Metsistä saatavalle tarkalle tiedolle on tarvetta. Se tarjoaa metsänomistajille, viranomaisille ja päättäjille keinoja taloudellisesti kannattavampaan ja ekologisesti kestävämpään päätöksentekoon. Osana Suomen Akatemian ja EU:n rahoittamaa tutkimusta Maanmittauslaitoksen Paikkatietokeskus FGI:n tutkijat kehittävät yhteistyössä useiden yliopistojen tutkijoiden kanssa menetelmiä yksittäisten puulajien tunnistamiseen uudella tavalla.
Uudet menetelmät soveltuvat erityisen hyvin korkealaatuisten puulajireferenssiaineistojen tuottamiseen aiempia menetelmiä nopeammin ja kattavammin.
Parhaimmillaan puulajien tunnistus onnistui erittäin tiheästä laserkeilausaineistosta, josta syväoppiminen auttoi tunnistamaan 9 puulajia: mänty, koivu, kuusi, haapa, pihlaja, leppä, tammi, lehmus ja vaahtera. Nämä puut tunnistettiin keskimäärin 92 prosentin tarkkuudella. Tunnistustarkkuus parani uuden menetelmän avulla myös harvemmassa aineistossa.
Monikanavainen laserkeilaus lähellä ilmakuvien tarkkuutta
Viimeisten 15 vuoden aikana metsävaratiedon tuotannossa on siirrytty laserkeilaukseen, ilmakuviin ja koealamittauksiin perustuvaan menetelmään. Puulajien tulkinta on kuitenkin tähän saakka ollut haastavaa. Tutkimuksen tulokset olivat osittain odotusten mukaisia, eli monikanavaisen laserkeilauksen puulajitulkinnan tarkkuus on lähellä ilmakuvien tarkkuutta, ja kone- ja syväoppimismenetelmillä tarkkuutta pystytään parantamaan, kertoo professori Markus Holopainen Helsingin yliopistosta.
Maanmittauslaitoksen Paikkatietokeskus FGI:n vanhempi tutkija Jofef Taher huomauttaa, että monikanavaisella laserkeilauksella pystytään tunnistamaan metsästä biodiversiteetin ja uudistumisen kannalta keskeiset pienet puut sekä lehtipuulajit ylivoimaisesti aiempia menetelmiä paremmin. Tulokset puulajien tunnistuksessa kannustavat kehittämään menetelmää eteenpäin ja ne tarjoavat mahdollisuuksia skaalata puulajien tunnistusta valtakunnallisesti.
– Maanmittauslaitoksen keräämää laserkeilausaineistoa voidaan käyttää tulevaisuudessa koulutusaineistona syvä- ja koneoppimismalleilla, jotka voidaan kouluttaa ennustamaan puulajit koko Suomen laajuisesti, Taher kertoo.
Metsätalouden ilmasto- ja biodiversiteettitavoitteet edellyttävät entistä tarkempaa tietoa metsien rakenteesta ja lajistosta. Tarkempi puulajitieto auttaa tekemään päätöksiä tiedon pohjalta.
– Taloutta, monimuotoisuutta ja hiilitasetta tulisi tarkastella samanaikaisesti ja huomioida näiden vaikutukset. Puulajitiedon tarkentaminen on yksi tapa päästä entistäkin parempaan päätöksentekoon, toteaa Markus Holopainen.
