Metsäteiden kunnon määrittäminen avoimen paikkatietoaineiston avulla

Abstract

Suomessa metsätieverkolla on ollut merkittävä asema yhteiskunnassa läpi historian sen palvellessa muun muassa maanomistajia, puukaupan osallisia, metsien hoitotoimenpiteiden tekijöitä, maatalouden ja muun elinkeinon harjoittajia. Hyväkuntoisesta metsätieverkosta hyötyvät myös monet metsien virkistyskäyttäjät, kuten marjastajat, sienestäjät ja metsästäjät. Laajalla ja hyväkuntoisella metsätieverkolla on lisäksi tärkeä asema metsien ja rakennusten palontorjunnassa sekä ihmisten ja eläinten pelastustoiminnassa.

Suomessa lukuisat yksityistiet ovat tulleet käyttöikänsä päähän ja vaativat laajoja peruskorjauksia lähitulevaisuudessa, jotta niiden hyödyntäminen esimerkiksi puunkorjuussa voisi jatkua kannattavana. Metsäteiden kuntokelpoisuuden määrittäminen on tärkeää, jotta pysytään tietoisina alemman tieverkon kokonaistilanteesta Suomessa, ja voidaan tehdä päätöksiä metsäteiden käytöstä esimerkiksi puunkorjuussa. Puunkuljetuskaluston kasvaessa yhä suuremmaksi ja painavammaksi on hyödyllistä tarkkailla tieverkoston kuntoa leimikolle asti, jotta voidaan minimoida esimerkiksi polttoaineen kulutuksesta aiheutuvat lisäkustannukset tai kuljetuskalustolle ja tiestölle aiheutuvat vauriot.

Tutkimuksen tavoitteena on arvioida avoimen paikkatietoaineiston ja erityisesti harvapulssisen lentolaserkeilausaineiston käyttömahdollisuuksia metsäteiden kuntokelpoisuuden määrittämisessä. Työssä hyödynnettiin aluepohjaista laserkeilausinventointia, johon kerättiin maastoreferenssiaineisto tutkimusalueelta marraskuussa 2018. Maastomittausten keruussa arvioitiin ennakkoon määritettyjä koealoja perinteisten metsäteiden kuntoa määrittävien tekijöiden avulla. Maastossa arvioitujen kuntotekijöiden yhtäläisyyksiä pyrittiin löytämään erityisesti harvapulssisesta lentolaserkeilausaineistosta sekä muista potentiaalisista avoimista paikkatietoaineistoista.

Tutkimuksen tulokset osoittavat, että harvapulssisesta lentolaserkeilausaineistosta mitattavat piirteet, kuten pisteiden korkeusjakaumaa kuvaavat persentiilit, pisteiden korkeutta kuvaavat keskiluvut sekä korkeusmallista irrotetut rinteen jyrkkyyttä kuvaavat piirteet, osoittautuivat tärkeimmiksi ennustettaessa metsäteiden kuntoa tutkimusalueella. Tulokset osoittavat myös, että yksittäisten piirteiden korrelaatio suhteessa tien kuntoarvosanaan ei ollut suurta, mutta k:n lähimmän naapurin menetelmällä voitiin ennustaa tien kuntoluokka vähintään 69,8 % tarkkuudella oikein, kun hyödynnettiin kaikkia irrotettuja piirteitä.

Tutkimuksessa käytetyllä menetelmällä voidaan ennustaa metsätien kuntoa suhteellisen tarkasti, mutta tarkkuudessa olisi vielä parantamisen varaa. Työssä käytettyä menetelmää voisi tulevissa tutkimuksissa kehittää vielä esimerkiksi käyttämällä tiheäpulssista lentolaserkeilausaineistoa ja tarkempaa maastoreferenssiaineistoa. Tulevissa tutkimuksissa olisi myös mielenkiintoista selvittää tässä työssä käytettyä menetelmää kokonaan toisella tutkimusalueella.

In Finland, forest road network has played a significant role in the society throughout history by serving landowners, stakeholders of timber trade, forest management operators, agricultural- and other entrepreneurs. Different forest recreational users such as berry pickers, mushroom pickers and hunters benefit also from good quality forest roads. Wide forest road network help also in preventing forest fires, building fires and it provides help for human and animal rescue missions.

In Finland, large number of private forest roads have reached end of their working life and require therefore wide renovations in near future so that the high quality can be maintained. The large-scale determination of forest roads quality is vital so that situation of lower level road network can be followed, and decisions can be maid whether forest roads can be utilized in timber harvesting operations for example. The growing trend in size and weight of timber transport vehicles will cause more careful route planning to the harvest site when forest roads are in bad shape. Good quality forest roads will reduce fuel consumption in timber transport, vehicle damages and road damages.

The main objective in this study was to determine the potential of open access geographic information data and especially open access low-density airborne laser scanning data to evaluate the quality of forest roads. Area-based laser scanning inventory method was used with reference data from field plots. Field data was collected from area of research in November 2018 and it consisted from predefined sample plots that were evaluated with the means of traditional forest road quality factors. The aim was to find these quality factors from ALS data and from other open access data and predict forest road quality class using non-parametric k-nearest neighbor method.

The results show that metrics calculated from ALS data were quite important in evaluating forest road quality classes. Metrics that illustrate point height distribution, height averages and metrics extracted from digital elevation model which illustrate slope were the most significant in this study. The results show also that the correlation of individual metrics and forest road quality class from reference data was not very high. However, the quality class of forest roads could be predicted correctly at least 69,8 % accuracy when k-nearest neighbor method was used, and all metrics were used.

The method used in this study can be utilized to predict forest road quality class relatively accurately, but the accuracy could still be improved. One way to improve this method would be to use high density ALS data and more accurate reference data. It could also be interesting to use this method in another area of research and inspect how the results would differ from this study.