Epsilon Archive for Student Projects

Abstract

Målet med detta arbete har varit att undersöka potentialen för skördardata (pri-filer) när det kommer till prognostisering av sortimentsutfall från avverkningar. Det gjordes genom regressionsanalys, där data från Sveaskogs beståndsregister utgjorde de förklarande variablerna och data från pri-filer utgjorde responsvariablerna. Arbetet hade i huvudsak tre analysmoment: undersökning av beståndsregistrets noggrannhet, samt hur väl arbetets prognoser stod sig mot facit (pri-filer) och dels mot Sveaskogs egna prognoser via VALS. Totalt utgjordes data av 42 trakter med tillhörande beståndsdata innan avverkning och de traktspecifika pri-filer som skapades under avverkningarna.

Det påvisades avvikelser, stundtals stora avvikelser, mellan beståndsregistret och pri-filer. Avvikelserna redovisades inte per hektar, p.g.a. avvikelserna i areal mellan beståndsregistret och pri-filerna. För vissa pri-filer saknades dessutom gps-koordinater för de enskilda träden, vilket omöjliggjorde arealberäkning. För regressionsanalysen tillhandahölls åtta förklarande variabler sammanställda utifrån data från 20 trakter och åtta sortimentsvisa funktioner skapades. Funktionerna validerades sedan av data från sex trakter.

Prognostisering för totala volymer per trakt gav högre noggrannhet än prognostisering för enskilda sortiment. Funktionerna för grantimmer hade lägre förklaringsgrad än tallfunktionerna, men hade högre noggrannhet vid valideringen. Variabeln stamfelsved utnyttjades i sju funktioner och bör anses som mycket viktig vid prognostisering.

Funktionerna bör inte anses som tillförlitliga då de baserats på data som anses ha varit osäker och för liten till sin omfattning. Dock är metoden applicerbar och bör kunna generera bra prognoser om dataunderlaget är större och har högre noggrannhet. Arbetet visar också att smarta systemlösningar och tydliga förhållningsätt i tillvaratagandet av skördardata är nyckelfaktorer inför framtida studier inom området.

The aim of this study was to examine the potential for harvester data (pri-files) when it comes to forecasting the assortments outcomes from harvesting. It was examined by regression analysis, in which data from stands constituted the explanatory variables and data from pri-files constituted response variables. The work had three main analysis steps: the accuracy of stand data, and how well the created predictive functions corresponded with pri-files (actual assortment outcome from harvesting) and with Sveaskog's own forecasts from VALS, respectively.

Total data consisted of 42 stands with associated stand data before harvesting and the stand-specific pri-files created during harvesting. It was demonstrated abnormalities, and sometimes large discrepancies, between stand data and pri-files. The deviations were not presented per hectare, due to deviations in the area between stand data and pri-files. Additionally for certain pri-files there were missing gps-coordinates for individual trees, which made it impossible to calculate area. The regression analyses were provided with eight explanatory variables, compiled from data from 20 stands, and eight assortments specific functions were created. These functions were then validated with data from six other stands.

Prediction of total volumes per stand was more accurate than predictions per assortment. The functions for spruce-timber explained less of the observed variation than pine-timber-functions, but gave higher accuracy during validation. The variable stemwood damage was utilized in seven functions and should be considered as a very important variable in forecasting. These functions should not be considered as reliable as they are based on data that were too uncertain and too small in scope. However, the method is applicable and should be able to generate good predictions if the data set is larger and has higher accuracy. The work also shows that smart system solutions and clear approach at the procurement of harvest data are key factors for future studies in the area.