Metsillä on erityinen rooli luonnon monimuotoisuuteen liittyvässä päätöksenteossa, sillä ne kattavat noin 80 % maaekosysteemien monimuotoisuudesta maailmanlaajuisesti. Metsäkasvillisuuden rakenne ja sen moninaisuus vaikuttavat paikalliseen monimuotoisuuteen muokkaamalla mikroilmastollisia olosuhteita, tarjoamalla suojaa ja lisääntymispaikkoja, sekä vaikuttamalla resurssien ja ekologisten lokeroiden jakautumiseen ja saatavuuteen. Metsien kasvillisuuden rakenteen arvioinnissa kaukokartoitusdataa, kuten lentolaserkeilausdataa (ALS; Airborne Laser Scanning) ja optista dataa (esim. ilma- ja satelliittikuvat), hyödynnetään laajalti. Tämän väitöskirjan tavoitteena oli tarkastella ALS-datan käyttömahdollisuuksia metsien biologisen ja rakenteellisen monimuotoisuuden arvioinnissa.
Ensiksi tehtiin katsaus ALS-datan hyödyntämisestä metsien biologisen ja rakenteellisen monimuotoisuuden arvioinnissa. Katsauksessa raportoitiin yleisimmin tutkitut aiheet ja yleisimmät tutkimusalueiden maantieteelliset sijainnit, sekä listattiin kaikista eniten käytetyt ja hyödyllisimmät ALS-metriikat. Toiseksi arvioitiin ALS-datan ja ilmakuvien yhteiskäyttöä ekologisesti arvokkaiden metsähaapojen tunnistuksessa. Haavan ekologista tärkeyttä alleviivaa se, että lukuisat haavasta riippuvat lajit ovat Punaisen listan lajeja. Kaukokartoitukseen perustuva haavan kartoitus on tunnetusti haastavaa, sillä haavat sekoittuvat eniten muiden lehtipuiden kanssa, mutta myös siksi, että haapoja esiintyy vain harvakseltaan. Haapojen harvalukuisuus otettiin huomioon tasapainottamalla opetusaineistoa niin kutsutulla SMOTE-menetelmällä (Synthetic Minority Oversampling TEchnique). Kolmanneksi arvioitiin ALS-datan ja Sentinel 2-satelliittikuvien yhteiskäyttöä metsikkökoealojen iän ennustamisessa. Kaukokartoitusmuuttujien lisäksi laskettiin maastoaineistosta kategorisia selittäjiä, joilla kuvattiin koealan kasvuolosuhteista. Koealojen iän ennustamisessa verrattiin lineaarista sekamallia (LME) ja tehostettua päätöspuumenetelmää, joka hyödyntää satunnaisvaikutuksia (GPBoost). Joillakin koealoilla oli edellisen puusukupolven niin kutsuttuja ylispuita (siemen- ja jättöpuita), jotka vaikeuttivat iän ennustamista näillä koealoilla. Ylispuut otettiin huomioon testaamalla vaihtoehtoista ennustusmenetelmää, joka sisälsi ylispuukoealojen luokituksen ennen iän ennustamista.
Tulokset osoittivat, että suurin osa ALS-perustaisesta metsien biologisen ja rakenteellisen monimuotisuuden tutkimisesta on tähän saakka tapahtunut Euroopassa ja Pohjois-Amerikassa. Eläinekologia, kuollut puusto ja puulajien monimuotoisuusindeksit olivat eniten tutkittuja aihealueita. ALS-dataa käytettiin usein yhdessä muiden kaukokartoitusaineistojen, kuten ilma- ja satelliittikuvien kanssa, mikä oli erityisen hyödyllistä, kun puulajeja käsiteltiin suorasti tai epäsuorasti. Katsauksen perusteella ei löydetty yhtä selvää ALS-selittäjää, joka olisi hyödyllinen kaikenlaisessa metsien biologisen ja rakenteellisen monimuotoisuuden arvioinnissa. Kasvillisuuden korkeuden keskihajonta, keskiarvo ja variaatiokerroin olivat eniten hyödynnettyjä ja useimmiten hyödyllisiksi osoittautuneita ALS-selittäjiä.
