Malliketjut NGPS-seminaari 12.1.2005 Jouni Kalliovirta Jussi Rasinmäki.

Slides:



Advertisements
Samankaltaiset esitykset
1. Missä vietät joulun useimmiten?. 2. Missä viettäisit joulun mieluiten?
Advertisements

Juha Kauppinen Consulting oy Työntekijäkysely Tietoja
Yleistä Läsnäolovelvollisuus Poissaolojen selvitys Käyttäytyminen
Kestävän metsätalouden kriteereihin ja indikaattoreihin perustuen
Johdon mitoitus Automaattinen poiskytkentä
Gumbel Suuret sateet (yli 30 mm sateet + 50%) Toistumi saikaMinMaks KA A1B 2500,7230,8500,816 0, ,7190,8470,813 0, ,7090,8390,807 0,854 Muutos.
Tornator Oy Suomen kolmanneksi suurin metsänomistaja: metsiä yhteensä yli hehtaaria. Tavoitteena hyödyntää maa- ja metsävaroja kestävästi ja omaisuuden.
Kotihoidon laskenta Päivi Tossavainen Raija Kuronen.
Esiopetuksen huoltajat 2014 Generated on :41.
Robust LQR Control for PWM Converters: An LMI Approach
Lineaarisia malleja.
J-metsikkösimulaattorin tuloksia
Esimerkki 1, s. 75 (74) € talletettiin pankkiin vuodeksi Korko 3,55 %
Taimikonhoito Huhtikuu 2007.
Tiheys.
Tilavuus.
Tilavuus.
Kappaleiden tilavuus 8m 5m 7cm 5 cm 14cm 6cm 4cm 4cm 3cm 10cm.
ENSIHARVENNUS Pertti Mäkinen
TERVEYDENHUOLLON RAHOITUSPOLITIIKAN ARVIOINTI: KUNTARAHOITUKSEN VAKAUTTAMINEN (VAKKA) Ilkka Vohlonen, professori Jan Klavus, dosentti Veli.
Pelaajakysely Tampereen piirin pelaajille 2013 TKT.
Kuhakannat ja niiden hyödyntäminen -tuloksia kuhatutkimuksista
Yksikkömuunnokset.
4.3. Normaalijakauma Normaalijakauman tiheysfunktio
Esimerkki hekojärjestelmästä Piirin koulutusristeily
Tilastotietoja suuralue- ja maakuntajaolla (NUTS2 ja NUTS3)
Perusopetuksen huoltajat 2014 Generated on :04.
Valitse seuraaviin vaihtoehtotehtäviin oikea vastaus…
KOKKOLAN VEIKKOJEN ARVOKISAEDUSTAJAT
Vakuutusmaksutulo yhteensä 9,1 mrd € Työeläkevakuutusyhtiöiden markkinaosuudet 2007.
Yliopistokirjastojen vastaajat palvelukyselyssä 2010 Päivi Jokitalo Kansalliskirjasto. Kirjastoverkkopalvelut marraskuu 2010.
Prosenttilaskua, tiivistelmä
Puutavaran mittaus ja katkonta
SIMO: Metsikkösimulaattori
TMA.003 / L3 ( )1 3. Funktioista 3.1. Kuvaus ja funktio Olkoon A ja B ei-tyhjiä joukkoja. Tulojoukon A  B = {(x,y) | x  A, y  B} osajoukko on.
Hatarat askeleet osa 1 Kasvumallien toiminnan validointi.
Elinkeinopoliittinen mittaristo 2014
Koe; koeavain 1001 Koeala 1 Koeala 2 Koeala 3 Koeala 4 Koemetsikkö 1 (koemetsikköavain ) Koeala 5 Koeala 6 Koeala 7 Koeala 8 Koemetsikkö 2 (koemetsikköavain.
Jakaumista. Frekvenssijakauma Mainostaja kysyy 200 asiakkaalta, kuinka monta kertaa viikossa he lukevat sanomalehteä. Päivät, jolloin luet lehden Frekvenssi.
2) Kuinka monta prosenttia luku a on luvusta b
Teknologiateollisuuden tilanne ja näkymät alueittain
Virhelähteet yksittäisten puiden latvusten ilmakuvamittauksessa Antti Mäkinen Maatalous-metsätieteellinen tiedekunta / Metsävarojen käytön laitos.
Maatalous, maaseutuyrittäminen rahavirrat 2008 ja 2007 Pohjois-Savo Jari Kauhanen MTK- Pohjois-Savo.
Vakuutusyhtiöt Suomessa 2010 Julkaisun kuvat. Vakuutusmaksutulon jakauma
Ammattiosaamisen näyttö: Koneellinen puunkorjuun suunnittelu (9) ja koneellisen puutavaran valmistus (12) Ammattiosaamisen näytön ohjaukseen ja arviointiin.
Pienin ja suurin arvo suljetulla välillä
Aritmeettinen jono jono, jossa seuraava termi saadaan edellisestä lisäämällä sama luku a, a + d, a+2d, a +3d,… Aritmeettisessa jonossa kahden peräkkäisen.
Eksponentiaalinen kasvaminen ja väheneminen
Vakuutusyhtiöt Suomessa 2009 Julkaisun kuvat. Vakuutusmaksutulon jakauma
Aritmeettinen jono jono, jossa seuraava termi saadaan edellisestä lisäämällä sama luku a, a + d, a+2d, a +3d,… Aritmeettisessa jonossa kahden peräkkäisen.
1 Akavalaisten ja kaikkien palkansaajien palkkatietoja Lähde: Tilastokeskus n Palkkarakennetilasto 2007, diat 2-24 n Sektorikohtaiset palkkatilastot.
Maitotaito PIENEN VAUVAN PÄIVÄ Maitotaito.
SU MEN SALIBANDYLIITT 21 vuotta salibandya Suomessa.
Metsänhoitotoimenpiteiden optimointi taloudellis-ekologisella mallilla
Tilastollisia menetelmiä
Matematiikka ja fysiikka AUTO-ALA
Suomen yleisimpiä puulajeja. Säilyttää värinsä läpi vuoden.
Apteeraussimulaattori metsäsuunnittelun apuvälineenä
Metsävähennys Timo Hannonen Mhy Päijät-Häme.
Tutkimussuunnitelma Kasvumallien toiminnan validointi Esko Välimäki.
Euroopan talous- ja rahaliitto EMU: Kehitetty jo n. 30 vuotta Ensimmäinen vaihe 1979 => valuuttakurssit Vuonna 1999 kytkettiin 12 maan valuuttakurssit.
Tilinpäätös 2004.
Suomen Lääkäriliitto | Finnish Medical AssociationLääkärit Suomessa | Physicians in Finland Tilastotietoja lääkäreistä ja terveydenhuollosta 2014 Statistics.
Annuiteetti- eli tasaerälaina
1. Missä vietät joulun useimmiten?. 2. Missä viettäisit joulun mieluiten?
Apteeraussimulaattori metsäsuunnittelun apuvälineenä Tilannekatsaus Lauri Kuusisto.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 2 - Jirka Poropudas Optimointiopin seminaari - Kevät 2005 / 1 Bayes-verkoista s
3.2. TILAVUUDEN LASKEMINEN
Kärkihankkeen tutkimusteemoja (WP1)
MTK Pohjois-Suomi Pj-sihteeri päivät Rokua
Esityksen transkriptio:

