Puukauppa siirtyy yhä enemmän internetiin: kaukokartoituksella hankituista metsävaratiedoista johdetaan kertymäennusteet, joiden perusteella puunostajat tekevät ostotarjoukset sähköisessä puukauppapaikassa. Kaukokartoitukseen perustuvat puulajitiedot eivät ole yhtä luotettavia kuin perinteisessä maastoinventointiin perustuvassa metsäsuunnitelmassa, mikä lisää sähköiseen puukauppaan sisältyvää hintariskiä. Jos metsänomistaja ei tiedä tarkalleen myyntiin tarjoamansa leimikon pääpuulajia, puutavaralajijakaumaa tai puuston laatua, on mahdotonta olla varma, että hän valitsee parhaan tarjouksen. Oikean valinnan todennäköisyyttä voidaan kuitenkin parantaa laadukkaalla päätöstuella. Tutkimuksessa tarkasteltiin puulajiosuuksien ennustevirheiden vaikutusta puukauppatarjousten paremmuuden arvioimiseen ja tarjousten perusteella toteutuviin puukaupan tuloihin sähköisessä tarjouskilpailutilanteessa. Tutkimuksessa havaittiin epävarmojen puulajiosuustietojen voivan johtaa siihen, että metsänomistajilta jää saamatta tuloja. Niiden ansaitsemiseksi kannattaa tietyissä tilanteissa tehdä erillinen puulajin tarkistus maastossa. Nämä tappiot realisoituvat kunnolla vasta siinä vaiheessa, kun kaukokartoitustietoihin perustuva sähköinen puukauppa yleistyy yksityismetsien merkittävämmäksi puukauppamuodoksi. Yksittäisten metsiköiden kohdalla ennustettujen puulajiosuuksien virheet aiheuttivat keskimäärin 0,17 €/m3 ja 9,4 €/ha tappion, kun ostajien tarjouksissa oli puulajien välillä yhden euron hintaero. Suurimmassa osassa kaupoista tappiota ei synny, jolloin tappioita kärsineiden metsänomistajien keskimääräiset tukkikaupan tappiot olivat 1,67 €/m3 ja 24,7 €/ha. Erillinen puulajintarkistus on järkevä silloin, kun puunostotarjouksia on pyydetty kaukokartoitusinventointiin perustuvien Metsään.fi-tietojen perusteella ja kun leimikko on suurehko ja sijaitsee kohtuullisella etäisyydellä.
Tutkimuksen tarkoituksena oli tuottaa tietoa nykyisin käytössä olevan SOLMU-muotoisen kuvioittaisen arvioinnin luotettavuudesta, jossa puusto mitataan puusto-ositteittain. Tutkimusaineisto käsitti 1 304 kuviota, joista 142 oli taimikkokuviota. Pääosin Itä-Suomessa sijaitseva tutkimusaineisto mitattiin vuosina 1997–1998. Tutkimuksessa tarkasteltiin kuvioittaisen arvioinnin luotettavuutta kuvion ja puulajiositteiden keskitilavuuden, keskiläpimitan, keskipituuden, keski-iän, pohjapinta-alan sekä tukki- ja kuitutilavuuden keskivirheen ja harhan avulla. Luotettavuutta tarkasteltiin myös osittamalla aineisto pääryhmän, metsätyypin, kehitysluokan ja vallitsevan puulajin mukaan. Lisäksi tutkittiin mittaajien välistä vaihtelua. Tutkimuksessa vertailtiin myös erilaisia läpimittajakaumamalleja kuvauspuiden muodostamisessa osana inventointitulosten laskentaa.
Tutkimuksessa kuvion keskitilavuuden keskivirheeksi saatiin 24,8 %. Tarkistusmittauksen otantavirhe vähennettynä em. keskivirheeksi tuli 21,4 %. Keskitilavuus aliarvioitiin 1,6 %. Puulajeista männyn suhteelliset keskivirheet olivat kaikissa puustotunnuksissa pienimmät. Pohjapinta-ala ja keskitilavuus aliarvioitiin selvästi runsaspuustoisissa metsiköissä. Vähäpuustoisten metsiköiden pohjapinta-ala yliarvioitiin hieman. Mittaajien välinen vaihtelu oli huomattavaa. Keskitilavuuden mittaajakohtainen keskivirhe vaihteli 10,6 %:sta 33,9 %:iin (arvioijakohtainen otantavirhe poistettu tarkistusmittauksista). Pohjapinta-alan mittaajakohtainen keskivirhe vaihteli 6,6 %:sta 24,5 %:iin.
