Heureka Årsrapport 2008

Transkript

1 Heureka Årsrapport 2008

2

3 Innehåll Ordförandens rader, 5 År 2008: Vingarna vecklas ut, 6 Beståndsdelarna i Heureka, 7 BeståndsVis och PlanVis, 8 Nyutvecklade applikationer för avdelningsvis fältinventering, 9 Optimerande metoder för att hitta lösningar på komplexa problem, 11 Beskrivning av existerande plant- och ungskog: ett delvis snårigt kapitel, 13 Stamprissättning: en attraktiv metod såväl i praktiken som i scenarieanalyser!, 16 Utvecklingen av markens kolförråd modellanpassningar för Heureka, 17 Heurekas ekonomi 2008, 19 Året i korthet, 20 Heurekas organisation, 21 Deltagare i Heureka, 22 3

4 Ordförandes rader Magnus Larsson, styrgruppens ordförande Om ett halvår avslutas Heureka fas II. Då har det utvecklats nya rutiner för analyser av skogarnas utveckling på regional och landsnivå och för små och stora skogsägare. De nya rutinerna ska vägleda oss i frågor om uthållig virkesproduktion, men också hur andra nyttor påverkas och utvecklas. Totalt har programmet engagerat 25 forskare från 7 institutioner + Skogforsk. Bakom programkoden ligger 5 personer som sammanlagt kommer att ha lagt ner timmar under de senaste fyra åren på att göra specifikationer, designa applikationer, systemera och koda. Räknar vi in programledning, administratörer m fl har programmet engagerat 30 personer. Från styrgruppens sida vill vi rikta ett stort tack till alla som har lagt ner tid, arbete och engagemang i alla delar. Arbetet har pågått i snart 8 år (fas I och II). Det är den tid det brukar ta att konstruera analyssystem av den här digniteten. Företrädarna Hugin (regional nivå) och Indelningspaketet (företag o dyl) har varit i drift i ca 30 år och utvecklats kontinuerligt. De utgör i dag grunden för Förvaltningen måste ske i närhet till de forskare och i den miljö där nya kunskaper utvecklas och i nära kontakt med skogsnäringen och övriga brukare. strategiska överväganden för en stor del av skogsbruket. Även de nya systemen kommer att utvecklas i takt med att användare och nya krav och önskemål kräver det. Det är viktigt att den investering som nu är gjord förvaltas på ett klokt och framsynt sätt inom SLU. Den förvaltningen måste ske i närhet till de forskare och i den miljö där nya kunskaper utvecklas och i nära kontakt med skogsnäringen och övriga brukare. Det är många som inte känner till så mycket om de resultat som tagits fram. Av den anledningen kommer en rad kommunikationsaktiviteter att startas under detta sista år. Heureka ska visas på tre olika platser i landet under en roadshow till våren. Företag och organisationer kommer även att erbjudas möjlighet till mer specialsydda upplägg där programvarorna och analysmöjligheterna presenteras. Heurekaprogrammet hade inte varit möjligt om det inte funnits en stabil finansiering. Nu har samhället i form av SLU och Mistra stått för ca hälften av medlen och andra hälften har näringen i form av Kempestiftelsen och Skogsindustrierna bidragit med. Jag vill rikta ett stort tack till dessa institutioner och organisationer som har stöttat programmet. Ett stort tack också till de som medverkat i styrgruppen för ett stort och starkt engagemang. Fakta I forskningsprogrammet Heureka utvecklas analys- och planeringssystem för ett mångbruksinriktat skogsbruk. Systemet hanterar virkes- och biobränsleproduktion, biodiversitet, rekreation och skogen som kolsänka. Forskningsprogrammet bedrivs som ett temaprogram vid Fakulteten för skogsvetenskap, SLU. Bland deltagarna finns även institutioner vid Fakulteten för naturresurser och lantbruksvetenskap, SLU, samt Skogforsk. Forskningsprogrammet pågår nu i en andra fas, en fas som startade i oktober 2005 och som pågår till och med september I den nuvarande fasen fokuseras arbetet på att färdigställa ett antal applikationer av Heurekas system för specifika användare och problemområden. Målsättningen är att Heureka ska användas för skogsföretagens planering av skogsbruket på såväl kort som lång sikt samt för hållbarhetsanalyser på regional och nationell nivå. Bland de tänkta användarna återfinns såväl små som stora skogsföretag, organisationer och myndigheter. Forskningsprogrammet finansieras av SLU, Mistra, Skogsindustrierna och Kempestiftelserna. För mer ingående information se avsnittet om Heurekas organisation längre bak i årsrapporten. 5

5 År 2008: Vingarna vecklas ut Tomas Lämås, programchef År 2008 var naturligt nog ett intensivt år i Heurekaprogrammet. Även om forskningsprogrammet som helhet avslutas i september 2009 så var ett antal projekt i avslutningsfasen redan under Under året har de centrala applikationerna (mjukvaror) av Heurekas system tagit allt mer form. De har också namngetts efter en längre tids funderande i namnfrågan. Ett namn på Heurekas simulator för analys av enskilda bestånd BeståndVis blev först ett inarbetat begrepp. Därefter föll det sig naturligt att kalla de övriga två centrala applikationerna för RegVis respektive PlanVis. Som namnet säger är RegVis avsedd för analyser på regional nivå. PlanVis är avsedd för planering av ett mångbruksinriktat skogsbruk hos såväl stora som små skogsföretag. Vingarna vecklas ut: att Heurekas produkter synliggörs allt mer och att vi närmar oss slutet av forskningsprogrammet har åtminstone två kopplingar till uttrycket. För det första påminner det om fjärilen som nyss lämnat puppan och att det som funnits nedtecknat i ansökningar, program- och projektplaner, lägesoch årsrapporter nu börjar gestaltas i snart färdiga verktyg. För det andra påminner det om den välkända träningen av rovfågelungarnas vingar för att de en dag skall vara flygfärdiga. Vi befinner oss strax i en överlämnandefas då verktygen ska övergå till en tillämpningsfas i skogsbruket, i skoglig forskning och undervisning och i miljöanalys. Ett äventyr övergår i ett annat. Utöver de tre centrala applikationerna så utvecklas ett antal andra, som är nödvändiga för ett komplett analys- och planeringssystem. Heureka har som målsättning att ha datafångst som en integrerad del av systemet. Här följs en framgångsrik tradition från Indelningspaketet. Till skillnad från Indelningspaketet så kan Heureka tillämpas på kombinationer av fält- och fjärranalysmetoder i syfte att basera analyser på rumsligt heltäckande information. Under 2008 färdigställdes en applikation, Ivent, för provytevis fältinventering av bestånd. Den användes under fältsäsongen 2008 för fältinventering inom ett par Heureka-projekt och i samarbete med några externa projekt. I kombination med det nyutvecklade instrumentet PosTex kan även varje trädposition på provytorna bestämmas, vilket är nödvändigt i vissa fall då fältinventering och fjärranalysmetoder kombineras. För att hantera val av stickprovsbestånd, import och kontroll av data från fältdatorer och export av data till PlanVis finns också applikationen PlanStart. Heurekas system är avsett för ett skogsbruk med mångbruksperspektiv. Under 2008 startade utvecklingen av ett datorbaserat verktyg, som skall ge stöd för avvägningar mellan olika målsättningar inom skogsbruket. Tekniken kallas flermålsanalys och medgör en strukturerad genomgång av ett antal olika planalternativ mot mål och delmål som kan finnas för det som funnits nedtecknat i ansökningar, program- och projektplaner, läges- och årsrapporter nu börjar gestaltas i snart färdiga verktyg 6 t.ex. virkesproduktion och biologisk mångfald. Tekniken presenterades och prövades också under 2008 i två olika arbetsmöten delvis med rollspelkaraktär tillsammans med tänkta användare. Ett möte i början av året hölls med representanter från Skogsstyrelsen, naturvårdsansvariga vid skogsföretag, m.fl. Ett särskilt möte hölls senare under året vid Skogsstyrelsen. I båda mötena användes ett fiktivt fall där ett antal planer för fallstudieområdet Krycklan utvärderades med avseende på målsättningar för virkesproduktion och tillgängligt habitat i framtiden för ett par arter. För det senare användes habitatmodeller som utvecklats inom forskningsprogrammet. Vid båda dessa möten framkom med all tydlighet att inte bara resultatet utan även processen att genomföra analysen är givande för de som medverkar. Om verktyget blir en egen fristående applikation eller om det blir en integrerad i PlanVis återstår ännu att se.

