Droonit ja tekoäly metsän kuntoselvityksen apuna

Autonomisten miehittämättömien lennokkien eli droonien käyttö yleistyy nopeasti kaikkialla maailmassa. Drooniin asennettavat kamerat ja sensorit yhdistettynä tekoälyyn tekevät droonista älykkään mittalaitteen. Älykkäät robottidroonit voivat kerätä tietoa ympäristöstä tehokkaasti ja turvallisesti.

Metsän ja puiden terveyden mittaamiseen on suuri tarve

Monien taloudellisten ja sosiaalisten vaikutusten ohella metsät ovat tärkeässä roolissa ilmastonmuutoksen vastaisessa taistelussa. Toisaalta ilmastonmuutos lisää metsiin kohdistuvia riskejä. Ilmasto jatkaa lämpenemistä, jolloin lämpötilasta riippuvaiset tuhohyönteiset ja taudit leviävät. Lisääntyvä kuivuus heikentää puustoa. Myrskyt ja metsäpalot tuhoavat ja heikentävät metsiä.

Metsän kunnon tunteminen on perusta paremmalle metsänhoidolle ja tuhojen hallinnalle. Droonien avulla metsän kuntoa voidaan mitata yksittäisen puun tarkkuudella. Tarkka mittaustieto mahdollistaa muun muassa varhaisten häiriöiden tunnistamisen ja hoitotarpeen määrittämisen.

ASPECT-hanke keskittyi erityisesti kuusia tappaviin kirjanpainajiin, jotka ovat tällä hetkellä yksi suurimmista riskeistä boreaalisille metsille. Kirjanpainajat ovat aiheuttaneet laajoja metsätuhoja vuodesta 2015 lähtien Keski-Euroopassa ja vuodesta 2018 lähtien Etelä-Ruotsissa. Suomeen laajat kirjanpainajatuhot etenivät vuonna 2022, ja ne ovat aiheuttaneet merkittävää puustokuolemaa erityisesti Etelä- ja Kaakkois-Suomessa. Tämä on vasta alkua, koska ilmasto jatkaa lämpenemistään seuraavat sata vuotta. Suomessa pienikin lämpeneminen johtaa kirjanpainajan toisen saman vuotisen sukupolven syntymiseen, mikä aiheuttaa räjähdysmäisen populaatioiden kasvun.

Puun kunnon mittaaminen droonilla

Kirjanpainajaiskemän vaikutuksesta kuusen neulasten väri muuttuu vihreästä keltaiseksi, punaiseksi ja lopuksi harmaaksi, mikä voidaan havaita metsän yläpuolella lentävällä droonilla. Hankkeessa puiden kuntoa mitattiin erilaisilla kameroilla. Tarkimmat mittaukset tehtiin hyperspektrikameroilla, jotka tuottivat puiden latvuksista senttitarkkoja hyperspektrikuvia.

ASPECT-hankkeen tulokset osoittivat, että uudet syväoppivat tekoälymenetelmät pystyvät tunnistamaan puulajit ja löytämään terveet, kuolleet ja värioireiset puut jopa tavallisista värikuvista.

Lisäksi hanke osoitti, että tarkat hyperspektrikamerat havaitsivat varhaisessa vaiheessa pieniä muutoksia neulasten spektrivasteessa, ja tuottivat näin aikaisen tiedon kuusen terveydentilan muutoksesta.

Kehitetyt menetelmät mahdollistavat edullisen puiden kunnon mittauksen sekä myös muiden kuin kirjanpainajien aiheuttamien häiriöiden havaitsemisen. ASPECT-hankkeessa on myös selvitetty lannoitustarpeen tunnistamista sekä kehitetty menetelmiä ennalta määrittämättömien poikkeamien tunnistamiseen.

Tutkimushanketta on rahoitettu Suomen Akatemian ICT 2023 -ohjelmasta. Tässä kymmenvuotisessa ohjelmassa on pyritty ICT:n laaja-alaisen kansalliseen ja kansainväliseen hyödyntämiseen. Ohjelma kokoaa yhteen yliopistot, tutkimuslaitokset, yritykset ja rahoittajat.

Lisätietoja:

• tutkimusprofessori Eija Honkavaara, Maanmittauslaitos, eija.honkavaara(at)nls.fi,
  p. 040 192 0835
• ASPECT-hanke
• Suomen Akatemian ICT 2023 -tutkimus-, kehitys- ja innovaatio-ohjelma