Malliketjut NGPS-seminaari 12.1.2005 Jouni Kalliovirta Jussi Rasinmäki

Malliketjujen yleiskuvaus Lähtötiedot Malliketjujen yleiskuvaus Tehoisan lämpötilan summa ja korkeus merenpinnasta sijaintitiedosta Ojansuu & Hentonen 1983 E K Puustosta vain keskitunnuksia Puusto-ositteiden muodostaminen ja keskitunnusten laskenta Lisäksi mitatun ositteen klpm<5 cm K Metsikkötason mallit E K Puutason mallit d ja h mitattu maastossa E E K Metsikkötiedot hetkellä i Kuvauspuiden pituusjakauman ennustaminen normaalijakauman avulla d>=5 cm latvuksen lpm ja/tai h saatu ilma/satelliitti- kuvilta Weibull Jakaumamallin valinta Prosenttipiste E K puulaji=kuusi Johnson SB Puiden läpimittojen ennustaminen Läpimittajakauman parametrien ennustaminen Läpimittajakauman parametrien ennustaminen Läpimittajakauman parametrien ennustaminen Pituuden laskenta E Kalliovirta & Tokola Mykkänen 1986 Maltamo 1997 Siipilehto 1999 Kärki ym. 2000 Kilkki ym. 1989 Maltamo 1997 Siipilehto 1999 Siipilehto 1999 h mitattu Veltheim 1987 Siipilehto 1999 K Kuvauspuiden läpimittojen ennustaminen kertymäfunktion avulla Kuvauspuiden läpimittojen ennustaminen tiheysfunktion avulla Kuvauspuiden läpimittojen ennustaminen prosenttipistemalleilla Kuvauspuiden läpimittojen ennustaminen Kangas & Maltamo 2000 Puiden ikien ennustaminen Ojansuu 2002 Kuvauspuiden pituuksien ennustaminen Kasvumallit Kalliovirta & Tokola Korhonen 1987 Vähäsaari 1988 Veltheim 1987 Kuvauspuiden ikien ennustaminen Puu- ja metsikkötiedot hetkellä i Kalliovirta & Tokola Korhonen 1987 Vähäsaari 1988 Metsikkötiedot hetkellä i+j Kasvumallit Metsikkötunnusten laskenta Puu- ja metsikkötiedot hetkellä i+j Vuokila & Väliaho 1980 Puustotunnusten laskenta Laasasenaho 1982 Mehtätalo 2002 Valmiit puustotiedot

