Tekoälypohjaisen kirjanpainajatuhosovelluksen hyödyntäminen toimenpidesuosituksissa

Abstract

Kirjanpainajatuhot ovat ilmaston lämpenemisen takia lisääntymässä Suomessa. Kirjanpainajatuhojen seurantaan on kehitetty teknologiaa kaukokartoitusta hyödyntäen. Opinnäytetyön tilaaja oli metsäalalla toimiva CollectiveCrunch, joka tarjoaa asiakkailleen ESA:n Sentinel-2 satelliittikuvia hyödyntävän kirjanpainajatuotteen. Tuote sisältää kartalla tarkasteltavaa paikkatietoa, joka kuvaa kirjanpainajan vaivaamia alueita kuusimetsissä. Kirjanpainajan vaivaamat alueet ovat nähtävissä kartalla pikseliryppäinä, eli klustereina.

Tutkimuksen tavoitteena oli selvittää, minkä kokoinen kirjanpainajatuhoa kuvaava klusteri indikoi kohteelle metsänhoidollista toimenpidetarvetta. Toimenpidetarpeen määritykseen ohjeena käytettiin lakia metsätuhojen torjunnasta, joka määrittelee, että kirjanpainajan vahingoittama puu tulee korjata pois metsästä sen määrän ylittäessä 10 m³ hehtaarilla. Lisäksi otettiin huomioon Luonnonvarakeskuksen ohjeistus tuulenkaatojen ja lumenmurtojen poistamiseen metsästä, mikäli näitä on yli 10 % runkoluvusta tai yli 20 kappaletta samassa paikassa. Mikäli toimenpiteitä voisi suositella kirjanpainaja-analyysissä näkyvän klusterin koon perusteella, olisi tuhoalueiden tarkastusta jalan tehtävillä maastokäynneillä mahdollista vähentää.

Tutkimuksen aineisto kerättiin Hämeenlinnan kunnan alueelta. Maastossa selvitettiin eri kokoisten tuhoklustereilla esiintyvien kirjanpainajatuhojen laajuutta laskemalla kirjanpainajan vaivaamien puiden tilavuus kuutiometreissä. Lisäksi klustereilta laskettiin tuulenkaadot ja lumenmurrot, ja suhteutettiin niiden määrä runkolukuun. Tutkimukseen tuli mukaan 40 erikokoista tuhokohdetta, joiden koko oli tuhoa kuvaavalla kartalla 1–40 pikselin välillä. Yksi pikseli kartalla vastasi 10 m x 10 m aluetta maastossa. Tutkimukseen mukaan tulleista kohteista kirjanpainajatuhoja löytyi 12 kohteella, mikä oli 30 % kaikista kohteista. Näistä kohteista kahdessa kirjanpainajan vahingoittaman puun määrä ylitti metsätuholaissa määritellyn 10 m³ rajan. Kumpikin kohteista oli yli 30 pikselin kokoisia. Lisäksi tutkimuksessa löytyi yksi sellainen kohde, jolla tuulenkaatoja oli yli 10 % runkoluvusta. Tämä kohde oli 29 pikselin kokoinen. Tutkimuksen kohteilta löytyi myös paljon muiden hyönteisten aiheuttamia tuhoja, sillä muiden kuin kirjanpainajan aiheuttamia hyönteistuhoja löytyi 11 kohteelta.

Vähäisen toimenpidesuositusrajan ylittävien kohteiden määrän vuoksi tutkimuksessa ei saatu selville sellaista klusterin kokoa, joka suoraan indikoisi toimenpidetarvetta. Tutkimuksen tulosten perusteella voidaan kuitenkin päätellä, että luultavasti toimenpidetarvetta indikoiva klusterin koko on suurempi kuin 40 pikseliä, joka oli suurin tähän tutkimukseen mukaan tullut klusteri. Samalla voidaan olettaa, että yli 30 pikselin klusterit indikoivat suuremmalla todennäköisyydellä metsätuholakiin perustuvaa toimenpidetarvetta kuin alle 30 pikselin klusterit. Tutkimuksen perusteella on myös todennäköistä, että kirjanpainaja-analyysi havaitsee metsän stressitilan silloinkin, kun se johtuu jostain muusta tuhonaiheuttajasta kuin kirjanpainajasta.