Selvitys lintujen akustisen seurannan työkalujen käyttömahdollisuuksista metsäalalla

Abstract

Linnuston tila on heikentynyt Suomessa ja metsätaloudella on ollut siihen vaikutuksensa. Uusia keinoja lintujen huomioimiseen metsätalouden toimenpiteissä tarvitaan. Teknologia on kehittynyt merkittävästi ja tekoälyä pystytään hyödyntämään metsäalallakin monissa tehtävissä. Metsäalalla ei kuitenkaan ollut paljon kokemusta akustisesta seurannasta.

Opinnäytetyössä selvitettiin akustisen seurannan ja nimenomaan tekoälyn avulla lintuja tunnistavien työkalujen käyttömahdollisuuksia metsäalalla. Opinnäytetyönä tuotiin uusia keinoja lintujen huomioimiseen metsätaloudessa. Opinnäytetyön toimeksiantajana toimi Mikon Metsäpalvelu Oy.

Tutkimustapana opinnäytetyössä oli asiantuntijahaastattelut, joita suoritettiin kymmenen kappaletta. Haastateltavat ovat metsäalan ammattilaisia lintuharrastus taustalla, lintuasiantuntijoita ja sovelluskehityksen asiantuntijoita. Haastatteluista saatu aineisto analysoitiin teoriaohjaavan sisällönanalyysin menetelmin.

Opinnäytetyön tuloksena saatiin käyttömahdollisuuksia akustiselle seurannalle ja tunnistettiin joitakin haasteita. Tuloksien mukaan merkittävimpiä käyttömahdollisuuksia ovat linnuston inventointi ja erilaisten karttatasojen mallinnus, joista olisi apua erilaisissa suunnittelutehtävissä metsäalalla. Lisäksi apua olisi metsätaloudessa huomioitavien lintulajien elinympäristöjen tunnistamisessa. Myös metsätalouden ulkopuolelta löydettiin käyttömahdollisuuksia, esimerkiksi tutkimuksessa ja suojelussa.

Opinnäytetyö tuotti hyviä lähtökohtia tulevaisuuden tutkimukseen. Jatkossa kannattaa tutkia tarkemmin yksittäisiä käyttömahdollisuuksia ja kerätä käytännön käyttökokemuksia akustisen seurannan työkalujen luotettavuudesta ja toimivuudesta metsäalan tehtävissä.

State of the birds in Finland has been deteriorating, and forestry has impacted this. New ways of taking birds into account in forestry measures are needed. Technology has developed significantly, and artificial intelligence can be utilised in many tasks in the forestry sector. However, there was not much experience with acoustic monitoring in the forestry sector.

The thesis examined the potential uses of acoustic monitoring and specifically, artificial intelligence-based bird recognition tools in the forestry sector. The aim was to identify new methods to observe birds in the forestry sector. The thesis was commissioned by Mikon Metsäpalvelu Oy.

The applied method in the study was expert interviews and the data was gathered with ten interviews. The interviewees were forestry professionals with a background in birding, bird experts and application development experts. The data was analysed using the method of theory-guided content analysis.

The thesis resulted in potential applications for acoustic monitoring and some challenges. According to the results, the most significant applications were bird inventory and modeling of different map layers, which would be helpful in various planning tasks in the forestry sector. In addition, it would be helpful in identifying bird species that need to be considered in forestry. Applications were also found outside of the forestry sector, for example in research and conservation.

The thesis produced a good starting point for future research. In the future, it is worth investigating individual application possibilities in more detail and gathering practical experience of the reliability and functionality of acoustic monitoring tools in various tasks in the forestry sector.