Metsätalousinsinööri (YAMK) Veli-Pekka Karjalainen työskentelee opettajana Lapin ammattikorkeakoulun Tulevaisuuden biotalous -osaamisryhmässä.

Metsävaratietoa kerätään kaukokartoituksen menetelmin, kuten esimerkiksi lentokoneilla tehtävien ilmakuvausten ja laserkeilausten avulla sekä täydentäen satelliittikuvilla. Kerätystä aineistosta jalostetaan metsätalouden käyttöön muun muassa vääräväri-ilmakuvia ja latvusmalleja. Kaukokartoituksen aineiston oikeellisuutta kalibroidaan ja täydennetään maastomittausten avulla. Metsävaratieto on suurelta osin avoimesti ja maksutta saatavilla internetistä eri alustoilta. Useamman eri lähteen käyttöä (esimerkiksi ilmakuvat, latvusmallit, maastomittaukset) inventoinneissa kutsutaan monilähdeinventoinneiksi.

Olen saanut olla mukana AGRARSENSE-hankkeessa toteuttamassa maastomittauksia perinteisin välinein ja menetelmin. Muutoinkin seuraan mielenkiinnolla metsätalouden digitalisaation etenemistä metsäopettajan näkökulmasta.

Nykyisin ammattikorkeakoulumme maastoharjoitusten sesonkiaikoina on perinteisten mittausvälineiden riittävyys joskus koetuksella. Milloin tulee se aika, jolloin metsävaratiedot kerätään kokonaisuudessaan digitalisaation turvin ja toimivat metsänkäsittelyratkaisut tuotetaan tekoälyn toimesta. Jääkö hypsometrit sekä relaskoopit silloin varastolaatikoihin?

Digitalisaatio etenee metsätaloudessa

Tammikuussa 2023 käynnistyneessä kolmivuotisessa AGRARSENSE Chips Joint Undertaking -konsortiohankkeessa kehitetään automaatiota ja älykästä anturitekniikkaa erilaisissa maa- ja metsätalouden käyttöympäristöissä. Hankkeessa toteutetaan laajamittaisia kenttädemonstraatioita ja kehitetään tarkoitukseen sopivia ICT- ja tiedonhallintaratkaisuja. (Agrarsense 2025a.) Konsortioon kuuluu 52 kumppania 15 eri maasta ja projektia koordinoi Komatsu Forest AB (Agrarsense 2025b).

Metsätalouden kehittämiskohteena ovat hakkuutyömaat ja siellä operoivat työkoneet. Dronella kerätään tietoa puustosta ja valvotaan muun muassa turvallisuutta. Tiedonsiirtoa varten hankkeessa on rakennettu yksityinen 5G-verkko, joka mahdollistaa verkon pystyttämisen alueille, joilla kaupallista 5G-verkkoa ei ole saatavilla. Harvestereihin ja ajokoneisiin on asennettu erilaisia antureita keräämään dataa ja parantamaan turvallisuutta. (Uusitalo 2024.)

Mittausten toteutus

Syyskuussa 2023 ja lokakuussa 2024 työryhmä teki ilmakuvauksia droneilla kahdella eri testialueella Hirvaan opetusmetsässä. Kuvaus-aineistoa käytettiin simulaation digitaalisen kaksosen kartan luomisessa sekä viitemateriaalina. Ilmakuvista luotiin toimistotyönä ohjelmien avulla 3D-pistepilvi (Korhonen 2025).

Dronekuvausten tulosten tarkistamiseen tarvitaan vertailevaa aineistoa. Koska dronella kuvattu aineisto on tuoretta, tulee vertailevan aineistonkin olla tuoretta. Hankkeessa käytettyjen metsikkökuvioiden vapaasti saatavilla oleva metsävaratieto on hieman vanhempaa, eikä se vastaa puustotiedoiltaan nykytilaa.  Tämän vuoksi tarkistusmittaukset toteutettiin maastotyönä perinteisin mittausmenetelmin vuonna 2024. Maastossa mitattuja puustotietoja verrattiin pistepilvestä arvioituihin, koordinaattien perusteella paikannettuihin puustotietoihin.

