SLU-nyhet

Nytt, gammalt och laser som bas för skoliga beslut

Publicerad: 24 mars 2017

Hur bra de beslut är som tas i skogsbruket är helt avhängigt vilken information som finns tillgänglig och inte minst informationens kvalitet. Rami Saad visar i sin avhandling att laserdata för skattning av trädstammarnas diameterfördelning kan användas i Heureka och på så sätt ge bättre information för t.ex. beräkning av sortimentsutfall. Rami visar även att det kan vara fördelaktgt att kombinera både gammal och ny information i skoglig planering.

Förbättrad information från fjärranalys I dag används data från flygburen laserskanning på bred front i skogsbruket. Vanligen skattas bara traditionella beståndsvariabler som höjd, grundyta och virkesvolym. Rami visar att man även kan skatta trädstammarnas diameterfördelning från laserdata, dvs. information om trädens fördelning på olika storlekar. Beslutsstödjande system, som Heurekasystemet, kan därmed använda skattade diameterfördelningar från laserskanning istället för de schablonartade diameterfördelningar som används idag. Det innebär förbättrad information som underlag för beräkning av t.ex. sortimentsutfall och virkesvärden. Fjärranalysmetoder är beroende av provytor i fält och såväl antalet ytor som deras lokalisering påverkar noggrannheten av skattning av virkesförråd, trädhöjd, etc. Rami testade att placera ytorna inom mikrobestånd och en ny ansats – local pivotal method (LPM) – för urvalet av ytorna. Ansatsen med mikrobestånd och LPM gav ett bättre urval av ytor och därmed bättre skattningar jämfört med om ytor lokaliseras i ett systematisk rutnät över området. Det medförde även en mer geografisk koncentration av ytorna vilket har potential att minska kostnaden för fältarbetet.

Minskade beslutsförluster

För både skattning av diameterfördelningar och för den nya ansatsen för fältytor undersökte Rami – med hjälp av Heureka PlanVis – nyttan i ekonomiska termer av de bättre beslut som kan tas baserat på den förbättrade informationen. Även om skillnaderna var relativt små kunde förluster på grund av dåliga beslut minskas när bättre information fanns att tillgå.

Gammalt och nytt kombineras

När nya data har införskattats har man i regel bara bytt ut gamla mot nyinförskaffade data. Data-assimilering är en ansats där den gamla och den nya informationen kombineras. Rami visar att ansatsen är såväl användbar som önskvärd för att ta fram dataunderlag även för skoglig planering. I de fall man vet hur stor osäkerheten är i de data man använder bör givetvis hänsyn tas till osäkerheten i planering och beslutsfattande. Det är dock enklare sagt än gjort, bland annat är det en utmaning att presentera problemet på ett sätt som gör det enkelt för en beslutsfattare att ta ställning till olika handlingsalternativ. Rami presenterar en ny och grafisk ansats som visar vilka handlingsalternativ som är bäst med hänsyn till osäkerheten i data. I ansatsen beaktas även beslutsfattarens riskpreferens – vill man hellre vara på den säkra sidan än handla på ett sätt som möjligen kan ge högre ekonomisk utfall men som samtidigt innebär en större risk? Valet är upp till beslutsfattaren.


Kontaktinformation

Tomas Lämås, Docent/Programchef SHa
Institutionen för skoglig resurshushållning/SHa, SLU
tomas.lamas@slu.se, 090-786 8405