Metsänhoidon optimoinnin vaikeina pidettyjä kysymyksiä voidaan ratkoa vahvistusoppimisen menetelmien avulla. Helsingin yliopiston ja Aalto-yliopiston yhteishankkeessa vahvistusoppiminen, joka on yksi koneoppimisen kategoria, on tuonut läpimurron luonnonvarojen tutkimukseen. Tutkimuksesta kertova artikkeli on julkaistu Canadian Journal of Forest Research -lehdessä.
Metsänhoidon optimoinnissa yhdistetään ekologian, taloustieteen ja metsänhoidon malleja yhdeksi kokonaisuudeksi. Sen moniulotteisuus on aikaisemmin pakottanut tutkijat moniin yksinkertaistuksiin.
”Vahvistusoppimisessa voidaan neuroverkkojen ja oppimisalgoritmien avulla lisätä monitieteisyyteen liittyvää realismia ja muuttujien määrää tinkimättä mallien talousteoreettisesti perustellusta rakenteesta”, kertoo professori Olli Tahvonen Helsingin yliopiston maatalous-metsätieteellisestä tiedekunnasta.
Tahvosen mukaan tällä on suuri merkitys, kun otetaan huomioon mahdollisuus hoitaa metsää jatkuvapeitteisenä.
”Tämä oli melkoinen yllätys”
Tulosten mukaan boreaalisissa metsissä kannattavin valinta jaksollisena tai jatkuvapeitteisenä hoidettavan metsän välillä määräytyy tapauskohtaisesti kasvuolosuhteiden, puulajin ja taloudellisten tekijöiden seurauksena.
Suuri ennakoimaton vaihtelu luontaisesti syntyvien taimien määrässä ei tutkimuksen mukaan alenna jatkuvapeitteisen vaihtoehdon kannattavuutta eikä johda merkittävään vaihteluun hakkuumäärissä.
Aikaisemmassa tutkimuksessa luonnontuhoriskien takia metsät suositeltiin päätehakkaamaan nuorempina. Nyt kehitetyn realistisemman mallin mukaan kannattavin tapa varautua luonnontuhoihin on tiettyjen edellytysten vallitessa siirtyä hoitamaan metsiä jatkuvapeitteisinä.
”Tämä löydös oli melkoinen yllätys”, Olli Tahvonen kertoo.
Jos ajankohtaiset metsäasiat kiinnostavat, tilaa Metsälehti tästä.
Minusta tulokset-osiossa sanotaan selvästi, että riippuu korkokannasta kumpi on kannattavampaa. Ihmettelen kyllä miksi tutkijat edelleen laskevat kassavirtaa eivätkä tuottoa ja lopputuloksena on aina, että riippuu korkokannasta.
Tämä kuulostaa taas kerran siltä, että parametrit on asetettu jatkuvalle kasvatukselle suotuisiksi:
”Suuri ennakoimaton vaihtelu luontaisesti syntyvien taimien määrässä ei tutkimuksen mukaan alenna jatkuvapeitteisen vaihtoehdon kannattavuutta eikä johda merkittävään vaihteluun hakkuumäärissä.”
Miten se koneoppiminen suhtautuu esim. lisääntyviin tuulituhoihin kuusikoissa jotka on herkimpiä juuri harvassa asennossa tuulituhoille ? Tod. näk. kone ”oppii” sen mukaan mitä parametrejä on syötetty oletuksina.
Taimien syntymisen määrällä/v. (ei ole sama asia kuin sirkkataimien määrä) ei liene kovin suurta merkitystä kiertoajan kannattavuuteen koska esim. aik. Metlan pitkäaikaisten jk-koealojen tutkimusten mukaan taimilla kesti kasvaa keskimäärin 42 v. 1,3 m rk-korkeuteen asti 10 cm pittuudesta lähtien.
No niin. Nyt on pantu koneet mongertamaan ituhippien käsittämätöntä vapaata metsänhoitoa kun ei kukaan usko näitä koulutettuja höpöttäjiä !