Gå till:

Utbytesprognoser baserade på skogs- och skördardata

Med hjälp av data från liknande avverkningar i ett område kan skogsbruket göra bättre utbytesprognoser. Den här rapporten beskriver skapandet av stambanker och imputerat utbyte med skördardata.

Artikeln är en sammanfattning av Arbetsrapport 961-2017.

Tillsammans med Södra, Sveaskog och SCA har Skogforsk utvecklat och testat en modell för ett prognossystem som kan förutsäga hur mycket av olika stockar och sortiment som faller ut i en avverkning. Med säkrare prognoser kan företagen styra avverkningsresurserna till de bestånd som passar bäst in i leveransplanerna. Sågverken kan också planera produktionen bättre när de vet vilka dimensioner som är på väg in. Eftersom det handlar om stora volymer, kan företagen spara mycket pengar genom bättre planering och genom att ha mindre lager.

Det finns sedan länge bra hjälpmedel för att göra utbytesberäkningar med hjälp av apteringssimulering. Detta kräver dock bra data om skogen: säkra uppgifter om trädslagsblandning, höjd, diameterfördelning, stamform och förväntad timmerkvalitet. Naturligtvis kan man göra mer noggranna inventeringar i fält före varje avverkning, men det blir ofta väldigt kostsamt. I detta projekt har vi istället valt att använda historiska skördardata för att beskriva kommande avverkningstrakter. Detta har gjorts genom imputering, det vill säga att beskriva ett skogsbestånd med hjälp av data från andra, liknande bestånd i närheten. Modellen bygger på att skog med samma höjd, grundyta och trädslagsfördelning troligen har likartade egenskaper. Skogen skiljer sig ofta inte så mycket åt och detsamma gäller ofta skogsskötseln så länge man håller sig inom ett visst geografiskt område.

För de skogar som avverkas i dag mäts och registreras standardmässigt mycket information. För varje stock som produceras registreras trädslag, sortiment, kvalitet, dimensioner och skördarens GPS-koordinater. Varje avverkat träd kan på så sätt rekonstrueras genom att lägga ihop stockarna och utifrån detta kan trädets totalhöjd och stamform skattas. Med skördarinformationen byggs sedan en databas där företagen samlar data från alla avverkningar.

Det nya systemet för utbytesprognoser baseras på vanliga skogliga data före avverkning, som grundyta, höjd och brösthöjdsdiameter. Troligtvis kommer företagen i framtiden använda laserdata för att mäta trädhöjd och grundyta för planerade avverkningar. Vid imputeringen söker systemet efter historiska skördardata med samma grundyta, höjd och trädslagsblandning som för den tänkta avverkningstrakten. Det aktuella beståndet tilldelas därefter samma egenskaper som de utvalda, redan avverkade, objekten. I de utvalda skördardata finns sortiments- och stockutfall samt en beskrivning av hur de tidigare avverkade skogarna såg ut. Dessa data används sedan för den nya prognosen genom en medelvärdesberäkning.

Ett andra alternativ är att utnyttja data för de valda objekten och bygga en stambank. I detta alternativ görs en prognos genom en apteringssimulering. 

Ett första system baserat på de av Skogforsk framtagna komponenterna hprYield, ForestPrognosis och hprImputation testas nu i praktiken av Sveaskog (sommaren 2017) och beräknas driftsättas under senhösten 2017. Även Södra har kommit igång med tester under hösten 2017. Vidare kör Skogforsk tester i en egen testdatabasmiljö som kallas hprDemo.

Hur snabbt systemet sedan kan implementeras hos andra skogsorganisationer beror på hur snabbt företagen kan integrera prognoserna i sina IT-system. Här är erfarenheten att det kan ta lång tid eftersom stora komplexa system ska anpassas. Allt talar dock för att liknande system kommer introduceras även av andra företag då systemet bygger på befintliga standarddata och på så vis är förhållandevis billigt att implementera och sedan ha i drift.

Läs rapporten i sin helhet nedan.

Nr 112-2017    Publicerad 2017-12-20 07:00
Planering
Standarder
Teknik & maskinarbete
Uppföljning
Virkes & bränsleegenskaper
Mätteknik
Sortimentskrav
Virkesdata
Läs mer
Författare
Kommentarer (0)
 Kommentera
Skicka in
Kommentarer granskas innan publicering
Tack för din kommentar!
Vi granskar och publicerar din kommentar så snart som möjligt.
Tyvärr lyckades vi inte spara din kommentar.