Reitinoptimointi maastossa ei ole ollut laajasti tutkittu aihe. Metsäkeskuksen metsäninventointityöhön soveltuvaa reitinoptimointimenetelmää on kehitetty muutaman vuoden ajan. Tämän tutkimuksen tavoitteena oli testata menetelmää ensimmäisen kerran todellisen maastotyön yhteydessä. Testauksessa selvitettiin reitinoptimointityökalun toimivuutta, reitinoptimoinnin vaikutusta työn tuottavuuteen ja kerättiin testaajien mielipiteitä menetelmän hyödyllisyydestä. Reitinoptimointimenetelmän periaatteet havaittiin toimiviksi. Kehitetyllä reitinoptimointityökalulla pystyttiin tuottamaan yleensä toimivia reittejä. Toisinaan reitit olivat kuitenkin epäloogisia. Reitinoptimoinnin merkityksestä työn tuottavuudelle ei pystytty tekemään luotettavia johtopäätöksiä. Testaajien mielipiteiden mukaan menetelmästä oli kuitenkin vähintään jonkin verran hyötyä enemmistölle testaajista. Reitinoptimointityökalu vaatii vielä jatkokehitystä, jotta siitä saataisiin tuotantokäyttöön soveltuva. Kehitystyön jälkeen menetelmän hyödyllisyyden voidaan arvioida edelleen kasvavan. Käytännön soveltamisessa työkalun tuottamia reittejä tulisi pitää apuvälineenä, joiden avulla ihminen voisi päättää lopullisen käyttämänsä reitin. Menetelmä on sovellettavissa myös muuhun maastossa liikkumiseen. Tällöin reitinlaskentaan vaikuttavat lähtötiedot on selvitettävä tapauskohtaisesti.
Tutkimuksessa esiteltiin tila- ja metsikkötason tarkastelut yhdistävä suunnittelumenetelmä, jossa metsiköiden käsittelyohjelmien määrittämiseen vaikuttavat paitsi metsikkötason tavoitemuuttujien arvot myös tilatason rajoitteet. Metsikkötason optimointiongelmat tehtiin toisistaan riippuviksi tilatason rajoitteiden varjohintojen avulla. Rajoitteiden avulla voidaan vaikuttaa esimerkiksi hakkuumäärien ajalliseen jakautumiseen. Menetelmän etu on jatkuvien metsikkötason päätösmuuttujien käyttö, jolla tarkoitetaan sitä, että ne voivat saada lähes minkä tahansa arvon niiden vaihteluväliltä. Tämä tuo tehokkuusetuja verrattuna normaaliin tilatason suunnittelumalliin, jossa metsiköille simuloidaan etukäteen rajallinen määrä käsittelyvaihtoehtoja. Menetelmän toimintaa havainnollistettiin kahdelle esimerkkitilalle tehdyillä laskelmilla, joissa esitellyn menetelmän ja tyypillisten käytössä olevien suunnittelumallien eroksi nykyarvolla mitattuna tuli noin 20 %. Tämä ero johtui suurelta osin siitä, että esitellyssä mallissa kunkin metsikön käsittely valitaan periaatteessa kaikkien mahdollisten vaihtoehtojen joukosta, kun taas perinteisissä suunnittelumalleissa valitaan paras muutamasta etukäteen tuotetusta käsittelyvaihtoehdosta. Jatkuvien päätösmuuttujien käyttö tuo lisää joustavuutta ja tarkkuutta käsittelyjen määrittelyyn. Menetelmän suurin ongelma on rajoitemuuttujien suuri herkkyys varjohinnoille joissakin suunnitteluongelmissa, minkä vuoksi menetelmä ei aina päädy käypään ratkaisuun, vaikka sellainen olisi olemassa. Näissä tilanteissa suunnittelijan tulee muuttaa menetelmän parametreja, mikä vaatii ammattitaitoa.
