Uuteen metsäsuunnittelujärjestelmään kohdistetut vaatimukset

Transkriptio

1 Mikael Wathén NGPS-seminaariesitys Uuteen metsäsuunnittelujärjestelmään kohdistetut vaatimukset Kaikki haastattelut on pidetty Tornator Metsähallitus UPM-Kymmene Tapio + metsäkeskukset Metsämannut Osakkailla erilaiset tarpeet Eroja metsäomistuksessa (kokonaan omat, omien omistajien tai yksityisten metsät) ja siinä, kuka suunnittelee toimenpiteet, tekee päätökset ja toteuttaa toimenpiteet Jokaisella käytössään omat maastotiedonkeruumenetelmät sekä räätälöidyt tietokanta- ja käyttöliittymäratkaisut Esiin nousseet periaatteet järjestelmän kehittämisessä Projektissa tuotetaan eri laskentatarpeiden ratkaisemiseksi erillisiä, kevyitä, helppokäyttöisiä ohjelmamoduuleja, jotka osakas voi liittää olemassa oleviin järjestelmiin ja käyttöliittymiin Moduulien on kyettävä käyttämään olemassa olevia ja vaihtelevia tietoja laskentojen lähtötietoina, käyttötapauksilla rakennetaan lähtötiedoista riippuen erilaisia laskentarutiineja Moduulit lukevat ja kirjoittavat olemassa oleviin tietokantoihin Kaikkia ohjausparametreja pitää voida säätää itse sekä paikallisesti että ajallisesti, yleensä halutaan antaa suoraan yksiselitteisiä numeroarvoja, jotkut kaipasivat myös helppoa käyttöliittymää, kuten liukukytkimiä ehdotus: toteutetaan arvo- ja sääntötietokannat, joihin tiedot voidaan tallentaa erilaisilla käyttöliittymien ohjaimilla ja joita voi olla rinnakkaiskopioina eri käyttötarkoituksiin Käsittelyketjuja ohjaavat säännöt ovat kaikilla osakkailla erilaiset ja ne pitää siksi jokaisen itse määritellä (myös alueellisesti ja ajassa?), kuitenkin voidaan projektissa toteuttaa esimerkiksi Tapion hyvän metsänhoidon suositusten mukaiset käsittelysäännöt järjestelmään Tarvitaan selkeä laskennan edistymisen ja virheiden kirjanpito, vaikka esimerkiksi puutteellisista lähtötiedoista herjataan näkyvästi, se ei silti saa keskeyttää laskentaa vaan ongelmakuviosta voidaan vaikka hypätä yli Kaikkea ei tarvitse sulloa samaan muottiin, esimerkiksi eritasoista ja -lähteistä tietoa pitää pystyä käyttämään sellaisenaan, ei muunnettuna ja ennustettuna vakiomuotoiseksi Huomio sopivan kokoiseen laskennan mitoitukseen ja tarkkuuteen kussakin laskentatehtävässä Kaikenlaiset käyttäjään kohdistuvat rajoitteet pyritään minimoimaan järjestelmää voi soveltaa laajasti ja samalla erilaisten virheiden mahdollisuus kasvaa käyttäjän pitää tietää mitä tekee ja miten, samalla käytön pitää olla teknisesti helppoa (tässä käyttäjien koulutus ja osakkaiden omat järjestelmät käyttöliittymineen ovat avainasemassa) Uusia malleja ei järjestelmää varten kehitetä, sen sijaan vaihtoehtoisten mallien vertailu ja kalibrointi sekä muualla kehitettyjen mallien käyttöönotto järjestelmässä tehdään yksinkertaiseksi Esitetyt käyttötapaukset Ajantasaisen (puulaji- ja puusto-ositteittaisen) kuviotiedon muodostaminen (nykytilan laskenta)

