Bättre utbytesberäkningar med laserdata

Bakgrund

FLEXWOOD är ett nyligen genomfört EU-projekt, där forskare i Europa tillsammans jobbat för att höja kvaliteten på skogliga indata och förbättra styrningen av råvaruflödena. Skogforsk har tillsammans med FORAN Remote Sensing och Logica (CGI) deltagit i projektet, där ett skogsområde i norra Uppland laserskannats med finansiellt stöd från Bergvik Skog AB och BillerudKorsnäs AB.

Om studien

Högupplösta laserdata samlades in med flyg över det 16 500 ha stora skogsområdet. Tillsammans med drygt 100 fältmätta provytor användes FORAN:s Single Tree Method för att positionera och identifiera enskilda träd samt beräkna trädhöjd, krondiameter och brösthöjdsdiameter. Med hjälp av spektrala data från flygbilder och fältdata kunde även trädslagen klassas.

1. Laserscanning. Diametern i brösthöjd för alla träd som identifierats i laserskanningen används för att beskriva diameterfördelningen i den stående skogen. I bilden finns alla koordinatsatta träd. 2. Skördarens produktionsdata har använts som referens i utvärderingarna. I bilden är träden koordinatsatta med hjälp av skördarens position. Det avverkade områdets yttergränser har följts upp manuellt med GPS efter avverkningen. 3. Fältinventering: Vid fältinventeringen görs en bedömning av virkesförrådets medelvärde per trädslag. Baserat på ett subjektivt uppskattat virkesförråd används en schablon för att generera en diameterfördelning för respektive trädslag.

Kompletterades med skadestatistik

Skördarnas produktionsfiler från redan genomförda avverkningar användes för att skatta frekvensen sortimentsavgörande stamskador och fel i området. Stockar med sågtimmerdimensioner som vid tillredningen klassats om till massa- och brännved antogs vara skadade. Vid nedklassning av rotstockar hos gran var orsaken vanligen röta. Även förarstyrda tvångskap registrerades i skördarens produktionsfiler. Vid bearbetningen antogs tvångskapen bero på stamskador eller fel.

Jämförelse med verkligt utfall

Effekterna av att utgå från bättre indata för utbytesberäkningarna analyserades genom att jämföra simulerade och verkliga produktionsdata från 16 av de objekt som avverkats inom det laserskannade området. Totalt omfattade objekten 139 ha och 37 600 m3fub. De laserbaserade utbytesberäkningarna jämfördes med skördarens produktionsfiler, som beskriver det producerade utfallet på stocknivå. De jämfördes också med utbytesberäkningar enligt dagens metod med subjektiv uppskattning av objektens virkesförråd i fält. Baserat på de subjektivt uppskattade virkesförråden genererades en diameterfördelning för respektive trädslag och objekt. Fördelningen baserades på schablonmässiga antaganden. För båda metoderna användes samma statistik för skadefrekvenser och schabloner för trädens stamform.

Resultat

I beräkningarnas sista steg simulerades avverkning och tillredning av enskilda träd, som beskrivits med laserdata respektive med fördelningsfunktioner ur medelvärden från fältinventering. Vi använde samma styrprislista som vid den verkliga skörden. Sortimentsfördelningen för den avverkade volymen från provområdet beräknades sedan med de olika metoderna. Diameterfördelningen för hela området (Fig. 1) skattades med god noggrannhet utifrån generella antaganden om spridning runt medelvärdena, medan laserdata gav högre noggrannhet på objektsnivå (Fig. 2).

Fig 1. Antal stockar per toppdiameterklass enligt skördare, laserdata och fältinventering. Summa för samtliga 16 objekt visar diameterfördelningen för hela området. Fig 2. ”Reynolds error index” visar andelen stockar per objekt som klassats till fel toppdiameterklass enligt laserdata och fältinventering i jämförelse med verklig produktion enligt skördardata (index =0). Fig 3. Virkesvolym (m³fub) per sortiment från samtliga 16 objekt enligt skördarens produktionsfil, jämfört med prognoser från laserdata och fältinventering.

