Reijo Holopainen

Virtuaalitodellisuuden hyödyntäminen näyttäisi hyvinkin lyövän leiville. Se on edullisempaa kuin oikeiden metsäkoneiden ja leimikkojen vuokraus opetuskäyttöön.

Ponssen metsäkonehakkuusimulaattorista rakennettu opetusväline avaa uusia metsänhoidon ja suunnittelun mahdollisuuksia. Hankerahoittajina ovat toimineet maa- ja metsätalousministeriö, Hiilestä kiinni -maankäyttösektorin toimenpidekokonaisuus sekä Euroopan Unioni.

Juuri päättyneessä kolmivuotisessa kehitysprojektissa selvitettiin, mullistaako digiteknologialla tehostettu metsänhoidon opetus tavat ja menetelmät toimia metsässä?

– Kyllä, vaikkei tämä metsää täysin korvaa, simulaattorissa käyttäjä pääsee tekemään harjoituksia erilaisissa metsäympäristöissä ja oppii tekemään täsmällisiä valintoja puiden kaatamisen suhteen, toteaa Tredun lehtori Janne Ruokonen.

Luonnonmukainen täsmäpuuhakkuu -projektin päätoteuttajana toimivat Helsingin Yliopisto yhteistyössä joensuulaisen ohjelmistotalo Arbonaut Oy, tamperelaisen Tredu-oppilaitos sekä vieremäläinen konepaja Ponsse Oyj.

Tekoälyn avulla jatkuvaa metsänkasvatusta simuloitaessa voidaan myös tehdä puukohtaisia päätöksiä.

Digimalli metsästä

Tiedotuksessaan Arbonaut laittaa lainausmerkkeihin määritelmän digitaalinen kaksonen. Reaaliaikaisesti datan siirtoa tekeviä digitaalisia kaksosia Suomessa ei monta ole. Sen sijaan opetuskäyttöön riittää staattinen digimalli metsästä, jonka leimikoitten hakkuuta ja vaihtoehtoisia metsänhoidollisia toimenpitietä voidaan koneellisesti simuloida.

Tampereen seudun ammattiopisto Tredu käyttää nyt hakkuukonesimulaattoria opetuskäytössä metsäalan perustutkinnossa osana kestävän metsänhoidon opintoja.

– Hakkuukonesimulaattoriin syötetään kohteeksi valitun todellisen metsikön puustotiedot.

Hakkuukonesimulaattorin ja metsän digitaalisen mallin yhdistelmä luo uudenlaisen oppimisympäristön. Ruokosen mukaan simulaattorikoulutukseen osallistuvat metsäkoneenkuljettajat oppivat paitsi käyttämään hakkuukonetta teknisesti laaja-alaisesti, he kykenevät arvioimaan hoidollisia toimia ja niiden vaikutuksia.

Ruokoksen mukaan simulaatio auttaa ottamaan huomioon kunkin metsäalan ominaispiirteet.

Tekoäly apuun

Drone-kuvan sekä lidar-laserteknologian avulla on luotu todellisen metsän virtuaalinen kopio. Datapohja kattaa kolme todellista metsikköä.

– Opetuskäyttöön metsän mallinnuskohteita tulee pian kolme lisää, Ruokonen sanoo.

Opetuksen kannalta on tärkeää, että puiden tunnistaminen ja paikkatiedon määrittäminen täsmäävät hyvin. Ruudulla leimikko näkyy liki sellaisena kuin se on luonnossa. Simulaattorissa toimii tekoäly mallintaen metsien ekosysteemin: mukana on sekä elävä puusto, että luonnon monimuotoisuudelle tärkeä kuollut ja lahoava puuaines.

– Tekoälyn avulla jatkuvaa metsänkasvatusta simuloitaessa voidaan myös tehdä puukohtaisia päätöksiä, kuten harventaa heikosti kasvavia puita ja jättää tilaa vahvemmille, konkretisoi Ruokonen.

– Oppimismallissa on käytetty myös Helsingin yliopistossa kehitettyä syväoppimiseen pohjautuvaa menetelmää, Uusitalo kertoo.

Hakkuukonesimulaattorin avulla harjoitellaan paitsi harvesterin käyttöä, kokoajan edistetään ilmastokestävää ajattelua. Tämä on osa uuden sukupolven metsäkoneenkuljettajan osaamista.