Abb. 1: Sensorsystem am Ponsse Beaver montiert

Beim Projekt DynaWIS ist ein robustes optisches Sensorsystem unter Leitung von Prof. Dr. Friedbert Bombosch und Prof Dr. Klaus Bobey entwickelt worden, das auf Harvestern während der Holzernte einsetzbar ist. Dieses Sensorsystem erfasst die Waldszene des verbleibenden Bestandes dynamisch in drei Dimensionen und bestimmt online den BHD sowie die Position der stehenden Bäume zueinander.

Für den dynamischen Betrieb am bewegten Harvester ist ein optisches Sensorsystems entworfen und umgesetzt worden, das einen robusten 2D – Laserscanner mit geringer Winkelauflösung sowie eine robuste, hoch auflösende und schnelle Digitalkamera enthält.
Die Verarbeitung der Daten im ersten Schritt ist die Bildanalyse, die zu einem deutlich reduzierten Sensordatensatz führt, der nur noch Informationen zu den Bäumen einer Aufnahme – Baumposition gegenüber dem Harvester und BHD – enthält (Tab. 1). Die entwickelten und angewandten Algorithmen der Bildanalyse verfolgen die Bäume, auch wenn sie zeitweise verdeckt sind, finden die Baumstammkanten, den Fußpunkt der Bäume und berechnen online die Sensordatensätze. Für die Echtzeit – Bildverarbeitung wurde das Embedded System VisionBox mit zwei Prozessorkernen eingesetzt. Ein NIR – Flash sorgt für die Beleuchtung der Szene während der Bildaufnahme (Abb. 1).

Tab. 1: Beispiel für Bestandesrohdaten

Tab. 1: Beispiel für Bestandesrohdaten

Die als offline – Prozess nachgeschaltete Berechnung der Bestandesrohdaten identifiziert die Bäume, die Aufnahmen benachbarter Bestandesausschnitte gemeinsam sind, um daraus eine Transformation zu bestimmen, mit der durch Translation und Rotation die einzelnen Ausschnitte zusammengefügt werden können. In einem weiteren Schritt findet die Clusterung der gefundenen Bäume mit Hilfe der euklidischen Distanz statt, um mehrfach erkannte Bäume durch jeweils einen repräsentativen Baum zu ersetzen.

Ein Funktionsmuster des Sensorsystems ist bei Messeinsätzen am Ponsse – Harvester „Beaver“ in Kiefernreinbeständen bei Salzwedel erfolgreich erprobt worden. Die dabei erzielten Genauigkeiten liegen im Rahmen der alternativen, z.T. historisch gewachsenen Messverfahren.

Die gewonnenen Sensordaten sind mit den Daten des Vermessungssystems des Harvesters kombiniert worden, um beispielhaft zu zeigen, welche Aussagen, Bewertungen und Schlüsse künftig möglich werden.

Nachhaltigkeitsmonitoring /Vertrauensbildung

Mit Hilfe einer einfachen Überblendung der BHD – Häufigkeitsverteilungen von ausscheidendem und verbleibendem Bestand lässt sich schon rein optisch ein Vertrauen zwischen Waldbesitz und z.B. forstlichem Lohnunternehmer herstellen. Die in Abbildung 2 gezeigte Verteilung zeigt deutlich eine wohl gewollte Niederdurchforstung in der Kiefer. Waldbauliche, nutzungstechnische, aber auch jagdliche Gründe können hierfür den Ausschlag gegeben haben. Diese Darstellung könnte neben der Holzliste ein weiterer Bestandteil der Auftragsdokumentation und somit Vertrauensbildung werden.Abb2 DynaWisAbb. 2: Häufigkeitsverteilungen von ausscheidendem und verbleibendem Bestand, hier Niederdurchforstung, Salzwedel / Chüden.

Wertet man die Harvesterdaten, den ASCII – Datensatz des Softwarepaketes OptiList der Firma Wahlers Forsttechnik, dahingehend aus, dass eine Erntefestmeter ohne Rinde / BHD – Beziehung vom ausscheidenden Bestand vorliegt, entstehen weitere interessante Möglichkeiten. Beispielgebend ist diese Regression bei einem Kiefernbestand mit Auslesedurchforstung in Salzwedel / Riebau berechnet worden.

In Abbildung 3 werden die Häufigkeiten von ausscheidendem und verbleibendem Bestand in Riebau gezeigt. Zusätzlich sind die auf der Basis der durch Regression berechneten Ernte- und Bestandesvolumina in Efm o.R. BHD genau dargestellt.

In den nächsten 2-3 Jahren soll nun versucht werden, mit Hilfe von Industriepartnern das System- und Auswertungskonzept marktfähig zu machen. Unter Nutzung höchst aktueller technischer Entwicklung, s. [Pia_12] und [ODO_13], sollte es auch im Outdoor-Bereich möglich sein, deutlich kompaktere und leistungsfähigere Systemkomponenten einzusetzen, die neben der Miniaturisierung auch Effekte bzgl. Treffsicherheit und Genauigkeit erwarten lassen. Mittlerweile, 2015, ist diese Situation erreicht!
[Pia_12] D. Piatti and F. Rinaudo: SR-4000 and CamCube3.0 Time of Flight (ToF) Cameras: Tests and Comparison, Remote Sens. 2012, 4, 1069-1089
[ODO_13]
http://www.odos-imaging.com/

Abb3 DynawisAbb. 3: BHD – Histogramm und Massen (Efm o.R.) der sensorisch und mittels Harvester erfassten Bäume in Riebau

Auswirkungen auf die Europäische Forst- und Holzwirtschaft

Die Vermessungsdaten der Harvester werden meist nur zur Ermittlung der Erntemassen herangezogen und nicht ertragskundlich verwertet. In Kombination mit den sensorisch erfassten Daten erschließen sich für die Forsteinrichtung neue Wege. Ein permanenter Abgleich dieser Daten mit den Daten der Forsteinrichtung bedeutet die Heranziehung messgenauer Bestandesparameter als Basis für die Hiebssatz – Kalkulation.

