Digitaalinen maapallo, joka jäljittelisi tarkasti Maan käyttäytymistä? Tekoälyn avulla luotu maapallon metsien digitaalinen kaksonen? Tarkan kopion tekeminen jostain niin monimutkaisesta kohteesta kuin metsäluonto kuulostaa todella haasteelliselta, lähes mahdottomalta.  Mutta sen tekeminen on alkanut jo, ja sille on syynsä.  

Tiedämme jo, että väestönkasvu ja ihmisen oma toiminta haastavat maapallon kriittisten luonnonvarojen riittävyyttä. Ekosysteemien stressi kasvaa ympäristön saastumisen myötä, ja niin myös vaikutukset ihmisten terveyteen sekä luonnon monimuotoisuuteen. Luonnon ja sen ilmiöiden tarkan mallintamisen toivotaan auttavan ymmärtämään paitsi planeetan menneisyyttä ja nykyisyyttä, ennen kaikkea sen tulevaisuutta.

Metsien digitaalisen kaksosen rakentaminen on osa tätä isoa suunnitelmaa. Digitaalinen kaksonen pyrkii digitaalisesti kuvaamaan fyysistä maailmaa ja toimintaa sekä luomaan siitä ennustuksia. 

Metsät kattavat noin kolmanneksen koko maapallon pinta-alasta, joten niiden kunto vaikuttaa ilmastoomme monin tavoin, ja niiden biomassa on keskeinen osa maan ja sen ilmakehän hiilitasapainoa.

Monitieteinen suomalainen Matti Mõttusen johtama ARTISDIG-konsortio eli hankekokonaisuus on koonnut yhteen alan johtavia tutkijoita kehittämään kaukokartoitustietoa hyödyntäviä tekoälypohjaisia menetelmiä, joilla luodaan tieteellinen pohja pohjoisen pallonpuoliskon metsien kopioimiseksi digitaaliseksi aineistoksi.

Mukana hankkeessa on tutkijoita Teknologian tutkimuskeskuksesta VTT:ltä, Luonnonvarakeskus LUKEsta sekä Aalto-yliopistosta kahdelta taholta: tekoälytutkimuksen ja spektritutkimuksen  parista. Suomen Akatemian koordinoiman EU:n elpymisvälinerahoituksen avulla pyritään huippututkimuksen keinoin edistämään Euroopan vihreää ja digitaalista siirtymää.

Digitaalinen kaksonen voi ennustaa metsän kasvua tai hiilitasetta

”VTT:llä on jo pitkään tutkittu metsien kaukokartoitusta, ja viime vuosina myös metsän digitaalisen kaksosen kehitystä. Olen ollut viimeisen 20 vuoden aikana mukana kehittämässä satelliittiaineistoon perustuvia kaukokartoitusmenetelmiä metsien aiempaa tarkempaan inventointiin, muun muassa metsäteollisuuden käyttöön”, kertoo VTT:n tietotekniikan tutkija Heikki Astola.   

Tietokoneiden laskentakapasiteetin kasvun myötä viimeaikaiset koneoppimismenetelmät on saatu tehokkaaseen käyttöön. Samaan aikaan kaukokartoitusmenetelmien kehitys ja esimerkiksi laserkeilaus- sekä satelliittikuva-aineiston yhdistäminen ovat parantaneet ennusteiden tarkkuutta.

Erilaisia komponentteja digitaalisten kaksosten valmistamiseen on jo olemassa. Näitä komponentteja yhdistelemällä voi koota digitaalisia kaksosia tiettyihin määriteltyihin tarkoituksiin, kuten ennustamaan metsän kasvua ja hiilitaseita.

Astola oli mukana, kun vuosina 2020–2021 VTT toteutti metsän digitaalisen kaksosen esiasteen Euroopan avaruusjärjestö ESAn rahoituksella ja Suomen Akatemian hankkeena.

”ESAn hankkeessa tehtiin jo alustavia eksperimenttejä tekoälyn suuntaan ja kokeiltiin digikaksoseen tarvittavien mallien yhteistoimintaa. Hankkeessa tuotettiin myös suunnitelma, tiekartta, joka kertoo, mitä digitaalisen kaksosen toteuttaminen vaatii”, Astola kertoo. Tekoäly on isossa mittakaavassa toimivan systeemin lähes välttämätön osa.

ARTISDIGin tuloksen Astola toivoisikin olevan ”jonkinlainen preoperatiivinen systeemi”, jonka rajoitukset tunnetaan, ja jota käyttäen voitaisiin tuottaa tietoja metsien nykytilasta ja tulevaisuudesta.

”Digitaalisia kaksosia on kehitteillä ympäri maailmaa sekä julkisella että yksityisellä sektorilla. Tulevaisuudessa on siis useita, osin päällekkäisiä järjestelmiä, jotka tuottavat informaatiota eri toimijoiden tarpeisiin. Toivon, että meneillään oleva hanke osaltaan edesauttaa laskentamenetelmiin liittyvän yhteisymmärryksen saavuttamista, jotta saataisiin aikaan päättäjille asiaankuuluvaa tietoa tuottavia järjestelmiä, joiden tuloksiin eri tahot voivat sitoutua.”

Tutkijat Jorma Laaksonen (vas.) ja Heikki Astola työstävät tekoälytyökaluja metsistä saatavan kaukokartoitustiedon mahdollisimman tarkkaan mallintamiseen.

