Skip to main content
European Commission logo
polski polski
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

Efficient forestry by precision planning and management for sustainable environment and cost-competitive bio-based industry

Article Category

Article available in the following languages:

Duże zbiory danych pomagają ograniczać wpływ środowiskowy leśnictwa na ekosystemy na terenach zalesionych

Badacze korzystający z unijnego dofinansowania opracowali nowe narzędzia, które pomogą zarządcom lasów zminimalizować wpływ na środowisko i sprostać wyzwaniom, takim jak zmiana klimatu oraz zwiększony zakres wykorzystania lasów jako źródła surowców.

Żywność i zasoby naturalne icon Żywność i zasoby naturalne

Zmiana klimatu powoduje wydłużenie okresu, w którym lasy nie są pokryte szronem ani śniegiem. Coraz większa wilgotność zwiększa ryzyko zrycia i zagęszczenia gleby przez pojazdy i maszyny w trakcie prac leśnych, które w poważny sposób oddziałują na środowisko. Dlatego też aby móc skutecznie opracować harmonogram prac, potrzebne są metody prognozowania wytrzymałości gleby w różnych warunkach. Czoła tym wyzwaniom stawiają twórcy projektu EFFORTE. Opracowują oni i wdrażają nowatorskie technologie usprawniające realizację prac oraz zarządzanie lasami poprzez cały łańcuch wartości w sektorze leśnictwa w Unii Europejskiej. „Naszym celem było pogłębienie zrozumienia mechaniki gleby oraz przejezdności terenu (zdolności określonego pojazdu do przebycia określonego terenu), aby można było uniknąć niszczenia gleby, przyspieszyć mobilność maszyn oraz ocenić trwałość i zrycie”, opowiada Jori Uusitalo, koordynator projektu. Projekt EFFORTE otrzymał finansowanie w ramach wspólnego, partnerskiego konsorcjum publiczno-prywatnego między UE a Wspólnym Przedsięwzięciem na rzecz Bioprzemysłu.

Zastosowanie modeli

Badacze przeanalizowali zasady mechaniki gleby, a w szczególności znaczenie zawartości wilgoci w glebie dla wytrzymałości i wzruszania gleby. Następnie opracowali oni modele hydrologiczne prognozujące zawartość wilgoci w glebie na potrzeby działań praktycznych. Modele te stanowiły uzupełnienie innych modeli prognozowania wilgoci w glebie, opisujących zależności między wytrzymałością i wilgotnością gleby oraz deformacją gleby. Partnerzy projektu byli w stanie stworzyć i zademonstrować metodologię służącą do wykrywania i interpretowania nośności gleby w oparciu o stosunek mocy silnika do szybkości jazdy. „Informacje interpretujemy, rejestrując przesył danych w sieci magistrali CAN wykorzystywanej maszyny do prac leśnych”, wyjaśnia Uusitalo. Termin „magistrala CAN” odnosi się do systemu komunikacji sieciowej układu sterowania. Wyniki projektu pogłębią zrozumienie wpływu obciążenia kół na naprężenie i zagęszczenie gleby, zaś dane na temat mechaniki gleby zostaną przekształcone w zalecenia operacyjne dla leśników. Według Uusitalo: „Kluczowe ustalenia i zalecenia w zakresie przejezdności powiązane z projektem EFFORTE można niezwłocznie wdrożyć we wszystkich europejskich krajach”.

Zalety Big Data

Konsorcjum spróbowało również wykorzystać potencjał mechanizacji prac w ramach gospodarki leśnej w celu zwiększenia produktywności i wydajności działań takich jak sadzenie drzew i zarządzanie młodym drzewostanem. Dodatkowo twórcy projektu opracowali i wdrożyli w pilotażowych programach rozwiązania z zakresu dużych zbiorów danych (Big Data), aby zwiększyć produkcję przy jednoczesnej minimalizacji wpływów na środowisko. Stosowanie aplikacji Big Data nie tylko poprawia jakość prac, ale też minimalizuje ilość prac wymaganych w terenie przed wykonaniem i po wykonaniu prac leśnych. „Zmniejszenie proporcji leśnych stanowisk o dużym stopniu wzruszania będzie też skutkować większą akceptacją prac leśnych przez właścicieli lasów i opinię publiczną”, stwierdza Uusitalo. Wcześniejsze uzyskanie dokładniejszej wiedzy opartej na obserwacji lasu przed rozpoczęciem prac lub na aplikacjach Big Data umożliwia tworzenie harmonogramów robót leśnych w oparciu o wrażliwość na zmienne warunki. Pomaga to rozwiązać problem głównego źródła braku wydajności: sytuacji, w której maszyny stoją bezczynnie z uwagi na złe warunki pogodowe. „Lepsze monitorowanie i planowanie daje więc wyjątkową możliwość zwiększenia rocznego wykorzystania maszyn i uniknięcia niszczenia środowiska”, zauważa koordynator projektu. Dlatego też w ramach projektu EFFORTE pogłębiono wiedzę na temat wytrzymałości leśnej gleby, interakcji maszyn z terenem oraz odporności gleby po przemieszczeniu się pojazdów. Twórcy projektu zwiększyli też efektywność kosztową prac w ramach gospodarki leśnej oraz wspomogli rozrost lasu. Uusitalo stwierdza: „Wdrożenie różnych aplikacji Big Data w praktycznym leśnictwie pozwoli osiągnąć duże korzyści ekonomiczne oraz uniknąć deformacji gleby”.

Słowa kluczowe

EFFORTE, gleba, las, Big Data, modele, wpływ na środowisko, leśnictwo, mechanika gleby, prace leśne, przejezdność, gospodarka leśna

Znajdź inne artykuły w tej samej dziedzinie zastosowania