Uuden kehitteillä olevan teknologian avulla metsien ja viljelysten kasvua voi seurata etänä – ja nähdä asioita, jotka muuten saattaisivat jäädä huomaamatta.
Teksti: Richard Fisher
Kauniina alkukesän päivänä Mikael Westerlund vastaa puheluuni mökillään Itämeren rannikolla. Westerlund kertoo takanaan kohoavan kaksi mäntyä, ja niitä hän käyttääkin yksinkertaisena esimerkkinä kuvaillessaan uutta älykästä teknologiaa, jota hän pyrkii hyödyntämään yhdessä muiden Aalto-yliopiston tutkijoiden kanssa.
"Hyperspektrikuvantamiseksi" kutsuttu teknologia analysoi laajaa valospektriä, eli yksinkertaistettuna valon värijakaumaa, ja tuo puista, kasveista ja viljelykasveista näkyviin asioita, joita ei muuten pystyttäisi havaitsemaan.
"Etäältä katsottuna on mahdotonta sanoa, onko joku kasvi terve vai ei. Et paljain silmin välttämättä näe, ovatko ne esimerkiksi joutuneet tuholaisten hyökkäyksen kohteeksi,” Westerlund selittää ja osoittelee ympärillään olevia mäntyjä ja muita ikivihreitä kasveja.
Metsätaloudessa taistellaan näkymättömiä, puustoa piinaavia metsätuholaisia vastaan. Tällaisia ovat esimerkiksi lahottajasienet ja ilmastonmuutoksen myötä yleistyneet kaarnakuoriaiset, jotka leviävät puusta toiseen, usein rungon ja juurten suojissa, kunnes asialle on liian myöhäistä tehdä mitään. Suomessa niistä aiheutuu vuosittain kymmenien miljoonien eurojen tappiot.
Myös maataloudessa on usein vaikea arvioida, miten viljelykasvit voivat, Westerlund sanoo. Esimerkiksi kasvihuoneviljelijän mielessä saattaa pyöriä monenlaisia kysymyksiä: "Käytänkö lannoitteita liikaa tai liian vähän? Onko valoa ja kosteutta sopivasti? Onko kasveissa tuhoeläimiä? Käytänkö liikaa torjunta-aineita?
Kokeneet viljelijät saattavat löytää kysymyksiinsä vastaukset tutkimalla kasvejaan riittävän läheltä, mutta laajamittaisessa viljelyssä pitää pystyä seuraamaan valtavien peltoalueiden kehitystä etäältä. Yksi kasvi on helppo pitää terveenä, satojentuhansien kohdalla tilanne on toinen.
Juuri tässä on hyperspektrikuvantamisen mentävä aukko. Sen avulla metsänhoitajat ja viljelijät voivat seurata tilannetta etäältä ja havaita asioita, jotka muuten voisivat jäädä huomaamatta.
Mistä hyperspektriteknologiassa siis on kyse ja miten se toimii? Aloitetaan tutustumalla valon ominaisuuksiin ja siihen, miten kamerat valon näkevät.
Kun otat valokuvan, vaikkapa selfien, puhelimen kamerassa oleva anturi analysoi kasvoiltasi heijastuvan valon ja laskee väriarvon, joka kuvaa punaisen, vihreän ja sinisen kylläisyyttä kutakin pikseliä kohden. Näin toimivat myös silmät. Samalla kuitenkin katoaa paljon valoa koskevaa tietoa.
Hyperspektrikamera ei tyydy kolmeen väriin vaan mittaa valon spektriä huomattavasti laajemmin. Kamera tallentaa valon "spektriset ominaisuudet" jokaisessa pisteessä, taltioi huomattavasti enemmän tietoa valon aallonpituudesta ja voimakkuudesta kuin tavallinen kamera ja hyödyntää laajempaa sähkömagneettista spektriä. Se näkee asioita, joita emme paljaalla silmällä pysty havaitsemaan.
Samalla tavalla kuin sormenjäljestä voi tunnistaa henkilön, kuvattavista kohteista heijastuvista spektrisistä ominaisuuksista voi havaita yksityiskohtia, jotka muuten jäisivät piiloon.
Jos ottaisit selfien hyperspektrikameralla, saisit kasvoistasi paljon muutakin tietoa kuin sen, miten hyvältä näytät. Pystyisit tallentamaan ainutlaatuisen "spektrisen sormenjälkesi", joka paljastaisi melaniinin, veden ja hemoglobiinin määrän ihossasi.
Jotkut tutkijat ovatkin selvittäneet teknologian tarjoamia mahdollisuuksia kasvojentunnistuksessa ja biometrisessä tunnistuksessa. Mutta se ei suinkaan ole ainoa mahdollinen sovellusalue.