Näitä perinteisin menetelmin ja työvälinein tehtäviä mittauksia tein lehtori Oiva Hiltusen kanssa. Maastomittauksia tehtiin kaksi eri kertaa, toukokuussa ja marraskuussa 2024. Toukokuun mittauksissa mitattiin yhdeksän yksittäistä puuta, yksi koeala sekä kolme ojan syvyysmittaa. Yksittäisistä rungoista mitattiin rinnankorkeusläpimitta (d1,3) yhden senttimetrin tarkkuudella, puun pituus ja tuoreoksaraja 0,25 metrin tarkkuudella. Koealamittauksessa valittiin koealan keskipiste, joka merkittiin paalulla. Koealalta valittiin 10 koepuuta. Ojan syvyydet mitattiin yhden sentin tarkkuudella.

Kuva 1. Mittauspisteet toukokuu 2024.

Marraskuussa 2024 mitattiin 11 yksittäistä puuta ja kaksi koealaa. Mittausperiaatteet olivat samat kuin toukokuun mittauksissa. Mittaustuloksista laskettiin yksittäisten runkojen tilavuus (dm3/runko). Toukokuussa käytetiin paikannuksessa kolmen metrin tarkkuuteen pystyvää käsi GPS-laitetta. Marraskuussa paikannus toteutettiin RTK-GNSS-mittauksena, toteuttajana Lapin ammattikorkeakoulun maanmittaustekniikan tiimistä lehtori Janne W. Matilainen.

Perinteiset mittausmenetelmät

Mittauksissa käytettiin perinteisiä, mutta vieläkin käytössä olevia mekaanisia mittausvälineitä. Rinnankorkeusläpimitta mitattiin mittasaksilla tai Talmeterillä.

Kuvat 2 ja 3. Vasemmalla mittasakset ja oikealla Talmeter

Mittasaksilla mitattaessa puu asetettiin saksien leukojen väliin tiiviisti ja läpimitta luettiin saksien rungosta. Talmeter muistuttaa tavallista rullamittaa, mutta siinä on rullamitasta poiketen tavallisen metripohjaisen asteikon lisäksi valmiiksi laskettuna läpimitta-asteikko. Läpimitta mitattiin kuten ympärysmitta, mutta Talmeterista lukema luettiin läpimitta-asteikolta. Oikea mittauskorkeus – 1,3 metriä puun syntypisteestä – määritettiin mittakepin avulla.

Puun pituuden ja tuoreoksarajan (rungon alin tuoreoksa) mittauksessa käytettiin kulmamittaukseen perustuvaa hypsometriä (Talkkari, Lientola & Karjalainen 2024, 8–10). Mittausetäisyys oli 15 metriä ja oikea etäisyys varmistettiin metsurin rullamitan avulla.

Kuvat 4 ja 5. Vasemmalla hypsometri ja oikealla metsurimitta.

Hypsometrillä mitattaessa molemmat silmät pidetään auki. Katsotaan hypsometrin läpi ja tähdätään hypsometrissä näkyvää kiinteää poikkiviivaa puun latvaan. Kun poikkiviiva on latvan tasalla, luetaan hypsometrin asteikosta korkeuslukema. Seuraavaksi tähdätään samalla periaatteella puun tyveen ja luetaan asteikosta korkeuslukema. Asteikolta luetut lukemat lasketaan yhteen ja näin saadaan puun pituus.

Kuva 6. Hypsometrin toimintaperiaate (Talkkari, Lientola & Karjalainen 2024, 9)

Koealat mitattiin relaskooppikoealoina ja mittauksessa käytettiin ketjurelaskooppia. Relaskoopissa on hahlo, jonka läpi katsottiin ja tähdättiin koealalle näkyviä puita. Hahlon ja relaskoopin varren mittasuhde on 1:50, mittauksessa käytetyn relaskoopin hahlon leveys oli 1,3 cm ja ketjuvarren pituus oli 65 cm. Koepuiksi valittiin relaskoopin hahlon rinnankorkeudelta täyttäneet puut. Koepuista mitattiin samat yksittäisen puun tunnukset kuin yksittäisistä puista. Lisäksi koepuista laskettiin taulukkojen avulla jokaisen rungon tilavuus.