Kookkaiden haapojen puu- ja koealatasojen luokittelutarkkuus parani, kun SMOTE-menetelmää hyödynnettiin harvinaisten haapahavaintojen augmentoinnissa. Ilmakuvaselittäjät osoittautuivat ALS-selittäjiä tärkeämmiksi kookkaiden haapojen tunnistamisessa. Eritoten lähi-infrakanava ja sen suhteet muiden ilmakuvakanavien kanssa olivat tärkeitä selittäjiä. Tulokset osoittavat, että kookkaiden haapojen tunnistaminen aidoissa populaatioissa on edelleen haasteellista.
Koealatason iän ennustamisessa GPBoost-menetelmä oli LME-menetelmää parempi, ja luokka-asteikollisten selittäjien mukaan ottaminen satunnaisvaikutuksina johti selvään ennustevirheen pienentymiseen. Ennustevirheen pieneneminen oli LME-malleissa suurempaa kuin GPBoost-malleissa. Kaikista parhaat tulokset saatiin, kun ylispuukoealojen luokitus tehtiin ennen iän ennustamista.
Tämä väitöskirja osoitti, että ALS-data tarjoaa arvokasta informaatiota metsäluonnon monimuotoisuuden arviointiin niin pienessä kuin suuressakin mittakaavassa. Se myös osoitti, että on tärkeää arvioida menetelmän tehokkuutta aineistolla, joka antaa realistisimman kuvan tarkasteltavasta populaatiosta. Tulevaisuudessa tarvitaan enemmän tutkimusta vähemmän tutkituista aiheista, kuten funktionaalisesta monimuotoisuudesta. Lisäksi GPBoost-menetelmää tulisi testata myös muiden metsää kuvaavien ominaisuuksien kuin iän ennustamisessa.
Sahateollisuuden liiketoimintastrategiat perustuvat perinteiseen (tuotelähtöiseen) liiketoimintalogiikkaan. Perinteiset kilpailukyvun lähteet, kuten alhaisemmat hinnat tai tuotannon tehokkuus, eivät ole enää riittäviä turvaamaan sahateollisuuden kannattavuutta. Siirtyminen valmistusyrityksestä palveluliiketoimintaan sisältää merkittävää potentiaalia asiakkaan kokeman arvon kasvattamiseen ja siten sahateollisuuden kilpailukyvyn parantamiseen. Palveluliiketoiminnan perusajatuksena on arvonluonti yhteistyössä palvelun tuottajan, asiakkaan ja muiden osapuolten kanssa. Näin ollen asiakas on liiketoiminnan keskiössä, haastaen perinteistä tuotelähtöistä ajattelutapaa.
Työn tavoitteena on selvittää sahateollisuuden liiketoimintamallin muutosta kohti asiakasläjtöisyyttä ja palveluliiketoimintaa. Koska arvoketjun toimijat ovat kytköksissä toisiinsa, tutkimuksessa tarkastellaan koko puutuoteteollisuutta. Muutosta kuvataan palvelulogiikan avulla (service logic), joka korostaa yrityksen ja asiakkaan välistä vuorovaikutusta. Työn uutuusarvo on asiakaslähtöisyyden ja palvelulogiikan soveltaminen sahateollisuuden kontekstissa. Lisäksi siinä tarkastellaan innovaation ja digitalisaation merkitystä alan kilpailukyvyn lähteenä. Tulokset perustuvat sekä tapaus- että haastattelututkimuksiin (n = 36).
Tulosten perusteella saha- ja puutuoteteollisuudella on paljon hyödyntämätöntä potentiaalia kilpailukykyvyn kasvattamiseksi, jonka se voi savuttaa siirtymällä kohti asiakaslähtöisyyttä ja palveluiliikeotimintaa. Siirtyminen vaatii merkittäviä strategisia muutoksia, kyseenalaistaen nykyiset toimintatavta ja periaatteet. Muutos alkaa ymmärryksellä siitä, mitä asiakaslähtöisyys merkitsee. Tarvitaan lisää ymmärrystä asiakkaiden tarpeista ja prosesseista, joiden perusteella yritykset voivat arvioida ja kehittää omaa tarjoomaansa. Keskeistä palveluliiketoiminnan onnistumisessa on asenteiden muutos kohti asiakaslähtöisyyttä – ei pelkästään omassa organisaatiossa, vaan läpi arvoketjujen.