Hyperspektriteknologialle onkin ehdotettu lukuisia erilaisia käyttökohteita sen keksimisestä lähtien. Lääkäreille menetelmä tarjoaa uuden työkalun sairauksien diagnosointiin: sen avulla voi esimerkiksi mitata nopeasti kudoksen happisaturaation. Taidekonservaattorit puolestaan voivat hyödyntää sitä vanhoihin maalauksiin tehtävissä tutkimuksissa, joissa teoksiin ei haluta kajota. Eikä pidä unohtaa poliisia, joka voi hyperspektriteknologian avulla havaita rikospaikalla muutoin näkymättömiä yksityiskohtia, kuten ruutijäämiä ja verijälkiä.
Aalto-yliopiston tutkijat ovat huomanneet, että hyperspektrikuvantaminen on erinomainen tapa tarkkailla ja oppia ymmärtämään myös metsiä ja soita. Hyperspektriteknologian ansiosta se onnistuu avaruudesta käsin.
Professori Miina Rautiainen ja hänen kollegansa kaukokartoituksen tutkimusryhmässä hyödyntävät satelliitteihin – ja joskus myös lentokoneisiin – asennettuja hyperspektrikameroita, joiden avulla he mallintavat metsien ja soiden ominaispiirteitä lintuperspektiivistä.
Kenttähavaintoihin yhdistettynä kaukokartoituksen avulla kerätty tieto auttaa Rautiaisen ryhmää kehittämään kasvillisuuden seurantaan kolmiulotteisia laskentamalleja. Metsän kohdalla se kattaa kaiken puiden latvustosta aluskasvillisuuteen.
Tällaista tietoa voidaan käyttää moniin tarkoituksiin. Tutkimusryhmän tekemät mallinnukset voivat auttaa ennakoimaan paitsi muutoksia biodiversiteetissä, myös kasvillisuuden tuottavuutta sekä sen kykyä sitoa hiilidioksidia ilmakehästä.
"Tämä on erittäin mielenkiintoista nyt, kun yritämme ymmärtää ilmastonmuutosta", Rautiainen sanoo.
Metsän kolmiulotteisen mallinnuksen avulla voidaan ennustaa myös sen heijastusvaikutusta eli sitä, miten metsä sitoo ja heijastaa auringon säteilyä.
"Esimerkiksi ilmastoskenaarioita laadittaessa tarvitaan realistinen käsitys kasvillisuuden muodosta tai kolmiulotteisesta rakenteesta”, hän sanoo.
Satelliitteihin ja lentokoneisiin kiinnitettyjen hyperspektrikameroiden hyviin puoliin kuuluu se, että ne paljastavat metsistä ja soista asioita, joita olisi vaikea havaita ihmissilmin.
"Niiden avulla voimme kerätä tietoja hyvinkin laajoista alueista", sanoo Rautiainen.
"Satelliittidatan ansiosta voimme tarkkailla alueita, joilla ei ole yhteistyökumppaneitamme tai joilla ei poliittisista syistä ole mahdollista tehdä kenttätyötä. Jotkut alueet voivat myös olla niin kaukana kaikesta, ettei niihin ole lainkaan pääsyä teitä tai jokia pitkin."
Lisäksi satelliitit kuvaavat säännöllisesti samoja alueita, joten tilannetta ja siinä tapahtuvia muutoksia voidaan seurata pitkinä aikasarjoina.
"Voimme esimerkiksi seurata kasvukautta paljon yksityiskohtaisemmin kuin kenttätyössä paikan päällä."
Rautiainen nauttii kuitenkin myös kenttätyöskentelystä. Hiljattain valokuvaaja Sheung Yiu seurasi hänen tutkimusryhmänsä työskentelyä Ground Truth -projektissa, jossa mitattiin puiden ja kasvillisuuden rakennetta lähietäisyydeltä laserkeilaimilla. Yhdistämällä laskelmat kaukokartoituksella saataviin tietoihin voidaan varmistaa, että mallinnukset pitävät paikkansa mahdollisimman hyvin.
On hyperspektrikameroilla huonotkin puolensa. Ne ovat kalliita – jotkut mallit maksavat kymmeniä tuhansia euroja – ja usein myös melkoisen isoja ja painavia.
Siksi Westerlund sekä Aalto-yliopiston elektroniikan ja nanotekniikan laitoksella toimiva tutkimusryhmä, jota johtaa fotoniikan professori Zhipei Sun, pyrkivät nyt kaupallistamaan sormenpään kokoisen version spektrometristä. Se on niin pieni, että se voisi jonakin päivänä mahtua älypuhelimeen tai pieneen, viljelysalueen yllä lentävään droneen
Ryhmän pienoishyperspektrisensorissa käytettävä teknologia perustuu vuonna 2022 julkaistuun materiaalifysiikan läpimurtoon: siruun integroituun hyperspektraalisensoriin.
