Kuljettajaa avustavat järjestelmät puunkorjuun ja sen suunnittelun tukena
Image
Avoimet ja laajat tietolähteet metsistä, maan topografiasta, suotyypeistä ja säästä mahdollistavat puunkorjuun aikaisempaa tehokkaamman suunnittelun. Paikkatietopohjaisten suunnittelujärjestelmien avulla työn tarkkuus ja laatu paranevat, kun muun muassa maaston kulkukelpoisuuden muutoksia voidaan ennakoida.
Hakkuukoneessa ja kuormatraktorissa on tarjolla monenlaista karttapohjaista opastetta, joissa on metsäkoneenkuljettajille työn suunnittelua ja toteutusta tukevaa tietoa. Laserkeilausaineistoon perustuva avoin metsävara- ja maanpinnan topografiatieto, sekä esimerkiksi kosteusindeksit tai ilmakuva-aineisto ovat avanneet aineistojen hyödyntämisessä uusia mahdollisuuksia.
”Tulevaisuuden tavoitteena kantavuuden ja kulkukelpoisuuden ennustamisessa on reaaliaikainen, paikkatarkka ja sään muutoksia paremmin huomioon ottava karttajärjestelmä. Se parantaisi edelleen työn suunnittelua, korjuun tarkempaa ajoittamista, kaluston valintaa, hakkuukohteen rajaamista ja kohteella operoimista. Ennustamisen tarkkuutta parantaisi erityisesti tarkempi maalajitieto ja tieto turvekerroksen paksuudesta. Tässä on T&K-työlle vielä sijaa”, erikoistutkija Kari Väätäinen Lukesta sanoo.
Ajantasaista paikkatietoa korjuun suunnitteluun
Korjuun suunnitteluun on ollut käytössä korjuun ajankohdan valintaa ja hakkuualan rajaamista tukevaa karttatietoa jo useamman vuoden ajan. Esimerkiksi korjuukelpoisuuskartoissa esitetään korjuulle suotuisimmat ajankohdat, jolloin voidaan liikkua raskaalla kalustolla ympäristöä säästäen. Sään vaikutusta kulkukelpoisuuteen on myös mallinnettu HarvesterSeasons.com-karttapalvelussa.
Myös kosteusindeksikarttoja on hyödynnetty metsätaloudessa jonkin aikaa muun muassa ennakkosuunnitteluun. Luken kyselytutkimuksen perusteella kosteuskarttoja on käytetty myös tieverkoston, uomien ylitysten ja varastopaikkojen suunnitteluun, monimuotoisuuden suojeluun sekä helppojen ja vaikeiden korjuukohteiden tunnistamiseen.
Maastosuunnittelu on tehokkaampaa, kun huonosti kantavat alueet voidaan tunnistaa ennakkoon kosteusindeksikartoilta ja kokoojaurien sijoittelu kohdistaa kantaville maille.
Maastosuunnittelu on tehokkaampaa, kun huonosti kantavat alueet voidaan tunnistaa ennakkoon kosteusindeksikartoilta ja kokoojaurien sijoittelu kohdistaa kantaville maille. ”Kosteuskarttojen käytössä, kuten muissakin uusissa järjestelmissä, uuden opetteluun on aina varattava aikaa, minkä jälkeen niiden hyödyt ovat nähtävissä”, huomauttaa tutkija Aura Salmivaara Lukesta.
Kuljettajaa avustavat järjestelmät apuna metsätöissä
Metsäkoneissa olevien järjestelmien keräämä metsävaratieto ja koneen paikkatarkkuus ovat parantuneet. Tämä yhdessä uusien kehityshankkeiden ja menetelmien, kuten mobiililaserkeilauksen ja kuvantamisen, kanssa helpottavat tulevaisuudessa konekuskien työn suunnittelua, parantavat työsuoritetta ja työn laatua. Osa kuljettajista on tottunut seuraamaan työstä tallentuvia seurantaraportteja ja sen perusteella luomaan kuvaa työsuorituksestaan kohteella.
