Autumn colour, seen through a thousand cameras.
Ruska is a map of the colour changing across Finland. It began with a simple question: where was autumn colour already showing?
Why Ruska was made
A film location question became a way to follow the season across a whole country.
It started with a missing map
Uli Futschik, a filmmaker and former quantum physicist with a PhD, was planning to film Finland’s autumn colour and wanted to know where it was showing. She found Ruskavahti, a road-camera map run by Visit Finland with Dagmar and Accenture in 2022 and 2023. It had stopped, and no replacement was available. That inspired Uli and Koncept VR to build Ruska as an independent project.
Who is behind it?
Uli and Koncept VR make stories with 360° video and VR. Their work often asks what a camera sees and what it misses. For Ruska, the cameras were already across Finland. The project turns their pictures into a view of the season.
Why AI is part of the work
The team uses AI vision tools to suggest which pixels show trees and shrubs, and to help review many camera views. Candidate masks are checked against pictures from different dates and quality rules; difficult views are reviewed, and uncertain views are left off the map. AI also helped audit a random sample of the published dots. The models disagreed in places, so the results are reported as a range rather than one exact accuracy number.
From camera image to map dot
The map measures colour in selected vegetation pixels. It shows what is visible on a chosen day, not a prediction of the peak.
Collect daylight pictures
Most views are Fintraffic road-weather cameras; a few are FMI research cameras. The collector checks for new images throughout the day and samples around daylight slots.
Find the plants
Vegetation masks select trees and shrubs and try to exclude roads, fields and sky. AI segmentation proposes candidates; reviews and quality checks decide what reaches the map.
Measure the colour
For each usable picture, the software compares red with green in the selected pixels. A dot uses the middle reading from up to three days, so one unusual picture has less influence.
What the research changed
A road camera is not a research instrument. Its colour shifts with rain, cloud, low sun and the camera’s own settings. Tests against archived pictures showed that, over a few days, weather can move the index more than the season does. Look at a week or more of the popup curve before reading a trend.
The research also showed that a narrow strip of a road-camera image often includes verge or harvested field. AI-assisted full-frame masks improved the selection of vegetation, but they still need review. Views without an approved full-frame mask remain collected and are left off this public map.
In the fells, much of the spectacular colour is low-growing vegetation such as dwarf birch and bilberry. Road cameras can miss it entirely. Small ringed dots north of 66°N flag this weaker part of the map.
What has been checked
On 24 September, two independent AI vision reviewers checked a random sample of 100 map dots. They judged 86–92% of the dots to be measuring woody vegetation. In the fell tier, the range was only 56–70%. These are model judgements, not ground observations, and the reviewers did not agree on every dot. A field check is planned after the season.
The team is also testing newer colour models offline. They have not passed the checks needed to replace the public map’s simple, inspectable colour index.
Work in progress. Camera masks are corrected as more is learned, so earlier days may change. Grey means no usable reading; grey-brown means the leaves have been seen down in that view.
What are you seeing?
A picture from the ground helps check what a camera can and cannot see.
Just attach the original photo
Send the original image file, straight from your camera or phone. Its capture date and location are read from the embedded photo metadata, so you do not need to type them. Screenshots and copies shared through social apps often lose that information.
We analyse your photo for signs of ruska. If it provides useful information, we add the observation to our data collection. We keep a thumbnail for possible re-analysis and delete the original photo. We do not publish submitted photos.
You can add a note about what the trees or ground vegetation looked like.
Email your photoRuskan värit tuhannen kameran silmin.
Ruska-kartta näyttää, miten syysvärit etenevät eri puolilla Suomea. Kaikki alkoi yksinkertaisesta kysymyksestä: minne kannattaisi lähteä kuvaamaan ruskaa?
Miksi Ruska-kartta syntyi
Kuvauspaikan etsimisestä syntyi tapa seurata syksyä koko Suomen alueella.
Kaikki alkoi puuttuvasta kartasta
Uli Futschik, dokumenttielokuvantekijä ja kvanttifysiikkaa tutkinut fysiikan tohtori, suunnitteli Suomen ruskan kuvaamista ja halusi tietää, missä värit jo näkyvät. Hän löysi Ruskavahdin, jota Visit Finland ylläpiti vuosina 2022 ja 2023 yhdessä Dagmarin ja Accenturen kanssa. Tiekameroihin perustunut kartta ei enää toiminut, eikä sen tilalle löytynyt vastaavaa. Tämä innosti Ulia ja Koncept VR:ää rakentamaan Ruska-kartan itsenäisenä hankkeena.
Ketkä karttaa tekevät?
Uli ja Koncept VR kertovat tarinoita 360°-videon ja virtuaalitodellisuuden avulla. Heidän työssään pohditaan usein, mitä kamera näkee ja mitä jää sen ulkopuolelle. Tällä kertaa kameroita oli jo valmiiksi eri puolilla Suomea. Ruska-kartta tekee niiden kuvista näkymän syksyn etenemiseen.
Miten hankkeessa käytetään tekoälyä?