2 Mikael Wathén NGPS-seminaariesitys o tarkistusmittauskoealatiedoista o relaskooppikoealatiedoista o metsikön keskitunnuksista (vanha Solmu-muotoinen tieto) o eritasoisista kuvatulkinta-aineistoista puittainen laserkeilainaineisto regressiomenetelmällä saatu laserkeilainaineisto, jolloin kuviolta saadaan vain yhdet keskitunnukset sekä ilmakuvalta puulajiosuudet o hakkuukoneen keräämistä puustotiedoista yhdistettynä kuljettajan relaskooppihavaintoihin o tehdyt toimenpiteet simuloiden (jolloin ei tarkistusmittausta toimenpiteen jälkeen) Metsikön kehityksen ja käsittelyvaihtoehtojen simulointi (toimijakohtaisesti määriteltyjen käsittelysääntöjen ja valittujen kasvumallien mukaisesti) Käsittelyvaihtoehtojen optimointi määriteltyjen hintojen ja sääntöjen mukaan edellisten vaihtoehtojen pohjalta; Linear Programming ja Goal Programming (sekä heuristinen optimointi?) o miten tahansa rajatulla alueella o millä tahansa aikavälillä ja -jaotuksella Metsän arvon määrittäminen o nykyarvo eri määritysmenetelmillä o vuotuinen kassavirtalaskelma simuloiden tämänhetkisistä kuviotiedoista o vuotuinen kassavirtalaskelma simuloiden kaukokartoitusaineistosta määritellyillä kuviotiedoilla o IFRS/IAS-tasearvon laskenta Erityishankkeiden laskennat o luonnonhoitohankkeiden laskenta o ympäristötuen määrittäminen o luonnonarvokauppa o erityisalueiden suunnittelu / taajamametsät Erilaiset tulosteet kuten tilakohtainen suunnitelma ja aluetason summatunnusten laskenta käyttävät muita ohjelmamoduuleja laskennassa, mutta toiminnan ohjaus on käyttäjäkohtaista. Vaaditut ominaisuudet Puutavaralajien vapaa määrä ja dimensioiden määrittely (laatuluokat?) Hintaskenaariot puutavaralajeittain ja työlajeittain oltava mahdollisia Laskentakorkokannan vapaa määrittely, muutos ajassa ja sovelluskohteiden mukaan Spatiaaliseen optimointiin (esimerkiksi vuosittaiset leimikkokeskittymät) pitää saada uusi toimiva ratkaisu, tällä hetkellä korjuuesimiehet tekevät sen käsityönä (tämä ei kuitenkaan ole ensimmäisiä ratkaistavia ongelmia) Uudistushakkuuta ehdotettaessa, tulee samalla kasvupaikalle ja maaperään sopiva uudistusketjuehdotus kaavan mukaan (tosin käsittelykaavat kaikkien omissa käsissä) Kysymyksiä keskusteltavaksi Miten runkolukusarjojen muodostusta voidaan ohjata? Voidaanko vanhaa runkolukujakaumatietoa saada, tallentaa ja hyväksikäyttää? Missä tilanteissa käytetään puukohtaisia ja missä metsikkökohtaisia kasvumalleja? Miten jättöpuut ja suojakaistat otetaan huomioon kertymälaskuissa? Onko tarvetta järjestelmän soveltamiseen Suomen ulkopuolella (Ruotsi, Venäjä ja Baltian maat)? Onko tällaiseen mitään mahdollisuuksia?

3 Malliketjut NGPS-seminaari Jouni Kalliovirta Jussi Rasinmäki

4 Lähtötiedot Malliketjujen yleiskuvaus Tehoisan lämpötilan summa ja korkeus merenpinnasta sijaintitiedosta Lisäksi mitatun ositteen klpm<5 cm E Ojansuu & Hentonen 1983 K Puustosta vain keskitunnuksia K Puusto-ositteiden muodostaminen ja keskitunnusten laskenta Metsikkötason mallit K E d ja h mitattu maastossa E latvuksen lpm ja/tai h saatu ilma/satelliittikuvilta Kuvauspuiden pituusjakauman ennustaminen normaalijakauman avulla E E Puutason mallit d>=5 cm puulaji=kuusi Weibull K K Jakaumamallin valinta Prosenttipiste Johnson SB Metsikkötiedot hetkellä i Pituuden laskenta Puiden ikien ennustaminen E Veltheim 1987 Siipilehto 1999 Kalliovirta & Tokola Korhonen 1987 Vähäsaari 1988 h mitattu K Puiden läpimittojen ennustaminen Kalliovirta & Tokola Kasvumallit Kuvauspuiden läpimittojen ennustaminen Puu- ja metsikkötiedot hetkellä i Mykkänen 1986 Maltamo 1997 Siipilehto 1999 Kärki ym Ojansuu 2002 Läpimittajakauman parametrien ennustaminen Kuvauspuiden läpimittojen ennustaminen kertymäfunktion avulla Läpimittajakauman parametrien ennustaminen Kilkki ym Maltamo 1997 Siipilehto 1999 Kuvauspuiden ikien ennustaminen Kalliovirta & Tokola Korhonen 1987 Vähäsaari 1988 Kuvauspuiden läpimittojen ennustaminen tiheysfunktion avulla Kuvauspuiden pituuksien ennustaminen Läpimittajakauman parametrien ennustaminen Siipilehto 1999 Veltheim 1987 Kuvauspuiden läpimittojen ennustaminen prosenttipistemalleilla Kangas & Maltamo 2000 Kasvumallit Metsikkötiedot hetkellä i+j Puu- ja metsikkötiedot hetkellä i+j Metsikkötunnusten laskenta Puustotunnusten laskenta Vuokila & Väliaho 1980 Laasasenaho 1982 Mehtätalo 2002 Valmiit puustotiedot

