Kuvioton metsäsuunnittelu Paikkatietomarkkinat, Helsinki Tero Heinonen

Samankaltaiset tiedostot
Kuvioton metsäsuunnittelu

SIMO-seminaari Helsinki

Metsäalueen kuviointi laserkeilausaineiston ja soluautomaatin avulla

Hakkuusuunnitteiden laskenta hoitoluokittain Jyväskylän kaupungille

MELA2012. Olli Salminen Metla MELA ryhmä.

Algoritmit 2. Luento 13 Ti Timo Männikkö

Algoritmit 2. Luento 12 To Timo Männikkö

Yleiskaavojen vaikutukset metsätalouteen

OPERAATIOTUTKIMUS METSÄTALOUDESSA

3.4 Peruutus (backtracking)

MELA käyttäjäsovelluksia ja -kokemuksia

Search space traversal using metaheuristics

Pisteen x lähistö koostuu kaikista ratkaisuista, jotka on saatu x:stä tekemällä siihen yksi siirto:

Lahden kaupungin metsien hiililaskennat

Luonto- ja maisemapalvelut teemaryhmälle Oulussa Raili Hokajärvi, projektipäällikkö MoTaSu-hanke

Algoritmit 2. Luento 12 Ke Timo Männikkö

Laskelma Jyväskylän kaupungin metsien kehityksestä

Tukki- ja kuitupuun hakkuumahdollisuudet sekä sivutuotteena korjattavissa oleva energiapuu Tietolähde: Metla VMI10 / MELA-ryhmä / 16.6.

Metsätalouden kannattavuuden parantaminen

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

Metsäpolitiikkaa puun myyjän näkökulmasta. Päättäjien Metsäakatemia Jan Slotte

Kuortaneen metsäsuunnitteluseminaarin. Metsävaratiedon ajantasaistus

SIMO-pilotointi Metsähallituksessa. SIMO-seminaari

POH;'ÖIS-KAr'I,JALAN ULOSOTTOVIRÄSTO SAAPUNUT

Yksityismetsänomistajien arvoja ja tavoitteita

Sahayritysten raakaainehankintamahdollisuudet. Pohjois-Karjalassa

ARVIOLAUSUNTO METSÄSELVITYS. OTSO Metsäpalvelut Henri Maijala Pielisentie Lieksa

Luetteloivat ja heuristiset menetelmät. Mat , Sovelletun matematiikan tutkijaseminaari, kevät 2008, Janne Karimäki

SIMO käytössä. UPM-Kymmene Oyj Janne Uuttera

Metsäsuunnitelma vuosille

Aircraft Maintenance Scheduling with Multi- Objective Simulation- Optimization

Riittääkö puu VMI-tulokset

Koron käyttöperiaate metsikkö- ja metsälötason suunnittelussa: oppikirjanäkökulma

Ohjelmoinnin peruskurssi Y1

Keski- ja Itä-Euroopan metsätietopalvelu

Metsien raaka-aineiden yhteistuotannon edut

METSÄSUUNNITTELU JA JATKUVA KASVATUS. Timo Pukkala

4 Heuristinen haku. Eero Hyvönen Helsingin yliopisto

METSÄ SUUNNITELMÄ

Sekalukuoptimointi. Lehtonen, Matti Matemaattisen ohjelmoinnin seminaari, Tietojenkäsittelytieteen laitos Helsingin Yliopisto

Katkonnanohjaus evoluutiolaskennan keinoin

METSÄSUUNNITTELU YKSITYISMETSISSÄ

Kannattavan metsätalouden lyhyt oppimäärä

Tilatason metsäsuunnitelman koostaminen metsikkötason optimoinnilla

METSÄSUUNNITTELU. Metsäkurssi JKL yo 2014 syksy. Petri Kilpinen, Metsäkeskus, Keski-Suomi

No millaista metsätietoa jj tarvitaan?

