Laserkeilaus metsävarojen hallinnassa Markus Holopainen, geoinformatiikan professori, Helsingin Yliopisto - Metsähallitus Akatemia 10.6.2014, Joensuu www.helsinki.fi/mmtdk/esittely/uutiset/2012/120203_holopainen.html

1. Laserkeilaus metsävarojen hallinnassa
Metsähallitus Akatemia 10.6.2014
Markus Holopainen
Markus.holopainen@helsinki.fi

2. Laserkeilauksen huippuyksikkö
3D-tietoon perustuva täsmämetsätalous
Esimerkki menossa olevasta projektista
Forest Big Data / D2I
Esityksen sisältö
12.6.2014 2

3. • Finnish Geodetic Institute, Juha Hyyppä, Professor,
(Remote Sensing and Photogrammetry), Head of
Department, D.Sc. (El. Eng.),
Center of Excellence in Laser Scanning Research,
Coe_LaSR, 2014-2019, www.fgi.fi/coelasr
Department, D.Sc. (El. Eng.),
• University of Helsinki, Markus Holopainen, Professor
(Geoinformatics), D.Sc. (Surveying), PhD (Forest
Inventory),
• University of Oulu, Juha Kostamovaara, Academy
Professor (Electronics), Head of Electronics Laboratory
• Aalto University, Hannu Hyyppä, Head of Research,
Institute of Measuring and Modelling of Built
Environment, adjunct. prof., D.Sc. (Civ.Eng)

4. Laserkeilaus metsävaratiedon hankinnassa
taustaa (1/2)
• Paikkatiedon hankinta on metsävarojen
hallinnan suurin kustannuserä
• Lentolaserkeilaus on mahdollistanut
teknologiaharppauksen paikkatiedon
hankinnassa.hankinnassa.
• Laserkeilauksen avulla kohteesta
voidaan tuottaa geometrisesti tarkkaa
3D (x,y,z) –tietoa.
• Suomi on edelläkävijämaita
laserkeilauksen hyödyntämisessä
operatiivisessa maanmittauksessa ja
metsätaloudessa.
Laserkeilauksen tuottama 3D-aineisto: Digital
Terrain Model (DTM), Canopy Height Model
(CHM).
© Ville Kankare

5. Laserkeilaus metsävaratiedon hankinnassa taustaa (2/2):
Maanmittauslaitoksen (MML) valtakunnallinen
korkeusmallihanke
Esimerkki erilaisten korkeusmallien tarkkuudesta. Maanmittauslaitoksen vanhat korkeusmallit (yllä)
verrattuna lentolaserkeilauksen avulla tuotettuihin korkeusmalleihin (alla). Kuvan© J. Oksanen/GL

6. 3D-mittaukseen, kartoitukseen ja mallinnukseen
perustuva täsmämetsätalous ja sen avulla luotava
lisäarvo
– Kysymys: kuinka jalostaa entistä tarkemmasta tiedosta lisäarvoa?
– Vastaus: Lisäarvoa voidaan luoda metsä-, maankäyttö- ja puunjalostustieteiden
rajapinnoille
– Menetelmä: uusien arvoketjujen luominen 3D-mittauksiin perustuvan– Menetelmä: uusien arvoketjujen luominen 3D-mittauksiin perustuvan
täsmämetsätalouden avulla
• Täsmämetsätalous (precision forestry) = Yksityiskohtaisen 3D-tiedon täysimääräinen
hyödyntäminen metsä- ja leimikkosuunnittelussa, puunkorjuussa, puunhankinnan
logistiikassa ja metsien biomassamuutosten sekä monimuotoisuuden seurannassa.

7. Uudet arvoketjut: operatiivinen metsä- ja leimikkosuunnittelu & puunkorjuu
• metsä- ja leimikkosuunnittelun sekä
metsävaratiedon
päivitysmenetelmien tarkentaminen
• Puunkorjuun tehostaminen
• Laadukkaiden leimikoiden kartoitus
• Jalostusarvoltaan arvokkaampien
lopputuotteiden kehittäminen
Kuvien© H. Hyyppä/Aalto, J. Hyyppä/GL, H. Kaartinen/GL, A. Kukko/GL

8. Uudet arvoketjut:
Laserkeilaukseen perustuva
muutostulkinta
TotalAGB vuonna 2012
6/12/2014
Ville Kankare, jatko-opiskelija,
Metsätieteiden laitos
8
Biomas
sa-
muutos:
∆TotalA
GB
= 2012-
2006

9. Uudet arvoketjut: Muutostulkintaan perustuva metsätuhojen kartoitus ja tuhoriskin
spatiaalinen mallinnus
Laserkeilausaineistot
Tuhokartoituksen ja
spatiaalisen GIS-mallinnuksen
perusteella tehty tuhoriskikarttaMyrskytuho
Kuvien© M. Vastaranta/HY, V.
Kankare/HY