Mallien tarkastelu, vastepinnat Tarkastellaan mallien toimivuusalueita Testiaineistona VMI pysyvien mittaukset  mahdolliset muuttujayhdistelmät Määritetään rajat, joiden ulkopuolella mallia ei tule käyttää Esimerkkinä Mielikäisen (1985) laatimat rauduskoivun ppa:n ja tilavuuden kasvumallit Etelä-Suomessa (laadinta-aineisto sekametsiköistä) Muuttujina Ppa:n kasvumallissa: ppa, ikä rinnankorkeudelta ja koivun osuus ppa:sta ja Tilavuuden kasvumallissa: tilavuus, ikä rinnankorkeudelta ja koivun osuus ppa:sta Verrataan vastepintoja laadinta-aineiston rajoituksiin: Mallit toimivat odotetusti, kun puusto on iältään riittävän vanhaa, taimikoissa Mielikäisen laatimat rauduskoivun metsikkömallit eivät toimi.   min max Ikä1,3, vuotta 14 95 Tilavuus, m3/ha 59 337 Ppa%koivu,% 19 72 Ppa, m2/ha 12.4 39.8 Ppa:n kasvu, % 1.02 12.6 Tilavuuskasvu,% 1.83 21.2

PPA:n kasvumalli, raudus ikä1,3 >14 vuotta ei ikärajoitusta Ei Toimi! Koivun osuus PPA:sta kuvattu väreillä: sininen(<25%), vihreä(25-50%), punainen(50-75%) ja musta(>75%)

Ppa:n kasvu%, kun ikä_13 > 14 vuotta max=19,5 % min=1,16 %

Tilavuuden kasvumalli, raudus ei ikärajoitusta ikä1,3 >14 vuotta Ei Toimi! Koivun osuus PPA:sta kuvattu väreillä: sininen(<25%), vihreä(25-50%), punainen(50-75%) ja musta(>75%)

Tilavuuden kasvu%, kun ikä_13 > 14 vuotta max=28,8 % min=1,57 %

Tilavuuden kasvumalli, raudus Samalla testiaineistolla Oikarisen (1983) laatima malli istutetuille rauduskoivikoille Oikarisen mallien laadinta-aineiston ikärajoituksella: Biologinen ikä > 10 vuotta, ikä >10 vuotta Ei toimi! Ei toimi! Mallin muita rajoituksia: perustamistapa, istutus ja perustamistiheys, 2000-2300 runkoa/ha  metsikön alkukehitys on tunnettava!

Mallin dokumentointi

Simulaattorin malliketjut metsikkötason kasvumallit Metsikkötiedot hetkellä i Puuttuvien alkuarvojen ennustaminen Weibull- jakaumalla (valtapituus, runkoluku ja kuoreton ppa) Mykkänen 1986 Siipilehto 1999 Kilkki 1989 Vuokila & Väliaho 1980 Harvennusmallit Uudet puu- ja metsikkötiedot hetkellä i+j Runkoluvun päivitys Vuokila & Väliaho 1980 Oikarinen 1983 Tapion harvennusmallit Metsikkötietojen päivitys puulaji = kuusi tai mänty puulaji = koivu tai muu lehtipuu Metsikön pohjapinta-alan kasvu-%:n ennustus Metsikön tilavuuden kasvu-%:n ennustus Metsikön valtapituuden kasvu-%:n ennustus Metsikön pohjapinta-alan kasvu-%:n ennustus Mielikäinen 1985 Mielikäinen 1985 Vuokila & Väliaho 1980 Vuokila & Väliaho 1980 Metsikön valtapituuden kasvu-%:n ennustus Metsikön ppa:n ja valtapituuden päivitys Saramäki 1985 Oikarinen 1983 Vuokila & Väliaho 1980 Metsikön muotoluvun kehityksen ennustus Läpimittajakauman parametrien ennustaminen - Weibull Metsikön tilavuuden päivitys Vuokila & Väliaho 1980 Mykkänen 1986 Siipilehto 1999 Kilkki 1989 Kuvauspuiden läpimittojen ennustaminen kertymäfunktion avulla Veltheim 1987 Kuvauspuiden pituuksien ennustaminen Apteeraus Puu- ja metsikkötiedot hetkellä i+j K Laasasenaho, 1982 Jussin pölkyttäjä E K Uudet puu- ja metsikkötiedot hetkellä i+j Ylittää harvennuskriteerit Ylittää avohakkuukriteerit Tapion harvennusmallit E