Tutkimustuloksia on mahdollista hyödyntää esimerkiksi metsävaratiedon laadun määrittämisessä, kuvioittaisen arvioinnin kehitystyössä ja vaihtoehtoisten tiedonhankintamenetelmien arvioinneissa.
Tutkimuksen tavoitteena oli selvittää eri virhelähteiden vaikutus toimenpide-ehdotuksiin, jotka on tuotettu laskennallisesti ajantasaistetusta kuvioaineistosta. Tutkimuksessa tarkasteltuja virhe-lähteitä olivat aineistonmuodostus, mittausvirheet ja ajantasaistus. Tutkimuksessa keskityttiin ensimmäisen suunnittelukauden (5 vuotta) toimenpidetarpeisiin nykyhetkellä tai 5 ja 10 vuoden ajantasaistuksen jälkeen. Kunkin metsikön ”todellisena toimenpidetarpeena” pidettiin puittaisesta inventointitiedosta tuotettua harvennusmalleihin ja uudistamisrajoihin perustuvaa toimenpidetarvetta. Tutkimusaineisto käsitti 274 metsikköä, jotka valittiin Metsäntutkimuslaitoksen pysyviltä kasvukoealoilta, ns. INKA-aineistosta. Lisäksi käytettiin 988:a tarkistusinventointiaineiston metsikköä kuvioittaisen arvioinnin virheiden generoinnissa tutkimusaineistoon. Tutkimusaineistosta muodostettiin puittaiset ja kuvioittaiset lähtötiedostot. Toimenpide-ehdotuksien tuottamisessa ja laskennallisessa ajantasaistuksessa käytettiin MELA-ohjelmistoa. Mittausvirheet osoittautuivat tutkituista virhelähteistä suurimmaksi epävarmuuden aiheuttajaksi sekä puustotunnusten ajantasaistuksessa että toimenpide-ehdotusten ennustamisessa. Puittaisista aineistoista tuotetut toimenpide-ehdotukset, ja erityisesti harvennustarpeen määrittelyt, olivat luotettavampia kuin metsikkötason aineistoilla tuotetut toimenpide-ehdotukset. Kasvumallien avulla ajantasaistettu inventointiaineisto voisi soveltua toimenpide-ehdotusten kannalta metsäsuunnittelun lähtöaineistoksi, mikäli toimenpide-ehdotuksia tarkastellaan puustotietojen ja harvennus- ja uudistamismallien mukaan. Toimenpide-ehdotusten luotettavuuteen vaikutti merkittävästi se, miten kasvumalleissa käytettävä lämpösumma oli johdettu. Jos lämpösummaksi otettiin INKA-aineiston kullekin metsikölle määritetty alkuperäinen lämpösumma, tulokset olivat selvästi heikompia kuin jos lämpösumma määritettiin laskennallisesti vastaavalla tavalla kuin kasvumallien laadinnassa. Lisätutkimusta tarvitaan etenkin laskennallisesti johdettujen ja maastossa arvioitujen toimenpidetarpeiden yhteneväisyydestä.
Tutkimuksessa testattiin ja vertailtiin erilaisia läpimittajakaumamalleja kuvauspuiden muodostamisessa kuvioittaisen arvioinnin laskentajärjestelmässä. Tutkimuksen aineistona käytettiin Valtakunnan metsien inventoinnin kiinteäsäteisiä pysyviä koealoja. Vertaillut menetelmät olivat runkoluvullinen ja runkoluvuton prosenttiosuusmalli, vastaavat Johnsonin SB-jakauman parametrimallit sekä runkoluvuttomat Weibullin parametrimallit. Kaikki mallit kuvaavat pohjapinta-alan läpimittajakaumia, mutta runkoluvullisissa malleissa käytetään selittäjänä myös puusto-ositteen runkolukua. Puulajeista tarkasteltiin niin mäntyä, kuusta, koivuja kuin myös haapaa ja leppää. Tuotettujen puustotunnusestimaattien (kokonais- ja tukkitilavuus sekä runkoluku), tarkkuutta tarkasteltiin keskivirheen ja harhan avulla.
Mikäli runkoluku oli tiedossa, tuotti runkoluvullinen prosenttiosuusmalli yleensä tarkimmat tulokset niin tilavuuden kuin runkoluvunkin osalta. Tilavuusestimaattien osalta tarkkuuserot olivat kuitenkin pieniä. Jos taas runkolukua ei tiedetty, olivat vertaillut menetelmät keskimäärin likimain yhtä hyviä. Menetelmien keskinäinen tarkkuusjärjestys vaihteli puulajin, puuston koon ja tarkastellun puustotunnuksen suhteen. Käytettävän läpimittajakaumamallin valintaa tärkeämpää on kiinnittää huomiota maastossa mitattavan puustotiedon määrään ja etenkin laatuun.
