Tapio Räsänen, Metsäteho: Runkolukusarjat metsävaratietoihin
•
0 likes•207 views
Metsätieto ja sähköiset palvelut -hankkeen välitulosseminaari Helsingissä 22.1.2018. Lisätietoa hallituksen kärkihankkeesta maa- ja metsätalousministeriön verkkosivuilla: http://mmm.fi/metsatieto-ja-sahkoiset-palvelut
Recommended
Recommended
More Related Content
What's hot
What's hot (20)
More from Maa- ja metsätalousministeriö
More from Maa- ja metsätalousministeriö (20)
Tapio Räsänen, Metsäteho: Runkolukusarjat metsävaratietoihin
- 1. Runkolukusarjat metsävaratietoihin Tapio Räsänen Metsäteho Oy Metsätieto ja sähköiset palvelut -välitulosseminaari 22.1.2018
- 2. Runkolukusarjatiedon käyttö metsätaloudessa 2Metsätieto ja sähköiset palvelut -välitulosseminaari, 22.1.2018, Helsinki Metsäsuunnittelu Puukauppa Puunkorjuu Metsävaratiedot puuston kasvun laskenta ja päivitys hakkuupoistuman laskenta toimenpide-ehdotukset puuston arvon laskentaMetsätilakauppa puutavaralajien hinnoittelu oston ohjaus Katkonta korjuun ketjutus korjuukustannukset varastohallinta leimikon puuston kuvaus katkonnan simulointi ja katkonnan ohjaustiedostojen valinta Vaatimukset • tarkkuus • harhattomuus • ajantasaisuus • joustavuus laskentayksikön suhteen (kuvio / hila) • tieto, miten runkolukusarjatieto on muodostettu • puuston laatutunnukset liitettävissä (mallit, erilaiset tietolähteet) visualisointi
- 3. • Puutavaralajien hakkuukertymien määristä tarvitaan nykyistä parempi ennakkotieto ‒ ostomäärien arviointi korjuulohkoittain metsävara- tai metsäsuunnittelutiedon pohjalta ‒ tiedot riittävän luotettavalla tasolla jo sähköisen puukaupan tarjouspyynnöissä ‒ objektiivisuus ja luotettavuus ‒ tieto on saatava käymättä metsässä ‒ korjuun suunnittelu ja ohjaus ‒ varastomäärien hallinta puutavaratoimitusten suunnittelussa ja korjuun ketjutuksessa ‒ korjuun ohjaaminen tarpeeseen sopiviin leimikoihin mm. kelirikkotilanteissa ‒ korjuukustannusten arviointi (poistuman keskijäreys keskeinen tekijä) ‒ työmaasuunnittelu: hakkuukertymien sijainti mm. ajouraverkoston suunnittelua varten • Oston ohjaus ja puuston jalostusarvon määrittäminen ‒ tarkka puustotieto mahdollistaa hinnoittelun oletettuun jalostusarvoon perustuen (mm. järeys) ‒ tukkilaatujen osuuksien arviointi leimikon puustotunnusten ja laatujakaumia kuvaavien mallien mukaan ‒ sahoille ennakkotieto toimitettavasta laatujakaumasta • Katkonnan ohjaus ‒ katkonnan ohjaus puuston ennakkotiedon ja sahojen toimitustarpeiden pohjalta ‒ tyyppileimikointi Tarkan puustotiedon käyttötarpeet puunhankinnassa 3Metsätieto ja sähköiset palvelut -välitulosseminaari, 22.1.2018, Helsinki
- 4. 4Metsätieto ja sähköiset palvelut -välitulosseminaari, 22.1.2018, Helsinki Poistuman keskijäreyden arviointi 0 200 400 600 800 1 000 1 200 0 200 400 600 800 1 000 1 200 Arvioitu tukkirunkopoistuman keskijäreys, dm 3 Toteutunuttukkirunkopoistumankeskijäreys,dm 3
- 5. Läpimittajakaumat ja pituuskäyrät puujoukko 5Metsätieto ja sähköiset palvelut -välitulosseminaari, 22.1.2018, Helsinki 0 20 40 60 80 100 120 6 9 12 15 18 21 24 27 30 33 36 39 42 45 48 51 54 57 60 63 66 69 kpl lpm-luokka, cm Mänty Kuusi Koivu Lehtipuu 0 500 1000 1500 2000 2500 3000 3500 0 20 40 60 cm lpm-luokka, cm Mänty 0 500 1000 1500 2000 2500 3000 3500 4000 0 20 40 60 cm lpm-luokka, cm Kuusi KuvioID Rungon nro Puulaji Läpimitta Pituus 1034_1 1 2 24,3 21,1 1034_1 2 3 17,3 13,0 1034_1 3 3 17,2 13,4 1034_1 4 2 20,7 18,8 1034_1 5 3 9,5 10,2 1034_1 6 1 31,9 21,1 1034_1 7 2 34,7 24,0 1034_1 8 3 8,9 9,0 1034_1 9 2 14,1 14,5 1034_1 10 3 22,7 17,1 1034_1 11 2 34,7 22,5 1034_1 12 2 26,6 21,6 1034_1 13 3 30,8 18,6 Generoitu puujoukko
