Metsäinventointi dronella — miksi LiDAR on korvannut perinteisen maastomittauksen?

Posted on by Geotrim

Suomessa on metsämaata noin 22 miljoonaa hehtaaria, ja sen ajantasainen inventointi on metsänomistajille, metsäyhtiöille ja viranomaisille jatkuva haaste. Perinteinen maastomittaus on hidasta, kallista ja antaa tuloksia vain pieneltä otosalueelta. LiDAR-pohjainen droonimittaus on muuttanut tätä asetelmaa merkittävästi: koko metsäkuvio voidaan kartoittaa yhdellä lennolla, ja tuloksena saadaan tarkkaa tietoa puuston korkeudesta, tilavuudesta ja latvuspeitosta. Tämä artikkeli käy läpi, miksi metsäinventointi dronella on noussut alan vakiintuneeksi menetelmäksi ja mitä se käytännössä tarkoittaa.

Perinteisen maastomittauksen rajoitteet metsäympäristössä

Perinteinen metsäinventointi perustuu koealaotantaan: maastoryhmä mittaa käsin valituilta koealoilta puiden läpimitat, korkeudet ja lajit, minkä jälkeen tulokset yleistetään koskemaan koko kuviota tilastollisin menetelmin. Menetelmä on toiminut vuosikymmeniä, mutta se sisältää rakenteellisia heikkouksia, joita on vaikea kiertää ilman teknologian apua.

Tiheässä metsässä liikkuminen on hidasta ja fyysisesti vaativaa. Koealojen välinen vaihtelu voi olla suurta, ja otannan kattavuus jää aina rajalliseksi. Tulokset kuvaavat tilannetta mittaushetkellä, mutta metsä muuttuu jatkuvasti myrskyvaurioiden, kasvun ja hakkuiden myötä. Ajantasainen tieto koko kuvion tasolla on käytännössä mahdotonta saavuttaa pelkästään maastokäynnein ilman kohtuuttomia resursseja.

Metsäympäristö asettaa myös tarkkuudelle omat haasteensa. Peittävä latvusto estää satelliittipaikannuksen toiminnan tehokkaasti, mikä vaikeuttaa GNSS-mittauksen hyödyntämistä puuston alla. Tämä tekee perinteisestä GNSS-metsämittauksesta haastavaa erityisesti tiheissä kuusikoissa, joissa signaalin katveesta ei päästä eroon.

Miten LiDAR-drooni kerää metsädatan

LiDAR-pohjainen droonimittaus perustuu laserpulsseihin, joita sensori lähettää kymmenin tuhansin pyyhkäisyin sekunnissa lennon aikana. Nämä pulssit läpäisevät latvuston aukkoja ja osuvat sekä puiden eri korkeuksille että maanpintaan. Palautuvista signaaleista muodostuu tarkka kolmiulotteinen pistepilvi koko kartoitettavasta alueesta.

Keskeinen ero valokuvauspohjaiseen fotogrammetriaan on juuri tämä latvuston läpäisykyky. RGB-kamera tallentaa ainoastaan sen, mitä näkyy ylhäältä katsottuna, eli käytännössä latvuston yläpinnan. LiDAR sen sijaan tuottaa pisteitä maanpinnalta, puiden rungoilta ja latvuston eri tasoilta samanaikaisesti. Metsäinventointiin tämä on ratkaiseva ominaisuus.

Georeferointi tapahtuu lennon aikana suoraan GNSS/IMU-yhdistelmällä, joten erillistä maastomerkkiverkkoa ei normaalisti tarvita. Tuloksena saadaan reaaliaikaisesti georeferoitu pistepilvi, josta ohjelmisto tunnistaa automaattisesti yksittäiset puut, laskee niiden korkeudet ja arvioi tilavuuden.

LiDAR vs. perinteinen inventointi: tarkkuus ja kustannukset

Tarkkuuden osalta LiDAR-drooni tuottaa kattavampaa tietoa kuin perinteinen koealaotanta, koska se kuvaa koko kuvion eikä vain otosta. Puiden korkeus mitataan senttimetrin tarkkuudella, latvuspeitto lasketaan koko alueelta, ja tilavuusarvio pohjautuu todelliseen pistepilveen eikä tilastolliseen yleistykseen. Erityisesti epätasaisissa metsissä, joissa puusto vaihtelee paljon, tämä ero on merkittävä.

Kustannuksissa vertailu riippuu kartoitettavan alueen koosta. Pienillä kuvioilla perinteinen maastotyö voi olla kilpailukykyinen, mutta jo muutaman kymmenen hehtaarin alueilla droonikartoitus alkaa olla kustannustehokkaampi vaihtoehto. Suurilla alueilla, kuten myrskytuhokohteissa tai laajan metsäomaisuuden inventoinneissa, ero on huomattava: yksi lento kattaa alueen, jonka maastomittaukseen kuluisi päiviä tai viikkoja.