Kasvumallit: mänty Vuokila & Väliaho, Metsikön PPA:n kasvu (kuoretta) Muuttujat: Age=Metsikön ikä, BAu=Puuston kuoreton ppa, Hdom=Metsikön valtapituus ja SI100=kasvupaikkaindeksi 100 vuoden iällä Yhtälö: -0.89537+0.0019059*SI100^2+730.26/(Hdom^0.3*BAu^0.4*Age^(0.8+SI100/175))+363780/ (Hdom^0.3*BAu^0.4*Age^(0.8+SI100/175))^3 Mallin antama yksikkö: % (vuotuinen kasvu keskimäärin 5 vuoden jaksolle) Mallin sopivuus: Koko maa, viljellyt havupuumetsiköt, ei nuorille puustoille! Vuokila & Väliaho, kuoren määrä Muuttujat: Age=Metsikön ikä, BAu=Puuston kuoreton ppa ja Hdom=Metsikön valtapituus Yhtälö: 0.67175+0.086641*Hdom-0.013987*Age+0.15393*BAu Mallin antama yksikkö: m2/ha (kuorettomesta ppa:sta ennustettu kuoren määrä) Vuokila & Väliaho, Metsikön valtapituuden kasvu Muuttujat: Age=Metsikön ikä ja Hdom=Metsikön valtapituus Yhtälö: -0.40006+434.52/(Hdom^0.4*Age^1.1)-124.51/ ((Hdom^0.4*Age^1.1)^2) Vuokila & Väliaho, Metsikön muotoluvun kehitys Muuttujat: Age=Metsikön ikä, Hdom=Metsikön valtapituus ja BA=Puuston ppa Yhtälö: e^(0.49372-0.001628*Hdom+4.4746/(Age*BA)) Metsikön tilavuus V = BA*Hdom*F Metsikön pohjapinta-alan kasvu-%:n ennustus Metsikön valtapituuden Metsikön muotoluvun kehityksen ennustus Vuokila & Väliaho 1980 Metsikön ppa:n ja valtapituuden päivitys puulaji = kuusi tai mänty Metsikön tilavuuden päivitys

Kasvumallit: kuusi Vuokila & Väliaho, Metsikön PPA:n kasvu (kuoretta) Muuttujat: Age=Metsikön ikä, BAu=Puuston kuoreton ppa ja Hdom=Metsikön valtapituus Yhtälö: -0.099776+3256.7/(Hdom^0.5*BAu^0.6*Age^0.9-31736/(Hdom^0.5*BAu^0.6*Age^0.9)^2 Mallin antama yksikkö: % (vuotuinen kasvu keskimäärin 5 vuoden jaksolle) Mallin sopivuus: Etelä-Suomi, viljellyt havupuumetsiköt, ei nuorille puustoille! Vuokila & Väliaho, Kuoren määrä Muuttujat: BAu=Puuston kuoreton ppa ja Hdom=Metsikön valtapituus Yhtälö: 10^(0.080806+0.62909*log(BAu)-0.30883*log(Hdom)) Mallin antama yksikkö: m2/ha (kuorettomesta ppa:sta ennustettu kuoren määrä) Vuokila & Väliaho, Metsikön valtapituuden kasvu Muuttujat: Age=Metsikön ikä ja Hdom=Metsikön valtapituus Yhtälö: -0.41018+616.40/(Hdom^0.55*Age^1.05)-3592.9/(Hdom^0.55*Age^1.05)^2 Vuokila & Väliaho, Metsikön muotoluvun kehitys Muuttujat: Age=Metsikön ikä, Hdom=Metsikön valtapituus ja BA=Puuston ppa Yhtälö: e^(-0.042807*ln(BA)-0.049259*ln(N)-0.087706*ln(SI100)) Metsikön tilavuus V = BA*Hdom*F Metsikön pohjapinta-alan kasvu-%:n ennustus Metsikön valtapituuden Metsikön muotoluvun kehityksen ennustus Vuokila & Väliaho 1980 Metsikön ppa:n ja valtapituuden päivitys puulaji = kuusi tai mänty Metsikön tilavuuden päivitys

