TARKKA METSÄVARATIETO LISÄÄ SUUNNITTELUN JA TOTEUTUKSEN TEHOKKUUTTA



Samankaltaiset tiedostot
Puustotietojen keruun tekniset vaihtoehdot, kustannustehokkuus ja tarkkuus

Laserkeilauspohjaiset laskentasovellukset

Laserkeilaus yksityismetsien inventoinnissa

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

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

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

VMI-koealatiedon ja laserkeilausaineiston yhdistäminen metsäsuunnittelua varten

Metsäkeilauksista suunnistuskarttoja?

Biomassatulkinta LiDARilta

MetKu Metsävaratiedon kustannushyötyanalyysi

Metsään peruskurssi. Sisältö

Metsävaratiedot metsänomistajan käytössä ja Metsään.fi-palvelu. Suvi Karjula, Metsätalouden kehittämiskeskus Tapio Metsäpäivät

Suomen metsäkeskuksen metsävaratieto ja sen hyödyntäminen

Laserkeilaus (Lapin) metsävarojen hyödyntämisessä. Anssi Juujärvi Lapin metsätalouspäivät

Metsävaratiedon hyödyntäminen yksityismetsätaloudessa. Päättäjien Metsäakatemian kurssi Ari Meriläinen Suomen metsäkeskus

Tuuli- lumituhojen ennakointi. Suomen metsäkeskus, Pohjois-Pohjanmaa Julkiset palvelut K. Maaranto

Drone-kuvausten käyttökelpoisuudesta metsäkeskuksen toiminnassa Maaseutu 2.0 loppuseminaari

Kaukokartoituspohjainen metsien inventointi Suomessa - mitä tästä eteenpäin? Petteri Packalen

TRESTIMA. Digitaalisten tekniikoiden mahdollisuudet metsätaloudessa , Seinäjoki. Simo Kivimäki

METSÄSUUNNITTELU YKSITYISMETSISSÄ

NUMEERISET ILMAKUVAT TAIMIKON PERKAUSTARPEEN MÄÄRITTÄMISESSÄ

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

ARVO-ohjelmisto pienpuun hankinnan tukena

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

Paikkatietoa metsäbiomassan määrästä tarvitaan

Metsikkötietojen päivityskäytännöt

Vaihtoehtoisia malleja puuston kokojakauman muodostamiseen

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

Metsävaratietolähteet

Puun kasvu ja runkomuodon muutokset

Metsävaratietojen ja digitalisaation hyödyntäminen biotalouden kasvussa Etelä- Savossa-hanke

Kaukokartoitusmenetelmien hyödyntämis- mahdollisuuksista maaainesten oton valvonnassa ja seurannassa

Rautatiekasvillisuudenhallinta laserkeilauksen avulla

Muinaisjäännösrekisterin hyödyntäminen Metsä Groupissa

Paikkatiedon tulevaisuus

Liite 5 Harvennusmallit

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

Metsäalueen kuviointi laserkeilausaineiston ja soluautomaatin avulla

Hakkuualueen rajan muodostus hakkuukoneen sijaintitietoon perustuen

Paikkatiedon hyödyntämisen mahdollisuudet ja haasteet

No millaista metsätietoa jj tarvitaan?

Kesäseminaari Jani Heikkilä Metsä mukaasi Kantoon sovelluksella

Miehittämättömän lennokin ottamien ilmakuvien käyttö energiakäyttöön soveltuvien biomassojen määrän nopeassa arvioinnissa

Laserkeilauksen hyödyntäminen metsätaloudellisissa

Laserkeilaus ja metsäsovellukset Juho Heikkilä, metsätiedon johtava asiantuntija

Metsäpalveluyrittäjän kasvuohjelma seminaari Hämeenlinna, Aulanko Mikko Nurmi

Kuortaneen metsäsuunnitteluseminaarin. Metsävaratiedon ajantasaistus

Maa- ja metsätalousministeriön kommenttipuheenvuoro. Metsäneuvos Marja Hilska-Aaltonen MMM/LVO/MBY

Hakkuukonemittaus puustotietojen tuotannossa aineiston esikäsittely ja kuviorajan muodostaminen

Kullaa Asiakkuusasiantuntija Jussi Somerpalo

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

Lentolaserkeilausta on hyödynnetty kaupunkimittauksessa

Metsätaloudellinen aikakauslehti N:o 11 marraskuu Julkilausuma

Tunne, mitä omistat. Tiedä, mitä kasvatat.

