Data om skogsresurserna utgör grunden för planeringen av verksamheterna inom den skogsbaserade bioekonomin.  Substans, kvalitet och aktualitet är egenskaper som väger allt tyngre avseende skogsresursinformationen och scenarierna för skogarnas utveckling. Som underlag för bättre beslut behövs det specifika verktyg för hantering av klimatförändringar, utarmning av landekosystement och många andra högaktuella problem.

Forskarna arbetar med avancerad metodutveckling på internationell nivå för att kunna tillgodose de nya och föränderliga informationsbehoven. Tekniken för insamling av skogsresursinformation går ständigt framåt. Fjärrmätning blir allt viktigare i takt med att resurserna för fältarbetet minskar.

Avancerad teknik bakom skogsresursinformationen

De senaste åren har det tagits fram metoder och tekniker för beräkning av 3D-modeller utifrån till exempel flygburen eller markbaserad laserskanning samt flygfoton. Finlands Akademis flaggskeppsprogram UNITE (Resiliens, nya värdenätverk och betydelsefulla erfarenheter genom interaktion mellan skogar, människor och maskiner) tar fram bland annat nya tekniker och metoder för generering och användning av 3D på träd-, ståndorts- och areanivå.

Bild genererad med markbunden laserskanning av trädtoppar i Lappträsk.

Täta punktmoln från markbaserad laserskanning kan användas bland annat för modellering av trädstammar och grenar med hög precision (figur 1). Därtill ger drönare och data från det nya nationella laserskanningsprogrammet ny information om trädkronorna och trädens rumsliga fördelning. Informationen kan användas till exempel vid bedömningar av naturtillståndet eller den biologiska mångfalden i skogen. Tidsserier av satellitbilder ger exaktare data för uppföljningen av förändringar i skogarna och skogarnas återhämtning efter störningar.

Mätdata i sig räcker inte, utan de behöver bearbetas med hjälp av olika beräknings- och analysmetoder för att bli användbara. Modernt fjärranalysmaterial innehåller enorma mängder data som det är svårt att konvertera till en brukbar form med traditionella bildtolkningsmetoder. Därför har man vid skoglig fjärranalys börjat tillämpa artificiell intelligens och maskininlärning vid tolkningen av data.

Maskininlärningen bygger bland annat på genetiska algoritmer och neurala nätverk. Det senaste framsteget inom maskinlärning är djupinlärning med konvolutionära neurala nätverk som mer självständigt (dvs. utan användarens interaktion) bearbetar grunddata och tar fram och sammanställer brukbar information för beståndstolkningar.

Kvaliteten på de data som producerats ska vara känd och kvalitetsanalyserna ska finnas till hands när data bearbetas och används. Nya metoder utarbetas bland annat för bedömning av tillförlitligheten hos uppgifter från kombinationsskattningar på kommunnivå eller mindre arealer. Man behöver i synnerhet kunna åskådliggöra för beslutsfattarna vilken betydelse informationens tillförlitlighet har i olika tolkningssituationer.

Verktyg för beslutsfattarna

Information om skogarna och utvecklingen av dem behövs som underlag för beslut. Utöver statusdata och historiska data om skogarna behövs det skattningar av den framtida utvecklingen och användningspotentialen. För att tillgodose informationsbehovet behövs beslutsstödssystem. Aktörer inom skogssektorn har i åratal gjort skogsberäkningar med programvaran MELA, som just nu håller på att omarbetas. Den nya programvaran ska innehålla många sådana egenskaper som saknas i MELA.

Den nya programvaran MENU kommer att omfatta också andra ekosystemtjänster utöver virkesproduktion. På så sätt betonas behovet av multiobjektivt beslutsfattande och av bland annat verktyg för multiobjektiv optimering. Klimatförändringarna förväntas öka risken att drabbas av naturskador, och därför kommer MENU också att innehålla verktyg för hantering av osäkerheter och risker.

Bilden uppe på skärmen: Erkki Oksanen, Luke.