6 Beståndsdelarna i Heureka Heureka-systemet har tre huvudsakliga applikationer (mjukvaror) för olika användare och problemområden: BeståndsVis, PlanVis och RegVis (på engelska kallar vi dem StandWise, PlanWise och RegWise. Dessutom finns ett antal stödprogram för specifika ändamål, i dagsläget Ivent, PlanStart och en applikation för flermålsanlys. BeståndsVis RegVis PlanVis Med BeståndsVis analyseras skötsel och utveckling av enskilda bestånd. Genom interaktiv simulering kan olika skötselalternativ studeras med avseende på trädens och beståndens tillväxt, virkes- och biobränsleproduktion, ekonomisk avkastning, etc. Beståndet kan betraktas i både 2D- samt 3D-vy där t.ex. stickvägar kan ritas in i 2D-vyn. Simulatorn är utvecklad i samarbete med Skogsstyrelsens projekt kring konituitetsskogar. Med RegVis utförs långsiktiga analyser på läns- eller regional nivå för ett mångbruksinriktat skogsbruk. Analyserna baseras i huvudsak på data från Riksskogstaxeringen och andra datakällor, som digitala kartdata. I systemet finns modeller som beskriver trädskiktets utveckling över lång tid. Exempel är tillväxt-, avgångs-, biomassamodeller samt modeller för kolinnehåll och vedegenskaper. Användaren kan simulera en rad åtgärder som föryngring, gallring, gödsling och slutavverkning. PlanVis är avsedd för långsiktig planering vid såväl stora som små skogsinnehav. Både den strategiska och den taktiska nivån beaktas. Applikationen kan hantera heltäckande geografisk information över analysområdet vilket medger planering med hänsyn till landskapsmönster och koncentration av avverkningar. PlanVis innehåller ett antal huvudkomponenter: en tillväxt- och produktionssimulator, en optimeringsrutin och ett kartverktyg. Ivent En mjukvara för fältdatorer, utvecklad för att samla in det data som behövs för analyser med Heurekas PlanVis. Ivent är en uppföljare till Indelningspaketets fältdatorprogram. Den är utformad för en avdelningsvis provyteinventering där alla träd på provytan klavas eller höjdmäts, och där ålder, höjd, skador och kvalitet registreras för utlottade provträd. Bestånds- och ståndortsvariabler registreras även. Vid användning tillsammans med instrumentet PosTex, utvecklat i samarbete mellan Heureka och Haglöf, kan trädens positioner på provytan registreras. PlanStart PlanStart styr och sammanställer data från inventeringar och andra datakällor som underlag för analys och planering. Den hanterar urval av stickprovsavdelningar utifrån ett befintligt beståndsregister, exporterar databaser till handdatorn, importerar och kontrollar data från handdatorn, utför vissa beräkningar som korrektionsfaktorer från provträdsdata och exporterar slutligen data till PlanVis. PlanStart hanterar även import av vissa externa data, som t.ex. knn-skattningar. 7 Flermålsanalys Heureka utvecklar också verktyg för flermålsmetodik där olika målsättningar kan viktas mot varandra. Användaren bestämmer själv vilka målsättningar och faktorer som skall ingå i analysen.

7 BeståndsVis och PlanVis BeståndsVis är en interaktiv simulator där skötsel och utveckling analyseras av enskilda bestånd eller som i det här fallet för en cirkelprovyta. En mängd variabler kan studeras och beståndet eller ytan kan ses i såväl 2D som i en 3D-vy. PlanVis är avsett för långsiktig planering av såväl stora som små skogsinnehav. Här används PlanVis för att planera skogsbruket på en mindre skogsfastighet. 8

8 Nyutvecklade applikationer för avdelningsvis fältinventering Anna Ringvall, Skoglig resurshushållning De data om skogen som Heurekas analyser baseras på är naturligt nog av största betydelse. Inom Heureka utvecklas både fjärranalys- och fältmetoder. För fältmetoder kunde vi under 2008 för första gången praktiskt genomföra hela kedjan från inventering till en tillståndsbeskrivning. Sedan Indelningspaketets genombrott på 1980-talet baseras den långsiktig planering vid större företag i stor utsträckning på data insamlat från ett stickprov av avdelningar. Varje stickprovsavdelning inventeras i fält med ett antal provytor. Metoden ger bra skattningar av t.ex. virkesförråd och tillväxt för större innehav. Genom stickprovsförfarandet är olika typer av rumsliga analyser tyvärr inte möjliga. Sådana analyser är centrala inom Heureka och därför utvecklas inom Heurekas datafångstprojekt metoder som genom bl.a. imputering av provytor möjliggör analyser baserade på data för alla avdelningar i ett skogsinnehav. Även i fortsättningen kan dock avverk- Heureka har därmed kunnat visa på hela kedjan från fältinventering till resultat! ningsberäkningar utföras baserade på ett stickprov av avdelningar med detaljerade träd-, bestånds- och ståndortsdata från en provytevis fältinventering. Denna typ av data kan användas i Plan- Vis, Heurekas applikation för långsiktig planering. För att samla in de data som behövs i analyserna har under året en ny mjukvara utvecklats, som kallas Ivent. Ivent är en uppföljare till Indelningspaketets program för fältdatorer. Det är utformat för en avdelningsvis provyteinventering där alla träd på provytan klavas eller höjdmäts. Ålder, höjd, skador och kvalitet registreras för utlottade provträd och bestånds- och ståndortsvariabler registreras på provytenivå. Ivent kan även användas vid andra typer av provytevis inventering och visst val/tillägg av egna variabler är möjligt. Ivent kommunicerar med GPS och visar riktning och avstånd till i förväg lagrade positioner för provytor. Tillsammans med instrumentet PosTex, som utvecklats i samarbete mellan Haglöf och Heureka, kan även de klavade trädens positioner på provytan registreras. Med tidigare tillgängliga metoder (syftkompass, gradskivor, e. dyl.) har detta varit tidsödande och kostsamt. Under fältsäsongen 2008 klavades och positionsbestämdes över träd med Ivent och PosTex inom ramen för ett antal olika projekt. I samband med utvecklingen av Ivent har även utvecklingen av en applikation för kontoret, Plan- Start, påbörjats. PlanStart är en uppföljare till Indelningspaketets IPstart och ska bl. a. hantera urval av stickprovsavdelningar utifrån ett befintligt beståndsregister, export av databaser till handdatorn, import I applikationen PlanStart planeras fältinventeringen och inventerat data importeras och behandlas för vidare export till PlanVis. På bilden visas ett exempel på stratifiering och fördelning av stickprovsavdelningar mellan strata. 9