- 6. 1. Maastomittaukset koealoilta ‒ esim. Trestima –sovelluksella muodostetut runkolukusarjat 2. Puuston keskitunnukset ja kokojakaumamallit a) Hilamuotoisen metsävaratiedon puuston keskitunnukset, joiden perusteella runkolukusarjat ja laskentapuujoukot voidaan muodostaa malleilla ‒ Luken Motti -kokojakaumamallit ‒ hiloille generoidaan yksittäiset puut ‒ harvennuksilla pitäisi muodostaa runkolukusarjat erikseen koko puustolle ja poistettavalle puustolle b) Kuviolle tai lohkolle lasketaan puustotunnusten keskiarvot hilatiedoista ja niistä muodostetaan kokojakaumamalleilla edelleen runkolukusarjat ja laskentapuujoukot c) Puuston keskitunnukset saadaan muista tietolähteistä ‒ metsäsuunnittelun kuviotiedot, kaukokartoitus 3. Runkolukusarjat osana SMK:n hilamuotoista metsävaratietoa ‒ laskentamenetelmät kehitteillä 4. Hakkuukonedataan perustuvat laskentapuujoukon muodostamisen menetelmät ‒ korjuukohteen puustotunnusten perusteella k –lähimmän naapurin menetelmällä Runkolukusarjatasoisen puustotiedon muodostaminen 6Metsätieto ja sähköiset palvelut -välitulosseminaari, 22.1.2018, Helsinki
- 7. 7Metsätieto ja sähköiset palvelut -välitulosseminaari, 22.1.2018, Helsinki Puustotieto katkonnan ohjauksessa
- 8. 8Metsätieto ja sähköiset palvelut -välitulosseminaari, 22.1.2018, Helsinki • Tutkimusalue sijaitsi Länsi-Uudenmaan alueella, missä hyödynnettiin yhteensä 150 päätehakkuukuvion (334 ha) puustotietoja ‒ hilatieto oli kerätty vuosina 2015 ja hakkuukonetieto 2015 - 2016 ‒ alueen puusto kuusivaltaista (76 %) ja metsikkökuviot pienipiirteisiä ‒ mukana vain yli 0,5 ha kuviot • Muodostettua puujoukkoa verrattiin hakkuukoneella kerättyyn sekä runkokäyräsovitettuun runkopankkiaineistoon • Sekä tutkimusaineistolla että runkokäyräsovitteella muodostetut puujoukot vietiin katkontasimulaattoriin ‒ tutkittiin tilavuuksien ja keskijäreyksien harhoja ja keskivirheitä • Katkonnan kokonaistilavuuden harha oli 3,8 m3/ha (1,5 %) ja keskivirhe 42,3 m3/ha (16,3 %) ‒ lehtipuiden estimointi oli lähes harhatonta, mutta havupuissa kuusen ja männyn osuudet sekoittuivat Metsäkeskuksen hilatiedon ja Motti -kokojakaumamallin tarkkuus puujoukon luonnissa - Matti Pesonen, Helsingin yliopisto, pro gradu
- 9. 9Metsätieto ja sähköiset palvelut -välitulosseminaari, 22.1.2018, Helsinki 1. Kuviotason keskitunnusten vertailu ‒ Motti-mallin puujoukosta laskettiin kuvioiden uudet keskitunnukset ‒ Perusolettamus oli, että mallista lasketut keskitunnukset ovat yhtäläisiä hilatiedon keskitunnusten kanssa ‒ Hakkuukonetietoon verrattaessa vertailtiin tiedon oikeellisuutta kuvioittain sekä ovatko Motti-mallin keskitunnukset lähempänä hakkuukonetietoa kuin hilatiedon keskitunnukset 2. Kuviokohtaiset runkolukusarjat ‒ Aidot rungot runkokäyräsovitettuna, d1.3 syntypisteestä 3. Katkonnan tulos kuvioittain ‒ Runkokäyräsovitetut ”aidot” rungot ‒ Motti-mallin rungot 1 cm läpimittavälein Analysointi Kuvion keskitunnukset Runkolukusarjat ja runkojoukot Hakkuukone- tieto Hilatiedon keskitunnukset Motti-mallin puuston keskitunnukset Runkokäyrä- sovitetut rungot Motti-mallilla luodut rungot Aitojen runkojen katkontatulos Motti-mallin runkojen katkontatulos Katkonnan tulos
