Inventura, ocena, monitoring

LogBuch permite la agregación de datos en el monte, con una sencilla evaluación estos datos y su posterior procesamiento. La combinación de la grabación de voz y el botón Bluetooth permite la localización precisa de los árboles con manos libres y la grabación simultánea de información importante sobre el árbol, como las instrucciones de seguridad o la planificación de los procedimientos de trabajo. Se puede determinar el volumen de corte previsto y planificar la corta. Tanto los selvicultores como los operarios del aprovechamiento reciben información detallada (es posible la conexión cruzada con sistemas de terceros).
La tecnología consiste en: un receptor GNSS de 2 frecuencias que se conecta a un smartphone para estimar la posición actual, un botón bluetooth que se utiliza para el análisis del lenguaje. Toda la información hablada puede ser grabada, transcrita y clasificada automáticamente, y la posición actual registrada. La WLAN se utiliza para el intercambio de datos entre el smartphone, el servidor web y otros usuarios. Los datos se pueden exportar como mapa o tabla en formatos georreferenciados o no georreferenciados (xlsx, GeoJson, shp, GPX, map).

Entre sus aplicaciones están la preparación del aprovechamiento de madera, el establecimiento de un "inventario" digital, cartografía (también de plantación) mediante la conexión de puntos registrados, mapeo de pistas de arrastre mediante la función de línea (en base a la certificación o control del aprovechamiento), navegación remota a través de Google Maps. Además, es posible el registro de los árboles del hábitat, apoyo a la organización de la caza (puestos, montería, rutas, etc.) y medidas de seguridad del transporte.

Obecnie identyfikowanie uszkodzeń wywołanych przez kornikowate opiera się w dużej mierze na fizycznych oględzinach drzewostanu. Tego rodzaju monitoring umożliwia stosunkowo łatwe wykrywanie uszkodzeń, kiedy są już one zaawansowane, natomiast trudniej jest wykryć ataki na wczesnym ich etapie.  W związku z tym podejmowano próby identyfikacji ataków kornika za pomocą satelitarnych map radarowych, które są dobrym wskaźnikiem potencjalnych uszkodzeń i można je traktować jako uzupełnienie precyzyjnej analizy oferowanej przez Arboair. Arboair Forest Mapper to usługa, która umożliwia analizę zdjęć za pomocą sztucznej inteligencji. Opracowany algorytm był trenowany przy wykorzystaniu próby ponad 200 000 drzew i sprawdzony przez leśników pod kątem merytorycznym.

Monitoruj swój las pod katem zagrożenia przez korniki w trzech prostych krokach:

1. Zbieranie danych: możesz samodzielnie obsługiwać drona lub zwróć się do nas - skontaktujemy Cię z naszymi partnerami, którzy posiadają specjalistyczne kompetencje i uprawnienia w zakresie obsługi dronów lub dostarczają wysokiej jakosci zdjęcia satelitarne.
2. Analiza: wykrywanie ataków kornika, identyfikacja i liczenie drzew, oznaczanie gatunków drzew, wykrywanie powalonych drzew.
3. Wyniki: przeglądaj na portalu Arboair, prześlij wyniki na własną platformę, pobierz do wykorzystania w QGIS, ArcGIS, Google Earth lub innym oprogramowaniu obsługującym dane GIS.

Cyfrowy tartak to projekt współfinansowany przez szwedzką agencję innowacyjną Vinnova oraz uczestniczące w konsorcjum przedsiębiorstwa: Moelven Industrier, RemaSawco, Schneider Electric, RISE i DigiWood. Celem projektu było zwiększenie efektywności procesu technologicznego w tartaku o 15%, wzrost wartości wytworzonych produków o 10% oraz zmniejszenie zużycia energii o 10% poprzez digitalizację danych produkcyjnych i technologicznych.

Digitalizacja to złożony projekt, który wymaga czasu i zasobów. Ważne jest, aby skupić się na wytyczonych celach. Wymagane jest staranne planowanie inwentaryzacji tartaku, etapów instalacji i wdrażania równoległych systemów dla nowych zautomatyzowanych połączeń. Projekty cyfryzacji przedsiębiorstw wymagają szczegółowych założeń, które są jeszcze bardziej precyzowane na kolejnych etapach, w odniesieniu do klarownych celów przedsięwzięcia.

