Metsikkötason optimointi metsäsuunnittelussa, esimerkkinä SMA

Transkriptio

1 Metsikkötason optimointi metsäsuunnittelussa, esimerkkinä SMA SIMO-seminaari Lauri Valsta Metsäekonomian laitos

2 Sisältö Metsikkötason suunnittelun käyttökohteet Katsaus menetelmiin SMA:n rakenne ja toiminta Esimerkkitutkimuksia 2

3 Metsikkötason suunnittelun käyttökohteet Yksittäisten toimenpiteiden analysointi Metsälötaso voi olla liian karkea tai jäykkä, monet metsälötason tekijät vaikuttavat tutkittavaan ilmiöön Metsän kiertoajan vaiheet, joissa muutos on nopeaa, esim. nuoren metsän hoito Herkät tekijät, esim. harvennustapa tai tiheä metsikkö lähellä itseharvenemista Metsänhoitosuositusten ja tavoitemetsänhoidon perusteet Koko kiertoajan näkemys tärkeää: esim. taimikonhoidon kannattavuus selviää kokonaan vasta päätehakkuussa Taloudellisten tekijöiden muutokset Miten taloudellisesti edullisin käyttäytyminen muuttuu, kun hinta- tai kustannustekijä muuttuu Metsän kehitysmallin testaus 3

4 Menetelmien tausta: optimoiva käyttäytyminen Neo-klassisen taloustieteen perusoletus Ei välttämättä sovi kaikkiin tilanteisiin Useasti kuitenkin perustelluin lähtökohta (muut vaihtoehdot problemaattisempia) Poikkeamat taloudellisesta optimista kertovat muiden tekijöiden huomioon ottamisen kustannuksista Tutkimuksessa tarvitaan sekä optimoivaa että arjen lähestymistapaa 4

5 Metsikkötason optimoinin menetelmien perusvaihtoehdot Ennakoiva, open loop Epälineaarinen ohjelmointi Takaisinkytkentä, closed loop Dynaaminen ohjelmointi Deterministinen 1 Yksi ratkaisu 2 Deterministinen sääntö Stokastinen 3 Ennakoiva ratkaisu 4 Sopeutuvan päätöksen sääntö 5

6 1 Deterministinen, ennakoiva: epälineaarinen ohjelmointi Optimointi kohdistuu tavallisesti toimenpide/ohjausmuuttujiin Epälineaarinen ohjelmointi takaa vain paikallisen optimin (kun eikonveksi tehtävä, joita metsänkasvatustehtävät ovat) Soveltuu monenlaisille kasvumalleille Adams & Ek 1974, Kao & Brodie 1980, Roise 1986, Valsta 1990,1992, Pukkala ja Miina 1998, Vettenranta ja Miina 1999, Hyytiäinen ja Tahvonen 2002, Pohjola ja Valsta

7 Optimoitavat ohjausmuuttujat, esimerkissä x 1,, x Stand volume, m 3 /ha Stand age, yr 7

8 Esimerkki: Tavoitefunktion arvo kahden muuttujan suhteen, muut muuttujat kiinteinä 8

9 Esimerkki: Kahden muuttujan optimointitehtävä (yksi harvennus, kiinteä harvennusvoimakkuus), algoritmin tuottamat pisteet optimoinnin kuluessa (projektio x 1 -x 2 tasoon) (Valsta 1992a) 9

10 Mäntyesimerkki optimiratkaisuista Plot Total Volume, m3/ha Max MAI Max SEV 3 % Max SEV, Quality premium Stand Age 10

11 3 Stokastinen, ennakoiva: stokastinen epälineaarinen ohjelmointi Yksi tai useampia parametreja on stokastisia A) Skenaariomenetelmä: Stokastinen ilmiö kuvataan joukolla kiinteitä realisaatioita, tehtävä muuntuu deterministiseksi optimoinniksi Helppo optimoida (tietystä alkuratkaisusta päädytään aina samaan lopputulokseen huolimatta stokastisuudesta) Valsta 1992 B) Stokastisten quasigradienttien menetelmä: Stokastisia tapahtumia luodaan jatkuvasti optimoinnin kuluessa Optimoinnin tulos aina (ainakin vähän) erilainen joka kerralla Lohmander

