Ny metod synliggör och hanterar osäkerheter i skogsbrukets planering

Artikeln är en sammanfattning av den vetenskapliga artikeln "Enabling stochastic programming for improved forest planning under uncertainty: moving from theory to practice".

Hur säker är egentligen en skogsbruksplan?

För skogsägande företag är det viktigt att säkerställa att brukandet av skogen är långsiktigt hållbart. Denna mycket långsiktiga skogliga planering, som är en typ av skogsbruksplan med ett tidsperspektiv på upp emot 100 år, genomförs av de större företagen med hjälp av digitala planeringsmodeller. Dessa planeringsmodeller utgår från skogens nuvarande tillstånd för att med tillväxtmodeller prognostisera hur den kommer att utvecklas i framtiden, beroende på hur man sköter skogen. Med hjälp av optimering föreslås den bästa planen givet förutsättningarna. Resultatet från en planeringsmodell används sedan som underlag för beslutsfattare när de skapar skogsföretagets planer framåt. Ett av de viktigaste besluten för skogsbruket brukar vara totala avverkningsnivåer de kommande 10 åren. För stora skogsföretag är dessa beslut centrala, eftersom de påverkar hela värdekedjan, inklusive logistik och förädling vid industri. 

De uppgifter om exempelvis ålder, virkesförråd och tillväxt som används som underlag för planeringen innehåller dock alltid osäkerheter, oavsett hur de är insamlade. Trots det behandlas uppgifterna ofta som om de vore helt utan fel när planer tas fram. 

Konsekvensen blir att planeringen i praktiken inte tar hänsyn till osäkerheter, vilket innebär att beslutsfattare får ett skenbart exakt underlag till beslut samtidigt som underlaget egentligen är osäkert.

Ny metod tar hänsyn till flera möjliga framtidsscenarier

I en studie testades en ny metod i en långsiktig planeringsmodell där osäkerheten i skogsdata tas om hand hela vägen fram till beslutad plan. Det gjordes genom att låta modellen ta hänsyn till ett stort antal alternativa scenarier samtidigt med en metod som bygger på stokastisk optimering (ofta kallad stokastisk programmering).

Med hjälp av stokastisk optimering identifieras den plan som fungerar bäst när många möjliga framtida utvecklingar vägs samman. Den konventionella metoden resulterar i stället i ett alternativ som enbart passar det till synes exakta underlaget, och som inte alls tar hänsyn till underlagets osäkerhet. 

Från en siffra till ett spann av möjliga utfall

Den största förändringen för beslutsfattare och användare av planeringsmodeller baserade på den föreslagna metoden är kanske inte själva optimeringen, utan hur resultaten kan presenteras. 

I stället för att redovisa en enda prognos för framtida avverkningsnivåer eller ekonomiskt utfall kan resultaten visas som intervall och sannolikhetsfördelningar. Därmed blir det tydligt att framtiden inte kan beskrivas med ett enda värde. 

För en beslutsfattare kan det innebära att man ser både det förväntade utfallet och hur stor risken är för att utfallet blir betydligt bättre eller sämre än väntat. Det ger ett betydligt bättre underlag för att värdera risker och möjligheter.

Figur 1. Skillnader i resultat när stokastisk optimering används.

Figuren ovan visar ett exempel på skillnad i resultat när stokastisk optimering används. Den vänstra panelen visar den förväntade utvecklingen av slutavverkad volym för ett skogsområde när den konventionella metoden används (svart linje). Det röda området visar osäkerhetsspannet, dvs. att resultatet i verkligheten kan variera inom detta område. I den högra panelen har i stället stokastisk optimering använts. Skillnaderna är visuellt inte så stora, men den inledande avverkningsnivån är högre än för den konventionella metoden. Och framför allt är det gröna osäkerhetsområdet betydligt smalare, särskilt på längre sikt. 

