Utbytesprognoser baserat på skoglig beskrivning och skördardata. RIU 9/ Jon Söderberg

Transkript

1 Utbytesprognoser baserat på skoglig beskrivning och skördardata RIU 9/ Jon Söderberg

2 Bakgrund Starkt samband mellan skogliga parametrar och sortimentsutfall Skördardata ger underlag att skatta framtida avverkningsutfall Regional variation fångas med skördardata Exempelvis skillnader i stamform, skötselhistorik och rötfrekvens

3 Förstudie vid SLU

4 Syfte och mål Demonstrera och utvärdera nyttjandet av laserskattningar i kombination med skördardata som indata till utbytesberäkningar för att prediktera utfallet i form av skogliga produkter

5 Flödesschema för prognoser Skördardata Stamgenerering Apteringssimulering Objektsdata Databas Imputering Sortimentsprognos Produktutfall Beställning prognos Bruttourval beräkningsytor Val av beräkningsytor Skapa stambank & prognos Skoglig beskrivning av enskilt objekt (planerat avverkningsobjekt) som ska prognostiseras För enskilda objekt så selekteras beräkningsytor ut med gemensamma egenskaper som objektet. Imputeringsmodulen kopplar ihop objektsdata med beräkningsytor med liknande egenskaper. Stamgenereringsmodulen skapar en stambank Produktprognosmodulen sammanställer produkterna för valda beräkningsytor

6 Beställning prognos Bruttourval Beräkningsytor Val av beräkningsytor Skapa stambank & prognos Prognosyta Planerad trakt Avgränsning Avverkningstyp Trädslagsfördelning Skogliga grunddata T G L Gy Hgv Dgv TT BM GT GM LV Prognosyta ,0? 23,4? 30,6??????

7 Beställning prognos Bruttourval Beräkningsytor Val av beräkningsytor Skapa stambank & prognos Beräkningsytor Rekonstruktion av träd Skördardata delas in i mindre enheter baserat på övre höjd Skogliga parametrar räknas fram för varje enhet Id Trsl Volsub Volsk Gy Hgv Dgv Medelstam Stamantal Formkvot Totalt 257,3 297,0 29,2 23,9 32,3 0, , Tall 63,8 73,9 7,1 23,7 33,5 0, , Gran 185,8 214,2 21,1 24,0 32,0 0, , Löv 7,6 8,9 1,0 24,1 29,2 0, ,60

8 Beställning prognos Bruttourval Beräkningsytor Val av beräkningsytor Skapa stambank & prognos Bruttourval av beräkningsytor Varför För att fånga regional variation För att öka prestanda i stora databaser Urvalskriterier Geografisk närhet

9 Beställning prognos Bruttourval Beräkningsytor Val av beräkningsytor Skapa stambank & prognos Imputering T G L Gy Hgv Dgv TT BM GT GM LV Beräkningsyta ,0 23,8 31, Beräkningsyta ,6 23,7 30, Beräkningsyta ,1 24,0 30, Beräkningsyta ,8 24,7 31, Beräkningsyta ,2 24,0 31,

10 Beställning prognos Bruttourval Beräkningsytor Val av beräkningsytor Skapa stambank & prognos Utbytesprognos T G L Gy Hgv Dgv TT BM GT GM LV Prognosyta ,0 23,4 30,6 24,8? 5,8? 193,2? 57,4? 6,1? T G L Gy Hgv Dgv TT BM GT GM LV Beräkningsyta ,0 23,8 31, Beräkningsyta ,6 23,7 30, Beräkningsyta ,1 24,0 30, Beräkningsyta ,8 24,7 31, Beräkningsyta ,2 24,0 31,

11 Utbytesprognos & Utfall Utbytesvolym (m 3 fub ha 1 ) T G L Plan Prognos Utfall Brännved Lövved Granmassa Grantimmer Barrmassa Talltimmer 50 0 Prognos Utfall

12 Resultat Utbytesvolymer (m 3 fub ha 1 ) Utbytesvolymer (%) % 90% % 200 Brännved 70% Brännved Lövved 60% Lövved 150 Granmassa 50% Granmassa 100 Grantimmer Barrmassa Talltimmer 40% 30% Grantimmer Barrmassa Talltimmer 50 20% 10% 0 Prognos Utfall 0% Prognos Utfall Medelvärden för 13 slutavverkningsobjekt runt Åtvidaberg

13 Resultat (2) Utbytesandelar Tall (%) Utbytesandelar Gran (%) 100% 100% 90% 90% 80% 80% 70% 70% 60% 50% 40% Barrmassa Talltimmer 60% 50% 40% Brännved Granmassa Grantimmer 30% 30% 20% 20% 10% 10% 0% Prognos Utfall 0% Prognos Utfall Något överskattad (klen)timmer andel

14 Fortsatt FoU Undersöka samband mellan geodata och sortimentsutfall Utveckla ett kvalitetssäkringssystem Återkoppla avverkningsutfall till prognos, planering och skogliga parametrar Koppla virkeskvalitet från mätramsdata till skogliga parametrar

15 Sammanfattning Bra skattning av total uttagsvolym SD 7% & Bias -4% Större spridning för enskilda sortiment Trädslagsfördelningen mycket viktig!