivumismallit Metsätieteen päivät, Metsäteknologiklubi UEF Tutkimuksen tarve UEF

Kohti tehokkaampaa puuhuoltoa - Puutavaralogistiikka ohjelma

Forest Big Data (FBD) -tulosseminaari Helsingin yliopiston metsätieteiden laitos & Maanmittauslaitoksen paikkatietokeskus (FGI)

Metsikön rakenteen ennustaminen 3D-kaukokartoituksella

Kumisaappaista koneoppimiseen

Älykäs kaukolämpö. Risto Lahdelma. Yhdyskuntien energiatekniikan professori. Energiatekniikan laitos. Insinööritieteiden korkeakoulu Aalto-yliopisto

Lapin 55. Metsätalouspäivät Levi Ari Eini Suomen metsäkeskus

ARVO ohjelmisto. Tausta

Transkriptio:

METSÄTIEDOT KOHTI 2020-LUKUA 15.4.2015 Janne Uuttera UPM

Esityksen sisältö 1. Lähihistorian kehitysaskeleet 2. Seuraavan sukupolven järjestelmän visioita 3. Lähitulevaisuuden kehitysaskeleet UPM

Metsäkeskuksen edellinen järjestelmäuudistus 2004-2012 Visio järjestelmälle: Kaikki metsänomistajat tekevät päätöksiä metsiensä käytöstä tietoisina metsiensä mahdollisuuksista Metsätiedon käyttötarkoitus Neuvonta Viranomaisvalvonta Mo:n aktivointi ja yhteydenpito palvelun tarjoajien kanssa Mitä on saavutettu? Täysin uudistettu kustannustehokkaampi inventointiprosessi Järjestelmäalusta tiedon jakamiseksi mo:ille ja palvelun tarjoajille Lupaprosessit tiedon jakamiseksi Metsätietostandardi ja tekniset rajapinnat tiedon jakamiseksi => Tietoreformi ja vision mukainen sovellusalusta, joka on kansainvälisesti täysin uniikki Mitä ei ole (vielä) saavutettu? Tiedon täysmääräinen hyödyntäminen, mutta tämä on vain ajankysymys UPM

Seuraavan sukupolven metsätietojärjestelmän visioita Kun edellisen järjestelmän tuotantokäyttö alkaa vakiintua, on syytä alkaa suunnittelemaan seuraavaa kokonaisuutta MMM, SMK, Luke Toimijoiden yhteistyö Forest Big Data -hankkeessa jne. Tärkeää luoda koko sektorin hyväksymä visio ja raamit optimaalisesta tavoitetilasta Eri tiedontuottajien kehitystyön tulee tukea tai vähintään olla sovitettavissa tavoitetilaan Varsinainen kehitystyö pienin askelin tunnistettujen prosessien päätössolmujen tarpeiden kautta => priorisointi Forest Big Data visio/tavoite: Kaikkia metsäalan toimijoita palveleva valtakunnallinen seuraavan sukupolven metsävaratietojärjestelmä, joka sisältää nykyistä tarkemmat, monipuolisemmat ja ajantasaisemmat puusto- ja olosuhdetiedot 4 UPM

FBD visio Case puunhankinta (J. Hämäläinen / Metsäteho) => tehokkaampi puutavaralogistiikka ja kannattavampi metsänhoito Tieto kulkee prosessissa/arvoketjussa molempiin suuntiin Prosessin eri vaiheissa tuotetulla tiedolla tarkennetaan/ohjataan perusdataa tai malleja Reaaliaikaista tietoa eri lähteistä 5 UPM

Lähitulevaisuuden metsätiedon kehitysaskeleet Tiedon tasot Tietosisältö Tiedon laatu ja ajantasaisuus 6 UPM

Tiedon tasot Käsittelykuvio vs. Tulkintayksikkö Tietosisältöä ei kannata yleistää inventoinnissa, vaan päätöstilanteessa Dynaaminen suunnittelu Käsittelykuvion sisäinen vaihtelu ja toimenpidetarpeen määritys heterogeenisissa kohteissa Käsittelykuvion sisäinen vaihtelu korjuun optimoinnissa Metsikkötieto vs. puutason tieto Puutason tietoa globaalilla sijainnilla on hankala tuottaa Puutason tiedon hankinta kattavasti on kallista Puutason tiedon hyödyntäminen vaatisi myös kaikkien toimijoiden tietojärjestelmämuutoksia Puutason tiedosta lokaalilla sijainnilla voidaan tuottaa metsikkötietoa tulkintayksikölle Kaukokartoitus vs. maalaser tai muut maastomittaukset Kuva M. Holopainen / HYo 7 UPM

Tietosisältö Puustotieto puuston eri kehitysvaiheissa ei tarvitse olla samasisältöinen Tarkempi puuston kuvaus varttuneissa puustoissa Runkolukusarja => puutavaralajit, rungonosat Laatutunnuksia varttuneissa puustoissa Runkolukusarja => tukkijäreys Kuivaoksaraja Tarkempi puuston kuvaus jatkuvan kasvatuksen kohteissa Varhaishoidontarve tunnuksista, joiden kehitys on ennustettavissa Toimenpidetarpeen ennustaminen on vain snapshot (parempi kuin ei mitään) Toinen vaihtoehto on nostaa inventointifrekvenssiä ja ennustaa varmoja kohteita varmemmin Tarkempi korjuuolosuhdetieto Tuotetaan käsittelyn yhteydessä? Mahdollinen ennustaminen muuttuvilla olosuhdetiedoilla Kuva J. Hämäläinen / Metsäteho 8 UPM

Tiedon laatu ja ajantasaisuus Puulajitulkinnan laatu Puutavaralajit ovat puulajeittaisia => tarkempi puutavaralajiennustaminen vaatii puulajitulkinnan parantamista Puustotunnusten laatu Käsittely ikkunassa olevien kehitysvaiheiden puustotiedon laadun varmistaminen Muutoin nykylaadulla ei liian suuria epäoptimaalisuustappioita Kannattanee satsata inventointifrekvenssin nopeuttamiseen ennemmin kuin puustotunnusten inventoinnin laatuun Kehitysennusteiden laatu Kasvumallit aiheuttavat enemmän epäoptimaalisuustappioita kuin lähtötiedon virheet Kasvumallien paikallinen kalibrointi? Kannattaako satsata inventointifrekvenssin nopeuttamiseen ennemmin kuin kasvumallien parannukseen? Ennustemallit jatkuvan kasvatuksen käsittelyn mukaisille kohteille Päivitystieto Tiedon ajantasaisuus/luotettavuus ratkaisevaa hyödyntämiselle Teknisesti ratkaistavissa; tulee olla toimijoiden kesken yksimielisyys metsänomistajan oikeusturva, toiminnan lainmukaisuus, toimijoiden tasapuolinen kohtelu sekä kustannusten tasapuolinen jakaminen 9 UPM

Yhteenveto kehityskohteista kuullostaako tutulta? Puustotiedot Puulajitulkintaa tulee parantaa Luotettavan runkolukusarjan tuottaminen varttuneissa puustoissa Laatutunnukset varttuneissa puustoissa Ajantasaistus Puuston vaihtelu käsittelykuviolla Taimikkotulkinta on pullonkaula ja merkittävä kustannustekijä Kuviotiedot Tarkempi olosuhdetieto Käytönrajoitteiden kattavuus 10 UPM