Skogsbruket ser ett tydligt behov

Som en del av studien bjöds representanter från Sveriges största skogsägande företag in till en gemensam workshop för att diskutera hur den nya metoden skulle kunna användas i praktiken, och om den skulle ge något värde till beslutsfattare. Deltagarna var överens om att osäkerhet är en viktig fråga för företagens planeringsarbete men att de idag saknar verktyg för att hantera den. Flera lyfte fram att de redan idag behöver förklara osäkerheter och dess effekter för beslutsfattare, men att befintliga verktyg ger begränsat stöd för detta. Även om osäkerheten är välkänd saknas ofta metoder för att beskriva den på ett systematiskt sätt.

När deltagarna fick testa den nya metoden uppskattades särskilt möjligheten att kunna visa resultat som sannolikhetsfördelningar i stället för som enstaka punktvärden. Därigenom blir det lättare att kommunicera vad man faktiskt vet och vad man är osäker på.

Större komplexitet men också större nytta

Samtidigt som den skapar större förståelse för osäkerheter innebär den nya metoden en ökad komplexitet för användarna. Fler scenarier ska hanteras, resultaten blir mer omfattande och användaren behöver förstå hur osäkerheterna har genererats. 

Trots detta var den samlade bedömningen från workshopdeltagarna att nyttan med den nya metoden överväger nackdelarna, förutsatt att resultaten presenteras på ett pedagogiskt och lättbegripligt sätt. Tydliga visualiseringar och väl valda standardinställningar lyftes fram som viktiga förutsättningar för ett brett användande. 

Studien innehöll också en teoretisk utvärdering av metoden, som visade att planeringen blev mer robust när osäkerheter beaktades. Metoden gav både högre förväntat ekonomiskt utfall och mindre risk för ogynnsamma resultat jämfört med traditionell planering som bortser från osäkerheten. 

Implementering via Heureka

I studien användes planeringssystemet Heureka PlanVis som är utvecklat av Sveriges lantbruksuniversitet (SLU) och Skogforsk som underlag för testerna. Eftersom Heureka PlanVis används av alla större skogsföretag i Sverige för långsiktig planering, bäddar studien också för att den nya metoden enkelt kan tillgängliggöras för en stor andel av Sveriges skogsareal. Studien konstaterar att det relativt enkelt skulle gå att utveckla Heureka för att möjliggöra stokastisk optimering, vilket skulle vara av stort värde för både skogsbruket och skogsforskningen. Idag saknas dock ekonomiska medel för denna implementering. 

Slutsats

Osäkerheter i skogsdata har länge varit en känd utmaning i skoglig planering, men de har sällan hanterats direkt i beslutsstöd och planeringsmodeller. Den nya metoden erbjuder ett sätt att både synliggöra och ta hänsyn till osäkerheten i själva planeringsprocessen. Studien visar också att företrädare för skogsbruket ser ett tydligt värde i ett sådant arbetssätt. 

Men den kanske viktigaste slutsatsen är att användaren och beslutsfattaren får bättre förståelse för osäkerheten bakom besluten. Det skapar bättre förutsättningar för att fatta välgrundade beslut i en verklighet där data om skogen och prognoser för dess framtida utveckling aldrig är helt säkra.

Studien använde osäkra data som exempel, men i framtiden kan samma princip användas för andra osäkerheter, exempelvis klimatförändringar, stormskador och andra risker som påverkar skogens utveckling. 

Om studien

Studien genomfördes som den sista delen i Patrik Ulvdals doktorandprojekt vid institutionen för skoglig resurshushållning vid SLU i Umeå och delfinansierades av Holmen Skog AB. Medförfattare var Mikael Rönnqvist vid Université Laval, Göran Ståhl, Ljusk Ola Eriksson och Karin Öhman vid SLU och Lars Sängstuvall vid Bergvik Skog Öst. Under studiens färdigställande arbetade Patrik Ulvdal vid Skogforsk. 

Läs studien i Scandinavian Journal of Forest Research här.

Läs Patrik Ulvdals avhandling här.