10. Uudet arvoketjut: Metsäomaisuuden arvonmääritys
Tilan metsävaratieto
MML kauppahintatilastojen hyödyntäminen
Puuston kasvumallien tarkentaminen © X. Yu/GL
©H. Hyyppä/Aalto, J. Hyyppä/GL, H. Kaartinen/GL, A. Kukko/GL
Metsäomaisuuden
arvonmäärityksen
standardi
Keltainen: 2003
Punainen: 1998
Metsän arvonlaskennan tarkentaminen

11. • Maastomittauksia tarvitaan kaukokartoitusmittausten tukiaineistoksi, kalibrointiin ja tarkkuuden
arviointiin
• Maastomittausten tarkkuuden ja paikannettavuuden merkitys kasvaa siirryttäessä yksityiskohtaiseen
tulkintaan
• Maastolaserkeilaus (TLS)
– Miljoonia laserpisteitä yhdellä keilauksella, Jokaisella pikselillä on tarkka x,y,z –koordinaatti (3D)
• Mobiilit maastolasermittaukset (MLS)
– Puukartan tuottaminen joko erillisinventointina tai hakkuun yhteydessä
Uudet arvoketjut: Maastolasermittaukset
metsävarojen inventoinnissa
– Puukartan tuottaminen joko erillisinventointina tai hakkuun yhteydessä
• Tavoitteena metsävaratiedon päivitys yhdistämällä ALS, TLS, MLS ja hakkuukonetietoa kuvio- /
osakuvio- / koeala- / puutasolla
Kuvien © Kuvien © Antero Kukko/Harri
Kaartinen (FGI), Mikko Vastaranta (HY)

12. Laserkeilauksen huippuyksikkö/ Metsätieteisiin liittyviä
projekteja
2014-2015 Forest Big Data / Data to Intelligence (D2I), DIGILE/TEKES
2013-2014, Sustainable Bioenergy Solutions for Tomorrow (BEST), A joint research
program by CLEEN Oy and FIBIC Oy, Tekes
2014-2017, Unmanned Airborne Vehicle- based 4D remote sensing for mapping rain forest
biodiversity and Its change in Brazil, SA (Hyyppä et al.)
2013-2015, Advanced Techniques for Forest Biomass and Biomass Change Mapping Using
Novel Combination of Active Remote Sensing Sensors, EU/ESA (Hyyppä et al.)Novel Combination of Active Remote Sensing Sensors, EU/ESA (Hyyppä et al.)
2012-2014 GeoIT methods in management of natural hazards, Funding by ministry of
agriculture and forestry (Hyyppä et al.)
2011-2014 Science and technology towards precision forestry, SA (Holopainen & Hyyppä)
2011-2014 Laser scanning in management of urban forests. Funding by the city of Helsinki
(Holopainen)
2012-2014 Forest above-ground biomass inventory by means of laser scanning. Funding
by the Foresters Foundation (Kankare)
2014-2016 The use of NLS ALS data in forest mapping and monitoring (Vauhkonen), HY

13. Forest Big Data (D2I) partners
Companies Research organisations
Arbonaut
Metsähallitus
Metsäliitto
Metsäteho
Ponsse
Savcor
Aalto University
Finnish Geodetic Institute (FGI)
METLA
Tampere University of Technology (TUT)
University of Helsinki (UH)
VTT
13
Savcor
Stora Enso
UPM
+ The Finnish Forest Centre
VTT

14. Forest Big Data -visio
Electrical timber trade
Quality-based pricing
DSS
14

15. HY:n / GL:n visio:
Tulevaisuuden metsävaratieto – Ajantasainen
hilatason inventointi + runkolukusarjan tarkentaminen
puukohtaisella tiedolla

16. TLS
Tree map,
species
Remote
Sensing
SAR
Reference
data
Harvester
2D-
scanning
MLS
TLS
MLS
Callipers
etc.
First thinning
Prior second thinning
or clear-cut
Vision: tree attribute update using
Multisource single tree inventory
(MS-STI, Vastaranta et al. 2014)
12.6.2014 16
Aerial
images
ALS
Tree
Attribute
Update
Tree qualityStem
distribution
Harvester
etc.

17. Yhteenveto:
Laserkeilauksen nykyisyys ja tulevaisuuden
mahdollisuuksia
3D-kaukokartoitus (aluepohjainen ALS-
inventointi, ALS-ABA) arkipäivää
Maastolaserkeilaus (TLS/MLS) lähellä
operatiivista toimintaa
Aluepohjaisen ABA-inventoinnin hyödyntäminen
–lisäarvoa:
mm. hakkuukohteiden paikantaminen
Puukauppa, metsän arvonmääritys,
energiapuuenergiapuu
Puutavaralajit ja laatutunnukset
teoreettisten mallien kautta
Seuraavan sukupolven inventointi- ja
metsäsuunnittelujärjestelmän kehittäminen
Monilähteinen yksinpuintulkinta (MSI)
Runkolukusarjat & laatutunnukset
Metsävaratiedon päivitys
Tarkkaan tietoon perustuvat
paikkatietoanalyysit, esim. korjuuolosuhteet
Lisäarvo?!

18. Our vision: multiphase samling using 3D measurements-
from tree to global level
© H. Kaartinen/GL, M.Holopainen/HY, M.Vastaranta/HY