Nachfrageorientierte Allokation forstlicher Nutzungen unter Einsatz von Laserscanning am Beispiel der Sa geindustrie

Transkript

1 Nachfrageorientierte Allokation forstlicher Nutzungen unter Einsatz von Laserscanning am Beispiel der Sa geindustrie Inaugural-Dissertation Zur Erlangung der Doktorwürde der Fakultät für Umwelt und Natürliche Ressourcen der Albert-Ludwigs-Universität Freiburg i. Brsg. vorgelegt von Martin Opferkuch Freiburg im Breisgau 2014

2 Dekan: Referent: Korreferentin: Betreuer: Betreuer: Prof. Dr. Tim Freytag Prof. Dr. Dr. h.c. Gero Becker Prof. Dr. Barbara Koch Prof. Dr. Dirk Jaeger PD Dr. Thomas Smaltschinski Datum der Disputation: 03. Februar 2015

3 LANG, AFJZ 4 (1828) 17 Vorwort Diese Arbeit entstand während meiner Zeit als wissenschaftlicher Mitarbeiter am Institut für Forstbenutzung und Forstliche Arbeitswissenschaften (Fobawi) sowie an der späteren Professur für Forstliche Verfahrenstechnik der Albert-Ludwigs-Universität Freiburg im Zusammenhang mit dem Forschungsprojekt FlexWood the flexible wood supply chain, welches von der Abteilung Fernerkundung und Landschaftsinformationssysteme (Felis) koordiniert und von der EU im 7. Rahmenprogramm gefördert wurde. Ich bedanke mich bei Prof. Dr. Dr. h. c. Gero Becker. Zuallererst dafür, mich zur Forschung an der Schnittstelle zwischen Wald und Wirtschaft zurück ans Institut geholt zu haben. Ich habe es nie als eine Selbstverständlichkeit empfunden, daneben weiterhin im Holzeinkauf in Frankreich unterwegs sein zu dürfen. Dieser Kombination mit einem kleinen zweiten Standbein draußen und der von Beginn an steten Ermunterung und Unterstützung zur Teilnahme an internationalen Veranstaltungen und Kongressen verdanke ich es, eine kleine Ahnung von der oben zitierten Vielfältigkeit der forstlichen Praxis bekommen zu haben. Danke für die Geduld bei der Betreuung, für die Wertschätzung und den mir stets gewährten Freiraum sowie den manchmal notwendigen Nachdruck. Prof. Dr. Barbara Koch danke ich für die Übernahme des Korreferats meiner Arbeit. Vielen Dank für den kurzen Draht während des gemeinsamen Forschungsprojekts und vor allem für den Zugang zu den multiplen Datenquellen und umfangreichen ground-truth -Referenzdaten aus dem Gebiet in Karlsruhe, dem wiederholten Untersuchungsobjekt der Fernerkundung, auf die ich auch nach Abschluss des Projekts immer zurückgreifen durfte: Ich lernte erst im Laufe dieser Arbeit die Vorteile eines solchen Daueruntersuchungsgebiets wirklich zu schätzen, das mir auf den ersten Blick aus Forstnutzungssicht nicht gerade ideal erschien. Besonders möchte ich auch Prof. Dr. Dirk Jaeger für die Übernahme der Zweitbetreuung danken und das wiederholte Nachhaken nach dem Fortschritt, für das in mich gesetzte Vertrauen und für die viele gemeinsame Zeit während der letzten beiden Jahre dort oben

4 im Exil nebenan : ich möchte diese Phase nicht missen und werde mich sicher immer gerne an diese erste Zeit bei der Forstlichen Verfahrenstechnik zurückerinnern. Ganz besonders aber will ich mich für den großen Schutzschild beim Abschluss der Arbeit bedanken. Den Gesprächspartnern aus der Holzindustrie gilt ebenfalls mein Dank dafür, dass sie sich für mich und meine Fragen die nötige Ruhe und Zeit genommen haben. Andreas Fritz bei Felis sage ich Danke für die Bereitstellung eigenen Datenmaterials und die Beantwortung so mancher Fernerkundungsfragen. Auch bei meinen Kollegen am Institut bedanke ich mich herzlich, für den Teamgeist, die stets angenehme Atmosphäre und insbesondere für die Rücksichtnahme und die Akzeptanz für meine Abschottung in den letzten Wochen des Zusammenschreibens. Allen voran bedanke ich mich bei PD Dr. Thomas Smaltschinski, Pterodaktylus salvatus par excellence, für den Eifer, mit dem er sich der Betreuung meiner Arbeit gewidmet hat, das Rad immer wieder freibekommen und mich auf Strecke gehalten hat. Meinen Eltern und meinen Schwiegereltern danke ich für ihre immerwährende Unterstützung und am allermeisten und herzlichsten bedanke ich mich bei meiner eigenen Familie: Bei Jana und bei Luis, Mia und Titus, dass sie da und so herrlich sind, wie sie sind. Freiburg, im Herbst 2014 Martin Opferkuch

