AT520253A2

AT520253A2 - Verfahren zur selektiven Holzernte

Info

Publication number: AT520253A2
Application number: ATA50607/2018A
Authority: AT
Original assignee: Umweltdata G M B H
Priority date: 2018-07-16
Filing date: 2018-07-16
Publication date: 2019-02-15
Also published as: WO2020014719A1; AT520253A3

Abstract

Die Erfindung betrifft ein Verfahren zur selektiven Holzernte in einem Forstbestand und eine dazugehörige Vorrichtung (1) zur Fällung und/oder Ästung, welche ein Fahrzeug (F), sowie ein Aufnahmemodul (3) und eine Steuerung (4), die auf Daten zugreifen kann, umfasst und das Fahrzeug (F) durch den Forstbestand bewegt wird und selektiv fällt und ästet, und das Aufnahmemodul (3) dabei den Bestand erfasst um die Navigation des Fahrzeuges (F) zu unterstützen. Aufgabe ist es die Optimierung der Holzernte zu verbessern und Fehler zu minimieren. Diese Aufgabe wird erfindungsgemäß dadurch gelöst, dass das Aufnahmemodul (3) mindestens einen Entscheidungsparameter erfasst und die Steuerung (4) damit in Echtzeit eine Entscheidung zur selektiven Fällung und Ästung trifft.

Description

Z U S A M M E N F A S S U N G

Fig.

/ 20

21955AT

Die Erfindung betrifft ein Verfahren zur selektiven Holzernte in einem Forstbestand und eine Vorrichtung zur Fällung und Ästung, welche ein Fahrzeug, sowie ein Aufnahmemodul und eine Steuerung, die auf Daten zugreifen kann, umfasst und das Fahrzeug durch den Forstbestand bewegt wird und selektiv fällt und ästet und das Aufnahmemodul dabei den Bestand erfasst um die Navigation des Fahrzeuges zu unterstützen. Die selektive Holzernte kann da bei unterschiedliche Ziele verfolgen, die unter Umständen mehrere Jahrzehnte in der Zukunft liegen, wie beispielsweise die Optimierung des Holzertrages, die Erhöhung der Stabilität oder der Biodiversität des Waldbestandes.

Unter Fahrzeug verstehen sich hier auch neben klassischen Fahrzeugen auch Maschinen, die zur Fortbewegung geeignet sind, wie spinnenartige Schreitmaschinen.

Derartige Vorrichtungen und Verfahren zur selektiven Holzernte in einem Forstbestand sind beispielsweise durch selbst fahrende Holzerntemaschinen, die auch im deutschsprachigen Raum Harvester genannt werden, bekannt. Diese Holzerntemaschinen können bemannt oder unbemannt aufgrund von aufgenommenen Daten zur Navigation einen Baum des Forstbestandes, der zur Fällung bestimmt ist, auffinden. Dieser Baum kann beispielsweise in einfacher Art und Weise vorher mit einer eisenhaltigen Farbe gekennzeichnet werden und die Holzerntemaschine erkennt diesen, bewegt sich zu ihm und fällt ihn.

Fällungsentscheidungen könnten derzeit beispielsweise, wenn alle nötigen Daten des Forstbestandes vorhanden sind in folgender Art und Weise durchgeführt werden:

Es werden zumindest zwei Messungen zu unterschiedlichen Zeitpunkten des Durchmessers zumindest eines Baumes durchgeführt, die relevantesten Bedingungen für das Wachstum des Baumes sind bekannt. Die Berechnung eines zukünftigen Durchmessers erfolgt anhand eines Waldwachstumsmodells. Die Fällungsentscheidung erfolgt anhand dieses Modells. Dies geschieht um am Tag der Fällung gezielt die Bäume anfahren zu können, die gefällt werden sollen.

/ 20

Dabei ist dieses Verfahren sehr fehleranfällig, da verschiedene Einflussfaktoren nach dem letzten Messpunkt nicht mehr berücksichtigt werden können und die

Durchmesser der Bäume in der Regel stark von den mit dem Modell bestimmten

Durchmessern variieren.

Eine andere Möglichkeit besteht, wenn Messungen unmittelbar oder kurz vor der Fällung durchgeführt werden und die Fällungsentscheidung aufgrund dieser einmaligen Messung erfolgt. Diese Methode lässt jedoch keine Prognose und keine Optimierung hinsichtlich eines bestimmten Zeithorizonts zu, wie es mithilfe des oben angegebenen Waldwachstumsmodells möglich wäre, beispielsweise die wirtschaftliche Optimierung für ein Zeitfenster von zwanzig Jahren.

Aufgabe der vorliegenden Erfindung ist es ein Verfahren und eine Vorrichtung anzugeben, die eine gute Optimierung der selektiven Holzernte in einem Forstbestand zulässt und bei der Fehler minimiert werden.

Diese Aufgabe wird durch ein eingangs erwähntes Verfahren erfindungsgemäß dadurch gelöst, dass das Aufnahmemodul mindestens einen Entscheidungsparameter erfasst und die Steuerung damit in Echtzeit eine Entscheidung zur selektiven Fällung und Ästung trifft. Dadurch ist es mögliche genaue Optimierungen genau zum benötigten Zeitpunkt anzustellen.