Kasvumallit: rauduskoivu Metsikön tilavuuden kasvu-%:n ennustus Mielikäinen 1985 puulaji = koivu tai muu lehtipuu Metsikön pohjapinta-alan Metsikön valtapituuden Saramäki 1985 Oikarinen 1983 Mielikäinen, Metsikön PPA:n kasvu Muuttujat: A=Metsikön rinnankorkeusikä, BA=Puuston ppa ja BA%b=Koivun osuus metsikön ppa:sta Yhtälö: e^(6.816-0.8409*LN(A)-0.3634*LN(BA)-0.3331*ln(BA%b)) Mallin antama yksikkö: % (vuotuinen kasvu keskimäärin 5 vuoden jaksolle) Mallin sopivuus: Etelä-Suomi, kivennäismaiden metsiköt Mielikäinen, Metsikön tilavuuden kasvu Muuttujat: A=Metsikön rinnankorkeusikä, V=Puuston tilavuus ja BA%b=Koivun osuus metsikön ppa:sta Yhtälö: e^(7.267-0.9317*ln(A)-0.2324*ln(V)-0.2354*ln(BA%b)) Oikarinen, Metsikön valtapituuden kasvu Yhtälö: -1.103+3177.4/(Age+4.5)^1.5+802.8/(Hdom^1.8)-3.99*((Hdom+34.7)/Age)^1.2 Mallin antama yksikkö: % (5 vuoden jaksolle!) Mallin sopivuus: Etelä-Suomi, istutetut metsiköt

Kasvumallit: hieskoivu Metsikön tilavuuden kasvu-%:n ennustus Mielikäinen 1985 puulaji = koivu tai muu lehtipuu Metsikön pohjapinta-alan Metsikön valtapituuden Saramäki 1985 Oikarinen 1983 Mielikäinen, Metsikön PPA:n kasvu Muuttujat: A=Metsikön rinnankorkeusikä, BA=Puuston ppa ja BA%b=Koivun osuus metsikön ppa:sta Yhtälö: e^(6.071-1.0491*LN(A)-0.3182*LN(BA)) Mallin antama yksikkö: % (vuotuinen kasvu keskimäärin 5 vuoden jaksolle) Mallin sopivuus: Etelä-Suomi, kivennäismaiden metsiköt Mielikäinen, Metsikön tilavuuden kasvu Muuttujat: A=Metsikön rinnankorkeusikä, V=Puuston tilavuus ja SI50=kasvupaikkaindeksi 50 vuoden iällä Yhtälö: e^(3.601-0.8436*ln(A)-0.2606*ln(V)+0.7597*ln(SI50)) Saramäki, Metsikön valtapituuden kasvu Muuttujat: Age=Metsikön ikä ja Hdom=valtapituus Yhtälö: 3.04105+0.11580*(100-Age)+1.11130*((26-Hdom)/10)^5-2.01025*((26-Hdom)/10)^3 Mallin antama yksikkö: % (5 vuoden jaksolle!) Mallin sopivuus: Kainuu ja Pohjanmaa, ojitettujen turvemaiden metsiköt

Jakaumamallit, Weibull parametrien ennustaminen Läpimittajakauman parametrien ennustaminen - Weibull Mykkänen 1986 Siipilehto 1999 Kilkki 1989 Kuvauspuiden läpimittojen ennustaminen kertymäfunktion avulla Veltheim 1987 Kuvauspuiden pituuksien ennustaminen Mänty, Mykkänen 1986 Muuttujat: DgM=keskiläpimitta ja BA=pohjapinta-ala, lisäksi parametrejä: a, b ja c Yhtälöt: ln(a) = -1.306454+1.154433*ln(DgM) b = (DgM-a)/((-ln(0.5))^(1/c)) ln(c) = 0.647888+0.025530*DgM-0.005558*BA Kertymäfunktio: F(x) = 1-exp(-((x-a)/b)^c) Mallin sopivuus: Koko maa, poislukien Lapin ja Koillis-Suomen metsälaitakunnat Kuusi, Kilkki 1989 Yhtälöt: a = 0.001389+0.517444*DgM ln(b) = -0.346223+0.934993*ln(DgM)-0.000925*BA c = (ln(-ln(0.5)))/(ln((DgM-a)/b)) Mallin sopivuus:E- ja K-Suomi (laadinta-aineiston mukaan) Koivu, Siipilehto 1999 Muuttujat: DgM=keskiläpimitta, A=metsikön rinnankorkeusikä, lisäksi parametrejä: b ja c Yhtälöt: b = DgM/(-ln(0.5))^(1/c) c = 3.7062+0.08632*DgM+0.02185*A Todennäköisyysjakauma: F(x) = c/b*(x/b)^(c-1)*exp(-(x/b)^c) Mallin sopivuus: E- ja I-Suomi, kivennäismaat (laadinta-aineiston mukaan)

