Metsätieto ja sähköiset palvelut -hankkeen välitulosseminaari Helsingissä 22.1.2018. Lisätietoa hallituksen kärkihankkeesta maa- ja metsätalousministeriön verkkosivuilla: http://mmm.fi/metsatieto-ja-sahkoiset-palvelut

1. HAKKUUKONEAINEISTON KÄYTTÖ
LASERKEILAUSINVENTOINNIN
OPETUSAINEISTONA
22/01/2018 1Atte Saukkola

2. 22/01/2018Atte Saukkola 2
Atte Saukkola
opintosuunta metsien arviointi
valmistun helmi-maaliskuussa 2018
Esittelen pro gradu-tutkielmani
tuloksia
ohjaaja Mikko Vastaranta

3. 22/01/2018Atte Saukkola 3
”Metsäkonetieto
puustotulkinnan apuaineistona”
”Metsäkonetiedon
välitys keskitettyyn
tietokantaan ja
tietokantasovelluspilotti”
Tätä tutkimusta on rahoitettu osana kahta hanketta:
Tutkimuksen tekivät yhteistyössä:

4. > MILJOONA
PUUTA/PÄIVÄ
22/01/2018Atte Saukkola 4

5. MAASTOKOEALA-
MITTAUKSET
• Kaikki puut mitataan mikäli
rinnankorkeus riittävä
• Mittasaksilla mitattava
rinnankorkeusläpimitta
• Puun pituus mitataan
hypsometrillä tai Vertexillä
• Puiden ikä määritetään
• Kasvupaikan tiedot
kirjataan
• Sijaintina koealan
keskipiste
• Tukki- tai kuitupuun
läpimittavaatimukset täyttävien
runkojen mitat tallennetaan
• Läpimitta ja mittauskohta
tallentuu 10 cm välein
• Puun pituus runkoprofiiliin
sovitetulta runkokäyrältä
• Ikää ei määritetä
• Kasvupaikan tietoja ei kirjata
• Hakkuukoneen sijainti
tallennetaan jokaisen puun
kaatohetkellä
22/01/2018Atte Saukkola 5
HAKKUUKONEELLA
MITATTU PUUTIETO

6. 22/01/2018Atte Saukkola 6

7. SOVELLUKSIA HAKKUUKONEEN
MITTAAMALLE PUUTIEDOLLE
22/01/2018 7Atte Saukkola

8. LATVUSSEGMENTTIEN JA
HAKKUUKONEEN MITTAUSTEN
YHDISTÄMINEN (HOLMGREN YM. 2012)
Hakkuukoneen keräämästä
runkotiedosta ja
lentolaserkeilaustiedosta
muodostuva tietokanta, jota
voitaisiin hyödyntää vielä
hakkaamattomien
leimikoiden puutietojen
ennustamiseen
22/01/2018Atte Saukkola 8

9. LEIMIKOIDEN LÄPIMITTAJAKAUMAN
ENNUSTAMINEN LASERKEILAUS- JA
HAKKUUKONEAINEISTOA KÄYTTÄEN (BARTH JA
HOLMGEN 2013)
22/01/2018Atte Saukkola 9

10. HAASTE AINEISTOJEN
YHTEISKÄYTÖSSÄ
22/01/2018 10Atte Saukkola

11. PUIDEN SIJAINNIN
TARKENTAMINEN
• Hakkuulaitteen paikantaminen hakkuukoneeseen
asennettujen anturien avulla
• Puomin suunnan ja etäisyyden mittaus puun
kaatohetkellä antureita hyödyntämällä
• Hakkuukoneen satelliittipaikannuksen sisältämän
virheen minimoiminen Metsäteho Oy:n
kehittämällä algoritmilla
• Testin mukaan sijainti tarkentui noin kolme metriä
• Koealakohtaisen pohjapinta-alan RMSE aleni noin
10 %
22/01/2018Atte Saukkola 11

12. Selvittää hakkuulaitteen paikantamisen vaikutus
uudistuskypsissä metsissä laserkeilauksen
avulla tehtyyn aluepohjaiseen
puustotulkintaan, jossa hyödynnetään
hakkuukoneella kerättyä puutietoa
• Paikannustapa ja koealan koko
• Hakkuukonekoealojen ja maastokoealojen
yhteiskäyttö puustotulkinnassa
TUTKIMUKSEN TAVOITE
22/01/2018Atte Saukkola 12

