Development, evaluation and application of inference-based decision support methods to meet the rising wood demands of the growing bio-economy sector

by Kai Husmann
Cumulative thesis
Date of Examination:2017-10-16
Date of issue:2017-10-26
Advisor:Prof. Dr. Jürgen Nagel
Referee:Prof. Dr. Jürgen Nagel
Referee:Prof. Dr. Bernhard Möhring
Persistent Address: http://dx.doi.org/10.53846/goediss-6544

 

 

Files in this item

Name:phd_thesis_Husmann.pdf
Size:4.72Mb
Format:PDF
Description:PhD Thesis of Kai Husmann

The following license files are associated with this item:

Abstract

English

Modern utilization techniques enable the substitution of fossil resources by renewable biological resources like wood from forestry. In this context, the bio-economy contributes to reducing the dependency upon fossil raw material and, at the same time, to the reduction of carbon dioxide emissions. The forest sector, as the second largest producer of renewable resources for the bioeconomy, plays an important role in this context as the success of companies from the bio-based sector crucially depends on their raw material supply. The sustainably achievable wood potentials in a region are naturally limited. Rising demands for wood by the growing bio-based sector therefore probably intensify the competition on the local wood market. In times of rising demands for wood from forests, the questions arise ”How to reliably predict the sustainably available wood potentials from forestry?” and ”How can companies from the bio-economy sector obtain information about the location, quantity and availability of their demanded resources?” If bio-economy companies want to establish on the wood market, will need to know if their demands can be met with the reachable potentials. To answer these questions, I present differentiated applied statistical models to predict available wood potentials on different temporal and spatial scales. All models enable decision makers to predict available resources prior to harvesting. Predictions of available potentials are interesting mainly for two reasons. Firstly, objective calculations of usable wood from forest operations may uncover recently unused potentials. Furthermore, reliable and accurate predictions of the expectable wood volume from forest usage strengthens calculation of the entire resource supply chain. Those enhanced predictions are not only relevant for forest enterprises but for also for the entire forestry and wood cluster. A descriptive analysis about the availability of woody biomass in the European beech-dominated central Germany builds the empirical basis of this thesis (Chapter 2). Germany’s most important region for the supply of European beech wood is analyzed with regard to its raw material situation. It is shown that the available wood amounts were almost entirely used in the time period between 2002 ans 2012. This reinforces the need for methods able to predict the available wood potentials reliably. Further wood potentials for the bio-economy may be uncovered. Subsequently, three explicit statistical methods for the support of distinct decision problems in the biomass supply chain are presented. Biomass functions and nutrient contents have basically two advantages for the supply of the bio-economy sector with biomass from forestry (Chapter 3). They can be used to evaluate the available wood potentials of forest stands fully and they can strengthen the prediction accuracy of raw material flows. The biomass potential of a forest can only be utilized to an extent that, in the long-term, won’t deplete the supply of plant available nutrients in the forest ecosystem. Using easily measured input data, biomass functions allow for a reliable prediction of tree speciesand tree fraction-specific single-tree biomasses. In combination with nutrient content data, the site specific level of forestry, where the amount of plant available nutrients in the ecosystem is essentially unchanged, can be assessed. Furthermore, they can easily be applied to predict biomass amounts in the biomass supply chain. Biomass functions and nutrient contents for the main tree species