Jakaumamallit, Weibull läpimitan ja pituuden ennustaminen Läpimitat kertymäfunktion avulla Esim. kuusi, Kilkki 1989 Pituudet jakaumalla lasketuille puille Pituusmallit: Veltheim 1987, esim. kuusi, kivennäismaa, laaja Muuttujat: (jatkuvat) d=rinnankorkeusläpimitta, DgM=keskiläpimitta, Age=metsikön ikä, TS=lämpösumma, BA=metsikön pohjapinta-ala ja ALT=metsikön korkeus merenpinnan yläpuolella (10 m) (dummyt) SC1=lehto, SC2=lehtomainen kangas, SC3=tuore kangas, SC4=kuivahko kangas, SC5=kuiva kangas, SC6=karukkokangas sekä SC7=kalliomaat ja hietikot Yhtälö: ln(h-1,3)= 3.28747-27.8738/(d+5)+19.6503/(d+5)^2+0.000596058*Age+ 0.00758229*BA-0.145859*(d/DgM)+0.0039764*(TS/10)-0.00200392*ALT-0.013007*(SC1,SC2)-0.0544321*(SC4-SC7) Mallin antama yksikkö: m Mallin sopivuus: Koko maa lukuun ottamatta Koillis-Suomea ja Lappia Muiden puulajien ja turvemaiden malleissa lisäksi dummyt: PEATd=turvekangas ja Y1-Y4=ravinteisuusluokat turvemailla, Huikari (1952, 1974)

Apteeraus Apteeraus Laasasenaho, 1982 Jussin pölkyttäjä Läpimittojen laskeminen rungon eri korkeuksille Laasasenahon (1982) runkokäyrillä  sovitetaan runkoon splini-käyrä Jussin pölkyttäjä: puun kokonaistilavuus lasketaan splini-käyrällä lasketaan tukin päättymiskorkeus tukin minimilatvaläpimitalla  tukin tilavuus lasketaan kuidun päättymiskorkeus kuidun minimilatvaläpimitalla  kuidun tilavuus tukin ja kuidun minimipituusrajoitteet otetaan huomioon katkonnan rajoituksia ei yksinkertaisuuden vuoksi huomioida tukin päättymiskorkeus kuidun päättymiskorkeus latva kuitua tukkia

Harvennus- ja avohakkuukriteerit Ylittää harvennuskriteerit Ylittää avohakkuukriteerit Tapion harvennusmallit E Avohakkuukriteerit keskiläpimitaan ja ikään perustuen (E-Suomi) Keskilpm Omat OMt Mt Vt Ct Clt mä 27 25 23 ku 24 ko Keski-ikä 70 80 100 50 60 Puusto suositellaan harvennettavaksi Kasvamaan jäävä puusto harvennuksen jälkeen keskimäärin Harvennustarpeen määritys Tapion mallien mukaan

Harvennus simulaattorissa Poistettavat läpimittaluokat Kun metsikön pohjapinta-ala ylittää harvennusrajan, metsikköä harvennetaan niin paljon, että saavutetaan jäävän puuston ppa:ssa suosituksen alaraja Kuitenkaan puuston ppa:sta ei koskaan poisteta yli 30 % Harvennus on toteutettu puhtaana alaharvennuksena eli poistetaan pienimmät läpimittaluokat kaikilta puulajeilta (siis ajourien avauksen vaikutusta suurempien läpimittaluokkien kohdalla ei tässä yksinkertaisuuden vuoksi ole huomioitu) Harvennuksen jälkeinen puuston minimiläpimitta säilyy seuraavaan harvennukseen Ongelmia: Keskiläpimitan päivitys harvennuksen jälkeen Runkoluku harvennuksen jälkeen, Vuokilan & Väliahon runkoluvun poistomallit  Tapion harvennusmallit

