Tekoälyn hyödyntäminen taimikonhoitotarpeiden selvittämisessä

Abstract

Taimikonhoito on keskeinen työvaihe, jonka oikea-aikaisuus vaikuttaa merkittävästi metsän laatuun ja tulevan puuston arvoon. Laajoilla metsäalueilla hoitotarpeiden kartoittaminen on työlästä ja aikaa vievää. Tässä opinnäytetyössä tarkastellaan LeafPoint-toiminnanohjausjärjestelmän tekoälyyn pohjautuvan karttatason luotettavuutta taimikonhoidon tarpeiden osoittamisessa. Tekoälypohjaisesta karttatasosta saa näkyviin taimikon ja nuoren metsän hoitotarpeet, joita kartta näyttää satelliittikuviin perustuen.

Tutkimus toteutettiin yhteistyössä Metsähoitoyhdistys Pohjois-Pirkan kanssa Virtain alueella. Tutkimuksessa verrattiin tekoälypohjaisen karttatason osoittamien taimikonhoitokohteiden tilaa maastokäynneillä saatuihin tuloksiin. Tutkimusta varten kerättiin tietoa 20 maastokohteesta, joihin tekoäly on osoittanut taimikonhoitotarpeita. Maastokohteet valittiin satunnaisesti eri Virtain kylistä, sattumalta kaikki kohteet olivat kasvupaikkatyypiltään tuoreita kankaita.

Maastokäynneillä mitattiin taimikon runkoluku, puuston läpimitta, ikä ja pituus. Luotettavuutta tarkastellaan myös automaattisen markkinoinnin luomista varten, jolloin on oleellista, että taimikot ovat Metka-tukikelpoisia. Mittauksilla saatiin käsitys myös taimikonhoidon vaikeusluokituksista. Tutkimuksen tulokset osoittavat tekoälyn tuottavan luotettavaa tietoa taimikoiden tilasta. Jokainen taimikko oli hoidon tarpeessa ja osassa kuvioista taimikonhoito oli jo pahasti myöhässä. Järjestelmä tarjoaa mahdollisuuksia taimikonhoidon suunnittelun ja markkinoinnin tueksi.

Opinnäytetyö tarjoaa tietoa tekoälyn käytön soveltuvuudesta metsänhoidon tueksi ja hyödyntämismahdollisuuksista metsäasiantuntijoiden työssä. Jatkotutkimusta voisi suorittaa tekoälyn kehittyessä ja lisäominaisuuksien lisääntyessä samasta aiheesta myöhäisemmässä vaiheessa uudelleen. Toinen aihe voisi olla LeafPoint-järjestelmän tekoäly karttatason muiden ominaisuuksien luotettavuuden testaamisesta, esimerkiksi taimikon vaikeusluokituksen osalta.

Sapling stand management is a critical phase in forestry whose timeliness significantly affects the quality of the forest and the value of the future timber stock. Mapping management needs in large forest areas is laborious and time-consuming. This study examined the reliability of the LeafPoint management system’s AI-based map layer in indicating the need for sapling stand management.

The study was conducted in collaboration with the Forest Management Association Pohjois-Pirkka the Virrat region. The AI-generated map layer’s suggested management sites were compared to observations made during field visits. For the study the data was collected from 20 field sites which the artificial intelligence had indicated as needing sapling stand management.

During the field visits, the stem count, tree diameter, age and height of the sapling stands were measured. For marketing purposes, it is essential that the sapling stands are eligible for Metka support. The results of the study showed that artificial intelligence produces reliable information on the condition of sapling stands. Every sapling stand needed management, and in some of the forest compartments, the management was already severely overdue. The system shows potential for supporting both the planning and marketing of sapling stands management.

This thesis provides information on the suitability of using AI in forest management and its potential benefits in the daily work of forestry professionals. Further research could be conducted on the same topic again at a later stage, as artificial intelligence develops and additional features are added.