Kuva 7. Ketjurelaskooppi

Ojan syvyyden mittauspisteet olivat metsäautotien sivuojassa. Ojan syvyys mitattiin tienpinnan tasosta ojan pohjalle kolmesta eri kohdasta, kymmenen metrin välein. Yksittäisten puiden mittauksessa jokaisen puun sijaintitieto tallennettiin, koealalta tallennettiin keskipiste ja ojan syvyyden mittauksessa aloituspiste. Koordinaattien tallennuksessa hyödynnettiin digitaalitekniikkaa ja koordinaatit tallennettiin GPS-laitteen avulla.

Mittausten hyödyntäminen hankkeessa

Dronella otettuihin ilmakuviin perustuvista pistepilvistä arvioitujen ja maastossa mitattujen puustotunnusten osalta todettiin, että puuston pituus jäi pistepilvestä arvioituna alhaiseksi. Tuloksista voi kuitenkin päätellä, että pistepilvestä saatava puun pituus on systemaattisesti mahdollista korjata todellisuutta vastaavaksi. Korjausten luotettavuuden varmistamiseksi on tehtävä maastomittauksia jatkossakin. Puiden rinnankorkeusläpimittaa ei dronella tehdyn ilmakuvauksen perusteella voitu luotettavasti arvioida.

Kyseessä olevat mittaukset ovat vain yksi osa suurta Agrarsense-hankekokonaisuutta. Hanke on kokonaisuudessaan tuottanut arvokasta tutkimus- ja testaustietoa puunkorjuun digitalisoinnista. Olettaisin, että kehitystyö tällä rintamalla jatkuu.

Lopuksi

Artikkelini alussa pohdin, että syrjäyttääkö digitalisaatio ja tekoäly kokonaan perinteiset mittausvälineet ja -menetelmät. Nyt voin todeta, että ei ainakaan vielä. Metsäopettajan on syytä pitää huolta, että perinteisiä mittausvälineitä varastosta löytyy ja niiden käyttöä opetetaan opiskelijoille jatkossakin. Toisaalta digitalisaatio ja perinteiset menetelmät eivät välttämättä sulje pois toisiaan tässä vaiheessa digitalisaation etenemistä. Agrarsense-hankkeessa perinteiset metsänmittausmenetelmät tukevat metsätalouden digitalisaatiota.  

Ajat muuttuvat ja toiminnot kehittyvät. Kehitys on ollut huimaa, sillä 1980-luvun metsänmittauksessa lähestulkoon ainoat digitaaliset välineet olivat ranteessa vilahdellut digitaalikello ja toimistolla ollut funktiolaskin. On kuitenkin yksi asia, joka ei näytä muuttuvan. Vuonna 1979 joululahjaksi saatu digitaalinen Citizen-rannekello vilahtelee edelleen kirjoittajan ranteessa.

Citizen-rannekello

LÄHTEET:

Agrarsense 2025a. What is Agrarsense. Viitattu 26.8.2025. https://www.agrarsense.eu

Agrarsense 2025b. Project. Viitattu 26.8.2025. https://www.agrarsense.eu/project-1

Talkkari, A., Lientola, E & Karjalainen V-P. 2024. Metsävaratietoharjoitukset. Karelia-ammattikorkeakoulu, kevät 2024.  Viitattu 2.4.2025. https://urn.fi/URN:ISBN:978-952-275-432-5

Korhonen, M. 2025. Agrarsense dronemittaukset. Yksityinen sähköpostiviesti 25.8.2025. Viestin saaja Veli-Pekka Karjalainen.

Uusitalo, T. 2024. 5G menee metsään. Pohjoisen tekijät – Lapin AMKin asiantuntijablogi. 16.12.2024. Viitattu 26.8.2025. https://lapinamk.fi/blogiartikkeli/5g-menee-metsaan/