Produkty z lini Nexum umożliwiają:

• lepszą wizualizację procesów przy mniejszej liczbie ekranów,
• kontrolę przepływów danych,
• dostęp do prztestowanych platform przetwarzających dane,
• synchronizację i kalibrację różnych systemów do mierzenia czasu, zużycia energii lub monitorowania rozmiarów elemenów,
• zapewnienie identyfikowalności na liniach produkcyjnych tartaku dzięki nadmiarowym systemom, które zbierają dane o długości danego elementu z dołączeniem znacznika czasu. 

Działania projektu są nakierowane na uzyskanie całościowego obrazu zmian drzewostanowych w Puszczy Białowieskiej i ich dynamiki (poprzez użycie kilku serii czasowych różnych danych teledetekcyjnych) oraz zmianę punktowego monitoringu (pomiary na powierzchniach naziemnych) na powierzchniowy, w celu poprawy skuteczności prowadzonej na terenie Puszczy ochrony ekosystemów leśnych. Możliwe będzie również wnioskowanie o bioróżnorodności fragmentów Puszczy. Efekty działania opracowanego w projekcie systemu zostaną przedstawione w postaci opracowań i map wskazujących konkretne zmiany i ich przyczyny na przestrzeni lat.

Do głównych celów projektu zaliczono:

• Monitoring dynamiki drzewostanów w Puszczy Białowieskiej (m.in. analiza składu gatunkowego, monitoring zmian w drzewostanach powodowanych zamieraniem świerka i jesionu, ekspansją grabu, itd.),
• Analizę sposobów odnawiania się, odmładzania i regeneracji drzewostanów, w tym z wykorzystaniem naturalnie powstających luk,
• Opracowanie zestawienia różnego rodzaju technik i danych teledetekcyjnych, optymalnego dla potrzeb monitoringu lasów,
• Charakterystykę mikroklimatu Puszczy,
• Promocję Puszczy poprzez materiały multimedialne.

Główne rezultaty projektu:

• Szczegółowa analiza i mapy pokazujące na przestrzeni lat następujące informacje dla Puszczy Białowieskiej: charakterystyka drzewostanów (zasoby drewna na pniu, biomasa, średnia wysokość drzew i średnia pierśnica, pokrycie powierzchni przez korony drzew, różnorodność gatunkowa lasu, skład gatunkowy, budowa pionowa drzewostanu itd.), lokalizacja i zasoby martwego drewna, lokalizacja i wielkość luk, dynamika odnowy naturalnej lasu.
• Aktualna mapa zbiorowisk roślinnych wraz z identyfikacją poszczególnych gatunków drzew.
• Rozwój metod monitorowania drzewostanów Puszczy Białowieskiej przy wykorzystaniu niewielkiej liczby powierzchni naziemnych i dodatkowo danych teledetekcyjnych dla całego obszaru analizy.
• Stworzenie chronologii wzorcowej szerokości słojów i lat wskaźnikowych dla wybranych gatunków drzew.
• Stworzenie geoportalu zawierającego dane przestrzenne dotyczące Puszczy Białowieskiej.

Skogfond został wprowadzony w 1932 r., aby zapewnić finansowanie ponownego zalesiania po wyrębie. W późniejszym okresie do programu dodano także inne działania w obszarze gospodarki leśnej i skorygowano wielkość obowiązkowej wpłaty. Obecnie to właściciel lasu decyduje, jaką część przychodu przeznacza na fundusz leśny, w zakresie od 4% do 40% przychodów ze sprzedaży drewna. Wpłacane środki są zwolnione z podatku, jednakże 15% środków wykorzystanych z funduszu podlega opodatkowaniu.