9 och kontroll av data från handdatorn, vissa beräkningar som ståndortsindex och korrektionsfaktorer från provträdsdata och slutligen en export av data till PlanVis. Applikationen innehåller dock i dagsläget inget stöd för själva utlägget av provytor. Det bedömdes att potentiella användare har egna och bättre lämpade GIS-system för detta ändamål. PlanStart hanterar även import av vissa externa data som t.ex. knn-skattningar. Rutinerna för imputering av ytor till avdelningar som saknar fältdata kommer även de att implementeras i PlanStart. Redan under 2007 utfördes en flygburen laserskanning och fältinventering av Krycklans avrinningsområde, ett nytt försöksområde för fjärranalysforskning och ett fallstudieområde för Heureka. Fältinventeringen från 2007 kompletterades sommaren 2008 med en avdelningsvis provyteinventering där Ivent testades. Totalt inventerades 30 avdelningar med ca 10 provytor i varje avdelning. Inventeringen genomfördes i samarbete mellan Heureka och två pågående radarprojekt vid SLU, FOI och Chalmers. Ett av radarprojekten syftar till att utarbeta ett förslag för en ny radarsatellit, kallad BIOMASS, som på global nivå ska kartera skogens biomassa och dess förändringar, bland annat av intresse i klimatsammanhang. Projektet finansieras av den Europeiska rymdstyrelsen (ESA) och utgör ett av flera underlag för en satsning på en ny satellit inom ESAs fjärranalysprogram Earth Explorer Mission. Det andra projektet syftar till att detektera hyggen och skatta biomassa med radardata från den japanska satelliten ALOS. I projekten används de avdelningsvisa skattningarna från fältinventeringen på Krycklan som referens vid utvärderingen av biomassaskattningar från ra- dardata. Även de biomassamodeller som implementerats i Heureka kommer här väl till användning. För Heurekas del syftade fältinventeringen dels till att genomföra en verklighetstroget test av Ivent, men även att få referensdata för de kombinationer av fältoch fjärranalysmetoder, som utvecklas inom Heurekas projekt för heltäckande avdelningsdata. De data som samlades in vid inventeringen har importerats i PlanStart och vidare till PlanVis där avdelningsvisa tillståndsskattningar har gjorts. Data från inventeringen har därför också tjänat som en test av denna Inventerade bestånd (markerade med rött) på Krycklans avrinningsområde (markerat med blått). kedja. Heureka har därmed visat på hela kedjan från fältinventering till resultat! Exempel på skärmbilder från Ivent med en trädlista där träd registreras automatiskt via klaven eller manuellt, formulär för inmatning av ståndortsvariabler och en bild över provytan med träden positionerade med instrumentet PosTex från Haglöf. 10

10 Optimerande metoder för att hitta lösningar på komplexa problem Peder Wikström och Karin Öhman, Skoglig resurshushållning Heurekas projekt kring optimerande metoder utvecklar eller sammanställer metodik för att lösa planeringsproblem, som tidigare i flera fall har betraktats som svårbemästrade. Ett skogsinnehav behöver inte vara särskilt stort för att en planerare skall stå inför stora och komplexa problem. Antalet möjliga kombinationer av hur olika enheter (bestånd) sköts växer mycket snabbt med ökad areal. Om det dessutom finns rumsliga samband mellan enheterna så ökar komplexiteten. Ett klassiskt fall är kanteffekter, som t.ex. vind och uttorkning i kanten av en äldre skog som gränsar till ett eller flera hyggen. Arealen kärnområde i den äldre skogen som är opåverkad av kanteffekter beror då av den angränsande skogens tillstånd. Nedan beskrivs några andra fall inom problemområdet som Heurekas projekt kring optimerande metoder numera hanterar. Begränsning av hyggesstorlek När man med hjälp av ett planeringssystem tar fram en heltäckande plan för alla bestånd inom ett skogsinnehav, finns det en risk för oönskat stora hyggen. Detta är egentligen ett fel i modellformuleringen; om man planerar med manuella metoder kan man relativt enkelt undvika att lägga för många slutavverkningar intill varandra. Manuell planering blir dock snabbt begränsad. Om vi till exempel ska välja avverkningar som tillgodoser efterfrågade sortiment samtidigt som fördelning över säsonger beaktas och väghållningen samordnas, osv., ja då blir det snabbt besvärligt för planeraren att ta beslut. Här kommer optimering in som en effektiv problemlösare. Beskriv problemet, ta fram ett eller flera alternativ för innehavet med hjälp av prognosverktyg och optimering, utvärdera alternativen och ta beslut. Optimeringsmodellen som tar hänsyn till hyggesstorlek innehåller restriktioner som innebär att flera intilliggande bestånd får avverkas under samma period, bara deras sammanhängande areal inte överstiger en av användaren angiven maximal storlek. Problemen blir komplexa, stora och svårlösta. Sedan början på 1990-talet har man kunnat lösa problemtypen med hjälp av heuristiska optimeringsalgoritmer. Då har man emellertid fått göra avkall på andra krav, som styrning av virkesflöden. Sedan några fåtal år tillbaka har man dock lyckats hitta ett nytt sätt att formulera problemet som ett MIP-problem (Mixed Integer Programming) som kan lösas exakt (Goycoolea et al. 2005), och som samtidigt medger att man kan lägga in andra krav. Denna modell har vi implementerat i den AIMMS-modell som kan kommunicera med PlanVis. Vi har även utökat modellen såsom den presenterats av författarna ovan, till att inkludera koppling mellan bestånd och vägnätet, samt inkluderande av stort antal skötselalternativ som beräknats av PlanVis (Wikström & Öhman 2009, manus under bearbetning). Avsikten är att under 2009 lägga in modellen i PlanVis. Landskapsmönster som får olika arter att trivas Minskad mängd habitat är ett av hoten mot den biologiska mångfalden i skogslandskapet. Habitatmodeller, som beskriver olika arters krav på sin livsmiljö, gör det möjligt att ta hänsyn till olika arter och därmed biologisk mångfald i den skogliga planeringen. Målet med att använda habitatmodeller i planeringsprocessen har i många fall varit att utvärdera mängden framtida habitat om ett landskap sköts enligt ett visst skötselförslag, d.v.s. vad händer ( What if? ) givet en viss strategi. En annan ansats är att inkludera krav på en viss mängd habitat i planeringsprocessen. Målet är då att få svar på frågan hur ( How to? ) når man ett önskvärt tillstånd. Hur ska landskapet skötas för att man ska säkerställa att det finns en viss mängd habitat? Frågeställningen medför att krav på arealen framtida habitat måste inkluderas i det optimeringsproblem, som formuleras i planeringsprocessen. Habitatmodeller, där arealen habitat beror både på det enskilda beståndets egenskaper (ålder trädslag, etc.) och på det rumsliga läget i landskapet har dock tyvärr länge varit svåra att hantera i optimeringsprocesser. Detta gäller speciellt planeringsproblem där man vill lösa problemet med exakta lösningsmetoder. Inom Heurekas optimeringsprojekt har vi nu påvisat att det är möjligt att hantera och 11