Metsäkuljetuksen tueksi on jo tullut avustavia karttajärjestelmiä: kuljettaja voi nähdä kuormatraktorissaan näytöltä leimikkokartalla avatut ajourat, hakatut puutavaralajit, maastonmuodot ja maatyypit sekä kosteusindeksikartan. Vain reititysopastus, joka näyttäisi kartalla tulevalle kuormalle polttoainetaloudellisen, maaperää tai aikaa säästävimmän reitin, odottaa tuloaan.
”Hyödyntämällä valmiiksi metsissä operoivia koneita olisi mahdollista kehittää metsäkoneiden karttasovellus, joka alati parantaa ennusteitaan keräämänsä datan pohjalta”, Aura Salmivaara sanoo.
Oikea-aikainen ja mahdollisimman tarkka tieto on olennaista opastavan tiedon jakamisessa. “Liiallinen tietomäärä, informaatiotulva, voi olla kuljettajan työskentelyä haittaava ja hidastava tekijä. Kaikilla kuljettajilla ei ole myöskään samanlaista tarvetta opastukselle. Esimerkiksi kokeneilla kuljettajilla on vähemmän tuen tarvetta kuin nuorilla, jotka ovat tottuneet hyödyntämään erilaisia digitaalisia järjestelmiä”, Kari Väätäinen muistuttaa.
Tätä tutkimme
- Luke on tutkinut yhdessä hankepartnereiden kanssa metsäkoneiden kulkukelpoisuutta, maaston kantavuuden ennustamista ja karttaopasteiden soveltuvuutta puunkorjuussa korjuun suunnittelun tukena. Haastattelu- ja kyselytutkimukset kuljettajille ja yrittäjille ovat tarjonneet tukea metsäkoneiden tietojärjestelmien karttasovellusten kehitystyöhön. Aihetta on tutkittu muun muassa Forest Big data -hankkeessa, Tech4Effect-hankkeessa ja Efforte-hankkeessa.
- Luke on testannut säädatan ja paikkatiedon yhdistävää spatiaalista metsähydrologiamallia maankosteuden ennustamiseen kohteilla. Luke tuottamat erilaisia kosteusolosuhteita edustavat kosteusindeksit ovat myös osoittautuneet hyödyllisiksi niin käytännön metsäoperaatioissa ja niiden suunnittelussa kuin myöskin tutkimuksessa. Ojitetuille turvemaanmetsille tarvitaan kuitenkin lisää kehitystyötä, jotta käytännön työhön saadaan lisää tukityökaluja.
- Hakkuukoneen moottoritehon perusteella laskettava kulkuvastuskerroin on osoittautunut hyödylliseksi datalähteeksi, joka on helppo kerätä ja sen ja avoimen paikkatiedon pohjalta voidaan parantaa kulkukelpoisuuden ja esimerkiksi metsäoperaatioiden aikana syntyvien urapainumien ennustamista. Tätä tutkitaan meneillään olevassa TRAM-hankkeessa.
- TRAM-hankkeessa tutkitaan myös usealla käytännön kohteella hakkuukonedatan hyödyntämistä kulkukelpoisuuden ennustamiseen, ja tulokset ovat lupaavia. Kulkuvastuskerroin edustaa maaperän kantavuutta operaation hetkellä, joka on maan fysikaalisten ominaisuuksien, maalajin ja kosteusolosuhteiden luoma olosuhde. Maalajitieto on karkeaa ja sen kerääminen hidasta ja kallista, joten valjastamalla metsässä laajasti työskentelevät koneet parantamaan tätä olosuhdetietoa voidaan päästä tarkempiin ennustuksiin kulkukelpoisuudesta.
- Mobiililaserkeilausta, paikannustarkkuutta ja kuljettajaopastusta tutkitaan ja kehitetään parhaillaan IlmoStar-hankkeessa ja Suomen Akatemian lippulaiva UNITE:ssa.
