Drone kartoittaa väsymättä koko harvennusleimikon ajouratunnukset

Stora Enso ja Helsingin yliopisto selvittivät dronen soveltuvuutta ajouratunnusten määrittämiseen harvennushakkuilla. Tehdyssä tutkimuksessa drone mittasi tarkasti ja tehokkaasti ajouravälit sekä ajourapainumat koko harvennusleimikosta. Sen sijaan ajourien leveyksiä ei pystytty luotettavasti mittaamaan dronella. 

(kuva: Tutkimusleimikot lennettiin nelipropellisella Phantom 4 Pro -dronella, jossa oli 20 megapikselin kamera, kuva: Markus Haapamäki)

Kymmenen viime vuoden aikana Suomessa on tehty harvennushakkuita keskimäärin 472 000 hehtaaria/vuosi. Kahden viime vuoden aikana määrä on hieman noussut: ensiharvennusten ja myöhempien harvennusten pinta-alat ovat olleet yhteensä yli puoli miljoonaa hehtaaria/vuosi. Vastaavasti naapurimaassamme Ruotsissa vuotuiset harvennushakkuupinta-alat ovat olleet viime vuosina yhteensä runsaat 300 000 hehtaaria. Harvennushakkuilla ajourat ovat erittäin merkittävässä roolissa, sillä ne määrittävät kasvamaan jätetyn puuston käytössä olevan pinta-alan ja lisäksi vaikuttavat erittäin olennaisesti puunkorjuun onnistumiseen sekä työn tuottavuuden että laadun kautta. 

Ajouraverkosto muodostetaan peittämään koko harvennusleimikko minimoiden lähikuljetusmatka ja jäävän puuston vaurioituminen. Ajouraverkoston yhteenlaskettu pinta-ala on yli viidennes, jopa yli neljännes leimikon kokonaispinta-alasta. Harvennushakkuiden korjuujälkeä ajouratunnusten osalta arvioidaan ajourapainumien sekä ajourien leveyksien ja ajouravälien perusteella. 

(kuvat: Esimerkki tutkimuksessa tuotetusta ajouraverkostokartasta (ylhäällä) yhdeltä harvennuskuviolta sekä ortomosaiikkikuva (oikealla) samasta harvennusleimikosta. Ajouraverkostokartassa on keltaisille ajourille korostettu punaisella värillä yli 20 senttimetriä syvät ajourapainumat (verrattuna referenssimaanpinnan korkeuteen). Kartassa ajourien ympärille on merkitty sinisellä ajouran keskustasta 2,5-8 metrin, keltaisella 8-9 metrin, punaisella 9-12 metrin ja harmaalla yli 12 metrin etäisyydet osoittamaan ajourien väliä suhteessa toisiinsa.)

Koealakohtainen inventointi antaa näytteen korjuujäljestä

Ajouratunnukset mitataan nykyään koealakohtaisesti korjuujälkimittauksissa: tarkastettavalle harvennuskuviolle sijoitetaan noin kymmenen koealaa sen pisimmän halkaisijan suuntaisesti. Tämä merkitsee sitä, että vain pieni osa ajourista mitataan.  

Täten viivamainen korjuujälkikoeala-asettelu saattaa tuottaa vain yhden mittauksen raskaasti kuormitetuille kokoojaurille, jolloin suurimmat ajourapainumat jäävät mittausten ulkopuolelle. Toisaalta korjuujälkikoealat saattavat myös painottua harvennusleimikon heikosti kantavimpiin tai geometrialtaan ajouraverkoston muodostamiselle haasteellisimpiin paikkoihin.

Drone - väsymätön mittausapulainen

Linjamaista koealaotantaa tarkempi mittausmenetelmä tutkia ajouratunnuksia olisi harvennusleimikon kokonaisvaltaisempi mittaaminen, jolloin virhelähteiden määrä tasoittuisi useamman mittauksen myötä. Harvennuskuvion ajouraverkoston kokonaisvaltainen mittaaminen miestyönä olisi kuitenkin hyvin työlästä, ja etenkin suuremmilla alueilla käytännössä lähes mahdotonta. 

Yksi ratkaisu on hyödyntää ajouraverkoston laajamittaiseen mittaamiseen kymmenen viime vuoden aikana nopeassa kehityksessä ollutta drone-kalustoa. Stora Enson toimeksiannosta selvitettiin dronen soveltuvuutta ajouratunnusten mittaamisessa harvennushakkuilla. 

- Jimi Rajajärvi teki tutkimuksesta pro gradu -työnsä Helsingin yliopistoon, kertoo Pekka Alajärvi Stora Ensosta. 

Aiemmin kirjanpainajia jahdattu dronella

Stora Enso on aiemmin tutkinut dronen hyödyntämistä myös kirjanpainajakuoriaisten aiheuttamien vahinkojen selvittämisessä. Droneen kytketty multispektrikamera kykenee yläilmoista tunnistamaan puut, joiden nestekierto on häiriintynyt. Kirjanpainajat syövät kuusen nilakerrosta ja katkaisevat nestevirtaukset puun rungolla, jolloin kuusi ennen pitkää kuivaa pystyyn. 