11 också utvecklat metodik som klarar problemet. I en fallstudie används habitatmodeller som innehåller både beståndsvisa krav, t.ex. i form av krav på ålder, trädslagsfördelning, täthet, etc., och rumsliga aspekter. De senare innebär att ett område inte får vara för litet eller för isolerat från andra lämpliga habitat för att fylla sin funktion. Taktisk planering Taktisk planering har en medellång sikt, 5-10 år, och syftar till att bilda potentiella trakter för avverkning. Det är då önskvärt att bland annat samla avverkningar i syfte att minska kostnader för vägunderhåll och flytt av maskiner, samtidigt som det årligen te.x finns en lämplig mängd sommar- och vintertrakter. Planen ska också fylla målsättningar för årliga avverkningsnivåer, vanligen beräknade i ett strategiskt planeringssteg som föregår den taktiska planeringen. PlanVis kommer att hantera både strategisk och taktisk planering. I den taktiska delen kan även spatiala problem hanteras, som koncentration av avverkningar och begränsning av hyggesstorlek. För närvarande krävs att denna del löses i en extern optimeringsmodell (se nedan) samt att en del GISberäkningar också görs av användaren själv. Under 2009 hoppas vi dock implementera denna funktionalitet direkt i PlanVis. Den taktiska planeringen ställer även andra krav utöver att rumsliga problem kan hanteras. Som standard gör Heureka-systemet framskrivningar i femårssteg. I den taktiska planeringen är denna tidsmässiga upplösning allt för grov. Den är även för grov för en vanlig skogsbruksplan där man vill bestämma åtgärder för specifika år. Genom en tämligen omfattande komponent, som har implementerats i systemet, kan interpolering göras ner till årsvis upplösning. Systemet kan till exempel ta fram ett antal alternativa åtgärdstidpunkter för en gallring som enligt den mer översiktliga planen är tänkt att gallras en viss femårsperiod. Detta kan göras för alla bestånd som kan gallras eller slutavverkas under den taktiska planperioden, t.ex. 10 år (anges av användaren). Alla variabler och resultat som kan beräknas i Heureka kan också interpoleras. Optimeringsverktyget För optimering finns två alternativ. Antingen används ett externt verktyg som är utvecklat i AIMMS. Detta kan kommunicera fullt ut med PlanVis men kräver särskild licens. Verktyget är lämpligt för utveckling och anpassning av optimeringsmodeller. Det andra alternativet är det egna optimeringsverktyget, som nu är integrerat i PlanVis. Det senare är inte fullt lika kraftfullt som AIMMS-modellen men är i gengäld enklare att använda. Användaren kan direkt koppla ihop resultatvariabler som Heureka-systemet kan beräkna med variabler i optimeringsmodellen. Mallar för optimeringsmodeller tas successivt fram för ett antal grundläggande planeringsproblem. Goycoolea, M., Murray, A., Barahona, F., Esptein, F. & Weintraub, A Harvest scheduling subject to maximum area restrictions: exploring exact approaches. Operations Research 53(3) pp Mängden skattat järphabitat vid en framtida tidpunkt om habitatmodellen som används i planeringsprocessen inte på ett relevant sätt beaktar det rumsliga läget i landskapet (för små och/eller för isolerade områden, vänster) eller om habitatmodellen beaktar rumsliga krav (höger). 12

