Euroopan unioni Vipuvoimaa EU:lta

Euroopan aluekehitysrahaston (EAKR) rahoittaman hankkeen kuvaus

1 Hanke

Hankekoodi: A73740

Hankkeen nimi: Digitaaliset metsänarviointimenetelmät puuhuollon tehostajina (DigiInventory)

Toimintalinja: 2. Uusimman tiedon ja osaamisen tuottaminen ja hyödyntäminen

Erityistavoite: 5.1. Yritysten innovaatiotoiminnan vahvistaminen

Suunnitelman mukainen toteutusaika: Alkaa 1.4.2018 ja päättyy 28.2.2021

Toiminnan tila: Toiminta päättynyt

Vastuuviranomainen: Pirkanmaan liitto

2 Hakijan perustiedot

Hakijan virallinen nimi: Teknologian tutkimuskeskus VTT Oy

Organisaatiotyyppi: Tutkimuslaitos

Y-tunnus: 2647375-4

Jakeluosoite: Vuorimiehentie 3, PL 1000, 02044 VTT

Puhelinnumero: 020 722 111

Postinumero: 02150

Postitoimipaikka: Espoo

WWW-osoite: http://www.vtt.fi

Hankkeen yhteyshenkilön nimi: Jyrki Raitila

Yhteyshenkilön asema hakijaorganisaatiossa: Senior Scientist

Yhteyshenkilön sähköpostisoite: jyrki.raitila(at)vtt.fi

Yhteyshenkilön puhelinnumero: 040 719 5117

Hakijoiden lukumäärä tai tuen siirto -menettely:

3 Suunnitelman mukainen tiivistelmä toteutuksesta

Metsänarvioinnissa käytettävät puustotiedot on saatu perinteisesti maastossa mitattujen otantakoealojen perusteella estimoimalla. Nykyisin käyttöön on otettu myös laajojen alueiden laserkeilausta, joilla otantakoealojen tulokset on yleistetty koskemaan suuria metsäalueita. Kummankin menetelmän puutteena on tarkan puukohtaisen tiedon puuttuminen ja epätarkkuudet. Lisäksi maastotyö on kallista. Jotta puunkorjuussa voidaan käyttää korjuukoneen apuna puukohtaista laserkeilausta, täytyy löytää tarkempia ja edullisempia sovelluksia kuin nykyään on tarjolla. Lisäksi laitteen pitäisi pystyä integroimaan metsäkoneisiin.

Tässä hankkeessa ensisijaisena tavoitteena on testien ja pilotointien avulla luoda valmiuksia digitaalisen metsänarviointitiedon kustannusten alentamiselle ja tiedonkeruun joukkoistamiselle puuhuollon tehostamiseksi ja entistä tarkemman puusto- ja puukohtaisen tiedon tarjoamiseksi niin metsänomistajille kuin puun käyttäjille. Maastolaserkeilauksen ja dronen käyttö datan keruussa tarkentaa metsänarviointia, auttaa leimikkosuunnittelua ja mahdollistaa metsikön tarkan visualisoinnin. Muutokset metsässä, muun muassa hakkuuehdotukset, voidaan kuvata metsänomistajalle virtuaalisesti eri käsittelyvaihtoehtojen vaikutusten arvioimiseksi. Tarkempi tieto yksittäisistä rungoista helpottaa merkittävästi korjuukoneen kuljettajaa hakattavan puun valinnassa ja katkonnassa. Metsän puuston arvon määritys saadaan maastolaserkeilausdatan avulla tarkaksi ja esimerkiksi metsäkaupat voidaan tehdä entistä täsmällisemmän ja luotettavan arvon määrityksen perusteella; puun ostaja saa entistä tarkemmin etukäteen tietää, millaisia runkoja metsästä saadaan ja mikä on juuri hänen metsäänsä parhaiten sopiva ostajan tarjoama optimaalinen katkontamatriisi. Lisäksi hankkeessa luodaan valmiuksia konkreettisille palvelukonsepteille metsäalan eri toimijoita varten.

4 Hankkeen kohderyhmät

4.1 Varsinaiset kohderyhmät

Puunkorjuuyritykset, puuta käyttävät yritykset (metsäteollisuus, sahat, energialaitokset), metsäpalveluyritykset (erityisesti pohjoisessa Keski-Suomessa).