Metsien luonnontilaisuus arvioinnin kohteena

”ARTISDIG-projektissa mielestäni kiinnostavaa on, että tulevassa digitaalisessa kaksosessa pyritään arvioimaan myös metsien luonnontilaisuutta, onko metsä kasvanut paikalle itsestään vai onko ihminen sen sinne istuttanut”, toteaa Aalto-yliopiston tutkija Jorma Laaksonen, jonka vetämä ARTISDIG-ryhmä tuottaa tekoälytyökaluja puulajien ja luonnon monimuotoisuuden kartoittamiseen.

”Päätöksenteossa voidaan sitten miettiä, mitä metsiä hakataan ja mitä säilytetään. Eipä tarvitse kiistellä, onko kyseessä luonnontilainen vai ei, vaikka fyysiseen metsään ei pääsisikään sitä toteamaan, sillä ajantasainen satelliittitieto kertoisi sen. Digitaalisen kaksosen olisikin myös pystyttävä talouskäytön ohella huomioimaan koko metsien biologista monimuotoisuutta, joka sekin pitäisi pystyä määrittelemään.

Kuinka tarkka fyysisen maailman kopio metsän digitaalinen kaksonen oikeasti tulee olemaan, riippuu siihen syötetyn tiedon laadusta. Tarkan ja hyvän metsien digitaalisen kaksosen tekeminen edellyttää Laaksosen mukaan uusimman teknologian hyödyntämistä.

”Nykyaikaiset tekoälyyn perustuvat menetelmät toimivat hyvin metsäparametrien mallinnuksessa boreaalisella alueella. Juuri siihen ARTISDIGissä tähdätäänkin.”

Laaksosen ryhmä työstää tekoälypohjaista kuva-analyysijärjestelmää, joka pystyy mahdollisimman tehokkaasti hyödyntämään tulevaisuuden hyperspektrisiä ja korkearesoluutioisia optisia kuvia.  Tekoälyä hyödyntävän järjestelmän avulla arvioidaan paitsi metsien biomassaa ja puulajeja, myös metsien biologista monimuotoisuutta. Hyperspektrikuvantamisesta saatavien heijastusmallien avulla voidaan päätellä, miltä tiettyä valoa heijastava metsä todellisuudessa näyttää.

Koneoppimisen avulla kehitettiin sopivia algoritmeja

Laaksosella oli aiemmin Mõttusen kanssa kahdenkeskeinen Suomen Akatemian tukema projekti, AIROBEST, jossa tutkittiin samoja heijastusmalleja, joita VTT:llä oli aiemmin tutkittu. Nyt työn tuloksia hyödynnetään ARTISDIGissä.

Tutkimuksessa hyödynnettiin tekoälyn keskeistä osa-aluetta, koneoppimista, joka tutkii kokemuksen kautta kehittyviä tietokonealgoritmeja. Siinä sovellettiin monitehtäväoppimista, syväoppimista ja konvoluutiohermoverkkoa (CNN).

Projektin tuloksena tutkijat julkaisivat mittavan avoimen Taiga-aineiston ja -tekoälymallin, jolla voi tulkita 0,7 m pikselikoon hyperspektrikuvia. Aineisto sisältää yli 70 miljoonaa merkittyä pikseliä yli 600 metsävarakuvioon. Aineiston avoimuuden toivotaan poikivan lisää tutkimusta ja uutta tietoa alalle. 

”Olemme tähän asti käyttäneet ennusteiden tekemiseen tarkkaa mutta kallista lentokoneesta kuvattua kuvaa, mutta oikeasti sen lisäksi on myös olemassa vähemmän tarkkaa mutta käyttäjälle halpaa satelliitista tuotettua kuvaa”, Laaksonen pohtii.

 ”Olisipa hyvä lopputulema käynnissä olevalle projektille, jos pystyisimme tekemään yhtä hyviä tulkintoja kustannuksiltaan edullisemman satelliittikuvan perusteella. 

Metsä on paljon muutakin kuin puut ja talouskäyttö. Aluskasvillisuus, esimerkiksi marjat ja sienet, eivät näy satelliittiin, vaan sen tiedon perässä metsään pitää jalkautua. Mielellämme käyttäisimme sitäkin dataa, jos saisimme.”

Miksi juuri Suomessa tehdään merkittävää tekoälytutkimusta?

Jokainen tieteen edistysaskel vaatii taakseen laajan tutkimuskentän. Suomella on tekoälyjen rakentamisessa poikkeuksellinen historia. Teknillisessä korkeakoulussa työskennellyt akateemikko Teuvo Kohonen (1934–2021) oli nimittäin yksi maailman eturivin tekoälyn pioneereista.

Kohonen loi 1980-luvulla tekoälytutkimuksen tärkeän merkkipaalun, itseorganisoivan kartan (self-organising map, SOM), josta kasvoi yksi aikansa merkittävimmistä suomalaistutkimuksista. Uudet tekoälymenetelmät ohittivat myöhemmin Kohosen kartan tutkimuskohteena, mutta Otaniemeen jäi huippuluokan tekoälyn tutkimusperinne.

Nyt Kohosen entisten oppilaiden lopullisena tavoitteena ARTISDIGissa onkin paitsi integroida tutkimusryhmien tulokset maailmalla oleviin hankkeisiin, myös korvata nykyinen mallinnusketju uudella tekoälypohjaisella työkalulla, jonka avulla laajoja metsäalueita koskevat laskelmat voidaan toteuttaa nopeasti.

Teksti: Eeva Pitkälä
Kuvat: Eero Kukkonen ja Rodeo

Tutkimushankkeelle on myönnetty Euroopan unionin elpymisvälinerahoitusta (NextGenerationEU) Suomen Akatemian kautta projektinumerolla 348035.