Ny metod för trädslagskartläggning ger bättre utbytesprognoser

Utbytesprognoser är viktiga för skogsföretag, eftersom de möjliggör att planera skogsavverkningar på ett sätt som matchar branschens krav. Prognoserna brukar baseras på information som hämtas från beståndsdatabaser. Problemet är att kvaliteten på informationen i dessa databaser inte alltid är tillräckligt bra och när beskrivningen av skogsbeståndet blir felaktig blir även utbytesprognosen dålig.  

Skogforsk har försökt komma till rätta med det genom att utveckla ett system som automatiserar de viktigaste databehandlingsstegen för att kartlägga trädslag, där skördardata kombineras med fjärranalysdata i form av multitemporala satellitdata (satellitbilder över samma område tagna vid olika tillfällen) från Sentinel-2 och Skogliga grunddata samt trädhöjdsraster från laserdata.

Tanken var att ett sådant system skulle göra det möjligt för skogsföretag att förbättra sin trädslagskartläggning på ett mycket kostnadseffektivt sätt och också avsevärt förbättra sina utbytesprognoser. Kartläggningen kan också vara användbar vid skogsförvaltning och planering samt för kartläggning av ”grön infrastruktur” och andra miljöhänsyn.

Volymbaserade trädslagsandelar beräknades för tall, gran och löv. Dessutom utvecklades en beräkningseffektiv rutin för att kombinera multitemporala data och på så sätt minimera de förluster i satellitdata som orsakas av moln.

Värdet av trädslagsinformation för utbytesprognoser bedömdes utifrån tre scenarier: 

1. Baslinjefall utan trädslagsinformation
2. Skattade trädslagsandelar
3. Information om "perfekt" trädslag (avverkade trädslag från skördardata)

Trädslagsinformation användes som hjälpdata i imputeringsrutinerna för utbytesprognoser, antingen som proportioner av stående volym per hektar eller som indikatordata (0–1) för det dominerande trädslaget. Avkastningsberäkningarna framställdes med hjälp av stamprislistor för de viktigaste trädslagen. Dessa sammanställdes av Skogforsk med hjälp av branschdata från 2020 som var giltiga för studieområdet.

Det föreslagna arbetsflödet är robust, bygger uteslutande på programvara med öppen källkod och kan enkelt skalas upp för att hantera större studieområden. Dessutom möjliggör det en bättre användning av data i skogsområden som är täckta av moln.

Avvikelsen från det ideala fallet med felfri information om trädslag och volym reducerades med upp till 62 procent för gran, 59 procent för tall och 29 procent för löv när de skattade trädslagsandelarna användes i utbytesprognoser.

Sammantaget visar resultaten att tillförlitig information om trädslagsandelarna är en avgörande faktor för att öka noggrannheten i utbytesprognoserna. När det gäller effekterna för skogsindustrin bör resultaten ses som en nedre gräns för vad som är möjligt eftersom mervärdet av trädslagsinformationen förväntas öka längre fram i virkesförsörjningskedjan.