Towards Precision Forestry : Methods for Environmental Perception and Data Fusion in Forest Operations

Abstract

Avoimesti saatavilla oleva, metsäolosuhteita kuvaava data on lisääntynyt merkittävästi kuluneella vuosikymmenellä, johtuen erityisesti kaukokartoitustekniikoiden kehittymisestä ja yleistymisestä. Suomessa tätä metsävaratietoa, eli tietoa puustosta ja maaperästä, on saatavilla koko maan kattavasti 16m × 16m kokoisien ns. hilaruutujen tarkkuudella. Lisäksi suurin osa maailman puunkorjuusta suoritetaan koneellisesti, ja erityisesti Pohjoismaissa yleisesti käytetyt tavaralajimenetelmän hakkuukoneet ja metsätraktorit lähestyvät autonomisia ajoneuvoja niin ympäristönhavainnointi- kuin tiedonkäsittelykyvyiltäänkin. Nämä korkean automaatioasteen koneet on suunniteltu puutavaratuotannon optimointiin esimerkiksi sahalaitoksen tarpeiden mukaan, mutta koneet voivat myös tuottaa uutta informaatiota metsän sen hetkisestä tilasta. Toisaalta olemassa oleva tieto metsän tilasta on hyödyllistä esimerkiksi koneen retin ja asetusten optimoinnissa ennen metsäoperaatiota.

Tässä väitöskirjassa on tutkittu metsäkoneen ja metsäympäristön välistä vuorovaikutusta analysoimalla metsäkoneen tuottamaa dataa yhdessä metsävaratiedon kanssa. Väitöskirjassa ehdotetaan menetelmää datan fuusioimiseksi, jotta metsäkone voisi luotettavasti tuottaa uutta tietoa metsäympäristöstä, sekä reagoida ennalta metsäympäristön muutoksiin. Metsäoperaatioiden välistä vertailua helpotetaan tutkimuksessa ryhmittelemällä Suomen metsät metsävaratiedon perusteella tyypillisimpiin metsätyyppeihin. Lisäksi tutkimuksessa kehitettiin uusia mittausjärjestelmiä, joilla parannetaan metsänkoneen kykyä aistia metsäympäristöä työskentelyn ohella ja tuottaa näin entistä enemmän uutta metsävaratietoa jokaisesta metsäoperaatioista.

Tutkimuksen tulokset osoittavat, että datan fuusiointi ja metsäympäristön yleistäminen metsätyyppeihin mahdollistaa metsäkoneiden ja kuljettajien vertailun metsäoperaatioiden välillä erilaisesta metsäympäristöstä huolimatta. Datan fuusioinnilla saatiin osoitettua tilastollisesti merkittäviä eroja metsäkoneiden toiminnassa erilaisissa metsäympäristöissä. Väitöskirjassa ehdotetut uudet menetelmät urasyvyyksien ja maan kivisyyden mittaamiseksi osoitettiin toimiviksi tutkimuksessa kerätyn empiirisen aineiston perusteella.

Publicly available data describing forest environments has increased considerably in the past decade, mainly due to the development of the remote sensing technologies in the field. In Finland, information about tree properties and forest soil is available for the whole country with a resolution of 16m × 16m grid cells. At the same time, most of the logging in the world is performed with fully mechanized equipment. The automation level in these machines varies considerably, but the most advanced forest machines, the cut-to-length machines that are common in the Nordics in particular, are close to becoming autonomous robots. Such machines are designed for optimizing log production based on the needs of the sawmill for example, but they can also generate new information about the state of the forest, i.e., act as a forest data source. On the other hand, detailed information about the environment that the machine will encounter during the forest operations is valuable when optimizing the machine route or guiding the operator in adjusting the machine settings.

In this thesis, the interactions between the forest machine and the forest environment are studied by analyzing the distinct forest data sources together. The thesis suggests the automatic data fusion of forest data sources for collecting new forest data with forest machines during forest operations and for being able to react in advance to environmental conditions. The effect of the varying conditions between forest operations is reduced by means of the forest clusters recommended for the forests in Finland, thus making the recorded data from forest operations comparable to each other. In addition, novel measurement systems are proposed for forest machines to improve their forest environment sensing capabilities, thus further increasing the amount of collected environmental data from forest operations.

The results of the thesis show that the data fusion of forest data sources reliably enables analysis of machine and operator performance in varying environmental conditions. With the fusion approach, it was possible to identify statistically significant differences in machine signals when the forest environment changed. The proposed measurement systems for estimating the rut depth caused by the forest machine and the stoniness index of the forest ground were proved to be working solutions by the data collected in the thesis.