4.2 Välilliset kohderyhmät

Metsäalan julkiset organisaatiot, kunnat, palvelun tuottajat, jotka tuottavat palveluita varsinaiselle kohderyhmälle (esim. kuljetusyrittäjät, laitevalmistajat, atk-palvelut, pilvipalveluja tuottavat IoT yritykset), tutkimus- ja oppilaitokset (esim. LUKE, JAMK, Poke), julkisen metsävaratiedon kerääjät (julkinen taho) sekä metsänomistajat.

5 Projektin julkinen rahoitus, euroa

Myönnetty EU- ja valtion rahoitus: 140 840

Toteutunut EU- ja valtion rahoitus: 137 538

Suunniteltu julkinen rahoitus yhteensä: 181 200

Toteutunut julkinen rahoitus yhteensä: 177 069

6 Maantieteellinen kohdealue

Maakunnat: Keski-Suomi

Seutukunnat: Saarijärven-Viitasaaren

Kunnat: Saarijärvi, Kannonkoski, Kinnula, Pihtipudas, Viitasaari, Karstula, Kyyjärvi, Kivijärvi

Toteutuspaikan osoite, jos hanke toteutetaan yhdessä paikassa

Jakeluosoite:

Postinumero:

Postitoimipaikka:

7 Hakemusvaiheessa ilmoitettavat arviot hankekohtaisista seurantiedoista

7.1 Uusien työpaikkojen määrä (kysytään vain erityistavoitteisiin 1.1, 2.1 ja 3.1 kuuluvissa hankkeissa)

Suunniteltu: 0, joihin työllistyvät naiset 0

Toteutunut seurantatietojen mukaan: 0.00, joihin työllistyvät naiset 0.00

7.2 Uusien yritysten määrä (kysytään vain erityistavoitteeseen 1.1 kuuluvissa hankkeissa)

Suunniteltu: 0, joista naisten perustamia 0

Toteutunut seurantatietojen mukaan: 0.00, joista naisten perustamia 0.00

8 Horisontaaliset periaatteet

8.1 Sukupuolten tasa-arvo

Hankkeessa on tehty toimintaympäristön analyysi sukupuolinäkökulmasta: Ei
Ei ole relevantti hankkeen tavoitteiden näkökulmasta.
Sukupuolinäkökulma on huomioitu hankkeen toiminnassa (valtavirtaistaminen): Ei
Hanke on suunnattu koko metsäsektorille ja metsänomistajakunnalle sukupuolesta riippumatta.
Hankkeen päätavoite on sukupuolten tasa-arvon edistäminen: Ei
Ei ole relevantti hankkeen tavoitteiden kannalta.