Dadurch sind keine umständlichen Messungen zu mehreren Zeitpunkten nötig, sondern es ist nur eine einmalige Aufnahme nötig, aus der Daten gebildet werden, wie dies bei allen anderen Verfahren gemacht wird und eine zweite Aufnahme am Tag der Forstung, direkt bei der Forstung. Die Fehler und Abweichungen vom Modell werden dadurch reduziert und das bedingt maximale Flexibilität und höchste Reaktionsgeschwindigkeit bei geänderten Gegebenheiten.

Eine Vorrichtung löst diese Aufgabe mit den oben genannten Vorteilen erfindungsgemäß dadurch, dass die Steuerung mit dem Aufnahmemodul und dem Fahrzeug signalleitend verbunden ist und eine Rechenleistung aufweist, sodass eine Fällungsentscheidung - vorzugsweise unter Einsatz von zumindest einem Modell - in Echtzeit getroffen wird.

Es ist günstig und einfach realisierbar, wenn zumindest eine Dicke eines Baumes als Entscheidungsparameter durch das Aufnahmemodul aufgenommen wird.

/ 20

Um eine bessere Abschätzung oder Berechnung des Wertes eines Baumes abgeben zu können, ist es von Vorteil, wenn eine Höhe eines Baumes als

Entscheidungsparameter durch das Aufnahmemodul aufgenommen wird.

Um bessere Zukunftsprognosen abgeben zu können ist in einer besonderen Variante des Verfahrens vorgesehen, dass zumindest eine Größe einer Krone eines Baumes als Entscheidungsparameter durch das Aufnahmemodul aufgenommen wird.

Dies ist ebenfalls gut möglich, wenn die Stellung zu benachbarten Bäumen eines Baumes als Entscheidungsparameter durch das Aufnahmemodul aufgenommen wird.

Um den Wert des Baumes bestimmen zu können, ist es günstig, wenn zumindest die Baumart als Entscheidungsparameter aus Aufnahmen des Aufnahmemoduls durch die Steuerung bestimmt wird.

Es ist besonders vorteilhaft, wenn das Aufnahmemodul eine Einheit zur Jahrringserfassung aufweist und Jahrringanzahl und/oder Jahrringdicken der einzelnen Bäume des Forstbestandes durch diese Einheit des Aufnahmemoduls gemessen werden. Durch die Bestimmung der Jahrringanzahl oder der Jahrringdicken ist es möglich das Wachstum eines Baumes im Verlauf der Jahre zu bestimmen und auch das zukünftige Wachstum eines anderen Baumes oder des Waldes im Allgemeinen besser zu modellieren.

Dabei ist es günstig, wenn die Einheit zur Jahrringserfassung zumindest ein Sägewerkzeug und zumindest einen optischen Aufnehmer aufweist.

Die Einheit zur Jahrringserfassung umfasst ein Sägewerkzeug wie eine Kettensäge, die mit einem optischen Sensor kombiniert ist. Der optische Sensor erfasst während des Schnitts die Anzahl der Jahrringe in der Nähe des Mittelpunkts des Stamms und die Dicke der Jahrringe. Daraus lässt sich das jährliche Wachstum genauestens ableiten.

Es ist in einer besonderen Ausführung vorgesehen, dass das Aufnahmemodul eine Einheit zur Entnahme und Analyse von Bodenproben aufweist, und dass bei Verarbeitung der Aufnahmen durch das Aufnahmemodul gespeicherte Daten aus / 20 früheren Erfassungen - vorzugsweise durch die Vorrichtung durchgeführte Erfassungen - des Forstbestandes verwendet werden.

Um vor allem in abgelegenen Forstbeständen eine schnelle Berechnung zu gewährleisten, ist es günstig, wenn die Steuerung am Fahrzeug angeordnet ist und die Fällungsentscheidungen in der Steuerung am Fahrzeug getroffen werden.

Um die hohen Rechenleistungen auslagern zu können und zu ermöglichen, dass große Steuerungen stationär in einem idealen Umfeld hinsichtlich Kühlung und Sauberkeit aufzubewahren, ist es günstig, wenn die Steuerung außerhalb des Fahrzeuges angeordnet ist und das Fahrzeug mit der Steuerung zur Signalübertragung verbunden ist, sodass eine Fällungsentscheidung in Echtzeit getroffen werden kann und an das Fahrzeug übertragen werden kann.

Es ist besonders günstig, wenn die Fällungsentscheidung hinsichtlich der Wirtschaftlichkeit für einen vorgegebenen Zeithorizont optimiert wird. Dadurch ist es möglich die Möglichkeiten des erfindungsgemäßen Verfahrens in idealer Weise auszunutzen.

Die Navigation der Vorrichtung wird wesentlich erleichtert, wenn das Fahrzeug ein globales Navigationssatellitensystem (GNSS) aufweist und das Fahrzeug mit Hilfe dessen navigiert und seine Position bestimmt.

Um aktuelle Daten beispielsweise für eine Forstdatenbank zu generieren, ist in einer günstigen Ausführung vorgesehen, dass das Aufnahmemodul ein Lasermodul zur aufweist und die Geometrie und/oder die Lage von Baumoberflächen in hoher Auflösung aufgenommen werden.