Tutkimuksessa testattiin sellaista metsäsuunnittelman laadintatekniikkaa, jossa ei käytetä lainkaan perinteisiä metsikkökuvioita. Puustotunnukset tulkittiin kuusikulmion muotoisille pikseleille käyttäen laserkeilausaineistoa ja joukkoa suunnittelualueen läheltä mitattuja maastokoealoja. Lisäksi käytettiin digitaalista väri-infrakuvaa, jonka avulla pääteltiin, oliko tietty pikseli metsäpeitteetön, havupuustoinen vai lehtipuustoinen. Tutkimuksessa verrattiin kolmea pikselikokoa: 294 m2, 591 m2 ja 1182 m2. Puustotunnusten tulkintamenetelmässä jokaiselle pikselille valittiin 50 ”lähintä” koealaa. Läheisyyttä mitattiin laser- ja väri-infra-aineistosta lasketuilla muuttujilla. Tulkintapikselille valittujen koealojen puustotunnusten ja laserpulsseista laskettujen muuttujien välille sovitettiin ennustin, jolla tulkintapikselin puustotunnukset saatiin laserpulsseja luonnehtivien muuttujien funktiona. Tulkintapikseleille simuloitiin vaihtoehtoisia käsittelyohjelmia kahdeksi 5-vuotiskaudeksi. Pikseleistä muodostettiin yhtenäisiä käsittely-yksiköitä spatiaalisen optimoinnin keinoin. Tulosten mukaan menetelmä on teknisesti toimiva, joskin osa käsittelykuvioista on varsin pieniä, ja käsittelykuvion sisälle voi jäädä käsittelemättömiä pikseleitä. Tämän tulkittiin olevan seurausta metsäalueen puuston heterogeenisuudesta eikä niinkään menetelmän kyvyttömyydestä ryhmittää metsän piirteitä ja käsittelyjä spatiaalisesti. Suurin pikselikoko tuotti vähiten sirpaleisen hakkuuehdotuksen, mutta pienin pikselikoko taas tuotti suurimman nettotulojen nykyarvon, kun hakkuukertymä vakioitiin.
Yksi tapa kuvata metsikön puuntuotannollista arvoa on ilmoittaa sen maksimoitu tuottoarvo. Näin saatu luku ilmentää metsikön arvoa sijoituskohteena. Tuottoarvon laskeminen tällä tavoin edellyttää metsikön käsittelyn optimointia senhetkistä korkokantaa ja puutavaralajien hintoja käyttäen, mikä on monessa käytännön tilanteessa tarpeettoman hankalaa. Tässä tutkimuksessa esitetään mallit, joilla metsikön maksimaalinen tuottoarvo voidaan ennustaa korkokannan, puutavaralajien hintojen, kasvupaikan ja puuston rakennetta kuvaavien tunnusten avulla. Mallit perustuvat tuhansiin metsikkötason optimointeihin, joissa erilaisten metsiköiden käsittelyä optimoitiin tuottoarvoa maksimoiden käyttäen erilaisia puutavaralajien hintoja ja korkokantoja. Mallit laadittiin erikseen kivennäismaan männiköille (OMT, MT, VT ja CT), kuusikoille (OMT, MT ja VT) ja rauduskoivikoille (OMT ja MT). Ne selittävät n. 95 % metsikkökohtaisten optimointien avulla saatujen tuottoarvojen vaihtelusta.
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.
Tutkimuksessa selvitettiin erilaisten kuvioittaisessa metsänarvioinnissa käyttökelpoisten menetelmien hyvyyttä männyn ulkoisen oksikkuuden huomioon ottamisessa. Oksikkuustunnuksista käsiteltiin rungon laatuun vaikuttavista tekijöistä alimman kuolleen oksan (kuivaoksaraja) ja elävän latvusrajan (latvusraja) korkeutta. Ko. oksarajatunnusten sekä puun rinnankorkeusläpimitan ja pituuden avulla rungot arvoapteerattiin dynaamisella optimoinnilla käyttäen laatuluokkina ulkoisesti oksatonta (I-laatu), terveoksaista (II-laatu) ja kuivaoksaista (III-laatu) laatua.
