Siirry sisältöön

Suomen metsistä on saatavilla poikkeuksellisen paljon tietoa: satelliitti- ja ilmakuvia sekä laserkeilaus- ja hakkuukonedataa. Myös avoin metsävaratieto on Suomessa laadukasta. Laaja tietopankki antaakin mahdollisuuksia moneen.

Stora Ensolla käynnistyi vuonna 2023 kolme­vuotinen Precision Forestry -kehitys­hanke, jossa lähdettiin yhdistämään eri datalähteitä ajantasaisen metsätiedon tuottamiseksi.

– Päätavoitteena on tehostaa metsiin ja puunhankintaan liittyvän datan hyödyntämistä tuomalla yhteen eri tietolähteitä, kuten esimerkiksi satelliittidataa, laserkeilausta, karttoja ja julkisia aineistoja. Siten voidaan saada uutta tietoa puunhankinnan, korjuun ja metsän­hoidon tueksi, kertoo johtava asiantuntija Antti Kaartinen Stora Ensolta.

Monet metsäyhtiöt, metsänhoitoyhdistykset ja Suomen metsäkeskus ovat valjastaneet erilaista teknologiaa metsänhoidon ja puuston kasvun ja hyvinvoinnin seurannan tueksi.

Stora Enson tuotannossa tekoälyä hyödynnetään esimerkiksi kuorimoiden toiminnan optimoinnissa puun hävikin vähentämiseksi. Puunhankinnassa ja metsän­hoidossa tekoälyä hyödyntäviä työkaluja kehitetään jatkuvasti monilla osa-alueilla.

– Esimerkiksi kuolleiden puiden tunnistusmallin avulla metsäasiantuntijoilla on käytössään tietoa kirjanpainajatuhoista, mikä auttaa työskentelyssä metsänomistajien kanssa. Ruotsissa olemme hyödyntäneet AI-malleja metsäsuunnitelmien tuotannossa, sillä siellä ei ole saatavilla samanlaista julkista metsävaratietoa kuin Suomessa, Kaartinen kertoo.

Laajaa tietopohjaa yhdistämällä metsän­hoidon eri vaiheisiin saadaan uudenlaista tarkkuutta.

– Metsänhoidossa tulee ottaa huomioon suuri määrä erilaisia asioita, kuten puuston laatu ja ikäjakauma, kasvupaikka, luontoarvot ja metsänomistajan tavoitteet. Tekoäly mahdollistaa nimenomaan suurten tietomäärien tehokkaan hyödyntämisen osana suunnittelua ja päätöksentekoa.

Kuolleita puita voidaan paikantaa jopa yhden puun tarkkuudella.

Ei korvaa ihmistä

Tekoäly jakaa mielipiteitä, herättää ennakko­luuloja ja jopa pelkoa siitä, että metsänhoidosta tulee kaavamaista ja liian teoriapohjaista.

Kaartinen näkee asian osin päin­vastaisena.

– Uskon, että tekoäly auttaa välttämään kaavamaisia ratkaisuja, kun toimenpidesuositukset ja päätökset perustuvat kaikkeen saatavilla olevaan tietoon ja metsikön erityispiirteet voidaan ottaa paremmin huomioon. Esimerkiksi tekoälymallit tunnistavat kirjanpainajatuhot puun tarkkuudella, eli voidaan mennä todella metsän yksityiskohtiin.