AJANTASAINEN METSÄVARATIETO NEUVONNAN JA OPERATIIVISEN SUUNNITTELUN VÄLINEEKSI

Metsätieto Tavoitetila

Ekosysteemipalveluiden merkitys ja arvo. Matleena Kniivilä, metsäekonomisti, MMT

Metsäsuunnittelu verkossa ja verkostoissa

Kehittyvien satelliittiaineistojen mahdollisuudet

Laserkeilausaineiston hyödynt. dyntäminen Finavian tarpeisiin

Tyllis-esite :19 Page 1 FIN

Arkkioffset-painovärit

Metsänhoidon laadun hallintaan digitaalisia ratkaisuja Metsänhoitoklubin vuosikokous ja seminaari Perjantai Tieteiden talo, Helsinki

Viljelytaimikoiden kehitys VMI:n mukaan

Satelliittipaikannuksen tarkkuus hakkuukoneessa. Timo Melkas Mika Salmi Jarmo Hämäläinen

Metsävaratietojärjestelmän ja metsäsuunnittelun tutkimus- ja kehittämisohjelma (MSU, )

Tiheäpulssinen ja monikanavainen laserkeilausaineisto puulajeittaisessa inventoinnissa

Jyväskylän kaupungin metsät

Tietohallinnon arvo liiketoiminnalle

Taimikonhoidon ajoituksen kustannus ja kannattavuusvaikutukset

METSÄ SUUNNITELMÄ

Pohjois-Suomessa luvuilla syntyneiden metsien puuntuotannollinen merkitys

Totuus IdM-projekteista

Kuvioton metsäsuunnittelu Paikkatietomarkkinat, Helsinki Tero Heinonen

Earth Observation activities in University of Eastern Finland

Lidar GTK:n palveluksessa

Taimikonhoito. Mänty Ohjeet omatoimiseen taimikonhoitoon Pekka Riipinen, Jyväskylän ammattikorkeakoulu. Sykettä Keski Suomen metsiin

MARV Metsikkökoealaharjoitus Aluepohjaiset laserpiirteet puustotunnusten selittäjinä. Ruuduille lasketut puustotunnukset:

Taimikonhoidon vaikutukset metsikön

Artikkelin tässä osassa luodaan katsaus Metsämannut

METSÄ SUUNNITELMÄ

Kaukokartoitusperusteisen inventointimallin kokonaistestaus

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

Koostimme Metsätieteen aikakauskirjan erikoisnumeroon

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

ENERGIAPUUKOHTEEN TUNNISTAMINEN JA OHJAAMINEN MARKKINOILLE

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

Mitä liiketoiminnan hyötyjä RFID:llä voidaan saada? ITviikko-seminaari Jori Kanerva, WM-data

Pohjoismaisen JMIhankintaverkoston. kysyntäennusteita hyödyntäen. Eglo-seminaari Helsinki, Heli Laurikkala ja Tero Kankkunen

Kiila-viitearkkitehtuuri. Jani Harju,

ARVO ohjelmisto. Tausta

Metsäkoneiden sensoritekniikka kehittyy. Heikki Hyyti, Aalto-yliopisto

Valtion metsien kulttuuriperintöinventointi toteutus ja tuloksia. Metsän siimeksessä Jouni Taivainen

Miltä metsäsi näyttää hakkuun jälkeen?

METSÄTIEDOT KOHTI 2020-LUKUA Janne Uuttera UPM

Mittatarkat viistoilmakuvat maankäytön suunnittelussa. Jukka Erkkilä Avainasiakaspäällikkö Blom Kartta Oy

Suomen metsäkeskuksen metsävaratiedon laatuseloste

Sastamalan kaupungin metsäomaisuus. Katariina Pylsy

Apuvälineitä metsäpalon johtamiseen

Transkriptio:

