Tekoäly tukemaan monikäyttömetsien toimenpidesuunnittelua
Metsähallituksen suunnittelijat saavat käyttöönsä tekoälyn tuottamat puutavaralajiennusteet.
Ennusteet ovat ensimmäinen tekoälyn tuottama tausta-aineisto, jonka avulla pyritään helpottamaan suunnittelijoiden työtä.
Metsähallitus on selvittänyt mahdollisuuksia hyödyntää tekoälyä metsäsuunnittelun tukena jo parin vuoden ajan yhdessä Collective-Crunch Oy:n kanssa.
– Suunnittelijoiden on otettava työssään huomioon monia eri näkökohtia, ja suunnittelussa tarvittavan taustatiedon määrä on kasvanut. Tekoälyn avulla pyritään vähentämään metsässä tehtäviä mittauksia ja vapauttamaan suunnittelijan aikaa sellaisiin suunnittelun osa-alueisiin, joihin tekoäly ei pysty, kuten luonnon monimuotoisuuden edistämiseen ja sidosryhmien osallistamiseen, kertoo kehittämisasiantuntija Kari Louhisalmi Metsähallitus Metsätalous Oy:stä.
Projektin käynnistyessä ei ollut tarkkaa käsitystä tekoälyn tarjoamista mahdollisuuksista, minkä vuoksi yhteistyökumppani valittiin innovaatiokumppanimallilla.
– Tällaisessa kehittämisessä ei alussa tiedetä, millaisiin tuloksiin lopulta päädytään. Työ on osoittautunut odotettua haastavammaksi, ja se on vienyt aikaa, Louhisalmi kertoo.
Tänä syksynä suunnittelijat saavat testattavaksi ensimmäisen tekoälyllä tuotetun datan – puutavaralajiennusteet. Ennustetta voidaan hyödyntää hakkuusta kertyvän puuston ja sen puutavaralajijakauman arviointiin. Tarkemmilla puutavaralajiennusteilla on merkittävä vaikutus Metsätalous Oy:n kaikkiin prosesseihin ja asiakkaiden palvelemiseen. Tekoälyn avulla metsikkökohtaisesti tarkentuva ennuste tehostaa koko toimitusketjua hakkuutoimenpiteiden ja puunkorjuun suunnittelusta ja toteutuksesta puutavaran toimittamiseen asiakkaille.
Ennusteissa vielä kehitettävää
Kymmenen metsätalouden suunnittelijaa eri puolilta maata on testannut tekoälyn tuottamia puutavaralajiennusteita viime talvesta lähtien.
– Ennusteessa on vielä kehitettävää, eikä se sovellu kaikkiin hakkuutapoihin. Päätimme kuitenkin laajentaa sen käyttöä, jotta saamme lisää käyttökokemuksia ja tietoa ennusteen toimivuudesta erilaisissa olosuhteissa, Louhisalmi kertoo.
Tekoälyn avulla
pyritään vähentämään
metsässä tehtäviä
mittauksia.
Tekoäly pystyy yhdistelemään eri tietolähteistä kerättyä tietoa ja käsittelemään valtavia datamääriä. Ennustemalli on laadittu CollectiveCrunchin tekoälyalgoritmeilla. Mallin laatimisessa on käytetty lähtöaineistona kaukokartoitettua metsävaratietoa useista eri tietolähteistä, ja tekoälyä on opetettu tekemään tarkempia ennusteita hakkuukoneista kerätyn toteutustiedon avulla. Tietoja kerätään lähes kaikista Metsähallituksen mailla työskentelevistä monitoimikoneista.
– Ennuste tarkentuu sitä mukaa, kun saamme lisää GPS-paikannettua, runkokohtaista toteutustietoa eri puolilta maata. Myös suunnittelijoilta saatava palaute on erittäin tärkeää.
Järvi-Suomen metsätiimin suunnittelija Arto Nygren on testannut puutavaralajiennusteita viime maaliskuusta lähtien. Hän vertaa tilannetta siihen, kun ensimmäiset laserkeilausaineistot otettiin käyttöön.
– Suunnittelijan täytyy rauhassa tutustua ennusteisiin ja verrata niitä omiin arvioihinsa. Siten oppii tunnistamaan, minkälaisessa metsässä ennuste toimii. Etelä-Suomessa ennusteet alkavat olla kohtuullisen hyviä tasarakenteisissa, selkeäpiirteisissä metsissä, mutta vielä niiden antamaan arvioon ei voi täysin luottaa. Mitä kompleksisempi metsän kuva ja rakenne on, sitä enemmän ennusteessa on vielä korjaamista, Nygren kertoo.
Haasteena hakkuutapojen moninaisuus
Yhtenä haasteena on Metsähallituksen toiminnan maantieteellinen laajuus ja hakkuutapojen moninaisuus.
– Varsinkin Lapissa tehdään paljon siemenpuuhakkuita, ylispuiden poistoa ja muita erikoishakkuita. Niissä ennustetta ei voi vielä hyödyntää, kertoo Rovaniemen ympäristössä suunnittelijana toimiva Harri Taivalkoski.
Nygren ja Taivalkoski ovat aiemminkin verranneet omia hakkuukertymäarvioita toteutuneista hakkuista kertyneisiin puumääriin.
– Hakkuukertymän arviointi on tärkeä osa leimikon suunnittelua, sillä luotettavat kertymäarviot parantavat myös puun korjuun ja toimitusten suunnittelua ja toteutusta. Suunnittelijan työhön kuuluu paljon muutakin, joten on ihan hyvä, jos aikaa vapautuu tulevaisuudessa muihin osaalueisiin, Taivalkoski toteaa.
Puutavaralajiennusteen lisäksi projektissa on selvitetty tekoälyn hyödyntämistä taimikonhoitotarpeen arvioinnissa. Sen kehittämistä on tarkoitus jatkaa talven aikana.
– Yhteenvetona voi sanoa, että alun haasteista huolimatta uskomme, että kehittämistä kannattaa jatkaa ja että tekoälyn avulla voidaan tuottaa lisäarvoa metsäsuunnitteluun, Louhisalmi sanoo.
Myös Nygren ja Taivalkoski arvioivat tekoälyn helpottavan suunnittelijan työtä tulevaisuudessa, kunhan ennusteet saadaan riittävän luotettaviksi.
– Erityisesti, jos taimikonhoitotarpeen arviointi saadaan toimimaan, vähentäisi se tarpeettomia tarkistuskäyntejä, Nygren pohtii.
TEKSTI SARI HILTUNEN • KUVA OLLI AUTONEN
JAA ARTIKKELI: