Potencial de uso de datos georeferenciados recolectados por cosechadoras forestales Potencial de uso de datos Alejandro Olivera Jornada Técnica Forestal INIA Noviembre 2016
Contenido Características de harvesters Características de datos recolectados Usos y potencial de uso de datos Limitantes - desafíos
Cosecha forestal - Uruguay CTL Sistema de cosecha preferido >60% (80%) Volumen cosechado millones m 3 (MGAP, 2015)
Harvesters - características Dos configuraciones de equipos: Harvester Cabezal en excavadora
Fuente: http://www.dasa.se/forestry-applications Harvesters - características Dos configuraciones de equipos: Harvester Cabezal en excavadora
Harvesters - características Dos configuraciones de equipos: Harvester Cabezal en excavadora Fuente: http://www.dasa.se/forestry-applications
Harvesters - características ha Datos generados Operación forestal Bosque cosechado (forestal) Otros
Harvester y Forwarder Datos Estándar: StanForD (Standard for Forest Data and Communication) Coordinado por Skogforsk Mayores fabricantes de maquinas CTL Evolucion : Clásico -> StanForD2010
Harvesters - datos Datos operación forestal Reporte producción Utilización Consumo combustible
Harvester Datos Forestal
Harvester Tecnología disponible StanForD GNSS (GPS) http://www.timberoffice.com
Harvester Árbol DAP Altura comercial Volumen cosechado y comercial Diámetros c/10cm Identidad del fuste X, Y, Z Momento de corte (yyyymmddhhmm ss)
Harvester Troza Largo Diámetros (extremos y medio) Volumen Clasificación comercial Identidad en el fuste
Datos usos Método para mapear productividad forestal, densidad, volumen individual medio y/o valor Origen de la idea - Agricultura
Datos mapas usos Clasificación sitio. Estratificación de inventario próxima rotation Tratamientos (fertilización, densidad) Evaluaciones a escala operativa (calidad, mat. genético )
Datos forestal ej. Biomasa aérea y tocones Moller, 2011 Validación estimaciones LiDAR
Datos potencial Reconciliación de inventario Ecuaciones de volumen Datos para modelos Evaluación de modelos/proyecciones
Limitantes y desafíos - Uso Desconocimiento Uso correcto de la tecnología calidad (calibraciones/control de calidad) Entrenamiento (qué, cómo y por qué?) Conflicto de intereses (contratistas vs empresa forestal) Cultura (resistencia al cambio) Percepción de valor (CRC for Forestry 2010)
Limitantes y desafíos - Tecnología Manejo de la información (recolección, almacenamiento, procesamiento) Standard hecho para otra realidad Software limitados Inconsistencias entre maquinas y versiones
Resumen Cantidad de información estandarizada - CTL Calidad de datos <-> calidad de la operación Útil gestión de la operación y gestión forestal Útil a varios niveles Uso incipiente Existen limitantes y desafíos Nada sucede sin el interés de los usuarios de la información.
Gracias! Alejandro.olivera@cut.edu.uy Cel: (+598) 98 500 106
Preguntas!!!
Gracias! Alejandro.olivera@cut.edu.uy Cel: (+598) 98 500 106
Información adicional. Olivera, A. (2016). Exploring opportunities for the integration of GNSS with forest harvester data to improve forest management. PhD thesis, University of Canterbury, New Zealand. http://ir.canterbury.ac.nz/handle/10092/11829 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: 10.1186/s40490-016-0059-x Olivera, A., Visser, R., Acuna, M., & Morgenroth, J. (2015). Automatic GNSS enabled harvester data collection as a tool to evaluate factors affecting harvester productivity in an Eucalyptus spp. harvesting operation in Uruguay. International Journal of Forest Engineering. doi: 10.1080/14942119.2015.1099775 Olivera, A., & Visser, R. (2014) Integration of Harvester Data and Geospatial Information. Harvesting technical note HTN07-03. Future Forest Research Ltd. Rotorua, New Zealand. http://www.skogforsk.se/stanford