Tutkimus jakautui kahteen osaan. Ensimmäisessä osassa koealojen läpimittajakauma muodostettiin Weibull-jakauman avulla, estimoitiin jakauman puille pituudet, kuivaoksa- ja latvusrajat ja optimoitiin rungot. Lopuksi laskettin hehtaarikohtaiset tunnukset. Aineistona oli 65 VAPU (Valtakunnallinen puututkimus) -koealaa. Toisessa osassa simuloitiin kahteen metsikköön (Jaamankangas, Kontiolahti ja Mekrijärvi, Ilomantsi) relaskooppikoealoja, joissa kokeiltiin erilaisten mittausyhdistelmien ja koealojen lukumäärän vaikutusta eri laatuluokkien hehtaarikohtaisiin tuloksiin.
Rungon tukkiosan jakaminen eri laatuluokkiin onnistui tarkastellussa tilanteessa harhattomimmin menetelmällä, jossa koealan keskipuun oksarajatunnukset yleistetään suoraan kaikille koealan puille. Kokeillut mallit sekä kuivaoksa- että latvusrajalle osoittautuivat epätarkoiksi kalibrointienkin jälkeen. Koealojen lukumäärän vaikutus tulosten tarkkuuteen riippui käytetystä menetelmästä.
Artikkelissa esitetään HERO-nimisen heuristisen optimointimenetelmän sovellus vuorovaikutteiseen metsäsuunnitteluun. Vuorovaikutteisessa eli interaktiivisessa yksityismetsien suunnittelussa metsänomistaja ja suunnittelija käyttävät suunnitteluohjelmistoa yhteisessä suunnitteluistunnossa toistaen suunnittelulaskelmia tarvittaessa useaan kertaan.
Metsänomistajan tavoitteet pyritään kuvaamaan mahdollisimman kattavasti jo ensimmäisessä suunnittelulaskelmassa. Ohjelmistolta saatavan välittömän palautteen pohjalta voidaan muuttaa tavoitemuuttujiksi määriteltyjä metsää ja sen kehitystä kuvaavia tunnuksia sekä niiden tärkeyssuhteita, jos laadittu suunnitelma ei tyydytä metsänomistajaa. Tavoitemuuttujia ja niiden painoarvoja tai muita optimoinnin perusteita muutetaan kunnes aikaansaatu suunnitelma tyydyttää metsänomistajaa. Suunnittelulaskelmien myötä opitaan tilan tai metsäalueen tuotantomahdollisuudet ja nähdään miten erilaiset metsän hoidon ja käytön tavoitemallit vaikuttavat metsästä saataviin hyötyihin sekä metsän kehittymiseen.
Vuorovaikutteista optimointia testattiin Pohjois-Karjalan metsälautakunnan yksityismetsien metsäsuunnittelun kehittämishankkeessa. Kymmenen metsänomistajaa osallistui testiin. Useimmille testiin osallistuneista metsänomistajista kyettiin tuottamaan ensimmäistä suunnittelulaskelmaa tyydyttävämpi suunnitelma muuttamalla optimointitehtävää yhteen tai useampaan kertaan, mikä osoittaa vuorovaikutteisen suunnittelun hyödyllisyyden. Vuorovaikutteisuus parantaa asiakaslähtöisen suunnittelun edellytyksiä.
Tutkimuksessa selvitettiin Etelä-Suomen havutukkipuun jakautuminen eri laaturyhmiin. Mänty- ja kuusirungoilla laaturyhminä olivat oksaton ja kyhmytön tyvitukki, kuivaoksainen väli- tai tyvitukki sekä terveoksainen latvatukki. Lisäksi kuusirungoista erotettiin omaksi ryhmäkseen latvaläpimitaltaan yli 40 cm:n tukit.