Eine gute und günstige Alternative dazu stellt eine Variante dar, bei der das Aufnahmemodul zumindest eine Kamera, vorzugsweise eine Digitalkamera umfasst und die Kamera vorzugsweise mit zumindest einem Laserprojektor ausgestattet ist, wobei die Kamera besonders bevorzugt eine Stereokamera ist und wenn mit dieser Kamera - vorzugsweise während der Fahrt - und/oder mit einer Stereokamera, in mehrere Richtungen - bevorzugt in jeder Orientierung - Bilder vom Forstbestand aufgezeichnet werden.

/ 20

Um die 3D-Rekonstruktion aus den Bilddaten der Stereo-Kamera besser, schneller und genauer zu ermöglichen ist es günstig, wenn ein Laserprojektor während der

Fotoaufnahmen Lichtpunkte auf die Umgebung projiziert und die Lichtpunkte in den

Aufnahmen beim Image-Matching-Verfahren berücksichtigt werden.

Dabei ist es günstig, wenn aus den Bildern Geometrie und Lage der Baumoberflächen, sowie das Aussehen der Baumoberfläche stereophotogrammetrisch ausgewertet werden.

Alternativ ist eine gute Lösung möglich, wenn das Aufnahmemodul ein Radarmodul und/oder ein Ultraschallmodul aufweist und mit diesen die Geometrie und/oder die Lage der Baumoberflächen des Forstbestandes aufgenommen werden.

Besonders vorteilhaft und genau gelingen Aufnahmen des Forstbestandes, wenn das Aufnahmemodul einen Hyperspektralsensor zur visuellen und automatischen Erkennung von Baumarten, Baumvitalität oder Baumschäden aufweist und das Fahrzeug Baumarten und/oder Baumvitalität und/oder Baumschäden mithilfe dessen automatisch erkennt.

Um die Genauigkeit des Verfahrens für die Zukunft immer weiter zu verbessern, ist es günstig, wenn durch die aufgenommenen Daten - vorzugsweise durch Jahrringserfassung - ein Waldwachstumsmodell verbessert wird, wobei dies besonders bevorzugt in Echtzeit durchgeführt wird

In der Folge wird die Erfindung anhand eines nicht einschränkenden Ausführungsbeispiels in der Figur näher erläutert.

In der Figur ist eine Vorrichtung 1 zur Fällung und Ästung gezeigt, die sich durch einen Forstbestand bewegt, der durch einen einzelnen Baum symbolisch dargestellt wird. Die Vorrichtung 1 umfasst dabei ein Fahrzeug F und dieses weist dabei an einem Greifarm 2 und ein Aufnahmemodul 3 auf. Das Aufnahmemodul 3 dient der Aufnahme von Daten des Forstbestandes. Dabei umfasst das Aufnahmemodul 3 je nach Ausführung eine Einheit zur Jahrringserfassung J, ein Lasermodul, eine Stereokamera, ein Ultraschallmodul, einen Hyperspektralsensor und einen Laserprojektor zum Image Matching mit den Bildern der Stereokamera.

/ 20

Am Greifarm 2 ist außerdem eine Vorrichtung zur Astung A, die als Säge ausgeführt ist angeordnet. Diese dient dazu, eine Wertastung an noch lebenden Bäumen durchzuführen.

Zum schnellen Entfernen der Äste nach der Fällung sind am Greifarm 2 zwei walzenförmige Schnittwerkzeuge W vorgesehen. Diese sind jedoch für die Wertastung ungeeignet, da sie dem Baum zusätzliche Verletzungen der Rinde zufügen können.

In der gezeigten Ausführung ist die Steuerung 4 fest außerhalb des Fahrzeuges F angeordnet und sendet zum Fahrzeug F und empfängt vom Fahrzeug F die Informationen über eine Signalverbindung S, die durch ein Funksymbol angedeutet ist.

In einer alternativen Ausführung, die in der Figur strichliert dargestellt ist, ist die Steuerung 4 am Fahrzeug F verbaut. Das ist vor allem in abgelegenen Gebieten praktisch, da dort die Verbindung zwischen einer entfernt angeordneten Steuerung 4 und dem Fahrzeug F möglicherweise durch die jeweiligen Gegebenheiten weniger einfach möglich ist.

Diese Steuerung 4 übernimmt die Auswertung von den vom Aufnahmemodul aufgenommenen Messwerten und Daten. Darüber hinaus errechnet die Steuerung 4 unter Benutzung von bereits bekannten Daten, die von vorausgegangenen Aufnahmen und Forstinventuren herrühren, mithilfe von Waldwachstumsmodellen eine Wachstumsprognose und führt Anpassungen am Waldwachstumsmodell durch.

