Vastuullisen päätöksenteon tueksi tarvitaan tietoa metsien ekosysteemeistä

Tehdäksemme vastuullisia päätöksiä ja luodaksemme hyviä käytäntöjä ilmastonsuojeluun meidän on ymmärrettävä paremmin hiilikierron ja ympäristön muutosten välistä vuorovaikutusta. Uusi tutkimushanke ”Metsäekosysteemien kierron seuranta ja ymmärtäminen suuren erotuskyvyn ajallisista ja spatiaalisista laserkeilausaikasarjoista” tulee osoittamaan, miten metsän ekosysteemien syklejä voidaan ymmärtää paremmin analysoimalla automaattisesti aikasarja-aineistoja, jotka on automaattisesti kerätty maanpäällisellä laserkeilaustekniikalla (terrestrial laser scanning, TLS).

Puita metsässä, jossa aurinko pilkistää puiden raosta
Kuva:
Julia Hautojärvi

Laserkeilaus paljastaa, miten puut voivat

– Metsän puiden jatkuvan seuraamisen avulla mallinnamme, miten vesi, lämpötila, auringonvalo ja muut ympäristötekijät vaikuttavat puiden kasvuun. Käytämme TLS-aikasarjoja, joissa on korkea ajallinen ja avaruudellinen resoluutio. Automatisoidulla havainnointi- ja analysointiratkaisulla meidän on mahdollista havaita ja mitata runkojen, oksien ja lehtien muutoksia tietyllä ajanjaksolla. Voimme yhdistää nämä muutokset paikallisissa vesi-, lämpötila- ja auringonvalo-olosuhteissa tapahtuneisiin muutoksiin, kertoo vanhempi tutkija Yunsheng Wang, joka johtaa hanketta. 

Koska kasvava puu varastoi hiiltä, tämä auttaa tutkijoita ymmärtämään, miten puut ja niiden ympäristö vaihtavat hiiltä. 

– Se auttaa meitä ennustamaan ja hallitsemaan hiilidynamiikkaa tietyssä metsäympäristössä, Wang lisää.

Laserkeilaus tuottaa valtavasti dataa

Laserkeilaus mahdollistaa tosimaailman digitoimisen keräämällä laserin palautuspisteiden 3D-sijainnit, jotka kohteiden pinnat heijastavat takaisin. Laserkeilaus tuottaa kolmiulotteisen pistepilven, joka kuvaa tosimaailman kohteiden 3D-rakenteita, jotta kohteiden 3D-muodot voidaan rekonstruoida tarkalleen virtuaalimaailmassa tietokoneiden avulla. Hankkeessa tutkijat käyttävät ainutlaatuista pitkän aikavälin pistepilviaikasarjaa, joka tuotetaan Hyytiälän metsäaseman mittaustorniin pysyvästi asennetulla TLS-järjestelmällä. Tällainen järjestelmä pystyy toistamaan pesäpallon 3D-muodon 100 metrin etäisyydeltä. 

Järjestelmä pystyy havaitsemaan 5 hehtaarin kokoisen metsäalan muutoksia lehtien tasolla kahdesti tunnissa. Järjestelmä tuottaa valtavan määrän dataa, noin 10 GB tunnissa useiden vuosien ajan. Data-analyysiketju on suunniteltava erittäin älykkääksi, jotta kaikki data voidaan käsitellä.  

Reunalaskenta ja datan liukuhihnakäsittely mahdollistavat massadata-analyysin

Hankkeen päätavoite on kehittää reunalaskenta- (edge computing) ja tekoälypohjainen liukuhihnamalli (pipeline) datan käsittelyyn, joka ratkaisee massadata-analyysin (big data) ongelman. Reunalaskenta parantaa vasteaikoja ja siten nopeuttaa tietojenkäsittelyä. Reunalaskennassa laskenta ja datan säilytys tuodaan sinne, missä niitä tarvitaan. Datan liukuhihnakäsittely on datan käsittelyn vaiheiden sarja, joka muodostaa sujuvan ja automatisoidun työnkulun aina syötetystä datasta haluttuihin lopputuotoksiin.  

Tutkijat käyttävät uusia laskennallisia teknologioita, joista on monia etuja. Datan keruuta optimoidaan oppivalla datan keräysmallilla. Lähes reaaliaikainen paikallinen tiedonkäsittely antureissa ja mittalaitteissa luo tehokkuutta. Tutkijat luovat tietokoneelle uuden itseoppimisjärjestelmän ekosysteemien syklien mallinnukseen sekä täydellisen liukuhihnamenetelmän osamoduuleineen. Kaikki tämä nopeuttaa tulosten saamista sekä tiedeyhteisölle että yhteiskunnalle.

– Tämä helpottaa myös tekoälyprosessia, joka mahdollistaa tietokoneiden automaattisen ja jatkuvan ekosysteemin syklimallin optimoinnin kasvavalla datamäärällä. Tällaiset mallit voivat tukea ilmastonsuojelun päätöksenteossa tarjoamalla ennusteita puiden kasvudynamiikasta, johon vaikuttavat muutokset metsiköiden ominaisuuksissa ja sääolosuhteissa, Wang selventää.

Metsäekosysteemien kierron seuranta ja ymmärtäminen suuren erotuskyvyn ajallisista ja spatiaalisista laserkeilausaikasarjoista -hanke on Suomen Akatemian rahoittama. Hanke aloitettiin syyskuussa 2020, ja se loppuu elokuussa 2024. 

Lisätietoja

Vanhempi tutkija Yunsheng Wang, 0358 50 347 8903, etunimi.sukunimi@maanmittauslaitos.fi (englanniksi)

Tutkimuspäällikkö Eetu Puttonen, 050 364 0555, etunimi.sukunimi@maanmittauslaitos.fi

Uusimmat uutiset ja blogit