Maankäytön suunnittelun taustatiedot Luonnonvarakeskuksen metsävaratiedoista

Paljonko metsäsijoitus tuottaa?

MELAn käyttö Metsähallituksessa

Maanmuokkaus ja kunnostusojitus koneyrittäjien näkökulmasta

Puuntuotantomahdollisuudet Suomessa. Jari Hynynen & Anssi Ahtikoski Metsäntutkimuslaitos

Metsikkötason optimointi metsäsuunnittelussa, esimerkkinä SMA

Kainuun hakkuumahdollisuudet ja kestävyys

Hakkuumahdollisuusarviot

Nollasummapelit ja bayesilaiset pelit

Edellä on tarkasteltu luettelointimenetelmiä, jotka ainakin periaatteessa

Pohjois-Suomessa luvuilla syntyneiden metsien puuntuotannollinen merkitys

Parempaa tuottoa entistä useammin ja pienemmillä kuluilla

TŠEKKI. Keski- ja Itä-Euroopan metsätietopalvelu METSÄVARAT. Puulajien osuus puuston tilavuudesta.

Männyn laatukasvatus Jari Hynynen. Metsäntutkimuslaitos Skogsforskningsinstitutet Finnish Forest Research Institute

Mat Lineaarinen ohjelmointi

KUUKKELIA SUOSIVAN METSÄNKÄSITTELY- MALLIN TALOUDELLISET VAIKUTIUKSET

Aki Taanila LINEAARINEN OPTIMOINTI

Etelä-Savon metsävarat ja hakkuumahdollisuudet

Metsävaaka -metsäni vaihtoehdot

Korko Mela-laskelmissa

Reiluus. Maxmin-reiluus. Tärkeä näkökohta best effort -tyyppisissä palveluissa. Reiluuden maxmin-määritelmä

4. Luennon sisältö. Lineaarisen optimointitehtävän ratkaiseminen Simplex-menetelmä

Bioenergian saatavuus Hämeen metsistä

UPM Metsäsuunnitelma

METSÄSUUNNITELMA VUOSILLE

Laserkeilaus (Lapin) metsävarojen hyödyntämisessä. Anssi Juujärvi Lapin metsätalouspäivät

Metsien luonnontuotteita kuvaaville malleille on tarve

Mihin kasvatuslannoitus sopii ja mitä se tuottaa? Samuli Kallio

Keski-Pohjanmaan metsälogistiikka

Skenaarioanalyysi metsien kehitystä kuvaavien mallien ennusteiden yhtäläisyyksistä ja eroista

Energiapuu ja ainespuun hakkuumahdollisuudet

Metsänhoidon vaikutus tuottavuuteen kiertoaikana. Metsäenergia osana metsäomaisuuden hoitoa Eljas Heikkinen, Suomen metsäkeskus

Metsäpolitikkafoorumi

Puunkorjuun kustannukset ja olosuhteet sekä puutavaran kaukokuljetuksen kustannukset ja puutavaralajeittaiset. vuonna 1996.

Satomalleista metsän tuoton optimointiin ja käsittelysuosituksiin

TIEA382 Lineaarinen ja diskreetti optimointi

MESTA-sovelluksen käyttö alueellisissa metsäohjelmissa. Ylläpitäjän ohje

Metsäsuunnitelman sisältämät tilat kartalla

Metsävaratietojen ja digitalisaation hyödyntäminen biotalouden kasvussa Etelä-Savossa -hanke. Helsinki Sanna Hakolahti Mhy Etelä-Savo

Markkinapuun hakkuut ja työvoima, lokakuu 2008

Kannattaako metsän uudistamiseen ja taimikonhoitoon panostaa?