- 10. 10Metsätieto ja sähköiset palvelut -välitulosseminaari, 22.1.2018, Helsinki • Runkoluvun estimoinnin keskivirhe oli 203 kpl/ha (34,4 %) ‒ malli pärjäsi paremmin kuin hilatieto • Männyn osuus yliarvioitui, tilavuuden keskivirhe 41,8 m3/ha (161,2 %) • Pohjapinta-ala oli harhaton • Dimensiotunnukset olivat suhteessa tarkemmin estimoituja kuin summatunnukset • Kokonaistilavuuden harha 0,4 m3/ha (0,1 %) ja keskivirhe 45,2 m3/ha (17,1 %) 0 500 1000 1500 2000 2500 0 200 400 600 800 1000 1200 Simuloitu Hakkuukone Runkoluku kuvioittain kpl/ha Hilatiedon keskitunnukset Motti-mallin puujoukon keskitunnukset 0 20 40 60 80 100 120 140 0 50 100 150 Motti-mallintilavuusmänty, m3/ha Hilatiedon tilavuus mänty, m3/ha Männyn tilavuus kuvioittain m3/ha Tuloksia
- 11. 11Metsätieto ja sähköiset palvelut -välitulosseminaari, 22.1.2018, Helsinki • Katkonnan tulosta varten suodatettiin kuvioiden reunahilat pois ja skaalattiin puujoukko todellisen kuviokoon mukaiseksi • Kokonaistilavuuden harha 1,5 % ja keskivirhe 16,3 % 0 100 200 300 400 500 0 100 200 300 400 500 Simuloitu Hakkuukone Katkontatulos, m3/ha Tilavuudet Tilavuudet, hilasiivous n= 150 TilavuusMAT Kokonaistila- vuusMA TilavuusKUT Kokonaistila- vuusKU TilavuusLET Kokonaistila- vuusLE Kokonaistila- vuus Keskijäreys, tukit MAT-% KUT-% LET-% TUKKI-% bias -14.1 -18.9 22.2 21.8 1.2 0.9 3.8 13.6 3.8 2.9 3.7 2.4 bias-% -62.0 -72.5 14.1 11.5 7.8 2.1 1.5 5.9 RMSE 34.9 40.3 46.5 53.3 11.3 21.7 42.4 32.5 9.9 7.9 12.5 5.4 RMSE-% 153.6 154.5 29.5 28.0 76.1 50.1 16.3 14.0
- 12. 12Metsätieto ja sähköiset palvelut -välitulosseminaari, 22.1.2018, Helsinki • Tukkien keskijäreydessä kuusella pienin virhe (15,3 %), mutta suurin harha (7,7 %) • suuret kuuset on estimoitu mäntyinä • runkolukua voi kasvattaa runsas kuusialikasvos 0 50 100 150 200 250 300 350 400 0 100 200 300 400 500 600 Simuloitu,litraa Hakkuukonetieto, litraa Tukkien keskijäreys puulajeittain, litraa Keskijäreys MAT Keskijäreys KUT Keskijäreys LET • Parametriset mallit ovat varsin käyttökelpoisia luomaan puujoukko hilalle • Puulajisuhteet sekoittuvat vielä paljon • Laatua ei tämän aineiston avulla voida estimoida Päätelmät
- 13. 13Metsätieto ja sähköiset palvelut -välitulosseminaari, 22.1.2018, Helsinki 0 2000 4000 6000 8000 10000 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 73 76 79 kpl Lpm-luokka, cm Kuusi, todellinen Kuusi, estimoitu 0 200 400 600 800 1000 1200 1400 1600 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 73 76 79 kpl Lpm-luokka, cm Mänty, todellinen Mänty, estimoitu Puulaji Ero Estimoitu vs. todellinen - kaikki - 7 cm > rungot Kuusi 17,9 % 8,8 % Mänty 100,6 % 96,6 % Lehtipuut 46,8 % 31,2 % Yhteensä 29,1 % 19,0 % Runkolukusarjan laskentamenetelmän arviointi Estimoitujen runkolukusarjojen vertailut hakkuukoneella mitattuihin (158 päätehakkuuleimikkoa) Runkojen lukumäärä koko aineistossa Metsäteho Oy (Tapio Räsänen, Juha-Antti Sorsa ja Matti Pesonen) Metsäkeskuksen ja Tiedon runkolukusarjan tuottamisen pilotti
- 14. 14Metsätieto ja sähköiset palvelut -välitulosseminaari, 22.1.2018, Helsinki • Pääpuulajina valtaosassa kohteita olleen kuusen runkojen lukumäärät estimoitiin kohtuullisen hyvin ‒ kuusen kokonaistilavuudessa ero oli -0,7 % • Männyn ja lehtipuiden runkomäärien estimointi onnistui heikommin ‒ männyn yli 7 cm runkojen tilavuuden yliarvio oli 64 % ‒ lehtipuilla vastaava tilavuuden yliarvio oli 26 % • Menetelmä estimoi kaikille puulajeille paljon < 7 cm runkoja, joilla ei kuitenkaan ole käytännössä merkitystä puutavaralajikertymien laskennassa Puujoukkojen muodostus runkolukusarjoista ja simuloitujen katkontojen ptl -tilavuudet -2% 4% -1% 59% 100% 64% 28% 25% 26% 7% 18% 9% -20% 0% 20% 40% 60% 80% 100% 120% tukit kuitu yhteensä tukit kuitu yhteensä tukit kuitu yhteensä tukit kuitu yhteensä Kuusi Mänty Lehtipuu Yhteensä Tilavuuerot estimoitu vs. todellinen 158 leimikkoa yhteensä
- 15. 15Metsätieto ja sähköiset palvelut -välitulosseminaari, 22.1.2018, Helsinki KIITOS !