5 Mallien tarkastelu, vastepinnat Tarkastellaan mallien toimivuusalueita Testiaineistona VMI pysyvien mittaukset mahdolliset muuttujayhdistelmät Määritetään rajat, joiden ulkopuolella mallia ei tule käyttää Esimerkkinä Mielikäisen (1985) laatimat rauduskoivun ppa:n ja tilavuuden kasvumallit Etelä- Suomessa (laadinta-aineisto sekametsiköistä) Muuttujina Ppa:n kasvumallissa: ppa, ikä rinnankorkeudelta ja koivun osuus ppa:sta ja Tilavuuden kasvumallissa: tilavuus, ikä rinnankorkeudelta ja koivun osuus ppa:sta Verrataan vastepintoja laadinta-aineiston rajoituksiin: min max Ikä 1,3, vuotta Tilavuus, m 3 /ha Ppa% koivu,% Ppa, m 2 /ha Ppa:n kasvu, % Tilavuuskasvu,% Mallit toimivat odotetusti, kun puusto on iältään riittävän vanhaa, taimikoissa Mielikäisen laatimat rauduskoivun metsikkömallit eivät toimi.

6 PPA:n kasvumalli, raudus ei ikärajoitusta ikä 1,3 >14 vuotta Ei Toimi! Koivun osuus PPA:sta kuvattu väreillä: sininen(<25%), vihreä(25-50%), punainen(50-75%) ja musta(>75%)

7 25 20 kasvu% Ikä_13 kasvu% Ppa kasvu% Ppa%_koivu Ppa:n kasvu%, kun ikä_13 > 14 vuotta max=19,5 % min=1,16 %

8 Tilavuuden kasvumalli, raudus ei ikärajoitusta ikä 1,3 >14 vuotta Ei Toimi! Koivun osuus PPA:sta kuvattu väreillä: sininen(<25%), vihreä(25-50%), punainen(50-75%) ja musta(>75%)

9 30 kasvu% Ikä_13 kasvu% Ppa%_koivu Tilavuuden kasvu%, kun ikä_13 > 14 vuotta max=28,8 % min=1,57 % kasvu% Tilavuus

10 Tilavuuden kasvumalli, raudus Samalla testiaineistolla Oikarisen (1983) laatima malli istutetuille rauduskoivikoille Oikarisen mallien laadinta-aineiston ikärajoituksella: Biologinen ikä > 10 vuotta, ikä >10 vuotta kasvu% Ei toimi! Ikä Mallin muita rajoituksia: - perustamistapa, istutus ja - perustamistiheys, runkoa/ha metsikön alkukehitys on tunnettava! kasvu% Ei toimi! Tilavuus

11 Mallin dokumentointi Malli: Ppa:n kasvumalli Lähde: Viljeltyjen havumetsiköiden kasvumallit. Metsäntutkimuslaitoksen Laatija: Vuokila &Väliaho julkaisuja 99(2) Maantieteellinen sopivuusalue: Arvoalue/muuta huomioitavaa: Puulajit: Tarvittavat muuttujat: Mallin antama arvo/yksikkö: % HUOM!! kuoreton!!! vuotuinen kasvu keskimäärin 5 v jaksolle Koko maa / Etelä-Suomi Viljellyt havupuumetsiköt, ei nuorille puustoille! mä, ku Jatkuvat muuttujat: Age=Metsikön biologinen ikä BA u =Puuston kuoreton ppa m 2 /ha H dom =Metsikön valtapituus, m (100 paksuim. puun/ha h:en arit. ka) SI 100 =kasvupaikkaindeksi, H dom 100 vuoden iällä, m Malliyhtälöt: mä ku P BA = *SI 100^ /(H dom^0.3*ba u^0.4*age^(0.8+si 100 /175)) /(H dom^0.3*ba u^0.4*age^(0.8+si 100 /175))^3 P BA = /(H dom^0.5*ba u^0.6*age^ /(h dom^0.5*ba u^0.6*age^0.9)^2 Laadintaaineiston rajoituksia: Lähtöikä kasvupaikasta riippuen v Kivennäismaan koealat Kuusikot istutettuja, männiköt kylvettyjä Kuusikoealat pääosin E-Suomesta Männiköt koko maasta