Kon Konepajojen tuotannonohjaus: ILOG CPLEX Studion käyttö

Metsäsijoittaminen. Jyrki Ketola Tallinna

Luentorunko perjantaille

ERI-IKÄISRAKENTEISEN METSÄN KASVATUKSEN TALOUS

Kaupunkimetsien hiilitaselaskelma Lahti

Metsätuhojen talousvaikutuksia

Kaakkois-Suomen (Etelä-Karjala ja Kymenlaakso) metsävarat ja hakkuumahdollisuudet

Metsätalouden kannattavuuden mittaus - järkeä. Helsinki

Pohjois-Savon metsien tilan ja hakkuumahdollisuudet

Keskijännitteisten ilmajohtojen vierimetsien hoidon kehittäminen

UPM Metsäsuunnitelma

Kuortaneen ajantasaistushanke

Transkriptio:

Paikkatietomarkkinat, Helsinki 3.11.2009 Tero Heinonen

Sisältö Kuvioton metsäsuunnittelu Optimointi leimikon suunnittelumenetelmänä Verrataan optimointi lähestymistapaa diffuusiomenetelmään

Muuttuvat käsittely-yksiköt (MKY) ei pysyviä kuviorajoja (rajoittaa tehokasta resurssien käyttöä) useasti puuston ominaisuudet perinteisen kuvion sisällä vaihtelevat suuresti pysyvät kuviorajat muuttuvat ajan kuluessa (ei päivitystä, virheet suunnittelulaskelmissa) MKY muodostetaan pienistä laskentayksiköistä (rasterisolut, piensegmentit) laserkeilaus tuottaa luotettavaa puustotietoa laskentayksiköille

Muuttuvat käsittely-yksiköt Laskentayksiköt suunnittelulaskelmissa Rasterisolut (0.02-0.1 ha) Piensegmentit (0.02 2 ha)

Optimointi metsäsuunnittelussa Kuvioton metsäsuunnittelu Tavoitefunktio z(x), jota minimoidaan tai maksimoidaan. Tavoitefunktio muodostuu suunnitteluongelmaan sisältyvistä metsälötason tavoitteista. Tavoitteina metsäsuunnitteluongelmissa yleensä: o maksimoi: hakkuumäärä, nettotulot, nettotulojen nykyarvo o minimoi: kustannukset, metsätuhot o leimikkokeskitykset, vanhan metsän keskitykset Suunnitteluongelma voi sisältää myös rajoitteita o esim. hakkuumäärä (puutavaralajeittain) Optimoinnissa etsitään tavoitteet parhaiten täyttävät käsittelyvaihtoehdot metsikkökuvioille o ennen optimointia kuvioille simuloidaan erilaisia käsittelyvaihtoehtoja yhdelle tai useammalle kaudelle o tavoitteet voidaan kohdentaa joko koko suunnittelujaksolle tai yhdelle kaudelle erikseen

Optimointimenetelmät: Analyyttiset menetelmät o LP, IP, MIP Heuristiikat o Simuloitu jäähdytys, tabu-haku, geneettinen algoritmi, soluautomaatti Valitse kuvioille käsittelyvaihtoehto satunnaisesti Valitse satunnaisesti kuvio ja vaihda käsittelyvaihtoehto Jos tavoitefunktion arvo kasvaa, valitse ehdotettu vaihtoehto Optimoinnin yleinen kulku: Valitaan satunnainen käsittelyvaihtoehto kuvioille Kokeillaan kuvioille eri käsittelyvaihtoehtoja kunnes parannusta tavoitefunktion arvoon ei enää löydetä, tai muu lopetusehto täyttyy Paras optimoinnin aikana löytynyt suunnitelma valitaan Ei Kyllä Onko lopetusehto saavutettu? Lopeta ja tallenna paras optimoinnin aikana löytynyt suunnitelma

