Developing spatial optimization in forest planning
Heinonen T. (2007). Developing spatial optimization in forest planning. https://doi.org/10.14214/df.34
Tiivistelmä
Metsäsuunnitteluongelma koostuu yleensä monista ristiriitaisistakin tavoitteista ja useasta suunnittelukaudesta. Lisäksi suunnittelualueeseen kuuluu lukuisia metsikkökuvioita. Optimointiongelman ratkaisuavaruus voi olla valtava. Tällöin ongelma on ratkaistavissa vain numeerisilla menetelmillä. Tämän väitöskirjan tavoitteena oli kehittää heurististen optimointimenetelmien soveltuvuutta spatiaalisiin metsäsuunnitteluongelmiin ja vertailla eri heuristiikkojen kykyä ratkaista erilaisia ongelmia. Tavoitteena oli myös kehittää uusia ratkaisumenetelmiä yhä vaikeutuviin spatiaalisiin metsäsuunnitteluongelmiin. Kun perinteisiä paikallisen haun heuristiikkoja sovelletaan metsäsuunnitteluun, tarkastellaan vain yhtä kuviota kerrallaan ja vaihdetaan sen käsittelyä, jos käsittely parantaa ratkaisua. Tässä väitöskirjassa vaihdettiin kahden kuvion käsittelyä samanaikaisesti. Tämä paransi huomattavasti ratkaisun spatiaalista rakennetta varsinkin yksinkertaisempien heuristiikkojen kohdalla. Paikallisen haun heuristiikkojen suorituskyky on riippuvainen hakua ohjaavista parametreista. Tässä väitöskirjassa kehitettiin automatisoitu menetelmä optimaalisten parametrien löytämiseksi. Menetelmällä löydettiin loogiset ja tehokkaat parametrit paikallisen haun menetelmille rajoitetulla hakuajalla. Kuvionrajat on perinteisesti muodostettu pysyviksi, ja yksittäiset kuviot oletetaan ominaisuuksiltaan homogeenisiksi. Tämä voi rajoittaa metsän resurssien tehokasta hyväksikäyttöä. Kaukokartoitusmenetelmien kyky tuottaa yhä luotettavampaa metsikkötietoa on lisännyt kiinnostusta pienipiirteisemmän tiedon käyttöön metsäsuunnittelussa. Tässä väitöskirjassa tutkittiin rasterisolujen käyttöä ja merkitystä metsäsuunnittelussa. Spatiaalisten tavoitteiden avulla rasterisoluista muodostettiin dynaamisia käsittely-yksiköitä. Spatiaalisen optimoinnin ja rasterisolujen avulla pystyttiin samalla puuntuotannon tasolla tuottamaan enemmän vanhan metsän pinta-alaa kuin ennakkokuvioinnilla. Suurten suunnitteluongelmien laskennallista taakkaa voidaan vähentää käyttämällä hajautettuja laskentamenetelmiä. Hajautettuun optimointiin perustuvia soluautomaattia ja redusoitujen kustannusten spatiaalista menetelmää sovellettiin tässä väitöskirjassa spatiaalisiin metsäsuunnitteluongelmiin. Hajautetut lähestymistavat pienensivät ratkaisuavaruutta pieneen osaan paikallisen haun menetelmän ratkaisuavaruudesta, ja näin vähensivät spatiaalisen optimoinnin ajan käyttöä parantamalla samanaikaisesti ratkaisujen laatua.
Avainsanat
metsäsuunnittelu;
spatiaalinen optimointi;
heuristiikka;
n-naapuristo;
soluautomaatti;
varjohinta
-
Heinonen,
University of Joensuu, Faculty of Forestry
Sähköposti
tero.heinonen@joensuu.fi
Julkaistu 7.2.2007
Katselukerrat 3125
Saatavilla https://doi.org/10.14214/df.34 | Lataa PDF
Osajulkaisut
Heinonen, T. & Pukkala, T. 2004. A comparison of one- and two- compartment neighbourhoods in heuristic search with spatial forest management goals. Silva Fennica 38(3):321-332.
https://doi.org/10.14214/sf.419
Pukkala, T. & Heinonen, T. 2006. Optimizing heuristic search in forest planning. Nonlinear Analysis: Real World Applications 7:1284-1297.
https://doi.org/10.1016/j.nonrwa.2005.11.011
Heinonen, T., Kurttila, M. & Pukkala, T. 2007. Possibilities to aggregate raster cells through spatial optimization in forest planning. Silva Fennica 41(1): 89–103.
https://doi.org/10.14214/sf.474
Heinonen, T. & Pukkala, T. 2007. The use of cellular automaton approach in forest planning. Canadian Journal of Forest Research 37: 2188–2200.
https://doi.org/10.1139/X07-073
Pukkala, T., Heinonen, T. & Kurttila, M. 2009. An application of a reduced cost approach to spatial forest planning. Forest Science 55(1): 13–22.