12 Simulaattorin malliketjut metsikkötason kasvumallit Metsikkötiedot hetkellä i Harvennusmallit Tapion harvennusmallit Uudet puu- ja metsikkötiedot hetkellä i+j Runkoluvun päivitys Vuokila & Väliaho 1980 Oikarinen 1983 Metsikkötietojen päivitys Puuttuvien alkuarvojen ennustaminen Weibull- jakaumalla (valtapituus, runkoluku ja kuoreton ppa) Mykkänen 1986 Siipilehto 1999 Kilkki 1989 Vuokila & Väliaho 1980 puulaji = kuusi tai mänty puulaji = koivu tai muu lehtipuu Metsikön valtapituuden kasvu-%:n ennustus Vuokila & Väliaho 1980 Metsikön ppa:n ja valtapituuden päivitys Vuokila & Väliaho 1980 Metsikön pohjapinta-alan kasvu-%:n ennustus Vuokila & Väliaho 1980 Metsikön pohjapinta-alan kasvu-%:n ennustus Mielikäinen 1985 Metsikön valtapituuden kasvu-%:n ennustus Saramäki 1985 Oikarinen 1983 Metsikön tilavuuden kasvu-%:n ennustus Mielikäinen 1985 Metsikön muotoluvun kehityksen ennustus Vuokila & Väliaho 1980 Metsikön tilavuuden päivitys Läpimittajakauman parametrien ennustaminen - Weibull Kuvauspuiden läpimittojen ennustaminen kertymäfunktion avulla Mykkänen 1986 Siipilehto 1999 Kilkki 1989 Veltheim 1987 Kuvauspuiden pituuksien ennustaminen Apteeraus K Puu- ja metsikkötiedot hetkellä i+j Laasasenaho, 1982 Jussin pölkyttäjä Ylittää harvennuskriteerit E Ylittää avohakkuukriteerit K Uudet puu- ja metsikkötiedot hetkellä i+j Tapion harvennusmallit E

13 Kasvumallit: mänty Vuokila & Väliaho, Metsikön PPA:n kasvu (kuoretta) Muuttujat: Age=Metsikön ikä, BAu=Puuston kuoreton ppa, Hdom=Metsikön valtapituus ja SI100=kasvupaikkaindeksi 100 vuoden iällä Yhtälö: *SI100^ /(Hdom^0.3*BAu^0.4*Age^(0.8+SI100/175)) / (Hdom^0.3*BAu^0.4*Age^(0.8+SI100/175))^3 Mallin antama yksikkö: % (vuotuinen kasvu keskimäärin 5 vuoden jaksolle) Mallin sopivuus: Koko maa, viljellyt havupuumetsiköt, ei nuorille puustoille! Vuokila & Väliaho, kuoren määrä Muuttujat: Age=Metsikön ikä, BAu=Puuston kuoreton ppa ja Hdom=Metsikön valtapituus Yhtälö: *Hdom *Age *BAu Mallin antama yksikkö: m 2 /ha (kuorettomesta ppa:sta ennustettu kuoren määrä) Mallin sopivuus: Koko maa, viljellyt havupuumetsiköt, ei nuorille puustoille! Vuokila & Väliaho, Metsikön valtapituuden kasvu Muuttujat: Age=Metsikön ikä ja Hdom=Metsikön valtapituus Yhtälö: /(Hdom^0.4*Age^1.1) / ((Hdom^0.4*Age^1.1)^2) Mallin antama yksikkö: % (vuotuinen kasvu keskimäärin 5 vuoden jaksolle) Mallin sopivuus: Koko maa, viljellyt havupuumetsiköt, ei nuorille puustoille! Vuokila & Väliaho, Metsikön muotoluvun kehitys Muuttujat: Age=Metsikön ikä, Hdom=Metsikön valtapituus ja BA=Puuston ppa Yhtälö: e^( *hdom /(age*ba)) Mallin sopivuus: Koko maa, viljellyt havupuumetsiköt, ei nuorille puustoille! Metsikön tilavuus V = BA*Hdom*F Metsikön valtapituuden kasvu-%:n ennustus Metsikön muotoluvun kehityksen ennustus Vuokila & Väliaho 1980 Vuokila & Väliaho 1980 puulaji = kuusi tai mänty Metsikön ppa:n ja valtapituuden päivitys Vuokila & Väliaho 1980 Metsikön pohjapinta-alan kasvu-%:n ennustus Vuokila & Väliaho 1980 Metsikön tilavuuden päivitys