12 (Valsta 1992b) 12

13 13

14 Metsikkötason optimoinnin esimerkkinä SMA (Stand Management Assistant) Perustuu epälineaarisen optimoinnin (Hooke ja Jeevesin algoritmi) ja satunnaishaun käyttöön Julkaistu Valsta 1992 a ja b (deterministinen ja stokastinen) Ohjelmoitiin alunperin UNIX-ympäristöön Metlassa (Tapio Linkosalo ja Lauri Valsta) Silmu-projektin yhteydessä Siirretty windowsiin 1999 (osa visualisoinnista jäi puuttumaan) Perustuu MELAn/Hynysen kasvumalleihin (UNIXversiossa myös Kellomäen ym. SIMA-malli) Käytetty tutkimuksissa ja opetuksessa HY:ssä, JoY:ssä ja SLU:ssa Käytetty MKK Tapion metsänhoitosuositusten kehittämisessä v

15 SMA:n perusrakenne 15

16 SMA: Ohjelmiston moduulit 16

17 SMA: Lähtötiedot, yleiset Metsikkötiedot Puustotiedot Koealan numero Puuston alkuikä Laskelman alkuvuosi Pääpuulaji, 1=mänty, 2=kuusi Puun läpimitan kasvun taso Läpimitan kasvun reaktio harvennukseen Tukkipuun hintakorjaus läpimitan perusteella (mänty) Tukkipuuosuuden vähennys alkupuustossa Suurin sallittu harvennusvoimakkuus Metsälain rajoitukset voimassa: laki, eilaki 17

18 SMA: lähtötiedot, talous Harvennusten lukumäärä kiertoaikana Harvennustapaa kuvaavia pisteitä Uudistamiskustannukset, diskontattu summa Hakkuun ja lähikuljetuksen tuntikustannukset Tienvarsihinnat Paljaan maan arvo, -9999: ohjelma laskee Reaalinen korkokanta 18

19 SMA: harvennustavan määrittely (Yhden pisteen harvennus: parametri antaa alaharvennuksen jäävän pohja-pinta-alan) 19

20 SMA: optimointi Optimoinnin alkuarvo (ei tarvitse antaa) Uudelleenoptimointien lukumäärä (tarpeen lisätä, jos paljon muuttujia) Ei käytössä windowsissa Optimoinnin tarkkuus Käynnistää optimoinnin 20

21 21

22 Esimerkkitutkimus 1: Puuston alkutiheyden vaikutus optimikäsittelyihin 22

23 1: Harvennusten lukumäärä riippuu tiheydestä ja korkokannasta 23

24 1: Kasvatustiheydet ovat korkeampia kuin harvennusmalleissa 24

25 1: Optimikiertoaika riippuu mm. korkokannasta ja arvokasvusta eikä perustu läpimittaan 25

26 Hiililaskennan laajennus SMA:han Hiilen sitoutuminen (suhteessa runkotilavuuteen) Hiilen vapautuminen hakkuiden ja kuolleisuuden yhteydessä Korvaus hiilen sitomisesta (päästöoikeuden hinta) Maksu hiilen vapautumisesta (säädeltävissä suhteessa päästöoikeuteen), voidaan ottaa huomioon puun käytön päästöjä vähentävät vaikutukset 26

27 Esimerkkitutkimus 2: Hiilikrediittien vaikutus optimaaliseen metsänhoitoon 27

28 2: Optimiharvennukset ja kiertoaika hakkuutulojen ja hiilitulojen yhteistuotannossa Mänty Kuusi 28

29 2: Hiilimetsänhoidon vaikutus puuntuotantoon 29