: TARKKA METSÄVARATIETO LISÄÄ SUUNNITTELUN JA TOTEUTUKSEN TEHOKKUUTTA

Sivu 2 LiDAR -aineistoa. Vasemmanpuolisessa ikkunassa näkymä laserkeilauspistepilveen ylhäältä ja oikeanpuoleisissa lisäikkunoissa läpileikkaukset samalta alueelta. Laserkeilausteknologia Laserkeilaus ((Light Detection and Ranging), lyh. LiDAR) on aktiivinen kaukokartoitusmenetelmä, joka on alun perin kehitetty maaston kartoitukseen. Sen avulla saadaan tuotettua maastosta ja puustosta tarkka kolmiulotteinen kuvaus. Ensimmäiset LiDAR -sovellukset kehitettiin sotilaskäyttöön. LiDAR:n avulla etsittiin rakennelmia ja ajoneuvoja latvuskerroksen alta. Teknologia tuli kuitenkin nopeasti myös siviilikäyttöön. Sen on huomattu olevan erinomainen työväline kasvillisuuden kartoittamiseen, koska osa lasersäteistä heijastuu takaisin latvuksesta ja osa maan pinnalta. Tämä mahdollistaa tarkan kasvillisuuden korkeuden ja tiheyden mittaamisen. LiDAR -sensorin ja laserkeilausaineiston esikäsittelyprosessin ympärille syntyneestä teknologiasta on kypsynyt luotettava ja käyttökelpoinen väline ympäristön kartoittamiseen. Myös laserkeilausaineiston hankintakustannukset ovat pudonneet merkittävästi viimeisen kymmenen vuoden aikana. Taimikoiden hoitotarpeen määrittäminen on yksi ArboLiDAR -tuotteista. Loppukäyttäjille soveltuvien valmiiden tuotteiden puute on ollut esteenä laserkeilauspohjaisten ratkaisujen kysynnän kasvulle monilla toimialoilla. Arbonautin ArboLiDAR -inventointimenetelmän tavoitteena on tuottaa metsäammattilaisten ja metsänomistajien käyttöön ajantasaista metsävaratietoa kustannustehokkaasti. ArboLiDAR -työkaluja kehitetään jatkuvasti tiiviissä yhteistyössä metsäalan ammattilaisten ja tutkijoiden kanssa vastaamaan ajankohtaisia metsäomaisuuden hoidon ja käytön vaatimuksia.

Sivu 3 LiDAR -teknologian käyttö metsävarainventoinnissa. ArboLiDAR -prosessissa käytetään LiDAR -aineistoa, ilmakuvia ja GPS -paikannettuja koealoja tuottamaan ennusteita sekä puuston määrästä että laadusta suurilla metsäalueilla. LiDAR -aineistosta määritetty kasvillisuuden pituusmalli. Erittäin tarkka digitaalinen maastomalli (DTM) mahdollistaa mm. tie-, hakkuu- ja ojasuunnittelun. ArboLiDAR -inventointimenetelmällä tuotettu puuston keskiläpimitta jatkuvana rasteripintana. Tarkka ja ajantasainen puuston kuvioittainen tilavuusennuste on perusta hakkuiden suunnittelulle. Puustoinventointi Tavoitteet: Puustoinventoinnin tavoitteena on tarjota metsäammattilaisille ja metsänomistajille yhtenäistä tietoa puustovaroista kuviotasolla. Ratkaisu: ArboLiDAR -tuotantoprosessissa hyödynnetään LiDAR -aineistoa, ilmakuvia ja GPS -paikannettuja koealoja, joiden antamaa informaatiota käytetään ei-parametrisillä ennustemenetelmillä tehtävässä tulkinnassa. VääräväriAutomaattista kuviointia käytetään tuottamaan ilmakuva, jossa värikanavina puustoltaan yhtenäisiä metsikkökuvioita. punainen, vihreä ja lähi-infrapuna.

Sivu 4 Maastossa mitattuja koealoja käytetään ennustusmenetelmän kalibrointiin. LiDAR -inventoinnilla saavutettu mittaustarkkuus boreaalisissa metsissä. Taulukossa on esitetty keskineliövirhe (RMSE) ja harha (bias) kokonaispuustolle sekä eri puulajeille. Puuston hiilivaranto korreloi vahvasti tilavuuden kanssa, joten sen ennusteen tarkkuus vastaa tilavuuden tarkkuutta. Miksi LiDAR:in käytön metsävarojen inventoinnissa odotetaan kasvavan nopeasti? LiDAR tuo säästöjä metsävarojen inventointiin, mutta se ei ole ainut syy laserkeilausaineiston käytön kasvuun. Merkittävin syy tähän on tarkkojen puustotietojen tuomat säästöt toimintojen suunnittelussa ja itse toteutuksessa. Perinteiseen laajoihin maastomittauksiin perustuvaan inventointiin verrattuna LiDAR -aineistolla saavutetaan parempi spatiaalinen erotuskyky (resoluutio) ja mittaustarkkuus. Myös laajamittainen luonnonvarojen hallinta helpottuu standardisoidun informaation ansiosta. LiDAR -teknologian mittaustarkkuus LiDAR -inventoinnin tarkkuus riippuu puuston ominaisuuksista. Nyrkkisääntönä on, että mitä yhtenäisempi alue puustoltaan on, sitä parempi on tulosten tarkkuus. Taulu oikealla kertoo keskineliövirheen (RMSE) koealatasolla boreaalisissa metsissä eri puulajeilla. Markkinoiden vaatimukset tukevat LiDAR -inventointia Miksi tarvitsemme tarkkaa tietoa? Tämä peruskysymys unohdetaan usein eri toimittajien esittämien teknisten yksityiskohtien ja määrittelyjen viidakossa. On kuitenkin tärkeää miettiä, mitä tietoa tarvitaan, jotta päästään hyviin tuloksiin.