14 Kasvumallit: kuusi Vuokila & Väliaho, Metsikön PPA:n kasvu (kuoretta) Muuttujat: Age=Metsikön ikä, BAu=Puuston kuoreton ppa ja Hdom=Metsikön valtapituus Yhtälö: /(Hdom^0.5*BAu^0.6*Age^ /(Hdom^0.5*BAu^0.6*Age^0.9)^2 Mallin antama yksikkö: % (vuotuinen kasvu keskimäärin 5 vuoden jaksolle) Mallin sopivuus: Etelä-Suomi, viljellyt havupuumetsiköt, ei nuorille puustoille! Vuokila & Väliaho, Kuoren määrä Muuttujat: BAu=Puuston kuoreton ppa ja Hdom=Metsikön valtapituus Yhtälö: 10^( *log(BAu) *log(Hdom)) Mallin antama yksikkö: m 2 /ha (kuorettomesta ppa:sta ennustettu kuoren määrä) Mallin sopivuus: Etelä-Suomi, viljellyt havupuumetsiköt, ei nuorille puustoille! Vuokila & Väliaho, Metsikön valtapituuden kasvu Muuttujat: Age=Metsikön ikä ja Hdom=Metsikön valtapituus Yhtälö: /(Hdom^0.55*Age^1.05) /(Hdom^0.55*Age^1.05)^2 Mallin antama yksikkö: % (vuotuinen kasvu keskimäärin 5 vuoden jaksolle) Mallin sopivuus: Etelä-Suomi, viljellyt havupuumetsiköt, ei nuorille puustoille! Vuokila & Väliaho, Metsikön muotoluvun kehitys Muuttujat: Age=Metsikön ikä, Hdom=Metsikön valtapituus ja BA=Puuston ppa Yhtälö: e^( *ln(BA) *ln(N) *ln(SI100)) Mallin sopivuus: Etelä-Suomi, viljellyt havupuumetsiköt, ei nuorille puustoille! Metsikön tilavuus V = BA*Hdom*F Metsikön valtapituuden kasvu-%:n ennustus Vuokila & Väliaho 1980 puulaji = kuusi tai mänty Metsikön ppa:n ja valtapituuden päivitys Metsikön pohjapinta-alan kasvu-%:n ennustus Vuokila & Väliaho 1980 Metsikön muotoluvun kehityksen ennustus Vuokila & Väliaho 1980 Vuokila & Väliaho 1980 Metsikön tilavuuden päivitys

15 Kasvumallit: rauduskoivu puulaji = koivu tai muu lehtipuu Metsikön pohjapinta-alan kasvu-%:n ennustus Mielikäinen 1985 Metsikön tilavuuden kasvu-%:n ennustus Mielikäinen 1985 Metsikön valtapituuden kasvu-%:n ennustus Mielikäinen, Metsikön PPA:n kasvu Muuttujat: A=Metsikön rinnankorkeusikä, BA=Puuston ppa ja BA%b=Koivun osuus metsikön ppa:sta Yhtälö: e^( *ln(a) *LN(BA) *ln(BA%b)) Mallin antama yksikkö: % (vuotuinen kasvu keskimäärin 5 vuoden jaksolle) Mallin sopivuus: Etelä-Suomi, kivennäismaiden metsiköt Saramäki 1985 Oikarinen 1983 Mielikäinen, Metsikön tilavuuden kasvu Muuttujat: A=Metsikön rinnankorkeusikä, V=Puuston tilavuus ja BA%b=Koivun osuus metsikön ppa:sta Yhtälö: e^( *ln(a) *ln(V) *ln(BA%b)) Mallin antama yksikkö: % (vuotuinen kasvu keskimäärin 5 vuoden jaksolle) Mallin sopivuus: Etelä-Suomi, kivennäismaiden metsiköt Oikarinen, Metsikön valtapituuden kasvu Muuttujat: A=Metsikön rinnankorkeusikä, V=Puuston tilavuus ja BA%b=Koivun osuus metsikön ppa:sta Yhtälö: /(Age+4.5)^ /(Hdom^1.8)- 3.99*((Hdom+34.7)/Age)^1.2 Mallin antama yksikkö: % (5 vuoden jaksolle!) Mallin sopivuus: Etelä-Suomi, istutetut metsiköt

16 Kasvumallit: hieskoivu puulaji = koivu tai muu lehtipuu Metsikön pohjapinta-alan kasvu-%:n ennustus Mielikäinen 1985 Metsikön tilavuuden kasvu-%:n ennustus Mielikäinen 1985 Metsikön valtapituuden kasvu-%:n ennustus Mielikäinen, Metsikön PPA:n kasvu Muuttujat: A=Metsikön rinnankorkeusikä, BA=Puuston ppa ja BA%b=Koivun osuus metsikön ppa:sta Yhtälö: e^( *ln(a) *LN(BA)) Mallin antama yksikkö: % (vuotuinen kasvu keskimäärin 5 vuoden jaksolle) Mallin sopivuus: Etelä-Suomi, kivennäismaiden metsiköt Saramäki 1985 Oikarinen 1983 Mielikäinen, Metsikön tilavuuden kasvu Muuttujat: A=Metsikön rinnankorkeusikä, V=Puuston tilavuus ja SI50=kasvupaikkaindeksi 50 vuoden iällä Yhtälö: e^( *ln(a) *ln(V) *ln(SI50)) Mallin antama yksikkö: % (vuotuinen kasvu keskimäärin 5 vuoden jaksolle) Mallin sopivuus: Etelä-Suomi, kivennäismaiden metsiköt Saramäki, Metsikön valtapituuden kasvu Muuttujat: Age=Metsikön ikä ja Hdom=valtapituus Yhtälö: *(100- Age) *((26- Hdom)/10)^ *((26- Hdom)/10)^3 Mallin antama yksikkö: % (5 vuoden jaksolle!) Mallin sopivuus: Kainuu ja Pohjanmaa, ojitettujen turvemaiden metsiköt