Tutkimusaineistona käytettiin valtakunnan metsien 8. inventoinnin koepuita, jotka apteerattiin kahdella eri tavalla. Laatuapteerauksessa tavoitteena oli käyttää rungon eri laatuosat maksimaalisesti hyödyksi ja pitää laatuosat erillä toisistaan. Jakauma-apteerauksessa pyrittiin ennalta asetettuun pituustavoitteeseen laatuluokan sisällä sekä sallittiin siirtymä paremmasta laatuluokasta huonompaan laatuluokkaan. Koko Etelä-Suomen laaturyhmittäiset tukkiosuudet saatiin yleistämällä koepuiden laskennalliset apteeraustiedot lukupuille keskiarvomenetelmällä.
Jakauma-apteerauksessa mäntykoepuiden oksattoman tyvitukin määrä aleni 30 % ja terveoksaisen tukin määrä lähes 40 % laatuapteerauksen tukkimääriin verrattuna. Vastaavasti kuivaoksaisen tukin määrä kasvoi 14 %. Kuusikoepuiden jakauma-apteerauksessa terveoksaisen tukin määrä aleni 17 % ja kuivaoksaisen tukin määrä lisääntyi 9 % verrattuna laatuapteerauksen mukaisiin tukkimääriin.
Laatuapteerauksen perusteella oksatonta ja kyhmytöntä mäntytyvitukkia oli 17,0 % Etelä-Suomen männyn kokonaistukkitilavuudesta ja kuusityvitukkia 4,2 % kuusen kokonaistukkitilavuudesta. Terveoksaista mäntytukkia oli 8,0 % ja kuusitukkia 24,8 % tukkitilavuudesta. Kuivaoksaisen mäntytukin osuus oli 74,3 % ja kuusitukin 69,3 %. Lisäksi latvalapimitaltaan yli 40 cm:n kuusitukkia saatiin 1,2 % tukkitilavuudesta.
Tässä katsauksessa esitellään monitavoitteisen metsäsuunnittelun menetelmiä, joiden avulla voidaan vaikuttaa suunnittelualueen metsien spatiaaliseen rakenteeseen. Metsäalueen spatiaalinen rakenne eli konfiguraatio kuvaa elinympäristöjen tai resurssien sijoittumista alueelle. Se määräytyy metsiköiden kokojen, muotojen ja erityyppisten metsiköiden suhteellisen sijainnin perusteella. Katsauksessa tarkastellaan erityisesti kahden spatiaalisen tavoitteen sisällyttämistä metsäsuunnittelun optimointilaskelmiin. Tavoitteet ovat elinympäristöjen kokoon vaikuttaminen ja elinympäristöjen välisten yhteyksien luominen. Ensin esitellään näiden tavoitteiden ekologiset perustelut. Suomalaisessa pirstoutuneessa metsämaisemassa ensimmäisen tavoitteen suhteen kyse on yleensä elinympäristölaikkujen koon suurentamisesta. Toinen tavoite liittyy Suomessakin käytettyjen ekologisten yhteyksien tai ekokäytävien muodostamiseen. Katsauksessa tarkasteltujen tutkimusten perusteella voidaan todeta, että molemmat tavoitteet voidaan sisällyttää suunnittelulaskelmiin eri tavoilla. Metsäalueen spatiaalista rakennetta voidaan joissakin tapauksissa myös parantaa varsin pienillä puuntuotannollisilla kustannuksilla. Tämä edellyttää tehokkaiden optimointimenetelmien ja metsien dynamiikan hyödyntämistä. Jatkossa tulee panostaa paitsi joustavien ja monipuolisten suunnittelumenetelmien kehittämisen, myös niiden sisällyttämiseen luontevaksi osaksi koko suunnitteluprosessia. Tällöin tarvitaan käytännön kokemuksia menetelmien käytöstä.