can be found in the literature. For other tree species, like sycamore or ash, however, there are only few and very specific studies available. The first presented methods for decision support are therefore biomass functions and nutrient contents for European beech, oak, ash and sycamore. It is shown in a case study that the usage of oak biomass functions for the biomass prediction of sycamore and ash, as it is practiced today, leads to a massive overestimation of the stand specific biomass. The share of species-rich deciduous forest stands, and thereby the importance of tree specific biomass functions, is increasing. The introduced models can help predicting the wood potential of those mixed deciduous forest stands. They thus enable decision makers to exploit the usable wood potential entirely. The second statistical model enables prediction of the economically reasonable viable wood potential of European beech trees on a single tree level. As in the first example, the model can be used to predict usable wood potentials entirely to uncover recently unused potentials. The advanced predictions can improve the reliability of entire biomass supply chains. The wood potential of a tree basically consists of the stem wood volume as well as the economically viable wood volume in the crown (Chapter 4). Due to the high morphological variability of European beech crowns, taper models, which are nowadays often applied for wood volume prediction, are not satisfactory for predicting the economically viable wood volume arising from crowns. The second introduced method is a computer aided model, able to predict the economically viable wood volume arising from crowns of European beech trees. It is shown that the economically viable wood volume in the crown significantly depends on the morphological type of European beech crowns. The model requires very intensive and complicated morphological measurements of specific crown branches. It is therefore not usable in the framework of the practical forest inventory. To make the results nevertheless applicable for practitioners, the modeling results are used to develop a regression formula able to predict the economically viable wood volume in the crowns of European beech trees. Combined forest growth and yield simulation-optimization procedures are important planning tools in an international framework and have shown their potential to support short-term operational decisions, while simultaneously considering long-term issues and intrinsic strategical orientations of the forest owners. The third developed method is a simulation-optimization software that is able to optimize the monetary return from forest usage in time horizons up to 20 years under consideration of the given conditions and restrictions of the forest enterprise (Chapter 5). Via iterative forest development simulations with changing harvesting intensities, an optimized forest development is calculated. The Tree Growth Open Source Software (TreeGrOSS) of the Northwest German Research Institute is used as simulation module. The simulation-optimization was developed to support the intermediate-term planning of forest enterprises and to enhance collaboration between the forestry and the bio-economy sector. It is shown in a case study that the simulation-optimization model can calculate the forest development with the highest monetary return under given properties and restrictions. Contracts with binding delivery amounts between forest enterprises and wood processing companies cause opportunity costs, if they force decision makers to deviate from the favorable forest development plans. The simulation-optimization can be used to calculate such opportunity costs of binding delivery contracts. Forest owners can use the model results to decide whether the benefits in intermediate-term planning, implied by the contracts, justify their opportunity costs. The model results can build an objective basis for negotiation of intermediate-term delivery contracts between forest enterprises and bio-economy companies.
Keywords: bio-economy; wood potential; biomass; statistical modeling; optimization

