Jouni Siipilehto (email), Miika Rajala

Puukauppatiedosta puujoukon kuvaukseen

Siipilehto J., Rajala M. (2019). Puukauppatiedosta puujoukon kuvaukseen. Metsätieteen aikakauskirja vuosikerta 2019 artikkeli 10158. https://doi.org/10.14214/ma.10158

Tekijät
  • Siipilehto, Luonnonvarakeskus (Luke), Luonnonvarat, Helsinki Sähköposti jouni.siipilehto@luke.fi (sähköposti)
  • Rajala, Metsä Group, Espoo Sähköposti miika.rajala@metsagroup.com

Vastaanotettu 14.3.2019 Hyväksytty 17.3.2019 Julkaistu 19.3.2019

Katselukerrat 12019

Saatavilla https://doi.org/10.14214/ma.10158 | Lataa PDF

Creative Commons License full-model-article10158

Seloste artikkelista Siipilehto J., Rajala M. (2019). Model for diameter distribution from assortments volumes: theoretical formulation and a case application with a sample of timber trade data for clear-cut sections. Silva Fennica vol. 53 no. 1 article 10062. https://doi.org/10.14214/sf.10062

Tutkimuksen tausta ja materiaalit

Tutkimuksessa kehitettiin menetelmä, jossa puukauppatiedon tunnuksilla kuvattiin päätehakkuun kohteena oleva puujoukko. Siten lähtötietona oletettiin tunnetuksi puulajeittain kuitu- ja tukkipuun tilavuus sekä keskijäreys. Jos keskijäreys kuvaa kaupallisen rungon aritmeettista keskikokoa, siitä saadaan ratkaistua hakattujen runkojen lukumäärä. Koska mallilla kuvattiin vain kaupallisten runkojen muodostamaa puujoukkoa, niin jakaumaksi valittiin katkaistu 2-parametrin Weibull-jakauma, jossa katkaisukohta valittiin kuitupuun minimiläpimittojen perusteella. Mallia voidaan hyödyntää katkonnanohjaussimulaattorissa siten, että ennustetusta jakaumasta poimitaan puut satunnaisesti ja kuvataan niiden runkokäyrät.

Mallin kehitystyössä käytettiin Evon lähistöltä avohakatun seitsemän kuvion aineistoa, jota Siipilehto ym. (2016) olivat aikaisemmin käyttäneet päätehakkuupuustojen rakenteen ennustamiseksi vaihtoehtoisilla menetelmillä. Tähän aineistoon sovitettiin Weibull-jakauma optimoimalla siten, että minimoitiin päätehakkuilta korjattujen ja mallilla ennustettujen puutavaralajien tilavuuserojen neliöiden summaa. Optimoinnissa sovellettiin simplex-algoritmia.

Laadittua menetelmää testattiin käytännön puukauppatiedon aineistolla. Puukauppatieto oli lohkokohtaista, jolloin se voi koostua useammasta päätehakkuukuviosta. Puukauppatiedot perustuvat asiantuntijoiden silmävaraisiin arvioihin. Silmävaraisessa arvioinnissa puustotunnusten virheet ovat aikaisempien tutkimusten mukaan varsin merkittäviä. Kun mallia testattiin puukauppatietoon, oli mallin validoinnissa useampi arvioitava tekijä: kuinka lähelle puukauppatiedon puutavaralajien määriä mallilla päästiin ja toisaalta, kuinka puutavaralajien määrä ja ennustettu jakauma vastasivat lohkoilta korjattua puustoa. Yksi rakenteeseen vaikuttava tekijä oli tukkivähennys, jota puukauppatieto ei pidä sisällään. Tästä syystä tehtiin herkkyysanalyysiä mallin hyvyydestä ilman tukkivähennystä ja vaihtoehtoisia tukkivähennyksiä käyttäen. Keskimääräiset puulajeittaiset tukkivähennykset poimittiin Malisen ym. (2007) julkaisusta. Tukkivähennyksen huomioiminen siirtää osan kuitupuun tilavuudesta takaisin tukkipuun tilavuuteen, jolloin läpimittajakauma siirtyy kohti suurempia dimensioita.

Mallitusaineistoon optimoidut jakaumat olivat hyvin yhteensopivia hakkuukoneen korjaamiin runkolukusarjoihin verrattuna. Tukkitilavuus saatiin harhattomasti ja kuitupuun harha oli vain 2 %. Tyypillisesti männyn runkolukusarjat muistuttivat kellokäyrää, kun taas kuusen ja koivun runkolukusarjat olivat joko laskevia tai erittäin vinoja (ks. Kuva 1).

1

Kuva 1. Hakkuukoneen korjaamat sekä mallilla ennustetut runkolukusarjat mallitusaineiston metsikössä no. 3.