Tyypillisesti hyperspektrikameran rakentamiseen "tarvitaan jokin komponentti, joka pystyy hajottamaan valoa tai tunnistamaan eri aallonpituuksia", selittää tutkimusryhmässä mukana oleva Faisal Ahmed.
Perinteiset hyperspektrikamerat hyödyntävät valon hajottamiseen ja suodattamiseen suurikokoisia optisia ja mekaanisia komponentteja.
"Niissä tarvitaan liikkuvia osia, hiloja ja prismoja. Tilaa on oltava tarpeeksi, jotta valo mahtuu hajoamaan spektriksi", selittää Andreas Liapis.
Lukuisten komponenttien vuoksi tyypilliset kaupallisessa käytössä olevat hyperspektrikamerat ovat usein suurempia kuin leivänpaahtimet – ja huomattavasti painavampia.
Aalto-yliopiston tutkijat keksivät nerokkaan tavan, jolla isot ja hauraat mekaaniset ja optiset komponentit voidaan korvata yksinkertaisella, äärettömän pienellä puolijohderakenteella. Valoa hajotetaan sähköjännitteellä, mikä mahdollistaa neulankärjen kokoisen ratkaisun.
"Emme enää tarvitse isokokoisia komponentteja, ja loput hoitaa kehittämämme algoritmi", Ahmed kertoo.
Seuraavaksi tutkimusryhmä valmistelee Agate Sensor -nimeä kantavan startup-yrityksen perustamista ja teknologian kaupallistamista.
Ryhmä on jo visioinut pienoiskamerateknologialleen joukon sovellusalueita autoteollisuudesta turvallisuusalaan. Tekoälyn yleistyessä vauhdilla syykin on selvä: kun älylaitteiden on yhä useammin osattava tulkita näkemäänsä, apuun astuu hyperspektrikuvantaminen.
Yksi teknologian ensimmäisistä sovellusalueista on maatalous: hyperspektrikameroiden avulla viljelijät voivat tarkkailla kätevästi laajamittaisiakin viljelmiä. Droneen kiinnitetty hyperspektrikamera voi pellon yllä kartoittaa, missä tarvitaan ravinteita, vettä tai torjunta-aineita. Juuri nyt tärkeintä on kuitenkin teknologian hiominen ja testaus.
"Tarkoituksena on valmistaa ensin prototyyppi, jota voimme esitellä, mutta se vie vielä aikaa", sanoo Ahmed.
"Kehitämme teknologiaa edelleen niin, että se on valmis kaupallistamiseen."
Tiimin liiketoimintastrategiasta vastaava Westerlund kiittää tähänastisesta menestyksestä Aalto-yliopiston kansainvälisyyttä. Tutkimusryhmässä on jäseniä Kiinasta, Pakistanista, Kreikasta ja Suomesta.
"Minusta on todella kiehtovaa, että meillä on näin monimuotoinen tausta. Keskusteluissa nousee aina esiin erilaisia näkemyksiä ja mielipiteitä. Tällaisessa projektissa on mielestäni todella hyödyllistä, että voimme tarkastella asioita eri näkökulmista ja harkita erilaisia vaihtoehtoja."
Kun silmäsi siis seuraavan kerran osuvat johonkin kasviin tai puuhun, muista, että lehtien heijastamassa valossa piilee paljon sellaista tietoa, joka jää sinulta näkemättä. Jonakin päivänä noiden salaisuuksien paljastaminen voi sujua yhtä sutjakasti kuin kuvien nappaaminen älypuhelimella.
_______________________________________________________________
* Kaarnakuoriaisen kuva Gilles San Martin
Lue, miten perustutkimuksen ja radikaalin luovuuden kohtaamisesta syntyy paremman tulevaisuuden ratkaisuja.
Betoni on maailman toiseksi suurin ilmastopäästöjen aiheuttaja – ja sen kysyntä vain kasvaa. Aalto-yliopiston uraauurtavassa Radical Ceramics -projektissa etsitään ja tutkitaan perinteisen betonin vaihtoehtoja, joilla on potentiaalia mullistaa maailma.
Kun algoritmi ottaa ohjat, aivojen magneettistimulaatiosta tulee nopeampaa ja tehokkaampaa. Menetelmä tuo uusia mahdollisuuksia muun muassa vakavan masennuksen ja kivun hoitoon.
Ympäristötuhot, sosiaalinen eriarvoisuus ja monet muut ongelmat ovat seurausta talousjärjestelmän nopeiden voittojen maksimoinnista. Ongelmien ratkominen vaatii, että alamme sen sijaan tavoitella pitkän aikavälin resilienssiä.
Yli miljoona ihmistä kuolee joka vuosi, koska antibiootit eivät enää tehoa. Tutkijat etsivät nyt kuumeisesti uusia tapoja kukistaa bakteerit, ja vastaus saattaa löytyä niiden omista aseista.