Fundusz leśny przypisany jest do danego gospodarstwa leśnego i powinien być wydatkowany na prowadzenie gospodarki leśnej, budowę dróg leśnych, inwentaryzację lasów, produkcję choinek, szkolenia dla właścicieli lasów lub pracowników leśnych, realizację działań w zakresie ochrony środowiska oraz tworzenie i rozbudowę instalacji energetycznych zasilanych biomasą. Odsetki od środków zgromadzonych na funduszu nie są przekazywane właścicielom, a wykorzystywane na potrzeby zarządzania funduszem i realizację działań na rzecz społeczności związanej z lasem, takich jak upowszechnianie informacji wśród właścicieli lasów i w placówkach edukacyjnych, realizację projektów rozwojowych etc. Rząd Norwegii postrzega Skogfond jako jedno z najważniejszych narzędzi polityki leśnej tego kraju.

Celem projektu ChainWood jest zaprojektowanie i opracowanie bezpiecznej infrastruktury informatycznej opartej na technologiach blockchain i Internecie Rzeczy, dostosowanej do potrzeb wszystkich łańcuchów dostaw drewna, która pozwoli uczestnikom rynku maksymalnie wykorzystać posiadane dane i efektywniej zarządzać produktami pod względem kosztów, identyfikowalności i zrównoważonego rozwoju. Główne rozwiązania oferowane w ramach opracowanego systemu to: zabezpieczenie transakcji, wiarygodna informacja w czasie rzeczywistym, częściowa automatyzacja procesów, dostęp do danych jakościowych, poprawa konkurencyjności.

Korzyści: 

• dla producentów: informacje w czasie rzeczywistym o ilości i stanie produktów. 
• dla przemysłu przetwórczego: dostęp do ogromnego źródła danych o surowcach, pozwalający firmom na optymalizację procesów zaopatrzenia i uproszczenie zarządzania działalnością operacyjną. 
• dla firm operacyjnych: przejrzystość i zabezpieczenie transakcji przy maksymalnym wykorzystaniu nowoczesnych technologii. 
• dla organów kontroli: obniżenie kosztów audytu i kontroli, a także lepsza wiedza nt. łańcuchów dostaw. 
• dla firm logistycznych: informacje pozwalające na optymalne zarządzanie flotą samochodów i efektywniejsze świadczenie usług. 
• dla organów administracji publicznej: lepszy dostęp do danych o drewnie, pozwalający na bardziej elastyczne i efektywne zarządzanie procesami w obszarze odpowiedzialności danej jednostki. 

W ramach projektu Cross-Forest powstaje wspólna platforma dla otwartych danych o lasach i transgraniczny model danych (ontologia) dla Portugalii i Hiszpanii, której celem jest udostępnianie danych z inwentaryzacji lasów, map i innych informacji o lasach w formacie wzajemnie powiązanych, otwartych danych (LOD). Rezultatem projektu jest publiczne repozytorium (punkt końcowy), w którym publikowane będą dane o lasach zgodnie z opracowanym modelem, tak aby zapewnić ich ciagłą dostepnosć i aktualność. Ułatwi to korzystanie z danych dotyczących lasów wszystkim zainteresowanym podmiotom zajmującym się leśnictwem i badaniami naukowymi. 

Opracowywane są także dwa przykłady specyficznego zastosowania powstającego repozytorium:

• CAMBRIC - modelowanie ewolucji lasu i jakości drewna w różnych scenariuszach prowadzenia gospodarki leśnej. 
• FRAME - prognozowanie zachowania i rozprzestrzeniania się pożarów lasów na podstawie dokładnych informacji o materiałach palnych, mapach lasów i modelach rozprzestrzeniania się ognia. 

Przy rozwijaniu przykładowych zastosowań wykorzystywane są wysokowydajne technologie obliczeniowe (HPC) ze względu na ilość generowanych danych podlegających przetwarzaniu, a także złożoność zastosowanych modeli. Z kolei format wzajemnie powiązanych, otwartych danych (LOD) został wybrany ze względu na to, że pozwala on użytkownikom na swobodny dostęp do aktualnych danych i zarządzanie nimi w celu opracowania narzędzi dostosowanych do ich potrzeb i celów. Publikacja danych w formacie LOD umożliwia także władzom publicznym łatwe spełnienie wymogów przejrzystości i jawności, optymalizację wykorzystania zasobów i prowadzenie kontroli statystycznej nad wykorzystaniem publicznie dostępnych danych.