Puukauppatietoon optimoidut jakaumat eivät olleet yhtä tarkkoja kuin mallitusaineistoon optimoidut jakaumat. Ensinnäkin osoittautui, että puukauppatiedon keskijäreys testiaineistossa ei kuvannut aina rungon aritmeettista keskijäreyttä. Tämä johtui osittain siitä, että puukaupan keskijäreystunnuksen arvioinnissa pääpaino on arvokkaammassa tukkipuustossa. Toisaalta keskijäreyden arviota vaikeutti kuusen ja koivun alikasvoksista johtunut pieniläpimittaisen kuitupuun suuri osuus. Niinpä runkoluvun estimaatti oli aliarvio lohkolta korjattuun puustoon verrattuna. Runkoluvun aliarviosta johtuen läpimittajakauma painottui suuriin läpimittoihin, jotta kauppatiedon kuitu- ja tukkipuun kertymät saavutettaisiin. Tyypillisesti hakkuulohkon tukkitilavuus saatiin tyydyttävällä tarkkuudella (0,1–2,3 m3 virhe), kun taas kuitupuun tilavuuteen jäi huomattavaa aliarviota (1,2–43,5 m3). Optimoidut jakaumat sopivat parhaiten puukauppatietoon, kun käytettiin suurehkoja ”MELA05” tukkivähennyksiä (24, 18 ja 29 % männylle, kuuselle ja koivulle).

Kun optimoituja jakaumia verrattiin lohkoilta korjattuun puustoon, niin parhaiten hakkuukoneen aineistoon sopiva tukkivähennys muuttui puulajeittain. Männyllä tulos oli paras ilman tukkivähennystä, kun taas kuusella 18 % ja koivulla 41 % olivat parhaat ja samalla suurimmat käytetyt vähennykset. Kuvan 2 männyn ja kuusen jakaumista vaihtoehtoisilla tukkivähennyksillä huomataan, kuinka voimakkaasti tukkivähennyksen huomioiminen vaikutti jakauman muotoon. Kuvan 2 jakaumista vain ilman tukkivähennystä optimoitu männyn jakauma ja 18 % tukkivähennystä käyttäen optimoitu kuusen jakauma oli tilastollisesti yhteensopiva hakkuukoneen korjaaman runkolukusarjan kanssa.

2

Kuva 2. Männyn ja kuusen runkolukusarjat ja Weibull-jakaumat optimoituna ilman tukki­vähennystä (—), männylle 16 %:n ja kuuselle 6 %:n tukkivähennystä käyttäen (- - -) sekä 24 %:n ja 18 %:n tukkivähennystä käyttäen (···). Männyllä puukauppatiedon/hakkuukoneen mukaiset tunnukset: runkoluku 1020/930, kuitupuuta 130/65 m3, tukkipuuta 280/234 m3 ja kuusella: runkoluku 704/1102, kuitupuuta 100/74 m3 ja tukkipuuta 255/302 m3.

Mitä parempi keskijäreydestä saatu runkoluvun estimaatti oli, sitä paremmin optimoitu jakauma sopi yhteen sekä puukauppatiedon puutavaralajien kanssa että hakkuukoneen korjaaman runkolukusarjan kanssa. Tyypillisesti alle puolet ja parhaimmillaan 70 % puukauppatietoon optimoiduista jakaumista oli tilastollisesti yhteensopiva hakkuukoneen korjaaman runkolukusarjan kanssa. Edelleenkään meillä ei ole menetelmää, jonka avulla korjuulohkon puuston rakenne saataisiin luotettavasti kuvattua ennen hakkuuta esim. hakkuukoneen katkonnanohjaussimulaattoria varten. Tässä tutkimuksessa puukauppatiedon keskijäreys osoittautui pullonkaulaksi luotettavuuden osalta, kun taas puukauppatiedon tukki- ja kuitupuun tilavuusarviot olivat suhteellisen tarkkoja. Jatkossa tulisi selvittää, saadaanko runkolukua tarkennettua hakemalla iteratiivisesti sellaista runkolukua, jonka avulla kuitu- ja tukkipuutilavuudet saadaan puukauppatiedon mukaisiksi.

Kirjallisuus

Holopainen M., Vastaranta M., Rasinmäki J., Kalliovirta J., Mäkinen A., Haapanen R., Melkas T., Yu X., Hyyppä J. (2010). Uncertainty in timber assortment estimates predicted from forest inventory data. European Journal of Forest Research 129(6): 1131–1142. https://doi.org/10.1007/s10342-010-0401-4.

Malinen J., Kilpeläinen H., Piira T., Redsven V., Wall T., Nuutinen T. (2007). Comparing model-based approaches with bucking simulation-based approach in the prediction of timber assortment recovery. Forestry 80(3): 309–321. https://doi.org/10.1093/forestry/cpm012.

Siipilehto J., Lindeman H., Vastaranta M., Yu X., Uusitalo J. (2016). Reliability of the predicted stand structure for clear-cut stands using optional methods: airborne laser scanning-based methods, smartphone-based forest inventory application Trestima and pre-harvest measurement tool EMO. Silva Fennica 50(3) article 1568. https://doi.org/10.14214/sf.1568.


Rekisteröidy
Click this link to register to Metsätieteen aikakauskirja.
Kirjaudu sisään
Jos olet rekisteröitynyt käyttäjä, kirjaudu sisään tallentaaksesi valitsemasi artikkelit myöhempää käyttöä varten.
Ilmoitukset päivityksistä
Kirjautumalla saat tiedotteet uudesta julkaisusta
Valitsemasi artikkelit
Hakutulokset
Siipilehto J., Rajala M. (2019) Metsätieteen aikakauskirja vol. 2019 no. 0 artikkeli 10158