Das Verfahren sieht dabei beispielsweise folgendermaßen aus: Das Fahrzeug F nähert sich einem ersten Baum an und bestimmt mit dem Lasermodul des Aufnahmemoduls 3 durch Distanzmessung die Höhe und den Durchmesser des Baumes. Weiters wird die Umgebung des Baumes betrachtet, so wird seine Distanz zu den benachbarten Bäumen und die Größe seiner Krone durch das Aufnahmemodul aufgenommen. Durch den Hyperspektralsensor und aufgrund der in einer Datenbank gespeicherten Daten wird der Baum von der Art A erkannt. Zu ihm ist außerdem bekannt oder es wird anhand der Aufnahmen bestimmt, für welche Verwendung der Baumstamm genutzt werden kann wie beispielsweise als Brennholz oder als Konstruktionsholz und was sein derzeitiger monetärer Wert ist. Nun findet während und nach der Aufnahme dieser Baumdaten eine Berechnung in / 20 der Steuerung statt, wie sich dieser Baum in der Zukunft entwickeln wird und ob es sinnvoller ist, diesen ersten Baum jetzt oder in der Zukunft zu asten oder zu fällen oder ob es sinnvoller ist einen benachbarten Baum diese Behandlung zukommen zu lassen.

So wird bei einer Fichte, die nahe an einer vielversprechenden Zirbe oder an einer besonders schönen Furniereiche steht eher die Entscheidung zur Fällung fallen, um der Furniereiche oder der Zirbe mehr Raum zu geben und ihr somit die Möglichkeit zum weiteren Wachstum zu geben, da ihr Holz einen höheren Wert hat, als der Wert einer Fichte, die eher als Konstruktionsholz für den Bau eingesetzt wird.

Dabei kann diese Fällungsentscheidung so getroffen werden, dass der wirtschaftliche Nutzen für einen bestimmten Zeitraum, beispielsweise die nächsten fünfzig Jahre maximal sein soll. Die Berechnung kann in einer alternativen Ausführung auch hinsichtlich einer anderen Größe optimiert werden, beispielsweise der Stabilität des Waldbestandes gegen Sturmschäden.

Wenn eine Fällungsentscheidung getroffen wird, kann mit einem Sägewerkzeug der Einheit zur Jahrringserfassung J eine Aufnahme der Jahrringe gemacht werden. Dabei werden durch einen optischen Aufnehmer die Anzahl der Jahrringe und zusätzlich die Dicke der einzelnen Jahrringe bestimmt.

Zum erfindungsgemäßen Verfahren werden vor dem Zeitpunkt der Fahrt (t+1) mit dem Fahrzeug F der Vorrichtung 1 Messungen zu einem Zeitpunkt t und zu einem früheren Zeitpunkt (t-1) durchgeführt und in einer Datenbank gespeichert. Dabei wird beispielsweise der Durchmesser dt und dt-1 zum Zeitpunkt t und zum früheren Zeitpunkt (t-1) aufgenommen oder die Höhe Ht und Ht-1 und die Größe Gt und Gt-1 der Krone des Baumes. Die Verhältnisse des Wetters und andere Faktoren für das Wachstum wt und wt-1 zum Zeitpunkt t und zum früheren Zeitpunkt (t-1) sind bekannt. Die bekannten Werte werden für die Anpassung eines geeigneten Waldwachstumsmodells herangezogen. Die Messung der Werte zum Zeitpunkt der Fahrt (t+1) wird am Fahrzeug F durchgeführt: So werden der Durchmesser dt+1, die Höhe Ht+1 und die Größe Gt+1 der Krone des Baumes am Fahrzeug F durch das Aufnahmemodul 3 bestimmt, diese Werte werden in das Waldwachstumsmodell eingepflegt und dieses tagesaktuell verbessert. Eine Optimierung erfolgt online in Echtzeit durch die Steuerung 4. Dabei wird ein Waldwachstumsmodell verwendet, das beispielsweise folgendermaßen aufgebaut sein kann:

/ 20 dt+i=a. dt+β . dt-i+y.wt+δ . wt-i

Dabei bezeichnen die griechischen Buchstaben α, β, γ und δ. Parameter, die aufgrund der Messungen adjustiert werden können und die die Eigenschaften des

Forstbestandes angeben.

Aus dem Stand der Technik ist diese Art von Waldwachstumsmodellen wohl bekannt. Derzeit werden Fällungsentscheidungen derart getroffen, dass Messungen des Durchmessers zum Zeitpunkt t und zu einem früheren Zeitpunkt t-1 durchgeführt werden und die Verhältnisse wt und wt-1 sind wiederum bekannt. Dann wird anhand dieser Daten für den Zeitpunkt der Fahrt ein Wert anhand des Waldwachstumsmodells erstellt und aufgrund dessen wird die optimierte Fällungsentscheidung getroffen. Die Ergebnisse aus dem Waldwachstumsmodell stellen nur eine grobe Abschätzung dar und die Fällungsentscheidung kann somit je nach Aktualität der Messdaten stark von der durch das erfindungsgemäße Verfahren getroffenen Fällungsentscheidung abweichen.

In einer praktikablen Alternative werden zu einem Zeitpunkt vor der Fahrt die Messungen durchgeführt und dementsprechend Anpassungen durchgeführt. Dies verringert zwar den Fehler, ist aber durch diese zusätzliche Messung um einiges aufwändiger und kostenintensiver.

Dabei kommt AI (artificial intelligence) in der sogenannten Precise-Forestry zur Anwendung. Durch die erfindungsgemäße Vorrichtung werden Hilfestellungen für die Entscheidungen bei der Holzernte geliefert, insbesondere bei der Durchforstungsauszeige.