Tässä tutkimuksessa testattiin k-lähimmän naapurin (knn) menetelmän ja monitavoiteoptimoinnin soveltuvuutta metsikön kasvuennusteiden luotettavuuden arviointiin. Tutkimuksen aineistona käytettiin Metsäntutkimuslaitoksen kangasmaiden kasvukoealoja. Puulajeista tarkasteltiin mäntyä, kuusta ja koivua. Koealoilta muodostettiin kuvioittaisen arvioinnin SOLMU- ja TASO-muotoiset tiedostot, joihin simuloitiin lisäksi kuvioittaisen arvioinnin mittausvirhettä. Luotettavuusarviot estimoitiin pohjapinta-alamediaanipuun läpimitalle ja pituudelle, pohjapinta-alalle ja tilavuudelle. Luotettavuusarviot estimoitiin puulajeittain ja metsikölle. Kuvion puustotunnusten luotettavuusarviot saatiin k lähimmän naapurin vastaavien tunnusten kehitysennusteiden virheiden hajonnasta, joille oli ennustettu samantasoinen kasvu samanlaisilla puustotunnuksilla. Virhe saatiin kasvukoealalta mitatun ja MELAlla simuloidun kehityksen erona. Lähimpien naapureiden haussa käytetyt metsikkö- ja puustotunnukset ja tunnusten painot etsittiin monitavoiteoptimoinnilla. Menetelmää testattiin estimoimalla kunkin kuvion puustotunnuksien kehitysennusteiden luotettavuusarviot etsien lähimmät naapurit tutkimusaineistosta, josta poistettiin kulloinkin käsiteltävä kuvio. Menetelmän hyvyyttä tarkasteltiin vertaamalla puustotunnusten kasvuennusteiden toteutuneita keskivirheitä ja harhaa knn-menetelmän tuottamiin keskivirheiden ja harhan ennusteisiin. Lisäksi hyvyyttä arvioitiin tarkastelemalla keskivirheitä ja harhaa metsätyypeittäin ja pohjapinta-ala- ja ikäluokittain. Menetelmä toimi hyvin tutkimusaineistossa. Kuvioaineiston tietosisällöllä (SOLMU/TASO) ei ollut merkittävää vaikutusta tuloksiin. Menetelmää voidaan käyttää metsänomistajan päätöksenteon tukena ennusteiden luotettavuuden arvioinnissa. Luotettavuusarviot poistavat liian optimistiset kuvitelmat suunnittelulaskelmien paikkansa pitävyydestä. Menetelmää voidaan käyttää myös laskennallisessa ajantasaistuksessa päätettäessä, käytetäänkö kuviotiedoston ajantasaistusta kuvioittaisen inventoinnin tukena tai korvaamassa osittain uutta inventointitietoa.
Metsätalouden eri osa-alueilla pyritään jatkuvasti kustannussäästöihin. Kustannusten vähentämiseen tähtäävien toimenpiteiden vaikutukset jäävät kuitenkin valitettavan usein selvittämättä. Yksityismetsien metsäsuunnittelun tietotarpeita tyydyttävään kuvioittaiseen arviointiin on haettu viime aikoina kustannussäästöjä erilaisia korvaavia ja täydentäviä arvioimismenetelmiä testaamalla. Metsäkeskusten suorittamassa yksityismetsien metsäsuunnittelussa metsälön kaikki kuviot käydään läpi maastoinventoinneilla noin kymmenen vuoden välein. Laskennallisessa ajantasaistuksessa kuvioaineistoa päivitetään tilastollisilla malleilla toimenpiteet huomioon ottaen. Tällöin rajoiltaan muuttumattomilla kuvioilla ei tarvitse suorittaa puustomittauksia jokaisella inventointikerralla. Kasvuennusteiden luotettavuusarvioita ei kuitenkaan tehdä, vaan ajantasaistettua kuvioaineistoa käytetään kuten varsinaista uutta inventointiaineistoa.
Tässä katsauksessa tarkastellaan erilaisia menetelmiä, joiden avulla voidaan tuottaa ajantasaistetuille tunnuksille luotettavuusarvioita. Nämä luotettavuusarviot palvelevat tilanteissa, joissa olisi päätettävä, käytetäänkö kuviotiedoston ajantasaistusta kuvioittaisen inventoinnin tukena tai korvaamassa osittain uutta inventointitietoa. Suunnittelijalle luotettavuusarviot antavat tukea päätöstilanteessa, jossa valitaan kuviot, joille ajantasaistus voidaan tehdä luotettavasti.