Testing av tynningsalgoritmen ThinningSelector opp mot reelle tynninger i grandominert (Picea abies (L.) Karst) skog

Abstract

Målet med denne oppgaven var å teste tynningsalgoritmen ThinningSelector på større prøveflater med kjent stikkvei, for å se i hvor stor grad den var i stand til å etterligne hvordan en hogstmaskinfører velger ut trær mellom stikkveiene. Algoritmen ble testet på 8 grandominerte (Picea abies (L.) Karst) prøveflater fra Ringsaker i Hedmark der det var foretatt en tidlig tynning. Datainnsamling ble gjort etter gjennomført tynning, og stubbenes posisjon og diameter ble benyttet til å tilbakeføre skogen til tilstand før tynning. Ved å kalibrere målgrunnflate og antall ønskede fremtidstrær var algoritmen i stand til å klassifisere mellom 70 og 80 % av grunnflaten mellom stikkveiene på samme måte som maskinføreren hadde gjort det. Det ble tillatt en variasjon rundt den reelle grunnflaten etter tynning på 2 %. Algoritmen simulerte lavtynning på en god måte, med unimodale diameterfordelinger. Algoritmen vil være egnet som en del av et system for å hjelpe maskinfører å ta avgjørelser, der maskinfører med større oversikt over kvalitet og andre hensyn kan overstyre mellom de enkelte trær. Algoritmen vil dermed kunne hjelpe til å holde en jevn tynning over tid, med god oversikt over hvilke trær som kan fjernes for å nå en ønsket grunnflate med god romlig fordeling. Abstract The aim of this study was to test the thinning algorithm ThinningSelector on larger test plots with known striproads. The purpose of this was to see to what degree the algorithm managed to simulate the way a harvester-operator chooses trees between the striproads. The algorithm was tested on 8 Spruce (Picea abies (L.) Karst) dominated test plots located in Ringsaker in Hedmark county, Norway, where an early thinning had been conducted. The data collection was done after the thinning, and position and diameter of stumps was used to revert the forest to its before thinning condition. After calibrating target basal area and number of croptrees the algorithm managed to classify 70-80 % of the basal area in the same way as the harvester operator. A variation around the real basal area of 2 % was allowed for these simulations. The algorithm satisfactory simulated thinning from below, resulting in unimodal diameter distributions. The algorithm is applicable as a part of a system to assist harvester operators in making decisions, where the operator has a greater control over quality issues and other considerations. This way he can choose other trees in specific situations, while the algorithm helps keeping the thinning even over time and giving suggestions to which trees can be removed while keeping to the desired basal area and an even spacing.