12 Beskrivning av existerande plant- och ungskog: ett delvis snårigt kapitel Kenneth Nyström, Skoglig resurshushållning Arealen plant- och ungskogar i landet uppgår till nära en tredjedel av den produktiva skogsmarksarealen. Hur utvecklingen av dem hanteras i scenarieanalyser är därmed av stor betydelse. Det finns två principiellt skilda sammanhang då utvecklingen av yngre skog skall beskrivas i analysoch planeringssystem som Heureka. Det ena fallet är efter en (modellerad) föryngringsavverkning vid en framtida tidpunkt. Beroende av vilka föryngringsåtgärder som vidtas ska då en relevant plantpopulation beskrivas, dvs etablera en ny plantpopulation efter avverkning. Det andra fallet är när man i utgångsläget har en befintlig kalmark eller ungskog, dvs en framskrivning av befintlig plant- eller ungskogspopulation. Hur det första fallet hanteras beskrevs i årsrapport Det andra fallet, framskrivning av befintlig plant- eller ungskogspopulation, berörs här. Vi tänker oss fallet där information om plant- och ungskogar finns från en inventering. Då PlanVis används vid ett företag har i normalfallet en inventering skett av skogsinnehavet och då alltså även av plantoch ungskogarna. Inventeringen är då anpassad för de analyser som skall göras och vållar därmed inga principiella problem. Ett annat fall är då RegVis används i analyser som baseras på data från Riksskogstaxeringen (RT). Denna inventering har en mängd syften och är inte enbart anpassad som underlag för analyser där skogstillståndet projiceras framåt i tiden. I plant- och ungskogar är större träd klavade i vanlig ordning på den gängse RT-ytan (radie 7 eller 10 meter) medan plantor och småträd är registrerade inom två mindre delytor (radie 1 meter). Information om plant- och trädskiktet (skiktbeskrivning) finns också registrerad på en större yta med 20 m radie. Då data från Riksskogstaxeringen ska användas i analyser, t.ex. för länsdelar, län eller regioner, används faktiska RT-ytor inom området i fråga. Utmaningen är att som bas för analyser skapa en bra beskrivning av utgångsläget i plant- och ungskogar utifrån den något snåriga information från RTs ytor som beskrevs ovan. Det finns två alternativ. Det första är att utifrån tillgänglig information om ytan tilldela information från en yta som finns i en särskild databas (den s.k. Hugins ungskogsdatabas) där varje planta och småträd finns beskriven. På så sätt fås en komplett plantoch småträdspopulation på ytan. Det andra alternativet är att utifrån tillgänglig informationen skapa en höjdfördelning för populationen, något som kan kallas en syntetisk population. För kalmark (huggningsklass A) mark som helt saknar plantor eller har plantor men dock ej klarar kraven för godkänd föryngring och i plantskogen, godkända föryngringar med en medelhöjd < 1.3 m med (B1), kommer det att vara valbart för användaren huruvida den första eller andra ansatsen ska användas. För ungskogar i övrigt (huggningsklass B2-B3) används den andra ansatsen. Andelen skogsmark ( exkl. nationalparker och naturreservat ) som återfinns i huggningsklasserna A-B3 utgör 29 % av arealen enligt RT (Skogsdata 2008). En relevant beskrivning av den befintliga plant- och ungskogen är således viktig för realistiska beräkningar av den långsiktiga skogsproduktionen i våra planeringssystem. En relevant beskrivning av plant- och ungskogen är viktig vid beräkningar av den framtida skogsproduktionen. För närvarande pågår analyser av plant- och ungskogens tillstånd med avseende på stamantal, trädslagsfördelning och skiktning efter dagens föryngringsavverkningar i material från RT. Resultatet av analyserna behövs för att utveckla och kalibrera rutiner för beståndsetablering och ungskogsetablering i Heureka. Syftet är att skapa en med verkligheten så väl som möjligt överensstämmande beskrivning av utgångsläget för plant- och ungskogar som underlag för scenarieanalyser. 13

13 Fortsättningsvis görs en översiktlig beskrivning av tillståndet i plant- och ungskogen. Analysen grundas på materialet från RT under åren och begränsas till huggningsklasserna A-B3 på ägoslaget skogsmark. Beroende på skogens utvecklingsgrad (huggningsklass, Hkl) och tidpunkt för åtgärd utförs något olika registreringar på provytorna i RT som har betydelse vid beskrivningen av föryngringsresultatet och utförda åtgärder. I huggningsklass A och B1 utförs en återväxtinventering där antal huvudplantor och trädslagsfördelning bedöms och registreras för plantbeståndet på en provyta med en radie på 20 meter. Om föryngringsavverkningen utförts inom en 5 års period från inventeringstillfället anges även föryngringssätt och trädslagsval vid kultur etc. För alla trädbestånd beskrivs även beståndsstrukturen med stöd av trädbeståndets olika höjdskikt enligt angivna minimikrav för höjdavvikelse och stamantal/grundyta för att avgränsas som ett skikt. Utifrån skiktbeskrivningen beskrivs bestånden efter antalet skikt som återfinns i beståndet. Kalmark (Hkl: A) Som kalmark klassas all skogsmark som inte uppfyller specificerade krav på stamantal eller grundyta per hektar. Andelen kalmark utgör ca 5 % av skogsmarksarealen. Drygt 25 % av kalmarksarealen saknar uppgift om tid från föryngringsavverkning (tabell 1). Detta förklaras av att en stor andel av arealen utgörs av före detta jordbruksmark (inäga), enligt Skogdata 2008 utgör fd inägor 19 % av kalmarken. I föryngringsavverkningar utförda inom en femårperiod från inventeringen framgår att drygt 70 % av föryngringsarealen utgörs av kalavverkning och knappt 25 % av naturlig föryngring med ställande av fröträd. Tre procent av föryngringsarealen utgörs av hänsynsområden d.v.s. kvarlämnade partier av tidigare bestånd, endast ca 1 % av arealen är klassad som beståndsföryngring (figur 1). För den existerande kalmarken ligger registrerade uppgifter om föryngringsmetod till grund för val av ungskogsyta / funktionssamband som ska tillämpas vid beräknandet av tillståndet i den förväntade ungskogen. Tid från föryngringsavverkning resp. kultur ligger till grund för när ungskogen ska aktiveras i beräkningarna. Arealer som vid inventeringen klassats som hänsynsområden ska inte aktivt föryngras utan inklavat trädskikt får växa vidare. Plantskog (Hkl: B1) Till plantskog förs all skog med en medelhöjd lägre än 1.3 meter och med en etablerad och godkänd föryngring. Här ska tillståndet i den nya skogen baseras på bedömningen av antalet huvudplantor på 20-meters ytan. Skogsmarksarealens fördelning på antalet huvudplantor för kulturer (plantering/sådd) redovisas i figur 2. Som framgår har cirka 25 % av plantskogsarealen mer än 2500 huvudplantor registrerade. Utifrån aktuellt antal huvudplantor och plantantal för full slutenhet beräknas arealslutenheten vid återväxtinventeringen som är en nyckelvariabel för val av yta resp. beräknandet av tillståndet i den förväntade ungskogen. För bestämning av metod för föryngring och trädslag vid plantering och sådd används registrerade data från provytan. Tid från föryngringsavverkning resp. kultur ligger sedan till grund för när den förväntade ungskogen ska aktiveras i beräkningarna. Tabell 1. Skogsmarksarealens fördelning över huggningsklass (Hkl) och tidpunkt sedan föryngringsavverkning. Areal 10 3 ha, inom parantes andel (%) inom huggningsklass. Tid sedan föryngringsavverkning Hkl 0-2 år 3-5 år 6-10 år Uppgift saknas Antal provytor A (38.0) (24.6) (9.7) 27.2 (2.5) (25.2) 1531 B (3.6) (25.7) (45.8) (18.7) 94.8 (6.2) 1949 B2 1.4 (0.1) 8.1 (0.7) (16.6) (66.7) (15.9) 1516 B3 0.5 (0.0) 2.2 (0.1) 19.5 (0.7) (6.1) (93.1)

