Kesme – Kestävää metsäenergiaa Etelä-Savossa 2023-2025
Aalto, Mika; Turkia, Kyösti; Gyawali, Arun; Ranta, Tapio (2026-02-19)
Publishers version
19.02.2026
191
Lappeenrannan-Lahden teknillinen yliopisto LUT
LUT Scientific and Expertise Publications Tutkimusraportit – Research Reports
School of Energy Systems
Julkaisun pysyvä osoite on
https://urn.fi/URN:ISBN:978-952-412-419-5
https://urn.fi/URN:ISBN:978-952-412-419-5
Tiivistelmä
Tässä raportissa esitetään LUT-yliopiston Bioenergian tutkimusryhmän toteuttaman osahankkeen keskeiset tulokset hankkeessa Kestävää metsäenergiaa Etelä-Savossa 2023–2025. Hankkeen tavoitteena oli kehittää kaukokartoitukseen ja simulointiin perustuvia menetelmiä nuorten metsien hoidon ja energiapuun korjuun tehostamiseksi sekä arvioida erilaisten harvennusmenetelmien toimivuutta käytännön olosuhteissa.
Drone-pohjainen kaukokartoitus, joka yhdisti LiDAR-keilauksen, digitaalisen ilmakuvausaineiston (DAP) ja koneoppimismenetelmät, osoittautui tarkaksi ja luotettavaksi tavaksi mallintaa nuorten metsien rakennetta yksittäisen puun tasolla. Menetelmä tuotti pituus-, läpimitta-, tilavuus- ja puulajitunnuksia, jotka vastasivat hyvin maastomittauksiin perustuvia arvoja. Kaukokartoitus mahdollisti myös vuosittaisen seurannan sekä harvennuskohteiden ja ennakkoraivaustarpeiden tarkan tunnistamisen.
Simulointimallilla tutkittiin väyläharvennuksen, valikoiva harvennuksen ja tehostetun valikoivan vaikutuksia tuottavuuteen ja metsikön rakenteeseen eri skenaarioissa. Tulokset osoittivat, että väyläharvennus on selvästi tuottavin menetelmä erityisesti tiheissä ja raivaamattomissa metsissä, mutta se jättää menetelmän luonteen vuoksi runsaasti pieniläpimittaista puustoa. Tehostettu valikoiva tuotti metsänhoidollisesti tasapainoisimman lopputuloksen, mutta alhaisemman tilavuustuottavuuden. Hybridiharvennus osoittautui demonstraatiohakkuissa lupaavaksi kompromissiksi, ja se oli koneenkuljettajien suosima erityisesti energiapuun korjuussa.
Hankkeen perusteella voidaan todeta, että kaukokartoituksen, koneoppimisen ja simuloinnin yhdistäminen tarjoaa uudenlaisia mahdollisuuksia parantaa nuorten metsien hoidon laatua, kohdentaa toimenpiteitä tarkoituksenmukaisemmin ja tukea energiapuun toimitusketjujen kehittämistä. Menetelmät tukevat tietopohjaista päätöksentekoa ja voivat merkittävästi tehostaa harvennusten suunnittelua sekä toteutusta Etelä-Savon metsissä.
Drone-pohjainen kaukokartoitus, joka yhdisti LiDAR-keilauksen, digitaalisen ilmakuvausaineiston (DAP) ja koneoppimismenetelmät, osoittautui tarkaksi ja luotettavaksi tavaksi mallintaa nuorten metsien rakennetta yksittäisen puun tasolla. Menetelmä tuotti pituus-, läpimitta-, tilavuus- ja puulajitunnuksia, jotka vastasivat hyvin maastomittauksiin perustuvia arvoja. Kaukokartoitus mahdollisti myös vuosittaisen seurannan sekä harvennuskohteiden ja ennakkoraivaustarpeiden tarkan tunnistamisen.
Simulointimallilla tutkittiin väyläharvennuksen, valikoiva harvennuksen ja tehostetun valikoivan vaikutuksia tuottavuuteen ja metsikön rakenteeseen eri skenaarioissa. Tulokset osoittivat, että väyläharvennus on selvästi tuottavin menetelmä erityisesti tiheissä ja raivaamattomissa metsissä, mutta se jättää menetelmän luonteen vuoksi runsaasti pieniläpimittaista puustoa. Tehostettu valikoiva tuotti metsänhoidollisesti tasapainoisimman lopputuloksen, mutta alhaisemman tilavuustuottavuuden. Hybridiharvennus osoittautui demonstraatiohakkuissa lupaavaksi kompromissiksi, ja se oli koneenkuljettajien suosima erityisesti energiapuun korjuussa.
Hankkeen perusteella voidaan todeta, että kaukokartoituksen, koneoppimisen ja simuloinnin yhdistäminen tarjoaa uudenlaisia mahdollisuuksia parantaa nuorten metsien hoidon laatua, kohdentaa toimenpiteitä tarkoituksenmukaisemmin ja tukea energiapuun toimitusketjujen kehittämistä. Menetelmät tukevat tietopohjaista päätöksentekoa ja voivat merkittävästi tehostaa harvennusten suunnittelua sekä toteutusta Etelä-Savon metsissä.
Lähdeviite
Aalto, M., Turkia, K., Gyawali, A., & Ranta, T. (2026). Kesme – Kestävää metsäenergiaa Etelä-Savossa 2023–2025. LUT Scientific and Expertise Publications Tutkimusraportit – Research Reports, 191. LUT-yliopisto. ISBN 978-952-412-419-5.