Airborne Laserscanning (ALS) wird in vielen Regionen der Erde dazu verwendet, die Eigenschaften der Wälder zu erfassen und zu kartieren. Insbesondere die Baumhöhen und die Dichte der Bäume können auf diese Weise sehr genau bestimmt werden. Alternativ oder in Ergänzung zu dieser Fernerkundungsmethode wird Laserscanning auch vom Stativ oder von Fahrzeugen aus eingesetzt, um die Eigenschaften von Bäumen zu bestimmen.

In diesem Fall können vor allem die Baumpositionen und Durchmesser der Stämme sehr genau bestimmt werden, inklusive der Veränderungen der Durchmesser inklusive der Baumhöhen. Auf diese Weise ist es möglich, stehende Bäume in / 20

Rundholz-Sortimente zu zerlegen und deren Verkaufswert noch vor einer allfälligen

Holzernte abzuschätzen.

Laserscanning vom Flugzeug aus, wird als Airborne Laserscanning (ALS) bezeichnet oder Laserscanning vom Stativ aus, wird als terrestrisches Laserscanning (TLS) bezeichnet, TLS liefert zusätzlich Baumkoordinaten und Durchmesser in unterschiedlichen Höhen.

Laserscanner werden zunehmen von der Automobilindustrie eingesetzt, um autonomes Fahren zu unterstützen und in hoher zeitlicher und räumlicher Auflösung andere Verkehrsteilnehmer zu erkennen und deren Annäherungsgeschwindigkeiten und Richtungen abzuleiten. Die führt dazu, dass immer kleinere, leistungsfähigere und kostengünstigere Laserscanner auf den Markt kommen. In Skandinavien wurden bereits erfolgreiche Versuche abgeschlossen, Baumerntemaschinen (Harvester) mit Laserscannern ( = Harvester-Laserscanning, HLS) auszustatten und damit die Lage- und Durchmesserinformation der umliegenden Bäume ähnlich des Einsatzes von TLS zu bestimmen. Im Falle einer Durchforstung, bei der in der Regel nur 20-40% der Bäume eines Waldbestandes gefällt werden, kann mit Hilfe solcher Daten der Zustand des Waldes vor und nach dem Durchforstungseingriff dokumentiert werden.

Durchforstungen (DF) sind in aller Regel Pflegeeingriffe, die das Zuwachspotential auf Bäume mit dem höchsten zu erwartenden Wertzuwachs, der größten Produktivität (zum Beispiel aufgrund der Größe der Baumkrone) und der besten Qualität lenken. Die Bäume stehen grundsätzlich hinsichtlich Wasser, Nährstoffen und Licht in Konkurrenz. Eine DF greift steuernd in diese Konkurrenzsituation ein, führt zu hohem Wertzuwachs, stabilen Beständen und vorzeitiger Erntereife.

Ein Waldbestand, der bis zu seiner Ernte mehrmals optimal durchforstet wird, erreicht seine Reife (z.B. Zieldurchmesser) früher, liefert eine höhere Holzqualität und ist in der Regel resistenter gegen Windwurf und Schneebruch. Für die Erzielung eines finanziellen Ertrages in der Forstwirtschaft ist dies von großer Bedeutung, denn durch diese selektiven Eingriffe lässt sich die Produktivität auf einer begrenzten Fläche signifikant steigern.

Die Klassifizierung der Bäume eines Waldbestandes in jene, die aufgrund ihrer Eigenschaften als förderungswürdig gelten und jene, die im Zuge einer / 20

Durchforstung als unerwünschte Konkurrenten vorzeitig gefällt werden sollen, wird als „Auszeige bezeichnet. Sie erfordert Erfahrung und forstliche Ausbildung, zudem ist sie wegen der mühsamen Fortbewegung im dichten Wald zeitaufwändig. Letztlich muss die Person, welche die Auszeige durchführt, sehr rasch entscheiden, welchen Bäumen in den kommenden Jahrzehnten der größte Wertzuwachs zugetraut wird, und welche Bäume als „Bedränger entnommen werden.

Aus Kostengründen wird diese Wert-entscheidende Tätigkeit dem Harvesterfahrer überlassen, der von seiner Position in der Steuerkabine nicht den nötigen Überblick hat und dadurch eine suboptimale Auswahl trifft.

Die Erfindung soll diesem Mangel abhelfen und betrifft ein auf Sensoren basiertes in den Harvester integriertes Expertensystem, das während der Holzernte in Echtzeit regelbasiert die Fällungs-Entscheidung übernimmt. Dabei wird die Wachstumsprognose für jeden einzelnen Baum des Waldbestandes inklusive seiner erwarteten Reaktion auf einen Durchforstungseingriff hergeleitet.

Die Simulation und Vorhersage des Wachstums der einzelnen Bäume eines Waldbestandes ist seit mehreren Jahrzehnten Gegenstand wissenschaftlicher Forschung. Es gibt Waldwachstumsmodelle (z.B. MOSES, entwickelt an der Universität für Bodenkultur), die bisher nur zu Forschungszwecken zum Einsatz kommen konnten, weil die großflächige Verfügbarkeit der erforderlichen EingangsParameter (z.B. Baumpositionen, Baumhöhen, Größe der Baumkronen, Nährstoffund Wasserversorgung), aus denen die Konkurrenzsituation beurteilt werden könnte, bisher nicht gegeben war. Diese und noch eine Vielzahl weiterer Parameter stehen in Zukunft durch Harvester-basiertes Laserscanning (HLS) zur Verfügung.

