Puunostossa ja leimikon suunnittelussa tarvitaan tarkkaa tietoa puutavaralajikertymistä sekä tukkipuun laatuominaisuuksista. Kaukokartoitusperusteisessa metsänarvioinnissa on kuitenkin vielä puutteita varsinkin puuston laatuun liittyen. Tuore tutkimus pyrkii tarkentamaan kaukokartoitukseen perustuvan metsävaratiedon tarkkuutta hakkuukonetiedon ja avoimen big geodatan avulla.
Väitöskirjatutkija Ville Vähä-Kongan tutkimus antaa välineitä tehokkaampaan puunhankinnan suunnitteluun ja operatiiviseen toimintaan leimikkotasolla.
Suomen metsäkeskuksen metsänomistajille ja metsäammattilaisille suunnatun Metsään.fi-palvelun kaukokartoitustieto on tarkkaa, mutta puun laatuun liittyvässä tiedossa on vielä kehitettävää. Vähä-Kongan tutkimus tarkentaa Metsään.fi-tietoa puutavaralajien osalta.
Tutkimuksessa hyödynnettiin Stora Enson yhteensä 683 avohakkuukohteelta saatua hakkuukertymätietoa. Operatiivista hakkuukonetietoa ei ole käytetty ennen tässä mittakaavassa tieteellisessä tutkimuksessa.
Tutkimuskohteet sijaitsivat Itä-Suomessa ja osin alueilla, joissa on ollut laajoja kaarnakuoriaistuhoja. Tuhojen seurauksena tukkikokoinen puu saattaakin päätyä kuitu- tai energiapuuksi, ja tällä on kustannusvaikutuksia niin metsänomistajalle kuin puunostajallekin.
Tutkimuksessa metsävaratietoa pyrittiin tarkentamaan mallintamalla laajan geodatan avulla, jossa oli mukana muuttujia esimerkiksi satelliittikuvamosaiikista ja monilähteisestä valtakunnan metsien inventoinnista laserkeilaukseen pohjautuvan tiedon lisäksi. Vaihtoehtoisia selittäviä muuttujia oli lähes kaksisataa kappaletta.
Tulosten perusteella puutavaralajiennusteiden tarkkuus parani. Erityisesti havusahatukkikertymät olivat tarkempia verrattuna aiempiin tutkimustuloksiin. Ennusteet leimikon kokonaistukkikertymästä olivat hyvin tarkalla tasolla.
Tarkempi tieto lisää metsätalouden kustannustehokkuutta ja tehostaa puunhankinnan suunnittelua, sekä strategisella että operatiivisella tasolla. Lisäksi sillä voi olla päästöjä vähentäviä vaikutuksia, kun puunkorjuuoperaatiot voidaan keskittää korjuukohteille, joissa on haluttua puutavaralajia.
Aiemmissa osatutkimuksissa Vähä-Konka on tutkinut kuviotason Metsään.fi-tietoa sekä Trestima-älypuhelinsovelluksen tuottamaa tietoa, ja verrannut niitä hakkuukoneiden mittaamaan hakkuukertymätietoon. Kaikissa tutkimuksissa hakkuukonetieto on toiminut referenssinä ennustetulle tiedolle. Tulokset on esitelty Stora Enson henkilöstölle, jotka ovat hyödyntäneet tuloksia omassa toiminnassaan.
Vähä-Kongan tutkimus on osa Itä-Suomen yliopiston metsätieteiden osaston ja Stora Enson tutkimus- ja kehitysyhteistyötä. Se on myös osa maa- ja metsätalousministeriön rahoittamaa Kohti ilmastokestävämpää ja monimuotoisempaa puunkorjuuta sensoriteknologian ja tarkan paikkatiedon avulla (IlmoStar) -hanketta, jossa tehdään täsmämetsänhoidon ja -puunkorjuun kehitystä huomioiden metsäluonnon arvokkaat elinympäristöt sekä suojeltavat ja säästettävät luontokohteet aiempaa täsmällisemmin. Hanketta koordinoi Paikkatietokeskus (FGI), ja Itä-Suomen yliopiston lisäksi hankepartnereina ovat Luonnonvarakeskus (Luke) ja Ponsse Oyj. IlmoStar on osa Suomen Akatemian UNITE-Lippulaivaa, jossa tutkitaan ja kehitetään metsien, ihmisten ja koneiden vuorovaikutusta.
Lisätietoja:
Väitöskirjatutkija Ville Vähä-Konka, Itä-Suomen yliopisto, ville.vaha-konka@uef.fi, p. 040 704 3141
Professori Kalle Kärhä Itä-Suomen yliopisto, kalle.karha@uef.fi, p. 050 475 4772
Senior Manager Antti Kaartinen, Stora Enso, antti.kaartinen@storaenso.com, p. 040 592 3132
Artikkelin tiedot:
Ville Vähä-Konka, Lauri Korhonen, Kalle Kärhä, Matti Maltamo. Estimating timber assortment reduction and sawlog proportions with the application of harvester measurements and open big geodata. Trees, Forests and People. Volume 20, June 2025, 100811. https://doi.org/10.1016/j.tfp.2025.100811
