Öppnar för (ännu) smartare tillämpningar

Text: Sverker Johansson, Bitzer

– Bättre utbytesprognoser är en möjlighet, konstaterar Johan J. Möller. När vi kan koppla samman trädvisa data från skördare med data från  högupplöst laserskanning och träna algoritmerna med ”facit”, så kan vi dra allt bättre slutsatser om skogen som ska avverkas – en slags förfinade utbytesprognoser. Ju mindre arealer man kan koppla utfallet till, desto enklare kan man klassa och förutsäga utfallet.

Med skördarens goda positionsnoggrannhet för träd och virkeshögar kan man även delautomatisera skotarens arbete. Med det avverkade virkets fördelning på hygget och dess skördarmätta egenskaper kan skotningsarbetet optimeras – kanske till och med effektivisera skotarens kranarbete och avlasta föraren.

På längre sikt ger det här också möjlighet att delautomatisera eller helt automatisera delar av avverknings- och gallringsarbetet. Med högupplösta skanningsdata kan varje träd som syns i underlaget få en position som maskinen håller reda på.

– I gallringsuppföljningen hprGallring får vi också snabbare uppskattning av gallringsstyrkan och fördelningen av uttaget i beståndet, säger Björn Hannrup. Speciellt i andragallringen – där har vi inte stickvägsträden att räkna på som i förstagallringen, där stickvägarna utgör stora provytor.

När det gäller hyggesfritt är det särskilt viktigt att hugga rätt träd, för att inte råka avverka för hårt och tappa tillväxt. Skannade hyggesfria bestånd kan ge positioner för träden som ska avverkas och ett bra underlag för utförarens planering. Dessutom kan man automatiskt uppdatera vilka träd som står kvar.

Men det gäller att se upp med noggrannheten hos olika datakällor, påpekar Johan J. Möller:

– Även om föraren själv sitter med noggrann positionering, så finns det många data som har betydligt sämre kvalitet. Det gäller bland annat data om kultur- och naturvärden. Det måste man förstå, annars blir det lätt fel.