On kuitenkin rehellistä todeta, että LiDAR-kaluston hankintakustannus on merkittävä. Tämä tekee omaan käyttöön ostamisesta kannattavaa lähinnä ammattimaisille toimijoille, joilla on jatkuva tarve kartoituksille. Yksittäiselle metsänomistajalle palvelun ostaminen ulkopuoliselta on usein järkevin reitti.

Pistepilvestä metsäsuunnitelmaksi, datan jalostus käytännössä

Raakadata itsessään ei ole metsäsuunnitelma. Lennon jälkeen pistepilvi käsitellään ohjelmistossa, joka erottelee maanpinnan, puiden rungot ja latvuston toisistaan. Tästä muodostetaan digitaalinen maastomalli (DTM) sekä latvustomalli (CHM, Canopy Height Model), joiden avulla voidaan laskea puuston tunnusluvut kuviotasolla.

Automaattinen puidentunnistus tunnistaa yksittäiset puut pistepilvestä, mittaa niiden korkeudet ja arvioi runkojen tilavuuden. Tulokset voidaan viedä suoraan metsäsuunnitteluohjelmistoihin tai GIS-järjestelmiin. Hakkuusuunnittelussa tämä tarkoittaa, että suunnittelija näkee tarkan tilanteen koko kuviolta ennen kuin yhtään puuta on kaadettu.

Datan jalostuksessa laserkeilauksen metsätaloussovellukset ulottuvat myös erityiskohteisiin. Lahopuiden tunnistaminen pistepilvestä tukee luontokartoituksia, hiilitaseen laskenta hyötyy tarkoista tilavuusarvioista, ja myrskytuhokohteissa lennon jälkeinen analyysi antaa välittömästi kuvan vaurioiden laajuudesta.

Soveltuvuus eri metsätalouskohteisiin

LiDAR-droonikartoitus soveltuu laajaan joukkoon metsätalouskäyttötapauksia, mutta soveltuvuus vaihtelee kohteen mukaan. Seuraavassa keskeisimmät käyttökohteet:

  • Hakkuusuunnittelu: Koko kuvion puustotiedot ennen hakkuuta, tilavuusarviot ja puulajijakauma helpottavat korjuun suunnittelua.
  • Myrsky- ja tuhoaluekartoitus: Nopea kokonaiskuva vaurioalueen laajuudesta heti tapahtuman jälkeen.
  • Hiilitaseen laskenta: Tarkka tilavuustieto on edellytys luotettavalle hiilensidontaraportille.
  • Luontokartoitukset: Lahopuiden, erityiskohteiden ja suojelualueiden inventointi osana metsäsertifiointia.
  • Metsäomaisuuden hallinta: Laajan metsäomaisuuden ajantasainen tila yhdellä kartoituskierroksella.

Menetelmä ei kuitenkaan sovi kaikkeen. Hyvin pienet yksittäiset kuviot, joilla tarvitaan vain muutaman puun tarkat mitat, hoidetaan edelleen tehokkaimmin maastossa. Myös sääolosuhteet vaikuttavat: kova tuuli heikentää lennon vakautta ja sitä kautta datan laatua. Suomen talviolosuhteet eivät sinänsä estä lentämistä, sillä ammattitason kalusto toimii pakkasessa, mutta lumipeitteinen maasto vaikuttaa maanpintamallin tulkintaan.

Geotrim UAS-ratkaisut metsäinventointiin

Geotrim toimittaa metsäinventointiin soveltuvan UAS-LiDAR-kaluston kokonaisratkaisuna laitteesta koulutukseen ja huoltoon. Metsäalan ratkaisut kattavat sekä laitehankinnan että käyttöönoton tuen.

Keskeinen laitekokonaisuus metsäinventointiin on Patria GEO -kiinteäsiipinen UAS-alusta yhdistettynä YellowScan-laserkeilainjärjestelmään. Patria GEOn alle 7 kilogramman kokonaispaino mahdollistaa lentämisen myös rakennetuilla alueilla EASA-säädösten puitteissa, ja kiinteäsiipinen rakenne tekee siitä tehokkaan suurten metsäalueiden kartoitukseen. YellowScan Mapper -keilain läpäisee tiheänkin latvuston tehokkaasti ja tuottaa erittäin korkean pistetiheyden pistepilven suoralla georeferoinnilla ilman maastomerkkejä.

Multikopteripohjaiseen kartoitukseen soveltuu DJI Matrice 400 yhdistettynä Zenmuse L3 -LiDAR-sensoriin, joka tuottaa reaaliaikaisesti georeferoitua pistepilveä suurella tiheydellä. Matrice 400 kantaa raskaampia sensoripaketteja ja soveltuu vaativiin kartoituskohteisiin, joissa tarvitaan samanaikaisesti sekä LiDAR- että RGB-dataa.

Oikean järjestelmän valinta riippuu kartoitettavan alueen koosta, puuston tiheydestä ja inventoinnin tarkkuusvaatimuksista. Tuotepäällikkö Sakari Mäenpää (0207 510 622) auttaa löytämään tilanteeseen sopivan ratkaisun, hänellä on käytännön kokemus laitteiden käytöstä Suomen olosuhteissa.

Aiheeseen liittyvät artikkelit