13. ALUEPOHJAINEN
PUUSTOTULKINTA
22/01/2018Atte Saukkola 13
Harvapulssinen ALS ja
ilmakuvat
Maastokoeala-aineisto

14. 22/01/2018Atte Saukkola 14

15. TUTKIMUSAINEISTOT (N=158 LEIMIKKOA)
22/01/2018Atte Saukkola 15

16. OPETUSAINEISTO (N=800 KOEALAA)
22/01/2018Atte Saukkola 16
Komatsu 931.1 –hakkuukoneella hakatut 8
päätehakkuuleimikkoa. 100 koealaa/leimikko.
Hakkuukoneen sijainnit Hakkuulaitteen sijainnit

17. 22/01/2018Atte Saukkola 17
r=9 m
A=255
m2
r=18 m
A=1018 m2
r=15,59 m
A=764 m2
r=12,73 m
A=509 m2

18. 22/01/2018Atte Saukkola 18

19. TESTIAINEISTO (N=150/78 LEIMIKKOA)
22/01/2018Atte Saukkola 19
Leimikkojen
puustotiedot
hakkuukonemittauksista
laskemalla
Rajattiin pois
testileimikot, jotka eivät
sisältyneet
opetusaineiston
pituuden ja pohjapinta-
alan vaihteluvälille.
Jäljelle jäi 78 leimikkoa.

20. PUUSTOTUNNUSTEN
LASKEMINEN HILARUUDUILLE
22/01/2018Atte Saukkola 20
K-MSN
Ennustetuilta hilaruuduilta
laskettujen ja hakkuukoneen
mittauksista laskettujen
leimikkotunnusten vertailu
• RMSE
• Harha

21. Hakkuulaitteen paikantamisen vaikutus leimikkotason
ennusteisiin
TULOKSET
22/01/2018Atte Saukkola 21

22. • Summatunnuksia (G, N, V, V tukki) ennustettaessa
hakkuulaitteen paikannus paransi leimikkotason ennusteiden
tarkkuutta, kun opetusaineiston koealakoko oli 250-500 m2.
• Keskiarvotunnuksissa (D, H) tai suuremmalla koealan koolla
vaikutusta ei ollut tai se oli negatiivinen.
22/01/2018Atte Saukkola 22
Tunnus Parannus (%-
yksikköä)
Saavutettu
RMSE-%
G 9,4 - 6,2 17,1 - 16,7
N 18,2 - 6,8 29,7 - 35,0
V 8,8 - 5,6 19,5 - 20,9
V tukki 4,9 - 4,1 20,0 - 21,7

23. 22/01/2018Atte Saukkola 23
Hakkuulaitteen paikannusta ja pientä koealakokoa
käyttämällä ei päästy tarkempiin tuloksiin, kuin ilman
hakkuulaitteen paikannusta ja suurta koealakokoa
(500-1000 m2) käyttämällä.
• Tiivistettynä:
• Hakkuulaitteen paikannus tarkentaa
leimikoiden puustotietoja, kun pyritään
käyttämään 16x16m - hilaruudun kokoista
koealaa.
• Kun koealakoko kasvaa, hakkuulaitteen
paikannuksen vaikutus häviää.

24. Hakkuukonekoealojen ja maastokoealojen yhteiskäyttö
puustotulkinnassa
TULOKSET
22/01/2018Atte Saukkola 24

25. • Koko analyysin tarkimmat leimikkotason
puustotunnukset saavutettiin käyttämällä 250-500
m2 hakkuukonekoealoja yhdessä
maastokoealojen kanssa.
• Poikkeuksena runkoluku, jolle tarkin ennuste
saatiin käyttämällä 750 m2
hakkuukonekoealakokoa ja vain
uudistuskypsistä metsistä mitattuja
maastokoealoja.
• Hakkuukonekoealojen ja maastokoealojen
yhteiskäytöllä saavutettiin puustotunnuksesta
riippuen 0,3 - 3,5 %-yksikön parannus verrattuna
pelkkien maastokoealojen käyttämiseen
puustotulkinnassa.
22/01/2018Atte Saukkola 25

26. JOHTOPÄÄTÖKSET
• Hakkuulaitteen paikantaminen tarkensi yksittäisen puun
sijaintia noin kolmella metrillä.
• Hakkuulaitteen paikannus tarkentaa leimikon puustoennusteita,
kun koealan koko on 250-500 m2.
• Kun koealakoko kasvaa, hakkuulaitteen paikannuksen vaikutus
häviää.
• Hakkuukonekoealojen ja maastokoealojen yhteiskäytöllä
pystyttiin hieman tarkentamaan puustoennusteita verrattuna
pelkkien maastokoealojen käyttöön.
• Edelleen tarkentaminen:
• Satelliittipaikannusvastaanottimen kehittäminen
• Puomin jatkovarren liikkeiden tallentaminen
22/01/2018Atte Saukkola 26