Die Verarbeitung von HLS-Daten inklusive der Verarbeitung der Information von Zusatzsensoren in Echtzeit ist neu.

Die Laserscanning-Daten werden in besonderen Ausführungen durch Digital-Fotos von den Stämmen ergänzt und mit der Digital-Kamera gekoppelter BilderkennungsAlgorithmen, welche dazu dienen die Baumart aus dem Rindenmuster und der Rindenfarbe automatisch herzuleiten.

Die Baumart wird mittels Bilderkennung aus Rindenmuster und -farbe identifiziert. Vorhandene Geodaten zur Beschreibung von Bodeneigenschaften, Geologie, / 20

Niederschlag, Temperatur, Sonneneinstrahlung werden berücksichtigt. Bei den gefällten Bäumen werden Jahrringbreiten gemessen, um Information über das bisherige Wachstum zu erhalten. Ergänzend werden Bodenproben entnommen und analysiert. Diese werden aus verschiedenen Tiefen entnommen und analysiert. Die Ergebnisse der Messungen des Aufnahmemoduls werden für die Berechnung und der Wachstumsmodellierung berücksichtigt. Wegen der Fülle der Eingangsdaten werden die Daten mithilfe neuronaler Netze (DeepLearning Algorithmen) verarbeitet.

Es werden nicht nur bestehende Waldwachstumsmodelle mit den vorhandenen und während des Erntevorganges zu gewinnenden Daten in Echtzeit angewandt, sondern diese Modelle werden mit Hilfe der Datenfülle entweder erweitert oder mittels neuronaler Netze (DeepLearning Algorithmen) neu generiert.

In jedem Fall ist es vorteilhaft, die Waldwachstums-Prognosemodelle während des Erntevorganges laufend durch die gewonnenen Daten zu kalibrieren.

Um das Wachstum eines Baumes während der vergangenen Jahre zu ermitteln, kann die Breite seiner Jahrringe analysiert werden, daraus wird ein Volumswachstum abgeleitet. Dazu wird die Schnittfläche, die beim Auftrennen eines Stammes in einzelne Holzstücke (Bloche) entsteht, fotografiert und die Jahrringbreite auf den Bildern ausgewertet. Dieser Vorgang kann bereits durch eine automatische Analyse des Bildes durchgeführt werden.

Eine mögliche erfindungsgemäße Zusatz-Vorrichtung für ein Expertensystem beinhaltet eine Kamera, die unmittelbar nach einem Trennschnitt die Schnittfläche fotografiert und das Bild einer Analyse der Jahrringbreiten unterzieht.

Es werden in Echtzeit die oben beschriebenen Sensor-Daten verarbeitet und die Vorrichtung kalibriert sich laufend während der selektiven Holzernte selbst, sodass in der Waldentwicklung nach dem Durchforstungseingriff der optimale Wertzuwachs, die höchste Biodiversität sowie die beste Stabilität und Risikominimierung gegenüber Waldschäden gewährleistet ist. Als Zusatzergebnis stehen nach dem Durchforstungseingriff, der selektiven Holzernte flächendeckend detaillierte Einzelbaum-Daten zur Verfügung.

/ 20

Bei Bedarf greift die Steuerung der Vorrichtung während der Durchführung des

Verfahrens für seine Berechnungen auch auf Klima- und/oder Jahrringdatenbanken zu.

Laserscanning-Daten vom Harvester können noch nach weiteren Kriterien ausgewertet werden. Eine Möglichkeit ist die Interpretation des Gelände-Reliefs. Nährstoffe und Wasser sammelt sich in Mulden und verflüchtigt sich rasch von Kuppen oder steilen Hängen. Es lässt sich somit bis zu einem gewissen Grad vorhersagen, ob ein einzelner Baum im Vergleich zu den Bäumen seiner unmittelbaren Umgebung auf einem eher begünstigten oder eher benachteiligten Kleinstandort wächst. Diese Information kann beim Fällen mit den Jahrringbreiten verglichen und insgesamt in den Auszeige-Entscheidungs-Algorithmen verwertet werden.

Auch die Ausdehnung der Baumkronen und die gegenseitige Abschattung der Baumkronen bei unterschiedlichen Sonnenständen kann anhand der Laserscanningdaten abgeschätzt werden und mit den Jahrringbreiten verglichen werden.

Somit stehen wichtige Eingangsgrößen zur Beurteilung der Konkurrenzsituation jedes einzelnen Baumes mit seinen Nachbarbäumen zur Verfügung. Sie können mit den aus den Jahrringbreiten herleitbaren Zuwächsen verglichen und zur laufenden Kalibrierung der Zuwachs-Prognosemodelle herangezogen werden.

Die Zuwachsprognosemodelle wiederum dienen dazu, in Echtzeit die Auszeige der zu fällenden Stämme so zu optimieren, dass der zukünftige Wertzuwachs des Waldbestandes maximiert wird.