17 Jakaumamallit, Weibull parametrien ennustaminen Veltheim 1987 Läpimittajakauman parametrien ennustaminen - Weibull Kuvauspuiden läpimittojen ennustaminen kertymäfunktion avulla Kuvauspuiden pituuksien ennustaminen Mykkänen 1986 Siipilehto 1999 Kilkki 1989 Mänty, Mykkänen 1986 Muuttujat: D gm =keskiläpimitta ja BA=pohjapinta-ala, lisäksi parametrejä: a, b ja c Yhtälöt: ln(a) = *ln(DgM) b = (DgM- a)/((- ln(0.5))^(1/c)) ln(c) = *DgM *BA Kertymäfunktio: F(x) = 1- exp(- ((x- a)/b)^c) Mallin sopivuus: Koko maa, poislukien Lapin ja Koillis-Suomen metsälaitakunnat Kuusi, Kilkki 1989 Muuttujat: D gm =keskiläpimitta ja BA=pohjapinta-ala, lisäksi parametrejä: a, b ja c Yhtälöt: a = *DgM ln(b) = *ln(DgM) *BA c = (ln(- ln(0.5)))/(ln((dgm- a)/b)) Kertymäfunktio: F(x) = 1- exp(- ((x- a)/b)^c) Mallin sopivuus:e- ja K-Suomi (laadinta-aineiston mukaan) Koivu, Siipilehto 1999 Muuttujat: DgM=keskiläpimitta, A=metsikön rinnankorkeusikä, lisäksi parametrejä: b ja c Yhtälöt: b = DgM/(- ln(0.5))^(1/c) c = *DgM *A Todennäköisyysjakauma: F(x) = c/b*(x/b)^(c- 1)*exp(- (x/b)^c) Mallin sopivuus: E- ja I-Suomi, kivennäismaat (laadinta-aineiston mukaan)

18 Jakaumamallit, Weibull läpimitan ja pituuden ennustaminen Runkoluku Läpimitat kertymäfunktion avulla Esim. kuusi, Kilkki 1989 Runkolukujakauma: Kuusi, DgM=26 ja BA= Läpimitta Pituudet jakaumalla lasketuille puille Pituusmallit: Veltheim 1987, esim. kuusi, kivennäismaa, laaja Muuttujat: (jatkuvat) d=rinnankorkeusläpimitta, D gm =keskiläpimitta, Age=metsikön ikä, TS=lämpösumma, BA=metsikön pohjapinta-ala ja ALT=metsikön korkeus merenpinnan yläpuolella (10 m) (dummyt) SC1=lehto, SC2=lehtomainen kangas, SC3=tuore kangas, SC4=kuivahko kangas, SC5=kuiva kangas, SC6=karukkokangas sekä SC7=kalliomaat ja hietikot Yhtälö: ln(h- 1,3)= /(d+5) /(d+5)^ *Age *BA *(d/DgM) *(TS/10) *ALT *(SC1,SC2) *(SC4- SC7) Mallin antama yksikkö: m Mallin sopivuus: Koko maa lukuun ottamatta Koillis-Suomea ja Lappia Muiden puulajien ja turvemaiden malleissa lisäksi dummyt: PEAT d =turvekangas ja Y1-Y4=ravinteisuusluokat turv la, Huikari (1952, 1974)

19 Apteeraus Apteeraus Laasasenaho, 1982 Jussin pölkyttäjä Läpimittojen laskeminen rungon eri korkeuksille Laasasenahon (1982) runkokäyrillä sovitetaan runkoon splini-käyrä Jussin pölkyttäjä: puun kokonaistilavuus lasketaan splini-käyrällä lasketaan tukin päättymiskorkeus tukin minimilatvaläpimitalla tukin tilavuus lasketaan kuidun päättymiskorkeus kuidun minimilatvaläpimitalla kuidun tilavuus tukin ja kuidun minimipituusrajoitteet otetaan huomioon katkonnan rajoituksia ei yksinkertaisuuden vuoksi huomioida tukin päättymiskorkeus kuidun päättymiskorkeus kuitua latva tukkia

