Harvesterin koppiin ja puomiin on kiinnitetty jos jonkinnäköistä vempainta: on 360-kameraa, laserkeilainta ja satelliittiantennia.Hämeenlinnan Evolla on käynnissä koe, jossa testataan laitteita ja kerätään niiden avulla tarkkaa tietoa hakkuukohteesta, sen puustosta ja luontoarvoista.
Ehkä jo lähitulevaisuudessa tavallisetkin hakkuut alkavat droonien lennättämisellä kohteen yllä ja puiden välissä. Drooneilla kerätään laserkeilausaineistoa, jonka pohjalta voidaan sijoitella ajourat ja tehdä tarkka hakkuusuunnitelma.
”Metsäkoneenkuljettaja joutuu tekemään suuren määrän päätöksiä työpäivän aikana. Tekniikan käyttöönotto vähentää työn kuormittavuutta”, tutkimusprofessori Harri Kaartinen Maanmittauslaitoksen Paikkatietokeskuksesta sanoo.
Luonnonvarakeskuksen erikoistutkijan Kari Väätäisen mukaan koneavusteisuus hyödyttää etenkin kokematonta kuljettajaa.
Aineistonkeruuta malleja varten
Nyt tehdään vasta tutkimusta. Vuosi sitten aineistoa kerättiin harvennuksesta ja päätehakkuusta. Tänä vuonna on ensiharvennuksen vuoro.
Kolme päivää riittää aineistonkeruuseen, koska kohde on monipuolinen: kuusi-koivusekametsä muuttuu vähän matkan päässä harvaksi mäntymetsäksi.
Saatujen mittaustulosten perusteella tutkijat luovat matemaattisia malleja. Ne ennustavat asioita, joita joka kohteella ei voi mitata.
”Tulevaisuudessa harvestereissa on todennäköisesti yksi tai kaksi nyt testattavista laitteista. Näiden kokeiden avulla huomataan, mikä toimii. Paljon teknistä kehitystä tapahtuu jo yhdessä vuodessa”, Kaartinen sanoo.
Ponsse kehittää harvennusavustinta
Ponsse esitteli oman älyharvesterinsa noin kaksi vuotta sitten. Yhtiö itse puhuu mieluummin harvennusavustimesta: uudesta teknologiasta, jota on tuotu tavalliseen harvesteriin.
Harvesteriin kuuluu hyttiin kiinnitetty laserkeilain, joka kerää tietoa ympäröivästä puustosta. Kuljettajan näytölle piirtyy puustokartta, jossa pystyssä olevat ja jo kaadetut puut näkyvät erivärisinä pisteinä. Lisäksi kartalta selviää, mistä kohdin puustoa pitää harventaa.
Pääsuunnittelija Anssi Koivusalo Ponsselta kertoo, että teknologian tuomista kaupalliseen tuotantoon jarruttavat lidar-tutkien saatavuus, hinta ja kestävyys – ensisijaisesti kestävyys.
”Kun lidar-ongelmaan löytyy ratkaisu, saadaan paljon valmiimpi tuote.”
Hankaluutena aineistojen laajuus
Myös Evolla on käytössä Ponssen älyharvesteri.
Tutkijoiden siihen kiinnittämien lisälaitteiden avulla mittaustuloksia kertyy valtavasti, joten aineiston prosessoinnista on tulossa työlästä. Tekoälyä tarvitaan esimerkiksi puulajien ja lahopuiden tunnistamiseen valokuvista.
Hakkuukohde on ennakkoraivattu. Kun puusto on harvaa, sen koneellinen luokittelu sujuu paremmin.
”Ojan varteen on jätetty tarkoituksella tiheikkö. Ojaa käsitellään tässä luonnonpurona, jonka ympärillä on suojavyöhyke. Kokeessa selviää, minkä verran tietoa saadaan tiheän puuston takaa”, Kaartinen selittää.
Jos ajankohtaiset metsäasiat kiinnostavat, tilaa Metsälehti tästä.