Simulointituloksia id V Vtukki Vkuitu PPA DgM Ikä kasvatus 1.0 7.4 0.0 0.0 2.0 1.8 6.0 kasvatus 1.0 13.6 0.0 0.0 3.7 3.2 11.0 kasvatus 1.0 19.8 0.0 0.0 5.4 4.7 16.0 kasvatus 1.0 26.0 0.0 0.0 7.1 6.1 21.0 kasvatus 1.0 7.1 0.0 2.6 2.2 7.1 26.0 kasvatus 2.0 170.5 23.3 126.4 25.8 12.0 38.0 kasvatus 2.0 232.1 46.1 167.1 36.7 13.0 43.0 kasvatus 2.0 307.1 73.0 216.2 44.5 14.0 48.0 kasvatus 2.0 391.8 111.3 263.1 52.1 15.0 53.0 kasvatus 2.0 484.0 163.7 302.8 59.7 16.0 58.0 kasvatus 2.0 582.1 231.0 333.4 67.1 17.0 63.0 harv, puusto 2.0 451.8 323.2 122.6 harv, poistuma 2.0 233.1 23.8 198.6 kasvatus 3.0 181.7 155.8 24.1 36.8 27.0 70.0 avohakkuu 3.0 205.0 183.9 16.3 kasvatus 3.0 4.9 0.0 0.0 1.5 1.6 6.0 kasvatus 3.0 9.0 0.0 0.0 2.8 2.9 11.0 kasvatus 3.0 13.1 0.0 0.0 4.1 4.3 16.0 Kasvatus 3.0 17.2 0.0 0.0 5.4 5.6 21.0 kasvatus 3.0 44.0 0.0 4.7 12.1 6.6 26.0

Metsikkösimulaattorin ongelmia Puuttuvat lähtötiedot (valtapituus, runkoluku ja kuoreton pohjapinta-ala)  estimoitava runkolukujakaumasta  estimoidaan keskiläpimitasta, ppa:sta ja iästä  Käytettävien runkolukujakaumamallien avulla lasketut tunnukset eroavat huomattavasti metsikkömallien tuloksista (tilavuus, keskiläpimitta)  Virheet estimoiduissa lähtötiedoissa kertautuvat koko simulointiperiodin yli Keskiläpimitan kasvulle ei metsikkötason mallia  uudistusajankohdan määrittäminen, runkolukujakaumien muodostaminen Taimikon kasvumallien puuttuminen metsikkötasolta Simulaattorilla ei pysty kasvattamaan inventoituja taimikkoja nuoreksi metsäksi uudistuksen jälkeen mahdollisia puulajeja ainoastaan mänty ja kuusi, koska koivulle ei löytynyt taimikon kasvatuksessa tarvittavia lähtöarvoja Metsikkömallit yhden puulajin metsiköille  Ongelmia erityisesti pienillä puusto-osuuksilla Harvennus  Keskiläpimitan päivitys harvennuksen jälkeen  Runkoluku harvennuksen jälkeen, Vuokilan & Väliahon runkoluvun poistomallit  Tapion harvennusmallit Kattaa toistaiseksi E-Suomen kivennäismaat

Malliketjuun tulossa… Tehoisan lämpötilan summa –pintamalli Korkeus merenpinnasta –pintamalli Apteeraus, dynaaminen optimointi Puutason kasvumallit

Tehoisan lämpötilan summa Aineisto Ilmatieteen laitokselta Pitkän ajan keskiarvo (30 v.) Tiheys 10 x 10 km Pisteistö laskettu Ojansuu & Hentonen, 1983 julkaistulla mallilla MELA –mallien muuttujana Mallissa huomioitu Korkeus merenpinnasta Merisyys Järvisyys

Korkeus merenpinnasta 1000 m tarkkuus Ilmainen Näiden pintojen avulla sekä korkeus merenpinnasta että tehoisan lämpötilan summa saadaan suoraan sijaintitiedosta! - Käyttö vaatii siis sijaintitiedon jokaiselta koealalta

Apteeraus Kaikki mahdolliset katkontavaihtoehdot luetellaan esim. 10 cm:n välein Lasketaan kullekin katkontavaihtoehdolle arvo Valitaan parhaimman arvon tuottava vaihtoehto Katkonnan optimoinnin perusedellytyksenä on, että puutavaralajien keskinäinen haluttavuus- tai arvosuhteet voidaan muotoilla matemaattisesti  hintamatriisi, tavoitepainotusmatriisi Runkokäyrä on estimoitava ennen apteerausta  etäisyys tyveltä, lpm ja tilavuus Runkokäyrän tieto + hintamatriisi  arvo

