Large scale forest resource mapping in Norway : an assessment of SR16’s prediction accuracy and economic viability

Abstract

Long-term forest management strategies depend on reliable and up-to-date forest resource information. At the property level, this information can be acquired through forest management inventories (FMI) that describe forest attributes at stand level to support decision-making. At a national level, information of forest attributes is collected by the Norwegian national forest inventory (NFI), which provides annual updates regarding regional or national forest statistics.

Large-scale forest prediction maps of forest attributes, such as SR16, have become available for large parts of the productive forest areas in Norway due to the increased availability of data from airborne laser scanning (ALS) campaigns. SR16 use ground reference values from the Norwegian NFI field sample plots as calibration data for prediction models. The use of NFI field data has its advantages, primarily for cost-saving reasons, but also the possibilities of regular updates of forest attributes as opposed to sporadic updates from NFIs.

This study aimed to assess the prediction accuracy of SR16 predictions for basal area (G), dominant height (Hdom), site index (SI), number of trees (N) and age (A) at plot level (250 m2) against ground reference values. In a subsequent loss analysis, optimal silvicultural management strategies maximising the net present value (NPV) were simulated using ground reference values. In contrast, suboptimal silvicultural management strategies were simulated to maximise the NPV using the presumably erroneous SR16 predictions. Economic losses were defined as the reduction of the NPV using SR16 predictions instead of ground reference values. The data material comprises 552 field sample plots from three regional FMI inventories.

SR16 predictions resulted in prediction accuracies (MD%) of 9.7 % for G, 2.4 % for Hdom, 7.5 % for SI, 6.6 % for N and 2.3 % for A. The results indicate that SR16 provides accurate estimations at a regional level. However, results varied significantly when assessed locally for each inventory project. In the loss analysis, SI and A resulted in the most significant NPV losses, however, observed losses varied significantly between inventory projects. Prediction errors on the remaining variables did not significantly reduce the NPV. In its current form, SR16 cannot be considered a viable replacement for local FMIs, however through the development of new inventory procedures and new methods of predicting SI, it can play a greater role for decision-making in operational forest management in the future.

Langsiktig og rasjonell forvaltning av skogressursene er avhengig av pålitelig og oppdatert ressursinformasjon. På eiendomsnivå kan denne informasjonen bli anskaffet gjennom skogbruksplantakster som beskriver skogforholdene på bestandsnivå og benyttes hovedsakelig av beslutningstakere for avgjørelser knyttet til skogforvaltning. På et nasjonalt nivå samles ressursinformasjon av Landsskogstakseringen som bidrar med årlige oppdateringer vedrørende regional eller nasjonal skogstatistikk. Nasjonale skogressurskart, har gjennom introduksjonen av flybåren laser scanning (ALS) i skogbruksplanleggingen, blitt tilgjengelig for størsteparten av det produktive skogarealet i Norge. Slike skogressurskart, som SR16, benytter feltdata fra landsskogtakseringen som kalibreringsdata til prediksjonsmodeller. Dette har sine fordeler, først og fremst av kostnadsbesparende årsaker, men også på grunn av mulighetene for regelmessige oppdateringer sammenlignet med sporadiske oppdateringer av dagens skogbruksplane. Målet med denne studien var å vurdere nøyaktigheten av prediksjoner fra SR16 for grunnflate (G), dominerende trehøyde (Hdom), bonitet (SI), treantall (N) og alder (A) på prøveflatenivå (250m2 ) sammenlignet med bakkemålte referanseverdier. I en påfølgende tapsanalyse ble optimal skjøtselsstrategi simulert som en maksimering av nettonåverdien for bakkemålte referanseverdier, mens nettonåverdien for «usikre» SR16 prediksjoner ble maksimert gjennom en simulert suboptimal skjøtselsstrategi. Økonomiske tap ble definert som en nedgang i nettonåverdi ved å benytte seg av SR16 prediksjoner. Datamaterialet brukt i denne studien bestod av 552 prøveflater fra tre regionale skogbruksplantakster. SR16 prediksjoner resulterte i en prediksjonsnøyaktighet (MD%) på 9.7 % for G, 2.4 % for Hdom, 7.5 % for SI, 6.6 % for N and 2.3 % for A. Resultatene viser at SR16 gir på regionalt nivå gir presise prediksjoner, men resultatene varierer imidlertid mye når resultatene betraktes på et lokalt nivå. I tapsanalysen resulterte SI og A i de mest signifikante reduksjonene av nettonåverdi, men tapene varierte mye avhengig av takstprosjektene. Prediksjonsfeil hos øvrige variabler reduserte ikke nettonåverdien nevneverdig. SR16 kan i dagens utgave ikke betraktes som en fullverdig erstatning for skogbruksplaner, men kan gjennom utvikling av takstprosedyrer og nye metoder for estimering av SI, utgjøre en større rolle for operativ skogforvaltning i fremtiden.