14 Ungskog (Hkl: B2-B3) I den existerande ungskogen, med en medelhöjd mellan 1.3 till 7.0 meter, ska utgångsläget beskrivas utifrån skiktbeskrivningen. En stamlista (enskilda träd) för den fortsatta framskrivningen skapas via trädslagsvisa höjdfördelningar utifrån medelhöjd och stamantal för aktuellt skikt. I ungskogen (Hkl B2-B3) är 33 % klassade som enskiktad, 58 % som tvåskiktad och ca 9 % som flerskiktade. I skiktbeskrivningen finns även stamantalet fördelat på trädslag registrerat. Totalt stamantal och andel lövträd fördelade på medelhöjd för de enskiktade bestånden framgår av tabell 2. I de bestånd som klassificerats som tvåskiktade dominerar bestånd (75 %) med ett huvudskikt och ett undre skikt registrerat. På provytor där beståndet klassats som fullskiktade får inklavade träd utgöra utgångsläget och den fortsatta beståndsutvecklingen utförs med tillväxtrutinerna för etablerad skog. träd på provytan, och där träddiametrar enligt stamräkningen transformeras till höjder via enkla höjddiameter samband. Då registreringen av träd < 4 cm endast registreras på små ytor i 4 dimensionsklasser trädslagsvis blir variationen inom och mellan bestånden stor. Data från skiktbeskrivningen bör ge mer robusta indata för beskrivningen av tillståndet i ungskogen. Tabell 2. Medeltal av stamantal och andel lövträd i olika höjdintervall för huvudskiktet. Data från skiktbeskrivningen i enskiktade bestånd. RT HKL: B2-B3. N = antalet RT-ytor. Höjd (dm) < Stamantal per hektar Andel löv N Figur 1. Skogsmarksarealens fördelning på föryngringssätt, för bestånd som föryngringsavverkats inom en 5-års period från inventeringen. Sammanfattning/Slutsats: Inventeringen av plantor och små träd i RT har ändrats genom åren. Bedömningen av antalet huvudplantor på 20 m ytan har pågått sedan 2003 och ersatte då den särskilda återväxtinventeringen. Skiktbeskrivningen har successivt utvecklats och omfattar även enskiktad skog sedan Ansatsen i Heureka att beskriva tillståndet i ungskogen i utgångsläget utifrån skiktbeskrivningen skiljer sig från den som tidigare har använts i t.ex. Hugin-systemet. I tidigare tillämpningar har man utgått från inmätta Figur 2. Plantskogsarealens fördelning på antalet bedömda huvudplantor. Kulturer i Hkl: B1, RT

15 Stamprissättning: en attraktiv metod såväl i praktiken som i scenarieanalyser! Johan Möller och Lars Wilhelmsson, Skogforsk Av flera orsaker är värdering av virke baserat på generella egenskaper för virket av intresse såväl i praktiken som i skoglig analys och planering. Stamprissättning har under de senaste åren utvecklats som en alternativ affärsform till den traditionella mätningen vid industrin och betalning stock för stock. Priset bestäms av stammens dimensioner, förekomst av skador och värdering av några viktiga egenskaper för stamvirket, som sedan översätts till ett kvalitetsindex. Dimensionerna beräknas med de data skördaren mäter. Exempel på egenskaper som grund för kvalitetsindexet är kvistdiameter och vedens densitet. Egenskaperna skattas med modeller som använder data från skördarens mätning av stammen, som brösthöjdsdiameter, höjd och avsmalning. Trädens ålder mäts f.n. inte av skördaren och måste därför tillföras från beståndshandlingar och inventering/kontroll vid avverkning eftersom ålder används som ingångsdata till modellerna. Är skördaren inte utrustad med GPS behöver även koordinaterna för beståndet överföras från beståndshandlingarna eftersom dessa påverkar indexberäkningen. avverkningar som sker med kvalitetssäkrad skördarmätning är något som stadigt ökar. Ansatsen med kvalitetsindex är flexibel. Gränssnittet mot skogsägare kan göras enkelt och lättbegripligt genom att de grundläggande faktorerna träddiameter, ålder och förekomst av skador värderas. En industri som värderar specifika egenskaper, t.ex. ett sågverk som har intresse av virke med frisk kvist, virke med långa avstånd mellan grenvarven, hög andel kärnved, eller ökad sannolikhet för att nå viss C-klass på sågutbyten, kan enkelt infoga modeller som beräknar fler egenskaper som underlag för kvalitetsindexet. Industrin kan därmed värdera virket efter egna, aktuella behov och en logistikorganisation kan beräkna och tillreda virket för att uppnå största möjliga sammanlagda kundnytta. Då ekonomisk avkastning är en viktig faktor i skogsbruket och därmed i skoglig planering är beräkning av virkets värde en väsentlig del i Heurekasystemet. Den konventionella ansatsen med aptering och värdering stock för stock finns implementerad Det finns en rad fördelar med stamprismodellen; Virkesaffären kan avklaras snabbare i och med att virket automatiskt mäts och värderas i samband med avverkningen baserad på skördarens mätdata, alltså inte vid industri som den traditionella stock för stockmätningen. Priset för virket baseras på objektiva mätdata och skördarförarens bedömning av skador enligt definierade kriterier, i princip fristående från hur stammarna apteras, dvs köparen kan utnyttja virket på bästa sätt utan att det påverkar betalningen till säljaren. Prislistorna baseras på stamstorlek, kvalitetsindex och avdrag för stamfel. De blir alltså enklare att tolka än de traditionella stockbaserade listorna. Det kan därmed bli lättare för säljaren att jämföra bud från olika köpare. Modellen med stamprissättning har prövats i operativ drift av Sveaskog och Södra skogsägarna. Då prissättningen baseras på skördarnas mätning är det viktigt att mätningen är kvalitetssäkrad. Mängden Foto: SKOGEN BILD/Stefan Örtenblad En prissättning av varje stam baserat på generella virkesegenskaper för stammen har flera fördelar jämfört med dagens konventionella värdering som sker stock för stock. 16

16 i systemet. Avsikten är att virkets värde ska kunna redovisas utifrån både konventionell prissättning och stamprissättning. Samtidigt blir det då också möjligt att se mängden virke beskrivet i termer av de generella egenskaperna, som mängden virke med olika densitet eller mängden virke med frisk kvist, samt massavedens torrsubstans och fiberegenskaper. Genom att inkludera hela trädets biomassa kan motsvarande beräkning göras inklusive värdet av bränslefraktioner. Utvecklingen av stamprissättningen leds av Skogforsk som har mångårig erfarenhet av metoden. Skogforsk ansvarar för projektet vedegenskaper i Heureka och har levererat ett flertal modeller för beräkning av de egenskaper som ligger till grund för kvalitetsindex. En utmaning är att beskriva andelen ved med olika fel, som röta och snöbrott. Vid tilllämpning av metoden i praktiken registreras stamvedsfel av skördaren, t.ex. vid tvångskap. När metoden används i analys- och planeringssammanhang måste mängden skattas med hjälp av statistik eller modeller, ett område inom vilket utveckling pågår. Läs mer: Möller, J. Arlinger, J. Moberg, L. Wilhelmsson, L Automatisk kvalitetsklassning och stampris framtidens affärsform? Resultat från Skogforsk nr 22, 2005.