Menetelmä on käytössä lähes kaikilla hakkuukonevalmistajilla Apteerauksessa käytetään Näsbergin väitöskirjassa 1985: ”Mathematical programming models for optimal log bucking” esiteltyä dynaamisen optimoinnin menetelmää Haetaan pisin (arvokkain) reitti tyvestä latvaan käymällä läpi mahdolliset katkontayhdistelmät Menetelmä on käytössä lähes kaikilla hakkuukonevalmistajilla 1 2 6 5 4 3 7 8 9 10 Katkontavaihtoehtojen määrä kasvaa eksponentiaalisesti, kun puun pituus ja tehtävien tukin pituuksien (esim. 34-55 dm -> 31-66 dm, 3 dm:n välein) lukumäärä kasvavat Kuinka monta puuta koealaa kohti on apteerattava, jotta tulos on riittävän luotettava ja kulunut aika siedettävä?

Katkontavaihtoehtojen määrän kasvu Metsäolosuhteissa monitoimikoneella tehtävässä katkonnassa saavutettava arvo puun teoreettisesta arvosta

Simulaattorin malliketjut puutason kasvumallit Puu- ja metsikkötiedot hetkellä i Harvennusmallit Puiden syntyminen, sisäänkasvu Puun elossapysymismallit (kilpailusta johtuva kuolleisuus, vanhenemisesta johtuva kuolleisuus) p1(elossa) K kasvualustana turvemaa E Puun ppa kasvun ennustus Puun h ennustus hetkellä i Suht. tiheystunnusten laskenta Kasvupaikkaind. ennustus Pituusmallin muuttujien päivitys Puun latvussuhteen ennustus Puun läpimitan päivitys Valtapuiden pituus- kasvun ennustus Puun pituuden ennustus hetkellä i+j Puun pituus- kasvun laskenta Puun ppa kasvun ennustus Puun pituuskasvun ennustus Pituuden päivitys Läpimitan päivitys Pituuden päivitys Koealan runkoluvun päivitys N =  Nip(elossa)i Puun elossapysymistodennäköi- syyden skaalaus p(elossa)i = MNp1(elossa)i Suurimman sallittavan runkoluvaun ennustaminen Nmax Skaalausparametrin laskenta MN = f(N, Nmax) E N<Nmax K Apteeraus Puu- ja metsikkötiedot hetkellä i+j K Laasasenaho, 1982 Näsberg 1985 E Uudet puu- ja metsikkötiedot hetkellä i+j Ylittää harvennuskriteerit K Ylittää avohakkuukriteerit E

Kehitysmietteitä eli kuinka malliketjuista tehdään suunnittelujärjestelmä? Tietokantasovellus, joka yhdistää datan, mallit, simuloinnin ja optimoinnin suunnittelujärjestelmäksi, koostuen: "Universaalista" tietomallista tietosisältö vapaasti muutettavissa tietomallia muuttamatta (uudet muuttujat, uudet mittaustavat) voi sisältää hierarkista tietoa aikaulottuvuus spatiaalisen tiedon ja sen muutosten hallinta valmis toteutus Oracle-kantana olemassa Laskentamalleista C:llä toteutetut DLL-kirjastot Laskentaketjuista Laskentamallien ketjutus Oracle-kannassa PL/SQL-proseduureilla Säännöistä Osana laskentaketjuja ohjaavat simuloinnin kulkua

Miksi näin? Tietomalli Oraclella koska: toteutus on jo olemassa ja se toimii ;-) (plus ne syyt, miksi toteutusalustaksi alun perin valittiin Oracle-kanta) Laskentamallit C:llä DLL-kirjastoina koska: "universaalein mahdollinen toteutustapa", siirrettävissä sellaisenaan hankkeen osapuolien omiin ohjelmistoprojekteihin Laskentaketjut PL/SQL:llä koska: Mahdollistaa tietomallin laajentamisen mallilaskenta-osiolla, jolloin mallit ja data voidaan naittaa yhteen jo kannassa => malliketjuille voidaan määritellä haaroja, joiden läpikäyntiä data ohjaa (rajoitteet esimerkiksi maantieteellisen alueen ja lähtötietojen arvoalueen suhteen). Muutokset tietosisällössä, kuten muuttujat ja muuttujien arvot, välittyvät samalla kertaa niin dataan kuin malleille Data ja sovelluslogiikka yhdessä samalla palvelimella. Useita mahdollisuuksia toteuttaa käyttöliittymä (perinteinen sovellus, www-sovellus) tai julkaista laskentajärjestelmä esim. web services-palveluna Kustannukset koko paketti käyttöön sellaisenaan: Oracle Standard Edition One (5 käyttäjää) 760 € + kannan ylläpidon kustannukset (yliopistolla Oraclen kampuslisenssi)