- Multispektrikameran kuvissa kirjanpainajille altistuneet puut näkyvät erivärisinä kuin terveet puut, paljastaa Mika Korvenranta Stora Ensosta.

Ajouravälit ja -painumat saatiin selville

Tutkimus osoitti, että dronella tiheästi ilmasta otetuista valokuvista muodostettu fotogrammetrinen pistepilvi on alhaisten kustannustensa ansioista tehokas ja nopea tapa saada kattavaa aineistoa harvennusleimikon ajouraverkostosta. 

- Tutkimuksessa kyettiin erittäin tarkasti määrittämään ajouravälit. Lisäksi syvimpien ajourapainumien sijainnit pystyttiin paikallistamaan tutkimuksessa, kertoo Jimi Rajajärvi.

Tutkimus tarjosi myös mahdollisuuden mitata ajouraverkoston kokonaispituus luotettavasti sekä tarkastella harventamatta jääneitä alueita hakkuukoneen puomin teoreettisen ulottuman ylittäviltä alueilta. Tutkimuksessa yhteenlaskettu ajouraverkoston pituus mitatuilla harvennuskuvoilla oli lähes 11 kilometriä, ja kuviokohtainen ajouraverkoston pituus oli keskimäärin 995 metriä. Ajouraa per hehtaari tut- kimuksen harvennusleimikoissa oli keskimäärin 579 metriä. 

Tutkimuksessa ei onnistuttu tuottamaan luotettavaa estimaattia keskimääräiselle ajouraleveydelle harvennustyömaalla. 

- Ongelmaksi muodostui vähäinen pisteiden lukumäärä puiden latvuksien peittämistä rungoista, mikä aiheutti mainitut haasteet ajouran leveyden mitta- uksessa, alleviivaa Jimi Rajajärvi. 

Kohti läpinäkyvämpää puunkorjuuta

Tutkimuksessa tuotettiin harvennusleimikoista kokonaiskuva, miten puunkorjuussa onnistuttiin ajouraverkon luonnissa ja edelleen ajourapainumien minimoinnissa. Tutkimuksessa hahmoteltu korjuujäljen loppuraportti koostuu siis sekä numerodatasta mutta myös karttatiedosta, jolla puunkorjuuyrittäjä voi osoittaa sekä onnistumiset että ongelmakohdat harvennusleimikon korjuussa ilman erillistä maastokäyntiä. 

- Voidaan visioida, että tulevaisuudessa kuormatraktorin kuljettaja laittaa ennen viimeisen kuorman ajamista dronen kuvaamaan harvennusleimikon ennalta määritetyn lentosuunnitelman mukaisesti, ennustaa Kalle Kärhä Stora Ensosta. 

Dronella otetut kuvat latautuvat suoraan pilvipalveluun ja prosessoitavaksi, minkä jälkeen automaattisella kuvatulkinnalla löydettyjen ajourien keskilinjojen avulla saadaan tuotettua yhteenveto ajouraverkoston onnistumisesta sekä mahdollisesti jopa korjuujäljestä kokonaisuudessaan. 

- Paikkatietoon sidottu korjuun loppuraportointi harvennustyömaalta lähtee automaattisesti metsänomistajalle, metsäyritykselle, puunkorjuuyritykselle sekä Suomen metsäkeskukseen, listaa Kärhä ja jatkaa: Visionmukainen teknologiakehitys vie harvennuspuun korjuun laadunhallinnan aidosti digiaikaan ja kohti nykyistä parempaa korjuujälkeä ja näin säästää luontoa sekä kustannuksia tehden puunkorjuusta entistäkin tehokkaampaa, kestävämpää ja läpinäkyvämpää.

***

Näin tutkimus tehtiin:

Tutkimuksessa käytetty drone oli neljällä propellilla varustettu Phantom 4 Pro -nelikopteri, jossa oli 20 megapikselin kamera. Tutkimuksessa oli yhteensä neljätoista harvennusleimikkoa Kaakkois-Suomesta. Tutkimuksen harvennuskuviot olivat kooltaan keskimäärin 1,6 hehtaaria, ja niiden kokonaispinta-ala oli yhteensä 22,7 hehtaaria.

Tutkimuksessa ajouratunnusten referenssiaineiston keräys tehtiin miestyönä Suomen metsäkeskuksen harvennusten korjuujäljen inventointimenetelmän mukaisesti syksyllä 2019, minkä jälkeen harvennuskuviot kuvattiin dronella. Lentokorkeutena drone-lennoissa käytettiin 80 metriä.

Drone-kuvamateriaali käsiteltiin Agisoft Metashape Professional Edition -sovelluksella. Sen jälkeen muodostettuja pistepilviä analysoitiin CloudCompare-sovelluksella. Ajourapainumatarkasteluissa ajouran keskeltä 30 senttimetrin kaistaletta sekä ajourien reunamaata (eli ajouran keskustasta 2,5 metrin päästä molemmin puolin) käytettiin referenssimaanpinnan korkeutena. Tätä referenssimaanpinnan korkeutta verrattiin korjuussa syntyneisiin ajoura-painumiin.