Sivu 5 Kun ilmakuvilta saatu informaatio yhdistetään LiDAR:in avulla saatuihin kasvillisuuden korkeus- ja tiheysrastereihin, saadaan erinoimainen työkalu automaattiseen kuviointiin. Automaattinen kuviointi muodostaa puustoltaan yhtenäisiä metsikkökuvioita, joille puustotunnukset lasketaan. Automaattikuvioinnin muodostamissa rajoissa on hyvin vähän eroja verrattuna manuaaliseen kuviointiin. (Molemmissa tapauksissa tiet ja vesialueet on rajattu manuaalisesti). Kuviointi Ajantasaisten kuviorajojen säilyttäminen tuottaa monelle metsäammattilaiselle päänvaivaa. Toimenpiteet kuvioilla ja luonnonilmiöt aiheuttavat jatkuvasti muutoksia kuvionrajaukseen. Manuaalinen kuvioiden piirtäminen satelliitti- tai ilmakuvalta on hidasta ja altista subjektiivisuudesta johtuvalle harhalle. Vaikka kuvioijat olisivatkin ammattilaisia, pilkkojat ja yhdistelijät muokkaavat kuviointia usein eri suuntiin. Arbonaut on panostanut merkittävästi automaattisen kuvioinnin kehittämiseen yhteistyössä metsäammattilaisten kanssa. Automaattinen kuviointi perustuu yhdistelmäkuvaan, joka muodostetaan käyttämällä LiDAR -aineistoa sekä ilmakuvaa. Kuviointi voi määräytyä esimerkiksi puuston pituuden, tiheyden ja lehtipuuosuuden mukaan. Automaattinen kuviointi on nopeaa, tehokasta ja objektiivista. Epätarkka tieto aiheuttaa turhia kustannuksia Operatiivisessa päätöksenteossa syntyy merkittäviä kustannuksia tiedon puutteen ja virheellisyyden vuoksi. Inventointitarkkuuden taloudellisten vaikutusten määrittäminen mahdollistaa oikean menetelmän valinnan. Esimerkiksi: Mitä operationaalisia kustannuksia aiheutuu, jos päätökset perustuvat tietoon, joka sisältää 15% virhettä ja on yli 10 vuotta vanhaa? Kuinka paljon voitaisiin hyötyä, jos virheen määrä putoaisi kahdeksaan prosenttiin ja saataisiin tuoretta tietoa kahden vuoden välein?

Sivu 6 Harvennusteemakartta, johon kuviotietokannasta on valittu kaikki sellaiset kuviot, joiden läpimitta ja tiheys ylittävät harvennusrajan. Tilavuuden lehtipuuosuus on teemoitettu harvennuskuvioilla. Teemakartat helpottavat sopivien kuvioiden etsintää ja leimikoiden suunnittelua. Tehokasta metsänhoitoa Kun metsävaratieto on ajantasaista, päätökset toimenpiteistä voidaan tehdä nopeasti käyttäen yksinkertaisia kyselyjä tietokannasta. ArboLiDAR tehostaa päätöksiä tekevän metsäammattilaisen työtä mahdollistamalla esimerkiksi kaikkien hakkuuta tai taimikonhoitoa vaativien kohteiden löytämisen nopeasti samalla kertaa. Yhdistämällä kuvioita, jotka täyttävät toimenpidevaatimukset ja sijaitsevat lähekkäin, voidaan saavuttaa lisää tehokkuutta myös toimenpiteiden suorittamiseen. Nyt toimenpidesuunnittelu voi siis tapahtua nopeasti sisätiloissa! Kun toimenpidesuunnitelma on tehty, voidaan maastossa tarkastaa normaalisti esimerkiksi tienvarsivarastojen paikat, tärkeät elinympäristöt ja muut erityiskohteet. Asiakkaiden saavuttamat kustannussäästöt jo pelkästään hakkuiden suunnittelussa ovat riittäneet puustotietojen päivityksestä LiDAR -inventoinnilla aiheutuneiden kustannusten kattamiseen. Tehokkuutta leimikon suunnitteluun Suomalaiset metsäammattilaiset ovat huomanneet, että siinä ajassa, joka ennen kului yhden hakkuusuunnitelman tekemiseen, saadaan nyt tehtyä viisi suunnitelmaa. Vanhan tiedon käyttäminen pakotti suunnittelijat tarkistamaan leimikoiden rajat kävellen, koska kuviotieto saattoi olla puutteellista.