Felklassade stockar

”Reynolds error index” visar andelen felklassade stockar per diameterklass. Ett lägre index innebär en bättre överensstämmelse mellan den skattade diameterfördelningen och det verkliga utfallet. Laserdata gav ett lägre genomsnittligt index på objektsnivå (0,15) än fältinventeringen (0,18). På flödesnivå, när alla stockar summerades, var förhållandet dock det omvända. Laserdata hade svårt att identifiera klenare träd i skiktade bestånd. Bearbetningen av laserdata (Single tree method) underskattade också ofta diametern på de grövsta träden. För några av de enskilda objekten gav laserdata därför ett högre index än fältinventeringen (Fig.2).

Beräknad sortimentfördelning

Prognosen för sortimensfördelningen baserad på medelvärden från fältinventering underskattade andelen normalt grantimmer utan att överskatta de övriga gransortimenten (Fig. 3). Trots att laserdata överskattade den totala virkesvolymen blev fördelningen på sortiment bättre skattad än för prognosen baserad på fältinventering. Fördelningen av olika tall- och gransortiment inom tall visar att laserdata gav en något bättre överensstämmelse med skördardata än samma prognos baserad på fältinventering.

Fördelningen av olika tall- och gransortiment inom tall visar att laserdata gav en något bättre överensstämmelse med skördardata än samma prognos baserad på medelvärden från fältinventeringen (Fig. 4).

Fig 4. Hela virkesvolymens (16 objekt) relativa fördelning på olika sortiment enligt skördarens produktionsfil, jämfört med prognoser från laserdata respektive fältinventering.

Diskussion

Bättre med laserdata

Utbytesprognoserna från laserdata stämde bättre än de som baserades på fältinventeringen. Prognoserna från laserdata överskattade visserligen virkesförrådet, men fördelningen för sortimenten blev bättre än med medelvärden från fältinventeringen (Fig. 4). Förklaringen är att laserdata gav en bättre beskrivning av trädens längd- och diameterfördelning. Användningen av produktionsfiler från tidigare avverkningar i samma område gav också ett bra statistiskt underlag för beräkning av andelen nedklassat sågtimmer för olika diameterklasser och trädslag. Observera dock att samma statistiska underlag användes för såväl laserdata som fältinventering.

Viktigt med rätt formkvot

För beräkning av stamform och volym användes Edgren-Nylinders funktioner med formkvoten 0,66 vilket gav en 10-procentig överskattning av granvolymen. Enligt senare jämförelser mellan stamprofiler från avverkade granar från ett av bestånden skulle en formkvot på 0,60 ge en volymskattning utan systematiska fel. Välskötta skogar enklare att bedöma Jämfört med våra allmänna erfarenheter av dataunderlag för praktiska utbytesberäkningar visade både laserdata och fältinventeringen mycket bra resultat, med små systematiska fel och låg standardavvikelse. Skogarna i området är välskötta och har gallrats vid tre tillfällen varför det kan ses som ett relativt enkelt testområde. I skogar med större variation bör effekten av bra diameter- och höjdfördelningar vara ännu större, samtidigt som det troligtvis blir svårt att ge en noggrann beskrivning av trädens variation.

Från forskning till tillämpning

Redan idag är det möjligt att använda laserdata med hög upplösning som ger möjlighet till mer detaljerade utbytesberäkningar. Fjärranalysföretagen Foran och Logica (CGI) har anpassat sina system för att samla in och hantera information om enskilda träd. Lågupplösta laserdata har redan fått ett genomslag hos många av skogsbrukets större markägare. Generellt sett höjer laserdata kvaliteten i avdelningsregistren, vilket nu kan användas för att förbättra resultaten från utbytesberäkningarna.

Skördardata och fjärranalys

Vi tror att utvecklingen går mot metoder som baseras på standardiserade skördardata i kombination med mätbara fjärranalysparametrar. Metoden bör anpassas bättre till olika skogars form och skadefrekvenser, vilket ger bättre utbytesprognoser. Dessutom behöver orsaker till skillnaderna i trädens avsmalning studeras och nya, praktiskt tillämpbara funktioner utvecklas.