Jori Uusitalo, professor innen skogsdrift og logistikk ved universitetet i Helsinki.
Presisjonshogst er fremtidens avvirkning. Med denne metoden baseres skogsforvaltning på en forhåndsdefinert virtuell modell og driften planlegges tre-for-tre, samtidig som miljøverdiene respekteres.
Skogsfrift har i Finland lenge vært basert på planlegging på areal- og bestandnivå. Det underliggende premisset har vært at skogstypen og utviklingskategorien hos bestanden innenfor et individuelt areal er tilsvarende, slik at behandlingsmetoden som velges også kan være den samme gjennom hele området. "Dette er imidlertid ikke alltid tilfelle, for innenfor et område kan det være variasjoner som det bør tas hensyn til ved skogsdrift," sier Jori Uusitalo, professor innen skogsdrift og logistikk ved universitetet i Helsinki.
Uusitalo spår faktisk at det etter hvert, såfremt mulig, kan vokse frem en ny og multi-målrettet hogstmodell i tillegg til planleggingen på flatenivå. Uusitalo kaller denne nye modellen presisjonshogst. Uusitalo har konstruert modellen i samarbeid med sitt forskningsteam. Det sentrale ved modellen er evnen til å se alle trærne i skogen og at hogst planlegges og utføres med romlig realistisk geoinformasjon. “En virtuell modell av skogen opprettes og benyttes deretter til å planlegge hogsten på individuelt trenivå, samtidig som miljøverdiene respekteres,” sier Uusitalo.
En modell basert på fremkommelighet, trebestand og hogstveinettverk
Den virtuelle modellen av skogen består av en fremkommelighetsmodell, trebestand og hogstveinettverk, som kombineres til det mest presise datasettet som lar seg gjøre. Fremkommeligheten beskriver nyttelastkapasiteten til jordsmonnet, som påvirkes av jordsmonntypen og dens fuktighetsandel. Beregningen forutsetter modellering av grunnvannet basert på topografiske data. For et presist bilde må Uusitalo’s forskningteam innhente data fra en rekke ulike kilder.
“Det er utfordrende å komme med prognoser om fremkommeligheten. Det er forholdsvis enklere å prognostisere data om trebestand.” Kildedata som benyttes for trebestand stammer fra laserskanning fra luften. På trekartet kombineres trebestandens beliggenhetsdata med sentrale stammeindikatorer, som tretype, diameter, lengde og muligens også kvalitetsfaktorer. “Laserskanning med høy tetthet ble startet i 2020 og gir ti ganger mer presis punkttetthet enn forgjengeren. Bruk av slike data er interessant og åpner for muligheter.”
I henhold til Uusitalo er optimalisering av hogstveinettet en av de mest interessante utfordringene innen forskningen på skogsteknologi. “Optimaliserte ruter bør være basert på data om jordens egenskaper, såvel som data om plasseringen til gamle hogstveier. I januar publiserte vårt forskningsteam en studie hvor gamle hogstveier som er vanskelige å oppdage kan utledes ved å benytte laserskanning med høy tetthet.”
Få mest mulig ut av tømmerhogst med presisjonshogst av trær
Den ferdige virtuelle modellen har flere bruksområder. Før hogst kan skogseieren eller tømmerhoggeren f.eks. teste påvirkningen av ulike skogsdriftmetoder på strukturen til den gjenværende trebestanden, på fjerning av trebestand og på skogens økologiske verdier. På den annen side kan kjøperen være interessert i hvordan man maksimerer verdien av bestanden og minimerer kostnader og transportutslipp ved å simulere trebestand og varehandel.
Uusitalo anser presisjonshogst som et svar på avvikende og økende forventninger som for tiden settes til skog og skogsindustri. Selv om skogsbestanden lenge har hatt en oppgang i Finland, er det å bare opprettholde skogsbestanden ikke lenger tilstrekkelig for å demonstrere at skogsbruk er på en bærekraftig vei. Bærekraftig skogsbruk tar også hensyn til dyreartenes behov, fritidsformål og skogens rolle i reguleringen av atmosfærens likevekt.
Det blir også stadig viktigere at hogst fra skoger utnyttes økonomisk i så stor grad som mulig. Sluttbruken omfatter ikke bare tømmer eller papirmasse, men også eksempelvis finforedlede biologiske produkter, tekstiler eller råmaterialer for farmasøytisk og kjemisk industri.
Automatisering og robotikk ankommer i skogen
Uusitalo bemerker at presisjonshogst også åpner for en verden av automatisering og robotikk. “Skogen er et av de mest utfordrende områdene fra et automatiseringsperspektiv. Bevegelsene til skogsmaskiner er multidimensjonelle og det å bruke satelittdata til å lokalisere en maskin i et miljø preget av tretopper er krevende. Dessuten bør skogsmaskinen ta hensyn til endringer i jordsmonnets belastningsevne og mulige avgrunner.”
Tross utfordringen fortsetter arbeidet og et planleggingsverktøy er under utvikling. Uusitalo tror at vi vil oppleve betydelige fremskritt innen automatiseringen av skogsmaskiner de neste ti årene. “Men det vil trolig ta 20-30 år før vi får oppleve en fullstendig automatisert skogsmaskin som egner seg for kommersiell bruk.”
Tekst: Maria Latokartano / Bilde: Laura Vesa / In The Forest 1/2022
Løsninger for presisjonshogst fra John Deere™ Forestry lanserer avansert teknologi på markedet som støtter selskaper og operatører med skogsmaskiner på veien mot produktiv og effektiv skogsdrift. TimberMaticTM Kart og TimberManagerTM utvider de teknologiske kjernefunksjonene i hver maskin for å muliggjøre et nytt og mektig sett av muligheter. For strømlinjeformet drift på arbeidsstedet og kontoret.