Korjuukelpoisuuskartat käyttöön - Anne Seppänen

Korjuukelpoisuuskartat käyttöön

Metsätieto ja sähköiset palveluthankkeen välitulosseminaari

7.3.2017

Anne SeppänenArbonaut

Taustaa ja tavoite•Korjuukelpoisuuskarttojen kehittäminen aloitettiin Tekesin Data to Intelligence (D2I):n Forest Big Data -hankkeessa, jossa kehittämiseen osallistuivat Suomen metsäkeskus, Metsäteho osakkaineen ja Arbonaut

•Puunkorjuun kausivaihtelu aiheuttaa huomattavia kustannuksia

•Korjuukelpoisuuskartat yksi tapa pienentää kausivaihtelua• Parempi tieto milloin millekin korjuukohteelle

voi mennä• Kelirikko- ja kesäkohteiden parempi löytäminen

Yleistä menetelmästä

• Staattinen malli, jolla ennustetaan korjuukelpoisuutta• Ei huomioi esim. sääolosuhteita tai kohteen

saavutettavuutta; ne on tason käyttäjän huomioitava suunnitellessaan toteutusta

• Lopullinen luokitus vielä pohdinnan alla

• Pikselitason tieto, resoluutio 16 x 16 m (yhteensopiva SMK:n hilan kanssa)

Mallin selittäjätMalli perustuu MML:n avoimien paikkatietoaineistojen hyödyntämiseen, ei tarvitse tehdä aineistohankintaa

•Kivennäismaa/turvemaa –rajaus: maastotietokannasta

•Kosteusindeksi: perustuu topografiaan, johdetaan tarkasta maanpinnan korkeusmallista

•Kasvillisuuden määrä: laserkeilausaineistosta

•Ojien kuivavara-analyysi: yhdistämällä maastotietokannan ojat ja laserkeilausaineisto

Korjuukelpoisuuden maastohavainnot•Alkuperäinen maastokoeala-aineisto Suomen metsäkeskuksen keräämä 4 alueelta, n=296•Palautekysely käytännön toimijoille: palauteaineisto 4 suuralueelta 115 korjuulohkoa, 856 koealapistettä•Yhteensä aineistoa mallin testaamiseen ja kehittämiseen 1152 koealaa/pistettä 5 alueelta

Korjuukelpoisuuden maastohavainnot, palautekysely• Yhteensä 115 lohkoa, 631 ha, 1/3

turvemaalla ja 2/3 kivennäismaalla• Arvioitiin ennusteen osuvuutta

ja virhelähteitä lohkotasolla• Lohkoilla 856 pistehavaintoa

• Ennustettu ja todellinen kk-luokka pikselitasolla

• Mallia kehitettiin havaintojen perusteella

• Tavoitteena oli poistaa selkeät virheet ja parantaa mallin yleistettävyyttä

Mallin kehittäminen• Havaintojen perusteella

• Soistuma siirrettiin turvemaaluokasta kivennäismaaluokkaan

• Mallin muotoa muutettiin niin, että se ennustaa rohkeammin kesäkorjuukelpoisia kohteita

• Malli perustuu selittävien piirteiden luokitteluun:1. Kivennäismaa/turvemaa -jaotus2. Ensin luokitus kosteusindeksin perusteella3. Luokan parantaminen/heikentäminen raja-arvoilla

• kivennäismaat: kosteusindeksi ja puuston määrä• turvemaat: kosteusindeksi, puuston määrä ja ojien

kuivavara(Kosteusindeksi vaiheessa 3 vain muutosta rajoittavana tekijänä, eli jos

kosteusindeksin mukaan kohde on hyvin kostea, luokkaa ei paranneta ja jos kohde hyvin kuiva, luokkaa ei huononneta)

Mallin luokitustarkkuus ja johtopäätökset• Osuvuus lohkotasolla maastohavaintojen perusteella

• Kivennäismaat: yli 90% oikein• Turvemaat: 2/3 oikein

• Toimijoiden havaintojen perusteella malli tuottaa suunnittelun tarpeisiin kohtuullisen hyvän arvion korjuukelpoisuudesta• Selkeät talvikohteet erottuvat• Paikkaa hyvin paikallistuntemuksen puutteita• Parhaimmillaan, kun etsitään isommasta turvemaa-

keskittymästä lupaavimpia kesäkorjuuseen soveltuvia alueita

• Korjuun toteutusvaiheessa tarvitaan kuitenkin dynaamisempaa tietoa, jossa mukana mm. sääolosuhteet

ei metsämaakelirikkonormaali kesä kuiva kesätalviturvemaan kesäkohde

http://meolo.arbonaut.com/meolo/

Miten kartat käyttöön?•Suomen metsäkeskus tuotteistaa ja jakelee•Tuotantoaikataulu ja alueet tarkentuvat myöhemmin, alustava arvio tuotanto-suunnitelmasta:

• SMK:n tuottaa 2013 ja sitä myöhemmin keilatuille puustotulkituille alueille

• Vuonna 2017 tehdään noin 20 aluetta, alkukesästä jakelussa ensimmäiset alueet

Miten kartat käyttöön?• Taso on mahdollista tehdä myös vanhemmille keilauksille

• Taso kestää aikaa kohtalaisen hyvin, mutta vaatii päivitystä lähinnä hakkuiden ja kunnostusojituksen seurauksena

• Hakkuun jälkeen tason päivitys ajankohtainen kuitenkin vasta ennen seuraavaa hakkuuta

• Jakelu• Alustava suunnitelma: Suomen metsäkeskus jakaa

ArcGIS Onlinen kautta rasterina (WMS- rajapinnalta) ja hilan ominaisuustietona SMK:n omien rajapintojen kautta

• Saadaan jakeluun rasterina nopeasti• Jakelu hilan ominaisuustietona menee myöhempään

ajankohtaan

JatkokehitysNykyisen tason pitkän aikavälin kehitysideoita:•Maalajin ml. kivisyys huomioiminen

• Tällä hetkellä vain kivennäismaa/turvemaa-jaolla• Saatavilla ei ole kattavasti riittävän tarkkaa tietoa

maalajista• Dynaamisuuden lisääminen tasoon

• Esimerkiksi säätilan vaikutuksen huomioiminen

Kiitos!http://www.arbonaut.com

anne.seppanen@arbonaut.com