Nachfrageorientierte Allokation forstlicher Nutzungen unter Einsatz von Laserscanning – am Beispiel der Sägeindustrie : = Demand-oriented allocation of forest products based on laser-scanning – the example of the sawmill industry

Hochschulschrift

Zusammenfassung: Die nachfrageorientierte Allokation von Forstprodukten ist ein typisches Managementproblem. Die dazu benötigten Nutzungsinformationen stammen bislang üblicherweise aus der örtlichen Erfahrung von Revierleitern oder aus den Ergebnissen von Betriebsinventuren. Die erste Informationsgrundlage ist eine ad-hoc-Schätzung für wenige Bestände. Die zweite liefert als Stichprobeninventur erwartungstreue Schätzwerte für den Gesamtbetrieb, aber die Nutzungsmengen einzelner Bestände sind nur mit großem Fehlerrahmen abzuleiten.In Kombination liefern Daten aus luftgestütztem Laserscanning (ALS), die als vollflächige Aufnahme aller (sichtbaren) Bäume vorliegen, und terrestrischem Laserscanning (TLS), wofür nach einem Stichprobendesign für die Grundgesamtheit aller Bäume repräsentative Exemplare ausgewählt und gescannt werden, hingegen für beliebige Flächenausschnitte eines Forstbetriebs konsistente Vorratsinformationen, aus denen sich die Nutzungsmenge und die Sortimentierung ableiten lassen. Dazu wurde eine Methode entwickelt, die auf dem Konzept einer Regressionsstichprobe beruht.Die Untersuchung erfolgte ausschließlich für die Baumart Kiefer (Pinus sylvestris L.). Aus einer vorliegenden Untersuchung, die sich mit der Identifikation von Baumdaten in hexagonalen Flächen beschäftigte, konnten die Kiefern im Untersuchungsgebiet selektiert werden. Nach Verschneidung der vorprozessierten Einzelbaumdaten aus ALS und TLS wurde dafür ein Kollektiv von 77 Bäumen (Kiefern) herangezogen, deren Stämme vollständig in den TLS-Daten identifizierbar waren und denen aus ALS Kronenparameter inklusive der Baumhöhe hALS zugeordnet werden konnten. Über diese Kronenparameter aus ALS wurde über einen linearen Ansatz der Brusthöhendurchmesser (d1,3) mit einem Bestimmtheitsmaß R² von 0,91 geschätzt. Aus einem Teilkollektiv konnte weiterhin der lineare Zusammenhang zwischen d1,3 und einem oberen Stammdurchmesser d7 mit einem Bestimmtheitsmaß R² von 0,97 abgeleitet werden. Über diese beiden Regressionen konnte für jeden Baum aus ALS das Volumen in Abhängigkeit von d1,3, d7 und Baumhöhe (hALS) bestimmt und dem jeweiligen Bestand eindeutig zugeordnet werden. Innerhalb eines Bestandes wurden danach die Durchmesserverteilung und die Volumenverteilung über dem Durchmesser zusammengestellt. Dies erfolgte für alle selektierten Bestände des Untersuchungsgebiets. Diese wurden weiterhin anhand der Durchmesser- und Volumenverteilungen in drei natürliche Altersklassen eingeteilt (geringes, mittleres und starkes Baumholz). Dabei entsprachen die abgeleiteten Durchmesserverteilungen mit nur geringen Abweichungen den realen Verteilungen, die aus drei Testbeständen vorlagen.Nach diesem Validierungsschritt wurden die o. g. Volumenverteilungen über die Weibullfunktion ausgeglichen. Die Nutzungssätze konnten für die waldbaulich üblichen nieder- und hochdurchforstungsartigen selektiven Eingriffe über eine Modifikation der Parameter der Weibullfunktion berechnet werden. Die Nutzungssätze konnten so für jeden Bestand pro Durchmesseklasse hergeleitet und über das Programm BDATpro sortimentiert werden. Dabei wurden pro Bestand exemplarisch drei verschiedene Sortimentskombinationen angenommen, die für unterschiedliche regionale Sägewerke als Abnehmer von Interesse waren. Weiterhin wurden äußere Rundholzqualitätsparameter aus TLS-Daten (Krümmung, Abholzigkeit) quantitativ abgeleitet und die Güte qualitativ über eine traditionelle Güteansprache am stehenden Stamm im Bestand erfasst. Beide Datensätze wurden bestandesweise auf die Nutzungen übertragen. Daraus ergab sich ein sehr differenziertes Bild des Nutzungspotentials. Im Hinblick auf eine detaillierte Nachfrage von Kunden konnte so eine präzise nachfrageorientierte Allokation erfolgen. Zu diesem Zweck waren die aktuellen Anforderungen potentieller Kunden der Sägeindustrie erfasst worden. Dabei zeigte sich, dass seitens der Sägewerke teilweise sehr detaillierte Anforderungen an Rundholz definiert werden können, die sich aus den technischen Einstellmöglichkeiten der installierten Sägelinien ergeben. Die Methodik der Nutzungsmengen- und Sortimentsberechnung wurde zwar flächendeckend durchgeführt aber sie besitzt auch Schwachstellen. Diese liegen weniger in der Methode selbst als in den präprozessierten ALS- und TLS-Daten. Bei einem TLS-Scan wird nicht wie bei einer terrestrischen Stichprobe die Totalität eines Probekreises aufgenommen, sondern die Bäume sind teilweise verdeckt. Ähnliches tritt bei den ALS-Daten in strukturierten Beständen auf, in denen der Oberstand den Unterstand ganz oder in Teilen verdeckt. Die TLS-Daten wurden daher nicht wie eine Probekreis-Stichprobe aufgefasst, sondern als Stichproben von erkannten Einzelbäumen. Dadurch wurde der Nachteil der TLS-Daten umgangen. Die aus den ALS-Daten nicht erkannten Bäume führten bei der Auswahl der Kiefern zu einer leichten Unterschätzung der Baumzahl/ha. Da es sich bei den nicht erkannten Bäumen um unterständige Exemplare handelt, die bei der Sortimentierung von Sägeholz von untergeordnetem Interesse sind, wurde dieses Problem als sekundär eingestuft. Grundsätzlich lässt sich also über die Verknüpfung von ALS- und TLS-Daten das Konzept des Warenlagers Wald umsetzen sowie eine nachfrageorientierte Allokation von Nutzungsanfällen noch vor Beginn der Nutzungsentnahme sehr präzise vorausbestimmen. Damit können seitens des Forstbetriebs alternative Optionen des Einschlags und der Vermarktung verglichen und optimiert werden
