ARVO-ohjelmisto pienpuun hankinnan tukena

Transkriptio

1 ARVO-ohjelmisto pienpuun hankinnan tukena Jukka Malinen Pienpuupäivä Keskiviikko Mikpoli, auditorio, Patteristonkatu 2, Mikkeli Metsäntutkimuslaitos Skogsforskningsinstitutet Finnish Forest Research Institute

2 Pienpuu? Pikkutukki = puutavaralaji, joka on mitoiltaan normaalia tukkia pienempi. Pikkutukista maksetaan enemmän kuin kuitupuusta mutta vähemmän kuin tukista Parru = puutavaralaji, joka on kooltaan yleensä normaalia kuitupuuta hieman paksumpi, mutta tukkia pienempi. Parruja käytetään melko pienikokoisen ja usein määrämittaisen sahatavaran tekoon sitä varten suunnitelluilla sahalaitoksilla Sahakuitu = sahaukseen käytettävää mänty- tai kuusikuitupuuta. Sen hinta on selkeästi kuitupuun hintaa parempi. Sahakuitu on latvaläpimitaltaan cm

3 Ennakkotiedon tarve - Metsänomistaja Sopivuus tuotantoon? Keskijäreys Puutavaralajisaannot Laatu Läpimitta-pituusjakauma Sopiva hinta? Soveltuvuus tuotantoon Sijainti Korjuuolosuhteet Asiakassuhteet Metsänomistajan näkökulma Mikä on puuston arvo? Mikä ostotarjous on paras? 3

4 Leimikon puutavaralajikertymän ja arvosaannon ennustaminen Metsätaloussuunnitelmat Epätarkkoja Otantainventoinnit Työläitä Kaukokartoitus menetelmät Ilmakuvat & satelliittikuvat Epätarkkoja Laserkeilaus Tulevaisuuden menetelmä, mutta nykytilanne ei vielä mahdollista tarkkoja leimikkokohtaisia ennusteita Runkopankkipohjaiset laskennalliset menetelmät Vaativat runkopankin Vaativat osaamista & laskentaohjelmisto Ei-parametriset menetelmät neurolaskenta

5 Runkopankkilähtöinen leimikon puustotunnusten ennustaminen - tausta 1990 luvun alkuun saakka suurin osa hakkuuseen tulevista leimikoista pystymitattiin Liian kallista, tarve kustannustehokkaimmille menetelmille Otantaan pohjautuvat menetelmät (epätarkkoja, silti kallista) 1990-luvun puolessa välissä heräsi ajatus hakkuukoneella kerättävän tiedon käyttämisestä leimikon ennakkotiedon tuottamisessa Suomen Akatemian rahoittama tutkimushanke Hankintayrityksen ja metsänmittauksen tietovarastot suunnittelun tietolähteinä Yhteistyö Joensuun Yliopisto & Metsäteho Oy

6 Hankintayrityksen ja metsänmittauksen tietovarastot suunnittelun tietolähteinä IDEA Meillä on olemassa paljon jo kerättyä pystymittauksissa kerättyä puustotietoa Hakkuukoneella on mahdollista kerätä ilman merkittävää lisäkustannusta lisää tarkkaaa tietoa hakatuista lemikoista Verrataan kohdeleimikon yleisia puustotunnuksia (metsätyyppi, ikä, keskiläpimitta, keskipituus jne.) tietokannassa olevien leimikoiden vastaaviin tietohin ja poimitaan samankaltaisia leimikoita (naapureita) Ennustetaan kohdeleimikon puusto käyttämällä hyväksi naapurileimikoiden mitattuja tietoja

7 Edut Laskennallisen puutotunnusten ennustamisen Ennusteet pohjautuvat mitattuihin havaintoihin Ei epärealistisia ennusteita Menetelmä päivittyy automaattisesti tietokannan muuttuessa Ei sisällä oletuksia riippuvuuksista Haitat Tarvitaan tietokantaa Ennusteita voidaan laatia vain aineiston mukaisille kohteille Laskenta-aikavaatimus isoilla tietokannoilla. Menetelmä on juuri niin hyvä kuin tietokanta on

8

9 Saantosimulaattori Vapaasti ladattavan ja käytettävän runkopankin Rutiinit oman runkopankkiaineiston liittämiseksi saantosimulaattoriin K-MSN menetelmään pohjautuvan ennustusmenetelmän Puukohtaisen laatuaineiston, jonka avulla ennustetulle puujoukolle voidaan ennustaa myös teknistä laatua Apteeraussimulaattorin, jolla ennustettu puujoukko voidaan katkoa halutuilla katkontaohjeilla Yksinkertaisen käyttöliittymän em. rutiineille

10 Saantosimulaattorin toiminnot Hinnoittelu Arvolaskenta Puuston arvo Tulostiedosto Katkontaohjeet Leimikon kohdetiedot Stm-aineisto Leimikon kohdetiedot Käyttöliittymä Katkonnan simultointi K-MSN Runkopankki Tavaralaji- ja tukkijakaumaennuste Ennustettu puusto K-MSN Laatuennuste Tulostiedosto Tulostiedosto Laatuaineisto Laatutietokanta

11 ARVO-ohjelmisto on ilmaiseksi ladattavissa osoitteesta: