POTENCIAL DE USO Y LIMITACIONES DE DATOS RECOLECTADOS POR COSECHADORAS FORESTALES: MAPAS DE PRODUCTIVIDAD Alejandro OLIVERA 1, Rien VISSER 2

Transcripción

1 POTENCIAL DE USO Y LIMITACIONES DE DATOS RECOLECTADOS POR COSECHADORAS FORESTALES: MAPAS DE PRODUCTIVIDAD Alejandro OLIVERA 1, Rien VISSER 2 1. Resumen Las cosechadoras forestales utilizadas en Uruguay y la región tienen la capacidad de generar y guardar datos al estar equipadas con una serie de sensores y computadoras de abordo. Estos datos pueden contener información detallada por árbol cosechado, clasificación de trozas y uso del tiempo durante la operación. Si estas máquinas están equipadas con un Sistema Satelital de Navegación Global (GNSS), también se pueden registrar coordenadas geográficas e información de tiempo asociados a cada árbol cosechado y a cada etapa de la operación de la máquina. Esta información no solamente ofrece una herramienta de navegación en tiempo real para auxiliar al operador, sino también, genera oportunidades de obtener reportes detallados de producción del bosque cosechado y de la productividad de la operación. Un uso potencial de estas tecnologías es la generación de mapas de productividad forestal que pueden ayudar a recrear con gran detalle las variaciones en productividad dentro de los rodales cosechados. La obtención de mapas de productividad forestal puede servir para entender variaciones en productividad en una escala reducida y explorar la factibilidad de un manejo sitio específico en rotaciones futuras. 2. Harvesters y el estándar StanForD Las maquinas del sistema de cosecha de corte a medida o CTL (Cut to Length en inglés) desarrolladas en Escandinavia han sido extensamente adoptadas en las operaciones de cosecha en países como Uruguay, Brasil y Chile. El sistema CTL se compone típicamente por dos tipos de máquinas: cosechadora (harvester), que apea y procesa (desrama, descorteza y troza) a los árboles en trozas; y autocargardor que extrae las trozas del rodal. Las harvesters, están equipadas con computadoras para control de las funciones del cabezal de cosecha. Estas computadoras frecuentemente tienen también la capacidad de recolectar datos de los arboles cosechados, de la operación de cosecha y de funciones de la máquina. Los datos se recolectan automáticamente provenientes de: el sistema de medición que el cabezal tiene incorporado, un Sistema Satelital de Navegación Global (GNSS) (si lo posee) y registros ingresados manualmente por el operador (Möller et al., 2011). Toda esta información es guardada en la memoria de la computadora como archivos bajo un de-facto estándar llamado StanForD (Standard for Forest Data and Communication), el cual es usado por los mayores fabricantes mundiales de harvester, forwarder, cabezales y sistemas de control (Arlinger & Möller, 2007). En el presente integran el comité de StanForD las siguientes empresas: Dasa, LogMax, Parker Hannifin Corp., Komatsu Forest AB, Ponsse Oy, Rottne AB, John Deere Forestry, SDC y CGI. 2 Existe un serie de archivos que se pueden generar usando StanForD (25 en total) (Skogforsk, 2007). Para la gestión (o manejo) forestal y de operaciones de cosecha forestal los archivos más comúnmente usados son.prd,.apt,.drf y.stm. Los archivos.apt son generados por el usuario mientras que los demás son generados automáticamente por las máquinas. prd Archivos de producción, resumen de producción del harvester. Estos archivos contienen un resumen del volumen, número de árboles y de trozas clasificadas por categoría; este resumen puede estar referido a un determinado periodo de tiempo (turno, día, semana) o una unidad de cosecha 1 Centro Universitario de Tacuarembó, Universidad de la Republica, Uruguay, Ruta 5 Km 386,200, Tacuarembó, Uruguay 45000, teléfono (+598) , alejandro.olivera@cut.edu.uy 2 Escuela Forestal de Nueva Zelanda, Universidad de Canterbury, Christchurch, Nueva Zelanda

2 (rodal, bloque, etc.) apt Instrucciones de cortes. Son las instrucciones de corte que el usuario programa para que la maquina maximice el valor de los arboles cosechados o cumpla con una orden de producción. Incluye una matriz de dimensiones y precios por tipo de producto. pri Archivos de producción individual. Estos archivos contienen información de volumen, largo y diámetros de cada árbol cosechado y cada troza cortada. drf Monitoreo de la operación. Estos archivos incluyen división del tiempo durante la operación e información de mantenimiento y reparación. Requiere intervención del operador stm Datos de árboles. Contienen información detallada de cada árbol procesado incluyendo secciones de diámetro medidas cada 10cm a lo largo del fuste. Mientras que la cantidad de información contenida en los archivos pude ser muy útil para la gestión forestal y de operaciones de cosecha; la extracción, almacenaje y análisis de dicha información es compleja. Algunos fabricantes de maquinaria generan sus propias soluciones para sobreponerse a esta limitante ya sea incorporando aplicaciones en el software de control del cabezal o produciendo algún software independiente para que los usuarios puedan extraer dicha información en formato de reportes. Otro factor fundamental en el uso de datos recolectados automáticamente por harvesters es la calidad de la información que se genera. Para ello la capacitación de operadores, gerentes y encargados de las operaciones de cosecha y el correcto uso del sistema de control es fundamental. Al igual que la capacitación, el uso responsable de tal herramienta con calibraciones frecuentes y controles de calidad de las operaciones es de vital importancia para asegurar la buena calidad de la información recolectada. 3. Usos de los datos Un uso obvio esta información es el reporte de producción diario o por turno cuya información puede obtenerse de archivos drf y/o prd. Adicionalmente, datos recolectados en el formato de archivos stm o pri pueden ser de gran utilidad para evaluar el volumen real cosechado de un rodal y chequear la precisión de las predicciones que se hace a partir de inventarios o el uso de modelos de predicción de stock de madera. Cuando los harvesters son adecuada y frecuentemente calibrados, es muy probable que la información de volumen de árboles y madera total cosechada sea más precisa que la proveniente de parcelas de inventario porque constituye un censo de los arboles cosechados y mediciones a lo largo de cada fuste procesado. Un ejemplo de esto es mostrado en el Gráfico 1 en el cual se usaron datos obtenidos de un harvester operando en una plantación Eucalyptus maidenii en Uruguay para correlacionar tanto la altura comercial como el volumen individual con el DAP (diámetro a la altura del pecho) de aproximadamente 2,000 árboles cosechados (Olivera & Visser, 2014). Si los harvesters están equipados con receptores GNSS y su función está configurada para incluir la información en los archivos StanForD, la posición de la maquina al momento de apeo del árbol puede ser registrada y almacenada (Gráfico 2). La inclusión del receptor GNSS permite que la computadora del harvester registre datos de longitud, latitud, altitud y en algunas máquinas también información de día y hora cuando cada árbol fue apeado. Esta información es almacenada en archivos stm. Adicionalmente, los archivos drf (Cuadro 1) registran con la intervención de operador una serie de sub actividades (procesamiento, traslado, paradas) de la maquina durante el turno de trabajo (Gráfico 3). Varios estudios han demostrado que cuando los operadores usan este sistema en forma adecuada, la información es muy efectiva para evaluar la productividad de las máquinas y las estadísticas de trabajo (CRC for Forestry, 2010; Gerasimov et al., 2012; Linhares et al., 2012; Olivera & Visser, 2014). 50

3 Gráfico 1. Volumen y altura comercial en función del DAP. Origen: datos de archivos stm Gráfico 2. Indicación visual del Visual del avance del harvester en el rodal cosechado, cada punto violeta representa un árbol cosechado. Varios fabricantes de maquinaria ofrecen herramientas de navegación que pueden incorporar mapas para auxiliar al operador en el trabajo en el campo. Cuadro 1. Información extraída de archivos drf files mostrando actividades realizadas y datos de producción Tiempo de inicio Tiempo de finalización Volumen (m 3 ) Número de trozas Consumo de combustible (l) Distancia recorrida (m) Tipo de trabajo Numero de arboles :25: :39: Viaje camino :39: :55: Cosecha :55: :58: Viaje terreno :58: :54: Cosecha :54: :55: Viaje terreno 0 51

4 Gráfico 3. Proporciones de tiempos parciales (% del total) de actividades desarrolladas por un havester dentro del turno de trabajo. El seguimiento de la maquinaria de cosecha durante el turno de trabajo con la adición de un navegador GNSS y la generación de archivos que incluyen información geográfica hacen posible evaluar la productividad de estas máquinas relacionada a características del terreno (relieve, características del suelo) y del bosque/plantación (densidad de plantación, volumen individual, numero de productos a extraer). 4. Oportunidades potenciales de uso mapas de productividad forestal Mientras los usos de datos generados automáticamente por harvesters descriptos son oportunidades exploradas por investigadores, contratistas y empresarios forestales en el mundo, existen usos potenciales que pueden contribuir a mejoras en la gestión forestal y de operaciones forestales. Mapas de productividad forestal con información de volúmenes y calidad de productos con un gran nivel de detalle puede ser una herramienta muy útil tanto para investigación como para la toma de decisiones en la siguiente rotación. Acceder a información detallada de variaciones de productividad dentro de rodales puede auxiliar a gerentes e investigadores en la toma de decisiones de la silvicultura a emplear en la siguiente rotación (densidad de plantación, fertilizaciones, origen de plantas). Adicionalmente, con esta información, es posible, definir, actualizar o complementar estudios de índices de sitio, modelos de productividad y funciones de volumen. Con base en esta información, las variaciones en volumen dentro de rodales pueden ser evaluadas y las áreas con productividad similar estratificadas. La estratificación del sitio en base a su productividad puede servir como herramienta para orientar evaluaciones se terreno como ser muestreo de suelos para así entender mejor el impacto de propiedades del suelo en la productividad forestal. Por ejemplo; con información obtenida de archivos stm (que incluían coordenadas geográficas) de una operación forestal en plantaciones de Eucalyptus spp., Olivera (2016) desarrolló una metodología para crear mapas de productividad forestal. La metodología consiste en: primero determinar una resolución espacial adecuada para trabajar con estos datos (Olivera & Visser, 2015). Luego, usando dicha resolución espacial (un tamaño de celda adecuado), el volumen de todos los arboles dentro de cada celda se suman y se expresa en m 3 ha -1. Luego con el auxilio de un Sistema de Información Geográfico como ArcGIS y el empleo de técnicas geo-estadísticas, usando dicha resolución se generan mapas de productividad como el que se muestra en el Gráfico 4. El mapa presenta el área del rodal clasificada en cuatro estratos de productividad, mostrando claramente que hay diferencias dentro del rodal. 52

5 Gráfico 4. Mapa de productividad forestal (m 3 ha -1 ) producido a partir de datos recolectados automáticamente por un harvester. Origen: adaptado de Olivera (2016). 5. Limitaciones de uso Aunque existe un gran potencial de uso de datos generados automáticamente por máquinas de cosecha usadas en el sistema CTL particularmente harvesters su uso en regiones que han adoptado esta tecnología (Uruguay, Brasil, Chile, Australia, Nueva Zelanda) es aun limitado o en algunos; en algunos casos incipiente. A continuación se enumeran algunas razones que han limitado dicho uso (CRC for Forestry, 2010; Olivera, 2016): El desconocimiento de dicha capacidad de generación de datos por parte de propietarios de maquinaria y gestores forestales constituye la principal limitante. Aunque se conozca dicho potencial, la implementación de su uso es un proceso complejo que involucra entrenamiento y compromiso en el uso adecuado tanto de operarios como gerentes y responsables involucrados en las operaciones y gestión forestal. Frecuentemente la complejidad de manejo de la información (extracción, almacenamiento y procesamiento) desanima a los actores involucrados con la consecuente decisión de no usar la información. La inconsistencia en la presentación de los datos y la cantidad de información generada entre sistemas de control (o fabricantes) y/o versiones, hace difícil la terea de elaborar bancos de datos provenientes de diferentes marcas de máquinas. Conflictos de intereses entre contratistas y empresas forestales frecuentemente son una barrera para la implementación del uso de estas informaciones. En estos casos, los datos son recolectados por un contratista (dueño de las maquinas) las plantaciones/bosques pertenecen a una empresa forestal. Ambas partes pueden diferir en el objetivo de uso como ser que se usen datos de productividad para manejar tarifas de servicios. Factores como la no percepción de valor en el uso de esta tecnología/datos y resistencia a cambios son reconocidos también como limitantes a su uso. Por información y análisis más detallados de etas limitantes, se puede consultar los siguientes 53

6 trabajos: Palander et al. (2013), Purfürst citado en Eriksson et al. (2014). 6. Conclusión Harvesters no son solamente cosechadoras de madera sino un potente recolector de datos. Como tal existen varias oportunidades de uso de esta información para mejorar tanto la gestión forestal como de las operaciones de cosecha. El aprovechamiento de estas oportunidades, dependerá en última instancia del conocimiento de las capacidades del sistema y de la percepción de valor que este pueda agregar al proceso por parte de gestores forestales y propietarios de maquinaria. 7. Referencias Arlinger, J. & Möller, J Information Exchange With CTL Nachines, Recent Development of StanForD A Communication Standard. Trabajo presentado en la 3 Conferencia de Ingenieria Forestal, Mont-Tremblant, Quebec, Canada. CRC for Forestry Enhancing Forest Machine Efficiency: Onboard Computer Selection and Implementation Guide. Retrieved from Onboard-Computers-WEBLINK-21_031.pdf. Eriksson, M., & Lindroos, O. (2014). Productivity of harvesters and forwarders in CTL operations in northern Sweden based on large follow-up datasets. International Journal of Forest Engineering, doi: / Gerasimov, Y., Senkin, V. & Väätäinen, K Productivity of Single-Grip Harvesters in Clear- Cutting Operations in the Northern European Part of Russia. European Journal of Forest Research, 131(3): doi: /s Linhares, M., Sette Júnior, C.R., Campos, F. & Yamaji, F.M Eficiência e desempenho operacional de máquinas harvester e forwarder na colheita florestal. Pesquisa Agropecuária Tropical, 42(2): Möller, J., Arlinger, J., Hannrup, B., Larsson, W. & Barth, A Harvester Data as a Base for Management of Forest Operations and Feedback to Forest Owners. Trabajo presentado en la 4 Conferencia de Ingeniería Forestal 'Innovation in Forest Engineering: Adapting to Structural Change', White River, South Africa. Olivera, A Exploring Opportunities for the Integration of GNSS with Forest Harvester Data to Improve Forest Management. PhD, University of Canterbury, Christchurch, New Zealand. Disponible en: Olivera, A. & Visser, R Integration of Harvester Data and Geospatial Information (pp. 7). Rotorua, NZ: Future Forest Research Ltd. Olivera, A., & Visser, R. (2016). Development of forest-yield maps generated from global navigation satellite system (GNSS) enabled harvester StanForD files: preliminary concepts. New Zealand Journal of Forestry Science. DOI: /s x Palander, T., Nuutinen, Y., Kariniemi, A., & Vataainen, K. (2013). Automatic time study method for recording work phase times of timber harvesting. Forest Science, 59(4), doi: /forsci Skogforsk Standard for Forest Data and Communications. Disponible en: 54