German

Durch moderne Verarbeitungstechniken in Unternehmen des bio-basierten Sektors können und werden fossile Ressourcen immer häufiger durch nachwachsende Rohstoffe, wie Frischholz, substituiert. In diesem Zusammenhang trägt die holzbasierte Bioökonomie dazu bei, die Abhängigkeit von fossilen Rohstoffen zu verringern und gleichzeitig die Emission von Kohlenstoffdioxid zu reduzieren. Der Forstsektor, als zweitgrößter Produzent von Rohstoffen für die Bioökonomie, spielt hierbei eine wichtige Rolle, denn der dauerhafte Erfolg moderner bio-basierter Unternehmen hängt nicht zuletzt von ihrer Rohstoffversorgungssituation ab. Das nachhaltig verfügbare Rohholzpotential einer Region ist naturgegeben begrenzt. Eine steigende Nachfrage aus dem Sektor Bioökonomie lässt somit eine Verschärfung der Konkurrenzsituation auf dem lokalen Holzmarkt erwarten. In Zeiten steigender Holznachfrage an die Wälder stellen sich die Fragen ”Wie kann das nachhaltig nutzbare Holzpotenzial aus forstlicher Nutzung zuverlässig vorhergesagt werden?" und ”Wie können Unternehmen der Bioökonomie Informationen über den Standort, die Menge und die Erreichbarkeit ihrer benötigten Ressourcen erhalten?” Wenn Bioökonomieunternehmen sich am Holzmarkt etablieren wollen, müssen sie vorhersagen können, ob ihr Rohstoffbedarf mit den erreichbaren Ressourcen gedeckt werden kann. Zur Beantwortung dieser Fragen stelle ich unterschiedliche statistische Modelle vor, mit denen Holzpotenziale in unterschiedlichen räumlichen und zeitlichen Skalen vorhergesagt werden können. Die Modelle ermöglichen es forstlichen Entscheidungsträgern, das Holzpotenzial aus forstlicher Nutzung vorherzusagen. Diese Potenzialvorhersagen sind vor allem aus zwei Gründen interessant. Zum einen kann die objektive und präzise Berechnung des nutzbaren Holzvolumens bislang ungenutzte Holzpotenziale aufdecken. Zum anderen erleichtert die zuverlässige Vorhersage dieses Potenzials die Planungen in der gesamten Holzbereitstellungskette. Von diesem Vorteil in der Planung profitieren nicht nur die Forstbetriebe, sondern der gesamte Cluster Forst und Holz. Eine deskriptive Analyse zur Rohholzverfügbarkeit und der Rohholznachfrage in der buchenreichen Mitte Deutschlands bildet die Zahlengrundlage dieser Arbeit (Kapitel 2). Damit wird die wichtigste Quelle für die nationale Buchenrohholzversorgung in Bezug auf ihre Rohstoffsituation untersucht. Es zeigte sich, dass die vorhandenen Potenziale zwischen 2002 und 2012 weitestgehend ausgeschöpft wurden. Dies zeigt den Bedarf nach Methoden zur präzisen Vorhersage des tatsächlich verfügbaren Potenzials. Hierdurch könnten zusätzliche Holzpotenziale für die Bioökonomie aufgedeckt werden. Darauf folgend werden drei statistische Methoden zur Entscheidungsunterstützung unterschiedlicher Entscheidungsprobleme in der Holzbereitstellungskette vorgestellt. Biomassefunktionen und Nährelementgehalte sind vor allem aus zwei Gründen interessant für die Versorgung der Bioökonomie mit Frischholz (Kapitel 3). Mit Hilfe von Biomassefunktionen und Nährelementgehalten kann das standortspezifische Nutzungspotenzial vollständig erfasst werden. Des Weiteren können sie die Genauigkeit der gesamten Rohstoffbereitstellungskette erhöhen. Das Biomassepotenzial eines Waldes kann nur in einem Umfang ausgeschöpft werden, der gewährleistet, dass die im Ökosystem vorhandenen pflanzenverfügbaren Nährstoffvorräte langfristig erhalten bleiben. Biomassefunktionen sind eine effektive Möglichkeit, kompartimentsabhängige Biomassepotenziale von Einzelbäumen vorherzusagen. In Verbindung mit Nährelementgehalten kann das maximale Nutzungspotenzial von Waldbeständen berechnet werden, bei dem die pflanzenverfügbaren Nährelemente im Wesentlichen unverändert bleiben. Biomassefunktionen können außerdem zur Vorhersage von Biomasse-Stoffströmen in der Bereitstellungskette genutzt werden. In der Literatur sind bereits zahlreiche Veröffentlichungen mit Biomassefunktionen und Nährelementgehalten der wichtigsten Baumarten zu finden. Für weitere Baumarten, wie Bergahorn oder Esche, sind jedoch nur wenige, sehr spezielle Funktionen