Luo alkuratkaisu satunnaisesti Simulated annealing Heuristiikka Globaalin optimoinnin menetelmä Paikallisen parannuksen menetelmä Muuta ratkaisua satunnaisesti valitsemalla kuvio ja käsittelyvaihtoehto Parametrit: satunnaiset alkuratkaisut (100) alkulämpötila (0.001) jäähtymiskerroin (0.9) loppulämpötila (0.00001) iteraatiot alussa (1000) iteraatiokerroin (1.1) Kyllä Lisääntyykö hyöty? Valitse ehdotettu vaihtoehto Ei Kyllä Laske hyväksymistodennäköisyys Onko tod.näk > random(0,1) Ei Ei Iteraatioita jäljellä? Kyllä Hyöty Saattaa pysähtyä tänne Todellinen maksimi Uusi lämpötila = vanha lämpötila * jäähtymiskerroin Ei Kyllä Aloituspiste Ratkaisuavaruus Onko lopetusehto saavutettu? Lopeta ja tallenna paras haun aikana löytynyt suunnitelma

Spatiaaliset tavoitteet suunnittelulaskelmissa Rajaosuus metsäalueella Hakkuukuvioiden välisen rajan osuus metsäalueella o maksimointi keskittää, minimointi hajauttaa Hakkuukuvioiden ja ei-hakkuukuvioiden välisen rajan osuus metsäalueella o maksimointi hajauttaa, minimointi keskittää Uudistushakkuut, harvennushakkuut, vanha metsä

Kuvioton metsäsuunnittelu Suunnitelmat: Normaalit hakkuurajat. Alennetut hakkuurajat (0.9 x normaalit hakkuurajat). Verrataan UPM:n suunnitelmaan: 5 diffuusiokierrosta Toimenpiteiden painotus: uudistus 0.3, harvennus 0.3, lepo 0.3. Suunnittelualue: Piensegmenttejä: 3136 Minimi, ha: 0.02 Maksimi, ha: 15.14 Yhteensä, ha: 1395.35 Keskikoko, ka: 0.44 KESKI_IKä 0-20 21-35 36-54 55-79 80-142

Tavoitteet leimikoiden suunnitteluesimerkissä: Kuitupuun hakkuumäärä sama kuin UPM-suunnitelmassa, 38518 m 3. Tukkipuun hakkuumäärä sama kuin UPM-suunnitelmassa, 34896 m 3. Hakkuu-hakkuu rajaosuuden maksimointi (HH). Uudistushakkuu - ei uudistushakkuu rajaosuuden minimointi (UeU). Harvennushakkuu - ei harvennushakkuu rajaosuuden minimointi (HeH). Tavoitefunktio: additiivinen hyötyfunktio TF = 0.05(kuitupuu) + 0.05(tukkipuu) + 0.3(HH) 0.3(UeU) 0.3(HeH) Hyöty 1 0.8 0.6 0.4 0.2 0 0 38518 67597 Kuitupuu, m3 Hyöty 1 0.8 0.6 0.4 0.2 0 0 1 HH Hyöty 1 0.8 0.6 0.4 0.2 0 0 1 UeU HeH

UPM Monsu Normaalit hakkuurajat Uudistushakkuut UPM Monsu Alueita: 47 38 Minimi, ha: 0.51 0.03 Maksimi, ha: 19.87 24.65 Yhteensä, ha: 208.6 207.03 Keskiarvo, ha: 4.43 5.40 Harvennushakkuut Alueita : 39 25 Minimi, ha: 0.52 0.04 Maksimi, ha: 43.08 38.92 Yhteensä, ha: 179.45 133.04 Keskiarvo, ha: 4.60 5.32 Kuitupuu, m 3 38518 37855 Tukkipuu, m 3 34896 34896

UPM Monsu Alennetut hakkuurajat Uudistushakkuut UPM Monsu Alueita: 47 32 Minimi, ha: 0.51 0.11 Maksimi, ha: 19.87 18.03 Yhteensä, ha: 208.6 215.08 Keskiarvo, ha: 4.43 6.72 Harvennushakkuut Alueita : 39 28 Minimi, ha: 0.52 0.05 Maksimi, ha: 43.08 51.97 Yhteensä, ha: 179.45 148.13 Keskiarvo, ha: 4.60 5.29 Kuitupuu, m 3 38518 38512 Tukkipuu, m 3 34896 34896

Kiitos!