Теперішня технологія виявлення нападів короїда в лісі значною мірою базується на ручній праці, а саме на візуальному огляді лісових ділянок. При застосуванні такого підходу раннє ураження майже неможливо побачити, легше виявити лише давніші напади. Були зроблені спроби ідентифікувати напади короїда за допомогою супутникових радіолокаційних карт, які непогано вказують на потенційне ураження і можуть розглядатися як доповнення до нашого прецизійного аналізу. Arboair Forest Mapper — це сервіс, де ви аналізуєте свої зображення за допомогою нашого штучного інтелекту. Наша модель випробувана на понад 200 000 деревах і перевірена лісовпорядниками.

1. Збір даних
Самостійно літайте дроном
Зверніться до наших партнерів у сфері дронових технологій
Зверніться до наших партнерів у сфері супутникових технологій, щоб отримати зображення з високою роздільною здатністю

2. Аналіз
Виявлення нападів короїда
Визначення порід дерев
Ідентифікація та підрахунок дерев
Виявлення повалених вітром дерев

3. Отримання результатів
Перегляньте на порталі Arboair
Надішліть результати на власну платформу
Завантажте для використання в QGIS, ArcGIS, Google Earth або іншій GIS

Цифрова лісопильня – це проєкт, який триває вже два роки (2017-2018 рр.).

Проєкт фінансується Vinnova та компаніями-учасницями Moelven Industrier, RemaSawco, Schneider Electric, RISE та DigiWood.

Мета проєкту – шляхом оцифрування виробничих і технологічних даних лісопильні підвищити ефективність технологічного процесу на 15%, підвищити вартість продукції на 10% і зменшити споживання енергії на 10%.

Цифровізація – це складний проєкт, який вимагає часу та ресурсів. Важливо зосередитися на поставлених цілях. Потрібне ретельне планування інвентаризації лісопильні, поетапного встановлення, розгортання паралельних систем для нових автоматизованих з’єднань. Проєкти цифровізації починаються з деталей і вимагають ще більшої деталізації на подальших етапах, з чіткими цілями щодо кінцевого результату. Потрібні численні навички. Більше візуалізації з меншою кількістю екранів. Контроль за потоками даних і відповідальність за власні дані. Платформи, які обробляють дані, потрібно попередньо випробувати в жорсткому середовищі. Різні системи, які вимірюють час, енергоспоживання або розміри, повинні бути синхронізовані на місці та з певною періодичністю калібруватися відповідно до «схвалених» аналогічних параметрів. Відстежуваності на виробничих лініях лісопильні можна досягнути за допомогою резервних систем, які вимірюють довжину з додаванням часової мітки.

Розрахунки показують потенційне збільшення вартості приблизно на 5 млн. шведських крон на рік. 

Мета проєкту ChainWood – спроєктувати і розробити безпечну програмну інфраструктуру на основі технологій блокчейн та Інтернету речей, адаптовану до потреб усіх ланцюгів поставок деревини, що дозволить різним учасникам ринку максимально використовувати свої дані й ефективніше управляти продукцією з точки зору вартості, відстежуваності і сталості.
Основними рішеннями виявлених проблем є: гарантування транзакцій, перевірена інформація в реальному часі, напівавтоматизація робочих процесів, доступні дані про якість, покращення конкуренції.
Рекомендації:
 Для виробників
Інформація в реальному часі про обсяг і статус продукції.
 Для обробної промисловості
Доступ до величезного джерела даних про сировину, що дозволить підприємствам оптимізувати свої процеси поставок і спростити управління операційною діяльністю.
 Для операційних компаній
Прозорість і гарантування транзакцій з максимальним використанням сучасних технологій.
 Для контролюючих органів
Зниження витрат на процеси аудиту і контролю, а також краща обізнаність щодо ланцюгів поставок.
 Для логістичних компаній
Інформація, яка дозволить їм оптимізувати свій автопарк і більш ефективно надавати послуги.
 Для органів державного управління
Кращий доступ до даних про деревину, що дозволяє більш гнучко й ефективно управляти процесами в їхній зоні відповідальності.