Browsing by Subject "tarkan tiedon malli"

Puunhankinnan suunnittelu voidaan jakaa kolmelle tasolle, eli strategiseen, taktiseen ja operatiiviseen suunnitteluun. Eri puutavaralajien kysyntä ja tarjonta vaihtelevat alueittain. Puutavaralajien määrä on kasvanut ajan kuluessa, mutta hyvällä suunnittelulla määrä voidaan pitää operatiivisesti järkevänä ja kustannustehokkaana. Lisäksi hyvällä puunhankinnan suunnittelulla pystytään vastaamaan eri puutavaralajien kysyntään. Pikkutukki on erikoispuutavaralaji, joka asettuu pituuksiltaan ja läpimitoiltaan osittain kuitu- ja tukkipuutavaralajien kanssa päällekkäin. Pikkutukin katkontaan parhaiten sopivien hankinta-alueiden ja yksittäisten leimikoiden tunnistaminen sekä löytäminen on erityisen tärkeää puunhankinnan logistisen ketjun optimoimiseksi. Tässä työssä tehtiin katkontasimulaatio kahdella eri katkonta-asetuksella, toisessa oli pikkutukki mukana ja toisessa ei. Työn tarkoituksena oli tutkia pikkutukin katkonnan vaikutusta puutavaralajien pölkkyjen keskipituuteen ja -läpimittaan sekä puutavaralajien eräkokoihin. Simuloinnin aineisto koostui 289:stä lohkosta, jotka sijaitsivat erään sahan hankinta-alueella. Tutkielmassa käytettävä laaja aineisto sijoittuu Etelä-Pohjanmaalle, Rannikko-Pohjanmaalle, Keski-Suomeen ja Pirkanmaalle. Aineiston kaikki lohkot olivat päätehakkuita, eikä täten esimerkiksi harvennushakkuita arvioitu tässä tutkimuksessa. Simulointi suoritettiin Metsä Forestin käytössä olevalla katkontasimulaattorilla. Simuloinnin tuloksena oli, että mäntykuidun ja kuusisellukuidun keskieräkoot pienenivät reilusti pikkutukkia katkottaessa, mutta tukkipuutavaralajeihin pikkutukin katkonta ei vaikuttanut. Lisäksi pölkkyjen keskipituuden ja -tilavuuden tarkastelu osoitti, että pikkutukin katkonta vaikutti vain vähän pölkkyjen tunnuslukuihin. Tämän työn päätavoitteena oli löytää pikkutukin katkontaan vaikuttavia muuttujia, joiden avulla voidaan ennustaa pikkutukin määrää. Eri parametrien välisiä korrelaatioita tutkittiin ja näiden testien perusteella laadittiin lineaarisella regressioanalyysillä ennakkotietomallit, jotka ennustavat pikkutukin määrää leimikolla. Ennakkotietomalleja luotiin männylle neljä ja kuuselle kuusi, mutta nämä mallit ennustivat heikosti pikkutukin määrää. Malleja kehitettiin lohkojen simulointitutkimuksena jälkeen saatavalla aineistolla. Näin luotiin tarkan tiedon malleja männylle yhteensä kuusi ja kuuselle viisi. Nämä uudet mallit osoittautuivat hyviksi mäntypikkutukin määrän ennustamisessa. Paras selitysaste mäntypikkutukin määrälle saatiin mallissa, joka huomioi runkoluvun ja mäntyainespuun määrän. Vastaavasti kuusen pikkutukkimäärää parhaiten ennustivat tarkan tiedon mallit, joissa selittäjinä olivat runkoluku ja kuusiainespuun määrä. Lisäksi mänty- ja kuusipikkutukin tarkan tiedon malleissa pelkällä runkoluvulla pystyttiin ennustamaan hyvin pikkutukin määrää. Tässä tutkimuksessa luoduilla malleilla on omat rajoitteensa. Mallit perustuvat erään sahan hankinta-alueen lohkoihin, joten näillä luoduilla malleilla pikkutukin määrää voidaan parhaiten ennustaa kyseisellä alueella samankaltaisissa leimikoissa. Tässä tutkimuksessa käytetyillä menetelmillä voidaan jatkossa luoda malleja muualle Suomeen. Näin voidaan tarkastella sitä, ennustavatko runkoluku- ja puuaineksen määrä hyvin pikkutukkien määrää myös muilla maantieteellisillä alueilla. Nykyinen työ keskittyi päätehakkuisiin, ja tulevaisuudessa samankaltaisten mallien luominen harvennushakkuille olisi mielekästä. Jatkotutkimukset mahdollistaisivat nyt luotujen mallien ja niiden sovellusten käyttöönoton puunhankinnan suunnitteluun.