20 Harvennus- ja avohakkuukriteerit K Tapion harvennusmallit Ylittää harvennuskriteerit E E Ylittää avohakkuukriteerit K Avohakkuukriteerit keskiläpimitaan ja ikään perustuen (E-Suomi) Keskilpm Omat OMt Mt Vt Ct Clt mä ku ko Keski-ikä mä ku ko Harvennustarpeen määritys Tapion mallien mukaan Tuoreen kankaan (MT) kuusikon harvennusmalli Etelä-Suomi y = x x R 2 = y = x x R 2 = y = x x R 2 = valtapituus, m Puusto suositellaan harvennettavaksi Kasvamaan jäävä puusto harvennuksen jälkeen keskimäärin

21 Harvennus simulaattorissa Kun metsikön pohjapinta-ala ylittää harvennusrajan, metsikköä harvennetaan niin paljon, että saavutetaan jäävän puuston ppa:ssa suosituksen alaraja Kuitenkaan puuston ppa:sta ei koskaan poisteta yli 30 % Harvennus on toteutettu puhtaana alaharvennuksena eli poistetaan pienimmät läpimittaluokat kaikilta puulajeilta (siis ajourien avauksen vaikutusta suurempien läpimittaluokkien kohdalla ei tässä yksinkertaisuuden vuoksi ole huomioitu) Harvennuksen jälkeinen puuston minimiläpimitta säilyy seuraavaan harvennukseen Runkoluku Poistettavat läpimittaluokat Runkolukujakauma: Kuusi, DgM=26 ja BA=24 Ongelmia: Keskiläpimitan päivitys harvennuksen jälkeen Runkoluku harvennuksen jälkeen, Vuokilan & Väliahon runkoluvun poistomallit Tapion harvennusmallit Läpimitta

22 Simulointituloksia id V Vtukki Vkuitu PPA DgM Ikä kasvatus kasvatus kasvatus kasvatus kasvatus kasvatus kasvatus kasvatus kasvatus kasvatus kasvatus harv, puusto harv, poistuma kasvatus avohakkuu kasvatus kasvatus kasvatus Kasvatus kasvatus

23 Metsikkösimulaattorin ongelmia Puuttuvat lähtötiedot (valtapituus, runkoluku ja kuoreton pohjapinta-ala) estimoitava runkolukujakaumasta estimoidaan keskiläpimitasta, ppa:sta ja iästä Käytettävien runkolukujakaumamallien avulla lasketut tunnukset eroavat huomattavasti metsikkömallien tuloksista (tilavuus, keskiläpimitta) Virheet estimoiduissa lähtötiedoissa kertautuvat koko simulointiperiodin yli Keskiläpimitan kasvulle ei metsikkötason mallia uudistusajankohdan määrittäminen, runkolukujakaumien muodostaminen Taimikon kasvumallien puuttuminen metsikkötasolta Simulaattorilla ei pysty kasvattamaan inventoituja taimikkoja nuoreksi metsäksi uudistuksen jälkeen mahdollisia puulajeja ainoastaan mänty ja kuusi, koska koivulle ei löytynyt taimikon kasvatuksessa tarvittavia lähtöarvoja Harvennus Keskiläpimitan päivitys harvennuksen jälkeen Runkoluku harvennuksen jälkeen, Vuokilan & Väliahon runkoluvun poistomallit Tapion harvennusmallit Kattaa toistaiseksi E-Suomen kivennäismaat

24 Malliketjuun tulossa Tehoisan lämpötilan summa pintamalli Korkeus merenpinnasta pintamalli Apteeraus, dynaaminen optimointi Puutason kasvumallit

25 Tehoisan lämpötilan summa Aineisto Ilmatieteen laitokselta Pitkän ajan keskiarvo (30 v.) Tiheys 10 x 10 km Pisteistö laskettu Ojansuu & Hentonen, 1983 julkaistulla mallilla MELA mallien muuttujana Mallissa huomioitu Korkeus merenpinnasta Merisyys Järvisyys

26 Korkeus merenpinnasta 1000 m tarkkuus Ilmainen Näiden pintojen avulla sekä korkeus merenpinnasta että tehoisan lämpötilan summa saadaan suoraan sijaintitiedosta! - Käyttö vaatii siis sijaintitiedon jokaiselta koealalta

27 Apteeraus Kaikki mahdolliset katkontavaihtoehdot luetellaan esim. 10 cm:n välein Lasketaan kullekin katkontavaihtoehdolle arvo Valitaan parhaimman arvon tuottava vaihtoehto Katkonnan optimoinnin perusedellytyksenä on, että puutavaralajien keskinäinen haluttavuus- tai arvosuhteet voidaan muotoilla matemaattisesti hintamatriisi, tavoitepainotusmatriisi Runkokäyrä on estimoitava ennen apteerausta etäisyys tyveltä, lpm ja tilavuus Runkokäyrän tieto + hintamatriisi arvo