Sivu 7 ArboLiDAR:in kyky erottaa puuston ominaisuuksia myös puulajeittain on ratkaisevan tärkeää boreaalisissa sekametsissä. Mitä LiDAR -inventoinnilta voi odottaa? Kun päätetään hankkia LiDAR aineistoon perustuva inventointi, on tärkeää määritellä kriteerit teknisille ominaisuuksille ja laadulle. Näin varmistetaan tulosten paras käytettävyys. Määrittele jo alussa, mihin ongelmaan haluat vastauksen. Minkälaisen päätöksenteon taustaksi tietoa tarvitaan? Millainen tieto on parasta tähän tarkoitukseen? Keskustelut tilaajan ja toimittajan välillä ovat tärkeitä, sillä ne auttavat toimittajaa ymmärtämään asiakkaan tarpeet ja vaadittavat laatukriteerit. Jos myydään pelkkiä teknisiä yksityiskohtia ilman kokonaisvaltaista asiakkaan toiveiden ymmärtämistä, hyvään lopputulokseen pääseminen on vaikeaa. on tärkeää arvioida projektin lopullista kokoa jo suunnittelun alkuvaiheessa. Onnistunut aineiston keruu vaatii myös tarpeeksi maastotyöpäiviä puuston kasvukaudella. Sääolot ovat tiedon luotettavuuden kannalta tärkeässä osassa. Alapilvet, paksu sumu ja kova tuuli voivat estää tiedon hankinnan kaukokartoitussensorin avulla. Sääolojen ja mahdollisten esteiden todennäköisyys on selvitettävä jo projektin alkuvaiheessa. Projektin läpinäkyvyys on keskeistä laadun tarkkailussa. Jos prosessin kulku on hämärän peitossa, asiakkaan on vaikea tarkistaa tulosten laatua. Vankka biometrinen perusta on välttämätön. Tilastollisesti pätevää informaatiota ei saavuteta automaattisen yksittäisten puiden tai kasvillisuuden tulkinnan kautta. Menetelmän täytyy toimia koko tarkasteltavalla alueella, tai sen täytyy osoittaa alueet, joilla se ei toimi odotusten mukaisesti. Kilpailuilla markkinoilla menestyäkseen laadun raportointi on olennaista. Laatuvaatimukset on asetettava niin tarkasti, ettei tuotannossa ole mahdollisuutta minkäänlaiseen oikomiseen. Toimittajan standardisoidut laaturaportit toimitetaan aina asiakkaalle. Toimivuus halutussa laajuudessa on aina varmistettava. Kaukokartoituksessa skaalaedut ovat tärkeitä. Jotta alueen laajuus olisi tarpeeksi suuri kustannustehokkuuden saavuttamiseksi, Suurempi projekti pienemmät kustannukset LiDAR -inventointi hyötyy inventoitavan alueen suuresta pinta-alasta. Laajentamalla projektin kokoa, ja yhtenäistämällä prosessoitavaa aluetta, vähennetään merkittävästi tulkinnan hehtaarikohtaista hintaa.

ArboLiDAR tarjoaa inventointiratkaisuja tropiikin plantaaseilta boreaalisen vyöhykkeen talousmetsiin. Oy Arbonaut Ltd Koskikatu 5 B FIN-80100 JOENSUU FINLAND Tel. +358 13 259 1911 Fax. +358 13 259 1943 www.arbonaut.com sales@arbonaut.com