17 Utvecklingen av markens kolförråd - modellanpassningar för Heureka Johan Stendahl, Institutionen för mark och miljö De boreala skogarna lagrar stora mängder kol i levande biomassa och som dött organiskt material i marken. För att bedöma skogens klimatpåverkan vill man uppskatta storleken på kolpooler och flöden av koldioxid och andra växthusgaser. Balansen av växthusgaser mellan skogsekosystemet och atmosfären är särskilt intressant eftersom den i viss mån kan påverkas genom valet av skogskötsel. Markkolet utgör en relativt stabil pool, vilket innebär att en lagerökning här kan vara mer bestående än t.ex. i den levande biomassan något som kan visa sig värdefullt på sikt. Heureka omfattar modeller för markkolets utveckling, vilket ger möjligheter till analyser av hur olika skötselalternativ påverkar kolförråden både ovan och under markytan. Nedbrytningen av dött organiskt material i marken styrs av flera faktorer som temperaturen, fuktigheten och markens sammansättning. I Heureka används Q-modellen 1 ) för simulering av markkolets utveckling. Denna modell följer nedbrytningen av olika slags förna (barr, grenar, rötter mm) över tiden baserat på förnans kvalitet och olika faktorer som påverkar nedbrytarsamhällets aktivitet. En faktor som inte tagits med i modellen hittills är inverkan 1) Ågren, G.I. Hyvönen, R. & Nilsson, T Are Swedish forest soils sinks or sources for CO 2 model analyses based on forest inventory data. Biogeochemistry 82: av markfuktigheten. Modellen kan dock anpassas för detta genom att reglera nedbrytarnas tillväxthastighet, vilket har gjorts inom projektet. Aktiviteten hos nedbrytarna i marken begränsas både av för torra och för blöta förhållanden. I vårt relativt fuktiga klimat är det dock vanligare att nedbrytningen begränsas av för hög fuktighet. På blöta marker med hög grundvattennivå kan nedbrytningen avstanna nästan helt, men även många fuktiga marker kan vara vattenmättade under delar av året vilket leder till en minskad nedbrytning och större ackumulering av kol i marken. Trots att markfuktigheten är en viktig faktor för nedbrytningen så finns det överraskande få undersökningar av dess inverkan i boreala skogsmarker. Som underlag för att anpassa markmodellen till fuktiga förhållanden användes data från Markinventeringens och Riksskogstaxeringens provytor. För dessa ytor beräknades dels markens kolförråd ner till 50 cm i mineraljorden och dels förnafallet som en funktion av ståndortsindex. Genom att sätta det befintliga kolförrådet i relation till förnatillförseln på ytorna, kunde nedbrytningshastigheten härledas under förutsättning att kolförrådet antogs vara i jämvikt. Detta gjordes regionvis för friska och friskfuktiga (inkl. fuktiga) ytor och skillnaden i nedbrytningshastighet mellan de olika markfuktighetsklasserna kunde fastställas. Försumpade marker ingick Figur 1. Markens kolförråd för frisk och frisk-fuktig mark i olika delar av Sverige. Förrådet är beräknat till 50 cm i mineraljorden och baserar sig på ett urval av Markinventerings ytor ( ). Figur 2. Boniteten för tall- och granskogar på frisk och friskfuktig mark i olika delar av Sverige. 17

18 inte i studien eftersom nedbrytningsprocesserna ser annorlunda ut där. Markens kolförråd var betydligt högre på friskafuktiga än på friska marker, men resultaten skilde sig över landet (figur 1). Den relativa skillnaden var störst för Norrland där frisk-fuktiga marker hade 50% högre kolförråd, medan motsvarande siffra för Svealand var 47% och för Götaland 40%. Boniteten visade på ett omvänt mönster med lägre tillväxt för frisk-fuktiga marker även om skillnaderna var små, framförallt för Götaland (figur 2). Variationen i boniteten speglar i hög grad förnafallet som användes vid uppskattningen av nedbrytningshastigheten. Anpassningen av Q-modellen till friska-fuktiga marker illustreras i figur 3 som visar resultatet av en simulering av att granbestånd i Mellansverige (G26) över två omloppstider för frisk och för frisk-fuktig mark. Här har skogens utveckling antagits vara samma för bägge fuktighetsklasserna och den enda skillnaden är nedbrytningen av förna och befintligt markkol. Kolförrådet i marken var ca 10% högre för det frisk-fuktiga beståndet efter en omloppstid. Denna skillnad kommer att öka successivt eftersom kolförråden byggs upp under lång tid. Vid modelleringen av markkolet med Q-modellen görs ingen skillnad mellan död ved och egentligt markkol som återfinns i humusskiktet och nere i mineraljorden. För rapporteringsändamål är det önskvärt att skilja på dessa två pooler, men det finns vissa svårigheter med detta. Q-modellen är förvisso väl lämpad för att beskriva nedbrytningen av död ved, men gränsdragningen när materialet övergår från död ved till markkol är inte lätt att definiera. En ansats att göra detta gjordes inom projektet. Gränsen mellan död ved och markkol valdes med utgångspunkt från andelen kvarvarande material för gren- och stamförna. Denna gräns sattes till 50% av ursprungsvikten, vilket resulterade i att variationerna i markkolet under omloppstiden minskade betydligt (figur 4), främst i samband med slutavverkning och gallringar. Figur 3. Simulering av kolförrådets utveckling för en granskog i Mellansverige för frisk och för frisk-fuktig mark. Figur 4. Utvecklingen av det totala förrådet dött organiskt material (humus+död ved) samt för egentligt markkol (Humus). Simuleringen gjordes för en granskog i Mellansverige på frisk mark. 18

19 Heurekas ekonomi 2008 Ylva Jonsson Den andra fasen av Heureka börjar nu lida mot sitt slut. Programmet skall pågå till 30/ För de fyra år som den andra fasen pågår har vi beviljats 42 milj SEK var ett mycket intensivt år i Heureka och vi har förbrukat mycket pengar men alla delprojekt håller sin budget mycket bra. Detta är det andra året som alla delprojekt har varit aktiva och igång. En del av projekten har under 2008 förbrukat mer pengar än vad som utbetalats till dem, detta har finansierats genom att de nu förbrukat överskott som uppstått under löner, administrativa kostnader och resor inom delprojekten sedan tillkommer kostnader som den här typen av forskningsprogram har för att avslutas. Dvs kostnader för slutrapportering, utvärdering och vår planerade Roadshow. Figur 2. Forskningsprogrammets kostnader 2008 fördelat på olika poster. Kostnader för 2008 (belopp i tusental kronor) Löner OH Resor/ HS Total övrigt Moms Kr Att personalkostnaderna är den största posten är helt i sin ordning eftersom Heurekas personal också är Heurekas största tillgång. Även overhead kostnaderna är stora men helt inom ramen för vad som budgeterats. De delprojekt som just nu håller på att avslutas och avrapporteras är: Rekreation, Markägares beteende, Biodiversitet, Jord och Klimat. Ett annat delprojekt som skulle avslutats under året är planering och optimering men det kommer att fortsätta under 2009 eftersom det finns resurser kvar i projektet. Figur1. Budgeterade och faktiska kostnader för ledning, kommunikation och de fem olika delprogrammen (DP). Det något större överksottet i DP3 beror av föräldraledighet under året. Spelreglerna ändras Till 2009 vet vi att den sk högskolemomsen på 8% av bidragsmedel från icke statliga myndigheter kommer att försvinna. Detta medför att vi från Mistra kommer att få SEK mindre men även kostnaden försvinner. I dagsläget vet vi inte vad som gäller för medel från skogsindustrierna och Kempe stiftelsen. Oavsett hur dessa två finansiärer väljer att göra kommer Heureka att klara sig. Får vi det extra tillskott som högskolemomsens avskaffande innebär kommer vi att kunna lägga mer tid på att finjustera systemet och satsa på marknadsföring av systemet. För 2009 planerar vi att använda 7,1 miljoner till HS-moms OH Material Ext. tjänster Personalkostnader Lokaler Resor Övrigt* Figur 2. Forskningsprogrammets kostnader 2008 fördelat på olika poster. 19