28 Apteerauksessa käytetään Näsbergin väitöskirjassa 1985: Mathematical programming models for optimal log bucking esiteltyä dynaamisen optimoinnin menetelmää Haetaan pisin (arvokkain) reitti tyvestä latvaan käymällä läpi mahdolliset katkontayhdistelmät Menetelmä on käytössä lähes kaikilla hakkuukonevalmistajilla Katkontavaihtoehtojen määrä kasvaa eksponentiaalisesti, kun puun pituus ja tehtävien tukin pituuksien (esim dm -> dm, 3 dm:n välein) lukumäärä kasvavat Kuinka monta puuta koealaa kohti on apteerattava, jotta tulos on riittävän luotettava ja kulunut aika siedettävä?

29 Katkontavaihtoehtojen määrän kasvu Metsäolosuhteissa monitoimikoneella tehtävässä katkonnassa saavutettava arvo puun teoreettisesta arvosta

30 Simulaattorin malliketjut puutason kasvumallit Puu- ja metsikkötiedot hetkellä i Harvennusmallit Puiden syntyminen, sisäänkasvu Puun elossapysymismallit (kilpailusta johtuva kuolleisuus, vanhenemisesta johtuva kuolleisuus) p 1 (elossa) K kasvualustana turvemaa E Puun ppa kasvun ennustus Puun h ennustus hetkellä i Suht. tiheystunnusten laskenta Kasvupaikkaind. ennustus Puun läpimitan päivitys Pituusmallin muuttujien päivitys Puun latvussuhteen ennustus Valtapuiden pituuskasvun ennustus Puun pituuden ennustus hetkellä i+j Puun pituuskasvun laskenta Puun ppa kasvun ennustus Puun pituuskasvun ennustus Pituuden päivitys Läpimitan päivitys Pituuden päivitys Koealan runkoluvun päivitys N = N i p(elossa) i Puun elossapysymistodennäköisyyden skaalaus p(elossa) i = M N p 1 (elossa) i Suurimman sallittavan runkoluvaun ennustaminen N max Skaalausparametrin laskenta M N = f(n, N max ) E N<N max K K Puu- ja metsikkötiedot hetkellä i+j Laasasenaho, 1982 Näsberg 1985 Apteeraus Ylittää harvennuskriteerit E Ylittää avohakkuukriteerit K Uudet puu- ja metsikkötiedot hetkellä i+j E

31 Kehitysmietteitä eli kuinka malliketjuista tehdään suunnittelujärjestelmä? Tietokantasovellus, joka yhdistää datan, mallit, simuloinnin ja optimoinnin suunnittelujärjestelmäksi, koostuen: "Universaalista" tietomallista tietosisältö vapaasti muutettavissa tietomallia muuttamatta (uudet muuttujat, uudet mittaustavat) voi sisältää hierarkista tietoa aikaulottuvuus spatiaalisen tiedon ja sen muutosten hallinta valmis toteutus Oracle-kantana olemassa Laskentamalleista C:llä toteutetut DLL-kirjastot Laskentaketjuista Laskentamallien ketjutus Oracle-kannassa PL/SQL-proseduureilla Säännöistä Osana laskentaketjuja ohjaavat simuloinnin kulkua

32 Miksi näin? Tietomalli Oraclella koska: toteutus on jo olemassa ja se toimii ;-) (plus ne syyt, miksi toteutusalustaksi alun perin valittiin Oracle-kanta) Laskentamallit C:llä DLL-kirjastoina koska: "universaalein mahdollinen toteutustapa", siirrettävissä sellaisenaan hankkeen osapuolien omiin ohjelmistoprojekteihin Laskentaketjut PL/SQL:llä koska: Mahdollistaa tietomallin laajentamisen mallilaskenta-osiolla, jolloin mallit ja data voidaan naittaa yhteen jo kannassa => malliketjuille voidaan määritellä haaroja, joiden läpikäyntiä data ohjaa (rajoitteet esimerkiksi maantieteellisen alueen ja lähtötietojen arvoalueen suhteen). Muutokset tietosisällössä, kuten muuttujat ja muuttujien arvot, välittyvät samalla kertaa niin dataan kuin malleille Data ja sovelluslogiikka yhdessä samalla palvelimella. Useita mahdollisuuksia toteuttaa käyttöliittymä (perinteinen sovellus, www-sovellus) tai julkaista laskentajärjestelmä esim. web services-palveluna Kustannukset koko paketti käyttöön sellaisenaan: Oracle Standard Edition One (5 käyttäjää) kannan ylläpidon kustannukset (yliopistolla Oraclen kampuslisenssi)