Hankkeessa käytetään tekoälyyn perustuvaa kuva-analyysiä ehdottamaan, mitkä kuvan pikselit esittävät puita ja pensaita, ja auttamaan monien kameranäkymien tarkistamisessa. Ehdotettuja rajauksia verrataan eri päivien kuviin ja laatukriteereihin; vaikeat näkymät tarkistetaan ja epävarmat näkymät jätetään pois kartalta. Kaksi toisistaan riippumatonta mallia auttoi myös arvioimaan karttapisteiden satunnaisotosta. Koska mallit olivat paikoin eri mieltä, tulos esitetään vaihteluvälinä eikä yhtenä tarkkana lukuna.
Kamerakuvasta karttapisteeksi
Kartta mittaa väriä valituista kasvillisuuden pikseleistä. Se kertoo, mitä valittuna päivänä näkyy, mutta ei ennusta ruskan huippua.
Päivänvalossa otetut kuvat
Useimmat näkymät ovat Fintrafficin tiesääkameroista, loput Ilmatieteen laitoksen tutkimuskameroista. Keräin tarkistaa päivän aikana, onko uusia kuvia saatavilla.
Kasvillisuuden rajaus
Kasvillisuusmaskit valitsevat puita ja pensaita ja pyrkivät sulkemaan pois tiet, pellot ja taivaan. Tekoäly ehdottaa rajauksia; tarkistukset ratkaisevat, mitkä näkymät pääsevät kartalle.
Värin mittaus
Ohjelma vertaa käyttökelpoisen kuvan valituissa pikseleissä punaista vihreään. Karttapiste näyttää enintään kolmen päivän lukemien keskimmäisen arvon, joten yksi poikkeava kuva vaikuttaa vähemmän.
Mitä tutkimus osoitti
Tiesääkamera ei ole tutkimuslaite. Sade, pilvet, matala aurinko ja kameran omat asetukset muuttavat kuvan värejä. Arkistokuvilla tehtyjen kokeiden perusteella sää voi muutamassa päivässä muuttaa indeksiä enemmän kuin ruskan eteneminen. Tarkastele pisteen käyrää vähintään viikon ajalta ennen kuin tulkitset suuntaa.
Tutkimus osoitti myös, että tiekameran kuvan kapea kaistale sisältää usein tienvartta tai puitua peltoa. Tekoälyn avulla laaditut koko kuvan maskit paransivat kasvillisuuden valintaa, mutta nekin vaativat tarkistamista. Kamerat, joille ei ole hyväksytty koko kuvan maskia, jäävät pois julkiselta kartalta, vaikka niiden kuvia kerätään edelleen.
Tunturialueella suuri osa näyttävästä ruskasta on matalassa kasvillisuudessa, kuten vaivaiskoivuissa ja mustikoissa. Tiekamera voi ohittaa sen kokonaan. Pienet rengastetut pisteet leveyspiirin 66°N pohjoispuolella kertovat tämän alueen suuremmasta epävarmuudesta.
Mitä on tarkistettu
Kaksi toisistaan riippumatonta tekoälyyn perustuvaa kuva-analyysimallia tarkisti 24. syyskuuta sadan karttapisteen satunnaisotoksen. Mallien mukaan 86–92 % pisteistä mittasi puuvartista kasvillisuutta. Tunturialueella osuus oli vain 56–70 %. Nämä ovat mallien arvioita, eivät maastohavaintoja, eivätkä mallit olleet jokaisesta pisteestä samaa mieltä. Maastohavaintoihin perustuva tarkistus on suunniteltu kauden jälkeen.
Hankkeessa kokeillaan myös uudempia värimalleja erillään julkisesta kartasta. Ne eivät ole vielä läpäisseet tarkistuksia, joita nykyisen, helposti tarkastettavan väri-indeksin korvaaminen edellyttäisi.
Työ on kesken. Kamerakohtaisia maskeja korjataan uuden tiedon perusteella, joten aiempien päivien tiedot voivat muuttua. Harmaa tarkoittaa, ettei käyttökelpoista lukemaa ole. Harmaanruskea kertoo, että näkymän puiden lehdet on nähty pudonneina.
Mitä sinä näet?
Maastosta otettu kuva auttaa tarkistamaan, mitä kamera näkee ja mitä siltä jää huomaamatta.
Liitä alkuperäinen valokuvatiedosto
Lähetä kuva suoraan kamerastasi tai puhelimestasi alkuperäisenä tiedostona. Kuvausaika ja sijainti luetaan sen sisäisistä metatiedoista, joten niitä ei tarvitse kirjoittaa viestiin. Kuvakaappauksista ja sosiaalisen median kautta jaetuista kopioista tiedot usein puuttuvat.
Analysoimme kuvasta ruskan merkkejä. Jos kuvasta saadaan hyödyllistä tietoa, lisäämme havainnon aineistoomme. Säilytämme kuvasta pienoiskuvan mahdollista myöhempää analyysiä varten ja poistamme alkuperäisen kuvan. Emme julkaise lähetettyjä kuvia.
Voit myös kertoa, miltä puut tai maanpinnan kasvillisuus näyttivät.
Lähetä kuva sähköpostilla