8.2 Kestävä kehitys

VälitönVälillinen
Ekologinen kestävyys
Luonnonvarojen käytön kestävyys 2 6
Tarkemman metsävaratiedon soveltaminen edistää metsätalouden kestävyyttä optimoidumman puunkäytön kautta.
Ilmastonmuutoksen aiheuttamien riskien vähentäminen 3 7
Metsät ovat Suomen merkittävin hiilinielu. Niiden määrästä ja kunnosta huolehtimnen on perusedellytys nielun säilymiselle.
Kasvillisuus, eliöt ja luonnon monimuotoisuus 2 5
Edesauttaa hakkuiden määrän ja laadun parempaa kohdentamista. Säästökohteita voidaan rajata paremmin tarkemman datan perusteella.
Pinta- ja pohjavedet, maaperä sekä ilma (ja kasvihuonekaasujen väheneminen) 2 7
Metsien hoito ja hakkuut vaikuttavat radikaalisti kasvihuonetaseeseen. Hakkuiden oikea ajoitus ja kohdentaminen parantaa metsien hiilensidontakykyä.
Natura 2000 -ohjelman kohteet 1 2
Ei suoranaista vaikutusta, mutta Natura kohteet ja niiden ympäristö voidaan arvioidan uuden datan ansiosta tarkemmin.
Taloudellinen kestävyys
Materiaalit ja jätteet 5 9
Parantaa materiaalinkäytön (puu) tehokkuutta.
Uusiutuvien energialähteiden käyttö 7 9
Metsäteollisuuden materiaalinkäytön tehostuessa energiapuun saatavuus lisääntyy ja oikea materiaali päätyy energiaksi.
Paikallisen elinkeinorakenteen kestävä kehittäminen 7 8
Tukee paikallista metsätaloutta ja metsään perustuvaa yritystoimintaa.
Aineettomien tuotteiden ja palvelujen kehittäminen 4 7
Metsän ja metsänkäsittelyn simuloinnilla voidaan tarkastella erilaisia metsästä saatuja hyötyjä (virtuaalimetsä).
Liikkuminen ja logistiikka 6 9
Hakkuisiin ja puunkuljetuksiin liittyvää logistiikkaa voidaan merkittävästi optimoida.
Sosiaalinen ja kulttuurinen kestävyys sekä yhdenvertaisuus
Hyvinvoinnin edistäminen 3 4
Parantaa paikallistalouden edellytyksiä. Metsän virkistysarvojen huomioiminen helpompaa hyödynnettävissä olevan datan ansiosta.
Tasa-arvon edistäminen 2 3
Uusien liiketoimintaedellytysten luominen parantaa haja-asutusalueiden työllisyyttä koko arvoketjussa.
Yhteiskunnallinen ja kulttuurinen yhdenvertaisuus 1 2
Auttaa reuna-alueiden parempaa integroitumista koko metsätalouteen.
Kulttuuriympäristö 1 1
Mahdollistaa liiketoiminnan kautta maaseutujen elinvoimaisuutta ja näin kulttuuriympäristöjen säilymistä.
Ympäristöosaaminen 3 4
Paremman metsävaratiedon avulla voidaan edistää ympäristöosaamista.

9 Loppuraportin tiivistelmä

Hankkeen ensisijaisena tavoitteena oli luoda valmiuksia digitaalisen metsänarviointitiedon tarkkuuden parantamiseksi ja kustannusten alentamiseksi. Keskeisimpiä tehtäviä oli etsiä ja arvioida edullisia laserkeilausvälineitä ja -menetelmiä sekä tunnistaa tekniikan kehitystrendejä, jotka voisivat tarjota uutta liiketoimintaa alalla. Edelleen pyrkimyksenä oli tutkia uusia mittaustekniikoita, kuten yksifotonilaskentaan (single photon counting) perustuvaa laseretäisyysmittausta, jolla kyetään näkemään merkittävästi paremmin peitteiden taakse jääviä rungon osia ja erottamaan syvyyssuunnassa lähekkäin olevia kohteita toisistaan. Leimikkotason mittauksissa suurin mielenkiinto oli kaupallisen keilaimen, 3D LiDAR ZEB Horizonin, ja VTT:n SPADin vertailussa. Molempien tarkkuus rungon läpimitan mittauksessa oli oletetulla tasolla eroten tyypillisesti 1-3 cm mittasaksimittauksista. Tiedossa ei ole, että yksifotonilaskentaan perustuvaa laserkeilainta olisi aikaisemmin käytetty puustotunnusten määrittämiseen maasto-olosuhteissa. Mittaukset osoittivat, että SPAD LiDAR:illa on erinomaiset mahdollisuudet tuottaa tarkempaa tietoa yksittäisistä puista verrattuna tavanomaiseen LiDAR:iin, varsinkin peitteisessä maastossa. Lisää tutkimusta ja uusia innovaatioita kuitenkin tarvitaan mittausnopeuden lisäämiseksi.
Hankkeessa vertailtiin myös nykyään käytössä olevia metsänarviointimentelmiä uusiin, laserteknologiaa hyödyntäviin menetelmiin. Mukana oli yrityksiä, jotka jo nyt tarjoavat kyseisiä palveluja tai ovat niitä kehittämässä. Hanke antoi valmiuksia kehittää näitä tuotteita eteenpäin ja lisäsi tutkimustietoa, jonka pohjalta uusia arviointimenetelmiä voidaan kehittää ja tuotteistaa. Joitakin uusia palveluja ja tuotteita tuli yritysten kautta merkkinoille. Yhteistä tutkimusta joidenkin avainyritysten kanssa päätettiin jatkaa.