logga
En ny modell baserad på digitala datakällor effektiviserar hänsynsuppföljningen, redovisningen inom de skogliga certifieringssystemen och återföringen av information till skogsbruksplaner.

Natur- och kulturhänsynsåtgärder är viktiga inslag vid planering och genomförande av i stort sett alla åtgärder i skogsbruket. Uppföljning av åtgärderna är viktig för att se om de utförs på rätt sätt och om de får den effekt man tänkt sig. Uppföljningen ger också återkoppling på utfört arbete till de som utfört åtgärden. Idag görs uppföljningen vanligen genom fältbesök på en begränsad del av arealen genom stickprov och ofta med en stor tidsfördröjning i förhållande till tidpunkten för själva åtgärden. En uppföljning baserat på befintlig digital information har stor potential att bredda och snabba på uppföljningen och dokumentationen av merparten av de hänsynsåtgärder som utförs vid gallring och slutavverkning.

Syftet med denna studie var att

  1. utveckla en modell som möjliggör uppföljning av de vanligare hänsynsåtgärderna vid avverkning:
    1. högstubbar
    2. kulturstubbar vid kulturmiljöer
    3. evighetsträd (inkluderar naturvärdes- och utvecklingsträd)
    4. mindre trädgrupper samt
    5. större trädgrupper, till exempel kantzoner och hänsynskrävande biotoper
  2. bygga in modellen i en programvara samt
  3. utvärdera modellen utifrån manuella referensmätningar.

Hög precision

Jämförelse av resultaten från modellen och de manuella referensmätningarna visade att den utvecklade algoritmen för arealbestämning skattade såväl större avverkade ytor som mindre lämnade ytor med hög precision. En svag tendens fanns dock att algoritmen överskattade den avverkade arealen.

Jämförelsen gav vidare stöd för att modellen har förmåga att skatta antal kvarlämnade träd per hektar med försumbar systematisk avvikelse och hög precision. Exempelvis kan modellen förväntas skatta antalet kvarlämnade träd per hektar inom intervallet 8,3 till 11,7 träd för objekt där det sanna antalet kvarlämnade träd är 10 träd per hektar.

Sammanfattningsvis ger studien starkt stöd för att den utvecklade modellen har potential att effektivisera hänsynsuppföljningen i skogsbruket. För att realisera detta har Skogforsk inlett efterföljande arbete tillsammans med en stor grupp av skogliga organisationer

Studiens upplägg

Skogforsk har nyligen tillsammans med värdföretag, definierat nyckeltal som bör vara möjliga att generera i ett system för hänsynsuppföljning baserat på digital information. 

Indata till modellen som utvecklades i studien utgörs av produktionsdata från skördare med registrerade stamkoder, objektdirektiv med geometrier för de planerade åtgärderna och där den planerade hänsynen klassificerats utifrån hänsynstyp samt geodata inkluderande skogliga grunddata och information från den nationella vägdatabasen (NVDB). Modellens beräkningssteg är uppbyggt av två huvudalgoritmer och ett efterföljande summeringssteg. I den inledande algoritmen utförs arealberäkning och avgränsning av de hänsynsåtgärder som har areell utbredning. I den efterföljande algoritmen skattas antalet kvarlämnade träd, inklusive volymer. I det avslutande summeringssteget genereras beskrivande nyckeltal på objektsnivå. I detta steg implementerades även regelverket för FSC-standarden för att möjliggöra redovisning av nyckeltal gentemot de skogliga certifieringssystemen.

Modellen utvärderades genom manuella referensmätningar på 13 avverkningsobjekt belägna inom fem områden från Östergötland till Ångermanland. Vid referensmätningarna registrerades koordinaterna för avverkade och lämnade ytor samt antalet lämnade träd. För analys med hjälp av den utvecklade modellen insamlades nödvändiga indata, det vill säga objektdirektiv från avverkningsplaneringen, hpr-filer med stamkodsregistrering, samt data från den nationella vägdatabasen och skogliga grunddata.

 

Nr 92-2022    Publicerad 2022-12-16 14:43

Kommentarer
Det finns ännu inga kommentarer på denna sida. Var först med att ge en kommmenter.
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. Var god bekräfta att du inte är en robot!