verfügbar. Die ersten Entscheidungsunterstützungsmethoden dieser Arbeit sind deshalb Biomassefunktionen und Nährelementgehalte für Buche, Bergahorn, Eiche und Esche. Es zeigte sich anhand eines Testbestandes, dass die Anwendung von Eichenbiomassefunktionen für Ahorn und Esche, wie es zurzeit praktiziert wird, zu einer starken Überschätzung der Bestandesbiomasse führt. Geeignete Vorhersagemodelle für Biomasse und Nährstoffe gewinnen mit dem stetig steigenden Anteil artenreicher Laubmischbestände an der deutschen Waldfläche zunehmend an Bedeutung. Die vorgestellten Modelle können demnach helfen, das Holzpotenzial dieser Laubbaummischbestände vorherzusagen und liefern den Entscheidungsträgern dadurch die Möglichkeit zur vollen Abschöpfung des nutzbaren Holzvolumens. Die zweite Methode ermöglicht es, das ökonomisch sinnvoll realisierbare Holzpotenzial von Buchen auf Einzelbaumebene vorherzusagen. Wie im ersten Beispiel kann auch diese Methode angewandt werden, um das volle Nutzungspotenzial zu ermitteln und damit bislang ungenutzte Potenziale aufzudecken. Eine hohe Genauigkeit der Vorhersage von Rohstoffpotenzialen kann darüber hinaus helfen, die Zuverlässigkeit der gesamten Holzbereitstellungskette zu erhöhen. Das gesamte Holzpotenzial eines Baumes setzt sich im Wesentlichen aus dem Stamm- und dem ökonomisch realisierbaren Kronenholzvolumen zusammen (Kapitel 4). Wegen der hohen morphologischen Variabilität der Baumkronen von Buchen eignen sich Schaftformmodelle zwar für die Vorhersage des Holzvolumens im Stammbereich, Kronenholzvolumen prognostizieren sie jedoch sehr ungenau. Die zweite vorgestellte Methode ist eine Software, mit welcher das ökonomisch nutzbare Kronenholzvolumen in Buchenkronen vorhergesagt werden kann. Es zeigte sich, dass das ökonomisch nutzbare Kronenholzvolumen signifikant von der morphologischen Form der Buchenkronen abhängt. Das Modell benötigt sehr intensive und aufwändige Messungen von bestimmten Kronenästen und ist daher im Rahmen der Forsteinrichtung nicht praktikabel. Um die Resultate dennoch für die praktische Forstplanung zur Verfügung zu stellen, wird eine Regressionsformel mit den Ergebnissen der Modellierung entwickelt. Kombinierte Simulations-Optimierungs-Methoden haben sich im internationalen Kontext bereits zu wichtigen Planungswerkzeugen entwickelt. Ein Vorteil dieser Methoden ist unter anderem, dass sie dem Entscheidungsträger ermöglichen, die strategische betriebliche Ausrichtung und langfristige Auswirkungen ihres Handelns in ihren kurzfristigen Entscheidungen zu berücksichtigen. Die dritte vorgestellte Methode ist eine Simulations-Optimierungs-Software, mit welcher der monetäre Ertrag aus forstlicher Nutzung eines Forstbetriebes für einen Zeitraum von bis zu 20 Jahren unter den gegebenen betrieblichen Bedingungen und Einschränkungen optimiert werden kann (Kapitel 5). Durch iterative Waldentwicklungssimulationen mit unterschiedlichen Behandlungsintensitäten wird der optimale Waldentwicklungspfad berechnet. Als Simulationsmodul wird die Tree Growth Open Source Software (TreeGrOSS) verwendet. Die Simulations-Optimierungs-Software wurde entwickelt, um die mittelfristige Forstplanung zu unterstützen und die Zusammenarbeit zwischen dem Forst- und Bioökonomiesektor zu erleichtern. In einem Anwendungsbeispiel wird gezeigt, dass die Simulations-Optimierungs-Methode in der Lage ist, die Waldentwicklung mit dem besten monetären Ergebnis zu berechnen. Verträge mit bindenden Liefermengen zwischen Forstbetrieben und holzbearbeitenden Betrieben können Opportunitätskosten für die Forstbetriebe verursachen, wenn sie den forstlichen Entscheidungsträger dazu zwingen, vom favorisierten Waldentwicklungspfad abzuweichen. Die Berechnung dieser Opportunitätskosten ist eine Besonderheit der Software. Mit Hilfe dieser Opportunitätskosten sind Waldbesitzer in der Lage, die Vorteile, die Lieferverträge mit sich bringen, gegen ihre Nachteile abzuwägen. Die Modellergebnisse können eine objektive Entscheidungshilfe für die Verhandlung mittelfristiger Lieferverträge zwischen Forstbetrieben und Bioökonomie-Unternehmen bilden.
 
Statistik