Eine nützliche Zusatzeinrichtung für derartige Precise-Forestry-Anwendungen kann zusätzlich eine Vorrichtung beinhalten, die mittels Bohrsonden Bodenproben in unterschiedlicher Tiefe des Waldbodens entnimmt, wodurch die Nährstoffversorgung des Mineralbodens kleinflächig analysiert werden kann.

Das Zusammenspiel der gespeicherten Geodaten, des akkumulierten Wissens, das durch den Vergleich zurückliegender Sensordaten entstanden ist und die aktuellen Messwerte der Sensoren ermöglichen bei Verfügbarkeit der entsprechenden Rechenleistung eine auf den maximalen Ertrag und / oder ein minimiertes / 20

Ausfallsrisiko hin optimierte Ernteentscheidung für den einzelnen Baum. Das System liefert zudem nach dem Ernteeinsatz einen Datensatz, der alle verbleibenden Bäume und deren Zuwachsprognose beinhaltet und dem Forstmanagement für weitere Bewirtschaftungsfragen zur Verfügung steht.

/ 20

Claims

P A T E N T A N S P R Ü C H E

1. Verfahren zur selektiven Holzernte und zur selektiven Behandlung in einem Forstbestand mit einer Vorrichtung (1) zur Fällung und/oder Ästung, welche ein Fahrzeug (F), sowie ein Aufnahmemodul (3) und eine Steuerung (4), die auf Daten zugreifen kann, umfasst und das Fahrzeug (F) durch den Forstbestand bewegt wird und selektiv fällt und ästet, und das Aufnahmemodul (3) dabei den Bestand erfasst um die Navigation des Fahrzeuges (F) zu unterstützen, dadurch gekennzeichnet, dass das Aufnahmemodul (3) mindestens einen Entscheidungsparameter erfasst und die Steuerung (4) damit in Echtzeit eine Entscheidung zur selektiven Fällung und Ästung trifft.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass zumindest eine Dicke eines Baumes als Entscheidungsparameter durch das Aufnahmemodul (3) aufgenommen wird.
3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass zumindest eine Höhe H eines Baumes als Entscheidungsparameter durch das Aufnahmemodul (3) aufgenommen wird.
4. Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass zumindest eine Größe G einer Krone eines Baumes als Entscheidungsparameter durch das Aufnahmemodul (3) aufgenommen wird.
5. Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, dass die relative Stellung und/oder der Abstand eines Baumes zu benachbarten Bäumen als Entscheidungsparameter durch das Aufnahmemodul (3) aufgenommen wird.
6. Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, dass zumindest die Baumart als Entscheidungsparameter aus Aufnahmen des Aufnahmemoduls (3) durch die Steuerung (4) automatisch bestimmt wird.
7. Verfahren nach einem der Ansprüche 1 bis 6, dadurch gekennzeichnet, dass das Aufnahmemodul (3) eine Einheit zur Jahrringserfassung (J) aufweist, und Jahrringanzahl und/oder Jahrringdicken der einzelnen Bäume des

15 / 20

Forstbestandes durch diese Einheit des Aufnahmemoduls (3) - vorzugsweise während der Fällung - gemessen werden.
8. Verfahren nach einem der Ansprüche 1 bis 7, dadurch gekennzeichnet, dass das Aufnahmemodul eine Einheit zur Entnahme und Analyse von Bodenproben aufweist.
9. Verfahren nach einem der Ansprüche 1 bis 8, dadurch gekennzeichnet, dass bei Verarbeitung der Aufnahmen durch das Aufnahmemodul gespeicherte Daten aus früheren Erfassungen - vorzugsweise durch die Vorrichtung durchgeführte Erfassungen - des Forstbestandes verwendet werden.
10. Verfahren nach einem der Ansprüche 1 bis 9, dadurch gekennzeichnet, dass Fällungsentscheidungen und/oder Behandlungsentscheidungen in der Steuerung (4) am Fahrzeug (F) getroffen werden.
11. Verfahren nach einem der Ansprüche 1 bis 9, dadurch gekennzeichnet, dass Fällungsentscheidungen und/oder Behandlungsentscheidungen in einer Steuerung (4) außerhalb des Fahrzeuges (4) getroffen werden und das Fahrzeug (F) mit der Steuerung zur Signalübertragung verbunden ist.
12. Verfahren nach einem der Ansprüche 1 bis 9, dadurch gekennzeichnet, dass die Fällungsentscheidung hinsichtlich der Wirtschaftlichkeit und/oder hinsichtlich der Stabilität gegenüber Windwurf für einen vorgegebenen Zeithorizont optimiert wird.
13. Verfahren nach einem der Ansprüche 1 bis 12, dadurch gekennzeichnet, dass die Geometrie und/oder die Lage von Baumoberflächen in hoher Auflösung von einem Lasermodul des Aufnahmemoduls (3) aufgenommen werden.
14. Verfahren nach einem der Ansprüche 1 bis 13, dadurch gekennzeichnet, dass das Fahrzeug mit Hilfe eins globalen Navigationssatellitensystems (GNSS) navigiert und seine Position bestimmt.
15. Verfahren nach einem der Ansprüche 1 bis 14, dadurch gekennzeichnet, dass mit zumindest einer Kamera des Aufnahmemoduls (3) - vorzugsweise
16 / 20 während der Fahrt - und/oder mit einer Stereokamera, in mehrere Richtungen

- bevorzugt in jeder Orientierung - Bilder vom Forstbestand aufgezeichnet werden.