In dem Kontext messgenauer Stärke- und Masseninformationen als Grunddaten für ein modernes Waldlagermanagement, das nahezu Online mit einem Eingriff die Waldinventur erledigt, stellt sich in der Konsequenz auch die Frage nach dem Sinn von festen Umtriebszeiten. Die Hiebsreife bzw. das Produktionsziel sind erreicht, wenn die Bäume in Stärke und Volumen den Zielanforderungen entsprechen. Dieses Zielstadium sollte im Hinblick einer optimierten Forstproduktion in möglichst wenigen Jahren erreichbar sein. Ein Moment, das im Rahmen der Globalisierung der Märkte und auch Ressourcen eine zunehmende Bedeutung erlangen wird.

Vorerst wird man sich bei diesen Überlegungen auf die Kiefernreinbestände sowie die Laubholzreinbestände beschränken, bis die Technik weitere Felder mit Hilfe der Sensorik erschließen kann.

Betriebsmanagement

Tab. 2: Beispiel eines numerischen Einblicks in das Waldlager (Riebau). Konjunktur abhängige Schwankungen der Holzpreise sind zu beachten.

Tab. 2: Beispiel eines numerischen Einblicks in das Waldlager (Riebau). Konjunktur abhängige Schwankungen der Holzpreise sind zu beachten.

Die bereits darstellten Auswertungen (Abb. 2 u. 3) lassen sich im Hinblick auf das Nachhaltigkeitsmonitoring und die forstbetriebliche Steuerung weiter verfeinern (Tab. 2). Ein ebenfalls wichtiger Aspekt für den Waldbesitzer ist die Information über die mögliche Erntemasse und deren jeweiliger Wert auf der Basis aktueller Kosten- und Erlösvorstellungen. Tabelle 2 macht anhand der BHD – Verteilung und deren Massenbelegung deutlich, dass sich unterschiedliche „Ausbeuten“ ergeben. Diese signifikante Information ist nicht nur für den Waldbesitzer, sondern auch für den Holzkäufer von Interesse, um ganz spezifisch nach Erntebeständen bzw. Erntebäumen zu suchen, vergleichbar mit einem Griff in das Regal im Lager. Da jeweils die BHD – Umgebung mit ihren Massen sichtbar ist, könnte ein solch beschriebener Griff ins Lager unmittelbar mit den Kriterien der Nachhaltigkeit geprüft, freigegeben, eingeschränkt oder verweigert werden. Eine Herausforderung für die Technik wäre dann aufgrund der lagemäßigen Erfassung der Bäume auch deren Auffinden durch den Harvester. Derzeit wäre eine Darstellung auf einer „Karte“ möglich, um die Verteilung zunächst rein okular festzustellen.

Sustainability Balanced Scorecard (SBSC)

Für jeden Eingriff durch den Harvester könnte anhand einer einfachen Dokumentation der Nachweis über nachhaltiges Wirtschaften erbracht werden. Es bietet sich an, die entnommenen Holzmassen und Baumzahlen in Summe und je ha zusammen mit den Daten des verbleibenden Bestandes aufzulisten. Auf Basis eines solchen SBSC – Zertifikats lässt sich auch der Zuwachs bis zum nächsten Eingriff prognostizieren und dessen Eingriffsstärke vorabkalkulieren. Durch Offenlegung messgenauer Bestockungsparameter mit freiem Einblick in das Waldlager würde insbesondere beim Privatwald das Vertrauen zwischen Waldbesitzer, Dienstleister (Harvesterunternehmer) und Holzkäufer gestärkt.

Logistik

Eine Optimierung zukünftiger logistischer Prozesse ist nur möglich, wenn das Waldlager mit allen Daten, insbesondere BHD, Aufarbeitungslänge und prognostizierter Wertentwicklung erfasst ist. Es ist deshalb folgerichtig, dies bei den vorhandenen Waldbeständen mit einem möglichst hohen Anspruch an Genauigkeit z. B. mit DynaWIS zu tun. Die Kenntnis der Daten aus dem ersten Eingriff mit DynaWIS könnten beim nächsten Eingriff in den Bestand eine weitgehend genaue Prognose für die Sortiments- und Durchmesserverteilung anbieten. Eine Datenbank mit diesen Daten könnte auch für Lieferplanungen Bestände mit ähnlichen Dimensions- und Wertentwicklungen zusammenfassen und so bei der betrieblichen Planung wertvolle Hilfe bieten. Für alle weiteren in der Zukunft denkbaren logistischen Planungen ist eine präzise Kenntnis der Daten des Waldlagers eine wichtige Basis. Die Logistikkette beginnt am stehenden Baum und endet beim Kunden.

Eine solide Basis für die regionale aber auch internationale Bewertung, Planung und Umsetzung von Stoffströmen des Rohstoffs Holz auf der Grundlage der Nachhaltigkeit wäre gegeben.

Die Entwicklung der notwendigen Sensorik ist zwischenzeitlich soweit fortgeschritten, dass Interessenten für eine wirtschaftliche Umsetzung gesucht werden.