20 Året i korthet Januari 17 Workshop SLU Biologisk mångfald Mars 5 April Naturvårdsverket: Seminarium om Miljöövervakning av biologisk mångfald i skog Presentation av Heureka för SCAs distriktschefer Hushållningssällskapet: Träff med Mats Andersson Skogssällskapet: Förvaltarmöte i Mullsjö Maj September Oktober Studiebesök av SYSTeam, som arbetar på uppdrag av LRF Skogsägarna Lantmäteriet Fastighetsvärdering Arlanda stad Företagsbesök Holmen Skog vid Skoglig resurshushållning 2 15 Användargrupp RegVis LRF Skogsägarna th Annual Krycklan Symposium Skogsstyrelsen, Jönköping. Enhet syd samt Analysenheten November Öster-Malma Workshop om foderskapande åtgärder arrangerad av Jägareförbundet och Sveaskog RIU Skinnskatteberg Vad kommer Heureka att erbjuda småskogsbruket? 19 Ultuna En dag om fortlöpande miljöanalys Skogskonferensen i Alnarp: Lövskogen i för SLU: Pass om synteser och scenarier nad nytt ljus Produktion, mångfald och mark- 28 Besök i Lycksele och projektet Clim-ATIC 20

21 Heurekas organisation Heureka är ett temaforskningsprogram vid den skogsvetenskapliga fakulteten vid SLU. Heureka fas II startade i oktober 2005 och har en löptid på 4 år med avslutning september Den årliga budgeten uppgår till 10,5 milj. kronor. MIS- TRA bidrar med 3 milj. kronor årligen och Skogsindustrierna, Kempestiftelserna och SLU med vardera 2,5 milj. kronor. I Heureka samverkar forskargrupper från fem institutioner vid skogvetenskapliga fakulteten, två institutioner vid fakulteten för naturresurser och lantbruksvetenskap vid SLU samt Skogsbrukets forskningsinstitut (Skogforsk). Arbetet är fördelat på nitton projekt grupperade inom fem delprogram. Strukturen framgår av figuren nedan. DP1 Skogsekosystemets utveckling Specifikation av skötselregimer Beståndsetablering och ungskogsutveckling DP2 Produkter och tjänster Biodiversitet Virke Rekreation Inverkan av klimatförändring Markegenskaper DP5 Applikationer Nationell och regional analys Långsiktig planering vid stora och små skogsföretag Beståndsvis analys Operativ planering DP3 Datafångst Datafångst för regional analys Datafångst för skoglig planering Objektiv fältinventering Datafångst för operativ planering Systemering DP4 Metodik för beslutsstöd Skogsägares agerande Planering och optimering Flermålsmetodik Exekverbar mjukvara: PlanVis RegVis BeståndsVis 21

22 Deltagare i Heureka under 2008 Programmets styrgrupp Magnus Larsson SCA (ordförande) Patrik Alströmer Östads stiftelse Gert Andersson Skogforsk Magnus Fridh Skogsstyrelsen Erik Karltun SLU-SM Maj-Britt Johansson Ola Sallnäs Sune Sohlberg Urban Nilsson Göran Ståhl Erik Sundström SLU-SM (ersattes under våren 2008) SLU-SS Naturvårdsverket SLU-SS SLU-SRH (ersattes under våren 2008) SLU, S-fak (sekreterare) Programledning Programchef Tomas Lämås SLU-SRH Bitr. programchef Johan Sonesson Skogforsk Administratör Ylva Jonsson SLU-SRH Kommunikatör Susanne Sjöberg SLU Delprogram 1 - Skogsekosystemets utveckling Delprogramledare Björn Elfving SLU-SES Specifikation av skötselregimer Ulf Söderberg SLU-SRH Beståndsetablering och ungskogsutveckling Kenneth Nyström SLU-SRH Inverkan av klimatförändringar Michael Freeman SLU-E Markegenskaper Johan Stendahl SLU-SML Delprogram 2 - Produkter och tjänster Delprogramledare Lars Edenius SLU-VFM Biodiversitet Lars Edenius SLU-VFM Grzegorz Mikusinski SLU-E Virke Lars Wilhelmsson Rekreation Anders Lindhagen SLU-SP Delprogram 3 - Datafångst Delprogramledare Jörgen Wallerman SLU-SRH Datafångst för regional analys Mats Nilsson SLU-SRH Datafångst för skoglig planering Jörgen Wallerman SLU-SRH Objektiv fältinventering Anna Ringvall SLU-SRH Datafångst för Andreas Barth, Skogforsk operativ planering Johan Holmgren SLU-SRH Delprogram 4 - Metodik för beslutsstöd Delprogramledare Karin Öhman SLU-SRH Planering och Karin Öhman SLU-SRH optimering Peder Wikström SLU-SRH Skogsägare agerande Lennart Eriksson SLU-SP Flermålsmetodik Ljusk Ola Eriksson SLU-SRH Delprogram 5 - Applikationer Delprogramledare Peder Wikström SLU-SRH Nationell och regional analys Torgny Lind Långsiktig planering Peder Wikström SLU-SRH Operativ planering Sten-Gunnar Skutin Skogforsk Småskogsbrukets planering Mikael Andersson SLU-SS Systemutveckling Fredrik Klintebäck Sogeti Per Hansson SLU-SRH Joakim Åström SLU-SRH Carina Waller KnowIT Saeid Erfan SLU-SRH Förkortningar: SLU-SRH Inst. för skoglig resurshushållning SLU-SES Inst. för skogens ekologi och skötsel SLU-E Institutionen för ekologi SLU-SML Inst. för skoglig marklära SLU-VFM Inst. för vilt, fisk och miljö SLU-SP Inst. för skogens produkter SLU-SS Inst. för sydsvensk skogsvetenskap Skogforsk Skogsbrukets forskningsinstitut 22