16. Verfahren nach Anspruch 15, dadurch gekennzeichnet, dass zumindest ein Laserprojektor während der Fotoaufnahmen Lichtpunkte auf die Umgebung projiziert und durch die Lichtpunkte in den Aufnahmen ein Image-MatchingVerfahren unterstützt wird.
17. Verfahren nach Anspruch 15 oder 16, dadurch gekennzeichnet, dass aus den Bildern Geometrie und Lage der Baumoberflächen, sowie das Aussehen der Baumoberfläche stereo-photogrammetrisch ausgewertet werden.
18. Verfahren nach einem der Ansprüche 1 bis 17, dadurch gekennzeichnet, dass mit einem Radarmodul des Aufnahmemoduls (3) die Geometrie und/oder die Lage der Baumoberflächen des Forstbestandes aufgenommen werden.
19. Verfahren nach einem der Ansprüche 1 bis 18, dadurch gekennzeichnet, dass mit einem Ultraschallmodul des Aufnahmemoduls (3) die Geometrie und/oder die Lage der Baumoberflächen des Forstbestandes aufgenommen werden.
20. Verfahren nach einem der Ansprüche 1 bis 19, dadurch gekennzeichnet, dass mithilfe eines Hyperspektralsensors des Aufnahmemoduls (3) Baumarten und/oder Baumvitalität und/oder Baumschäden automatisch erkannt werden.
21. Verfahren nach einem der Ansprüche 1 bis 20, dadurch gekennzeichnet, dass durch die aufgenommenen Daten - vorzugsweise durch Jahrringserfassung - ein Waldwachstumsmodell verbessert wird, wobei dies besonders bevorzugt in Echtzeit durchgeführt wird.
22. Vorrichtung (1) zur selektiven Fällung und zur selektiven Behandlung von Bäumen, wobei die Vorrichtung (1) ein Fahrzeug (F) umfasst und zumindest ein Aufnahmemodul (3) und eine Steuerung (4) umfasst und die Vorrichtung (1) zur Durchführung des Verfahrens nach einem der Ansprüche 1 bis 21 geeignet ist, dadurch gekennzeichnet, dass die Steuerung (4) mit dem Aufnahmemodul (3) und dem Fahrzeug (F) signalleitend verbunden ist und

17 / 20 eine Rechenleistung aufweist, sodass eine Fällungsentscheidung vorzugsweise unter Einsatz von zumindest einem Modell - in Echtzeit getroffen wird.
23. Vorrichtung (1) nach Anspruch 22, dadurch gekennzeichnet, dass das Aufnahmemodul (3) eine Einheit zur Jahrringserfassung (J) aufweist.
24. Vorrichtung (1) nach Anspruch 23, dadurch gekennzeichnet, dass die Einheit zur Jahrringserfassung (J) zumindest ein Sägewerkzeug und zumindest einen optischen Aufnehmer aufweist.
25. Vorrichtung (1) nach einem der Ansprüche 22 bis 24, dadurch gekennzeichnet, dass das Aufnahmemodul (3) ein Lasermodul zur Bestimmung der Geometrie und/oder der Lage der Baumoberflächen in hoher Auflösung aufweist.
26. Vorrichtung (1) einem der Ansprüche 22 bis 25, dadurch gekennzeichnet, dass das Fahrzeug ein globales Navigationssatellitensystem (GNSS) aufweist.
27. Vorrichtung (1) nach einem der Ansprüche 22 bis 26, dadurch gekennzeichnet, dass das Aufnahmemodul (3) zumindest eine Kamera, vorzugsweise eine Digitalkamera umfasst und die Kamera vorzugsweise mit zumindest einem Laserprojektor ausgestattet ist, wobei die Kamera besonders bevorzugt eine Stereokamera ist.
28. Vorrichtung (1) nach einem der Ansprüche 22 bis 27, dadurch gekennzeichnet, dass das Aufnahmemodul (3) ein Radarmodul aufweist.
29. Vorrichtung (1) nach einem der Ansprüche 22 bis 28, dadurch gekennzeichnet, dass das Aufnahmemodul (3) ein Ultraschallmodul aufweist.
30. Vorrichtung (1) nach einem der Ansprüche 22 bis 29, dadurch gekennzeichnet, dass das Aufnahmemodul (3) einen Hyperspektralsensor zur visuellen und automatischen Erkennung von Baumarten, Baumvitalität oder Baumschäden aufweist.

18 / 20
31. Vorrichtung (1) nach einem der Ansprüche 22 bis 30, dadurch gekennzeichnet, dass die Steuerung (4) am Fahrzeug angeordnet ist.
32. Vorrichtung (1) nach einem der Ansprüche 22 bis 31, dadurch gekennzeichnet, dass die Steuerung (4) außerhalb des Fahrzeuges (F) angeordnet ist und dass das Fahrzeug (F) mit der Steuerung (4) zur Signalübertragung verbunden ist, sodass eine Fällungsentscheidung in Echtzeit getroffen werden kann und an das Fahrzeug (F) übertragen werden kann.