Zusammenfassung: Demand-oriented allocation of forest products is a typical management problem. The information regarding possibilities of utilization is usually derived either by local experience and knowledge of forest managers or from inventory results. In the first case, the base of information is an ad hoc estimation for a low number of forest stands. The second case provides unbiased estimates for the whole forest enterprise, but is often an unsuitable base to model the potential utilization volume of all single stands.In contrast, for all areas within a forest enterprise the combined employment of airborne and terrestrial laser-scanning (ALS, TLS) data can provide this consistent information on the growing stock and allows the calculation of utilization volume and assortments. The method that has been developed for this purpose can be described as regression estimator.The present study focused exclusively on Scots pine (Pinus sylvestris L.). All the pine trees in this study area were selected from an existing study of the same area, dealing with the identification of single tree information in hexagonally-shaped areas.The fusion of pre-processed single tree data from ALS and TLS and the exclusion of incomplete trunks in TLS resulted in a sample size of 77 pine trees accomplished with ALS-based crown parameters including tree height information hALS. The diameter at breast height (d1,3) could be estimated by linear regression with ALS crown parameters as independent variables with a coefficient of determination R² = 0,91. The diameter d7 was estimated by simple linear regression using the d1,3 as independent variable resulting in a coefficient of determination R² = 0,97.Single-tree volumes were estimated using these regression estimators by the software BDATpro with the following input data: d1,3, d7 and tree height and each tree’s relation to a stand was given by its coordinates. The diameter distribution and volume distribution is compiled from this data for each selected stand within the study. Furthermore, all stands were assigned to one of the three natural age classes (minor, medium and major size of diameter distribution) based on their diameter- and volume distributions. These showed only small deviations when compared to the real distributions available for three test stands.After this validation, the above-mentioned volume distributions were fitted by the Weibull function and the modification of its parameters allowed modelling the selective harvesting comparable with thinnings from below or thinnings from above.The utilization rates were then modelled per diameter class for each stand in the same way and the assortments were calculated using the bucking simulation in the software BDATpro. For each stand three exemplary combinations of assortments were assumed to fulfil potential customer demands. In addition log quality parameters were derived quantitatively from TLS data (sweep, taper) and the overall quality grade was estimated by traditional stand quality assessment. Both datasets were subsequently assigned to stand harvesting, which resulted for each stand in a detailed list of the respective utilization potential including a precise allocation with respect to detailed customer demand regarding dimension and quality. To model a realistic allocation of the material to existing customers the demand profiles of three regional sawmills were analyzed. Demand was usually formulated in a quite general and unspecific way although some of the sawmills had the potential to further precise actual needs. This methodology of area-wide calculation of utilization volumes and assortments also has its limitations. These are rather related to the pre-processed ALS and TLS data than to the method itself. In TLS scans trees are often hidden in contrast to traditional terrestrial sample plots. The application of ALS data in vertically structured stands leads to similar effects. Trees of the upper canopy layer may prevent detection of the lower trees. Therefore the TLS tree data was not processed like traditional sample plots, but each recognized single-tree was considered as an individual sample. By this means, the mentioned disadvantage of TLS data was avoided. For ALS, tree count per ha was underestimated due to the undetected trees. But these rather suppressed trees are of minor interest with respect to the demand for saw log assortments. However, based on matched ALS and TLS data, the concept of a forest warehouse is principally achievable and demand-driven allocation of logs can be derived from the stands to be harvested prior to the first cut, which allows the forest owner to simulate and optimize alternative product/customer combinations

Object Details

• Alternative title: Demand-oriented allocation of forest products based on laser-scanning – the example of the sawmill industry
• Location: Deutsche Nationalbibliothek Frankfurt am Main
• Extent: Online-Ressource
• Language: Deutsch
• Notes: Albert-Ludwigs-Universität Freiburg, Dissertation, 2015

Classification and Topics

• Classification: Landwirtschaft, Veterinärmedizin
• Keyword: Sägeindustrie ; Allokation ; Rohholz ; Nachfrage ; Forstwirtschaftlicher Betrieb ; Holz ; Holzernte ; Holzqualität ; Holzernte ; Holzversorgung ; Fernerkundung ; Lidar

Contributors, Places and Time

• Event: Veröffentlichung
• (where): Freiburg
• (who): Universität
• (when): 2015
• Creator: Opferkuch, Martin
• Contributor: Becker, Gero

Further information

• DOI: 10.6094/UNIFR/10238
• URN: urn:nbn:de:bsz:25-freidok-102388
• Rights: Der Zugriff auf das Objekt ist unbeschränkt möglich.
• Last update: 14.08.2025, 10:56 AM CEST