Työn tavoitteena oli soveltaa ja edelleen kehittää satelliittikuvatietoon perustuvia metsien inventoinnin laskennan menetelmiä ja komponentteja boreaalisen ja trooppisen metsän olosuhteissa. Tässä työssä esitettävät sovellukset perustuvat optisen alueen kaukokartoitustietoon, pääosin satelliittikuvatietoon, sekä epäparametriseen k:n lähimmän naapurin estimointimenetelmään, jotka molemmat ovat yleisesti käytettyjä komponentteja monilähteisessä metsien inventoinnissa.
Variogrammia tekstuuri-informaation lähteenä metsikkökuvion puuston keskitilavuuden estimoinnissa kokeiltiin digitaalisen ilmakuvan avulla Hyytiälässä. Ristiinvalidoinnin mukaan keskitilavuuden estimoinnin tarkkuus parani, kun semivarianssin arvot olivat mukana hakumuuttujien joukossa.
Metsäpeitteen ja tilavuuden kartoittamisessa Terain alueella Nepalissa hyödynnettiin. Landsat TM -satelliittikuvia. Monilähteisen metsien inventoinnin laskentaa sovellettiin tilavuuden kartoitukseen myös Kon Tumin provinssin alueella Vietnamissa. Näissä kahdessa tutkimuksessa käytettiin MODIS -satelliittikuvatietoa referenssinä Landsat TM kuvien suhteellisessa kalibroinnissa.
Satelliittikaukokartoitus on edesauttanut myös metsähakkeen teknisen korjuumahdollisuusarvion laskentamenetelmien kehitystyötä. Työssä esitetään esimerkkisovellus Keski-Suomessa ja lähtötietona laskentaproseduurissa käytetään monilähdeinventoinnin tuottamaa rasterimuotoista biomassakartoitusta. Metsähakkeen korjuumahdollisuusarvio perustui hakkuutähteiden ja kantojen korjuuseen päätehakkuukohteilla.
Trooppisen metsän alueita koskevissa sovelluksissa laskennan toteutus tehtiin Open Source -laskentaohjelmistoilla. Tehty työ on osaltaan myös REDD+ ohjelmaan liittyvää metsien inventoinnin ja kaukokartoituksen kapasiteetin kehitystyötä. Metsähakkeen korjuumahdollisuusarviot toimivat puolestaan tukena metsäbioenergian tuotantoon liittyvässä päätöksenteossa.
Tutkimuksen tavoitteena oli selvittää tehokkaita metsähakkeen toimitusketjuja tienvarsivarastolta käyttöpaikalle. Tutkimusmenetelmänä käytettiin diskreettiä tapahtumapohjaista simulointia. Neljässä tutkimustapauksessa voitiin osoittaa seuraavat tulokset. 1) Voimalaitoksen polttoaineen vastaanottojärjestelmän uudelleenjärjestelyt sekä metsähake- ja turverekkojen saapumisen aikataulutus vähensi jonotusaikoja voimalaitoksella merkittävästi. 2) Metsäenergian tienvarsivarastojen tehokas sijainti- ja laatutiedon hyödyntäminen varastojen oikea-aikaisessa valinnassa toimituksiin lisäsi toimitettavan metsähakkeen energiasisältöä ja pienentää toimituskustannuksia. 3) Syöttöterminaalin käyttö osana metsähakkeen toimituksia käyttöpaikalle lisäsi hakkureiden ja hakeautojen käyttöastetta ja jakoi työmäärää tasaisemmin vuoden ympäri. 4) Metsähakkeen sisävesikuljetukset proomuilla tarjosi kilpailukykyisiä kuljetusratkaisuja pitkillä kuljetusetäisyyksillä, jos metsähakkeen käyttöpaikat sijaitsivat vesitiekuljetusreittien lähellä.