5 Inhaltsverzeichnis Verzeichnis der Abkürzungen... iii 1 Einführung Einleitung Problemstellung Kontext der Untersuchung Zielsetzung Stand des Wissens Konzept Warenlager Wald Anforderungen an den Rohstoff Holz Dimensionsanforderungen der Sägeindustrie Rundholzmerkmale industrielle Qualitätsanforderungen an Sägeholz Besonderheiten der Baumart Kiefer hinsichtlich Rundholzmerkmalen und den Zusammenhang zwischen Rundholz- und Produktqualität Konzepte und Verfahren zur Dimensions- und Qualitätseinschätzung von Bäumen und Beständen Nutzung von Laserscanning zur Datenerhebung für die Charakterisierung von Rohholz Bodengestütztes Laserscanning TLS Luftgestütztes Laserscanning ALS Kombination von TLS und ALS Konzepte und Verfahren zu Verknüpfung und frühzeitigem Abgleich von Rundholzangebot und -bedarf Material, Daten und Datenmodifikation Terrestrische Referenz Datensatz Terrestrisches Laserscanning Datensatz luftgestütztes Laserscanning Bestandesgrundkarte Bestandesunterflächen Einzelbaumlisten aus Verschneidung der Datensätze Auswahl Kiefern Berechnung sekundärer Daten aus TLS Berechnung sekundärer Daten aus ALS i

6 Inhaltsverzeichnis Verschneidung der Datensätze Terrestrische Referenz, TLS und ALS Visuelle Qualitätsbeurteilung Informationen über die Rohstoffanforderungen der Industrie Ergebnisse Methodenentwicklung Methodenüberblick Regressionsstichprobe (I) Bestandesorientierte Auswahl Einzelbäume (II) Durchforstungsmodellierung auf Bestandesebene und Sortimentsberechnung (III) Ergebnisse Sortimentierung und Allokation Anforderungen der Industrie an Rohholz Sortiernormen Betriebsspezifische Sortiervorgaben Experteninterviews Forstliches Rohholzangebot Allokation von Sortimenten zu Kundenanforderungen Zusammenfassende Diskussion Diskussion des Datenmaterials Diskussion der angewandten Methodik Diskussion der Ergebnisse Schlussfolgerungen Zusammenfassung Summary Verzeichnisse Abbildungsverzeichnis Tabellenverzeichnis Formelverzeichnis Literaturverzeichnis Anhang ii

7 Verzeichnis der Abkürzungen ABS AKl ALS Abschnitt natürliche Altersklasse Airborne (luftgestütztes) Laserscanning BDATpro Sorten- und Volumenprogramm BHD BI cm cm/lfm d 1,3 d 7 Df dm d TLS fm Brusthöhendurchmesser Betriebsinventur Zentimeter Zentimeter pro Laufmeter Brusthöhendurchmesser oberer Stammdurchmesser in 7 m Höhe Durchforstung Dezimeter Brusthöhendurchmesser aus TLS Festmeter Forst-HKS Handelsklassensortierung für Rohholz GIS ha h ALS h Kr Krd Krl KrVol Ksf l LH LiDAR Lmax L TLS m Geographisches Informationssystem Hektar Kronenspitzenhöhe aus ALS Kronenansatzhöhe maximaler Kronendurchmesser Kronenlänge Kronenvolumen Kronenschirmfläche Liter Langholz Light Detection and Ranging maximale Länge Sägeholz aus ALS maximale in TLS erkannte Stammlänge Meter iii

8 Verzeichnis der Abkürzungen m² Quadratmeter m³ Kubikmeter MDM NIRS mr or Mittendurchmesser Near-Infrared Spektrometrie mit Rinde ohne Rinde R² Korrelationskoeffizient RMSE RVR StKl TB TLS v v est v TLS WEFLKZ ZDM Root Mean Square Error Rahmenvereinbarung für den Rohholzhandel Stärkeklasse Testbestand Terrestrisches (bodengestütztes) Laserscanning Volumen geschätztes Volumen Stammvolumen aus TLS Waldeinteilungsflächenkennziffer Zopfdurchmesser iv

9 1 Einführung 1.1 Einleitung Die Forst-Holz-Kette als Liefer- und Prozesskette von der Holzernte und -bereitstellung bis hin zur Übernahme und Verarbeitung in holzverarbeitenden Betrieben wird durch Materialund Informationsflüsse zwischen verschiedenen Akteuren charakterisiert. Ziel der Prozesskette ist ein möglichst effizienter Materialfluss zur Versorgung der holzverarbeitenden Industrie mit dem Rohstoff Holz. Im Sinne einer logistischen Betrachtung ist Rohholz als Produkt der forstwirtschaftlichen Urproduktion sowohl Gegenstand der beiden forstlichen logistischen Subsysteme technische Produktion (Holzernte und Rückung) und Distribution (Holzbereitstellung und Transport) als auch auf Seiten der holzverarbeitenden Industrie des logistischen Subsystems der Beschaffung. In weiten Teilen des heutigen Wirtschaftssystems haben sich bei verschiedensten Branchen zum Teil hoch effiziente Lieferketten etabliert, die basierend auf der Nachfrage nach Produkten die Produktion einschließlich der Versorgung und damit Materialflüsse auslösen. Dies wird unter dem Begriff supply chain (dt. Lieferkette oder auch Beschaffungskette ) subsummiert, wobei die Bedienung des tatsächlichen Bedarfs spezifischer mit dem Konzept des demand-driven supply (dt. nachfrageinduzierte Rohstoffversorgung ) beschrieben wird (vgl. CSCMP 2013). Grund dafür ist eine möglichst effiziente Nutzung von Ressourcen, insbesondere bei Ressourcenknappheit. Dies könnte zu dem Schluss führen, eine hoch industrialisierte holzverarbeitende Industrie folge naturgemäß der Regel, für jedes Produkt den für den Produktionsprozess idealen Rohstoff zu suchen. Aus mehreren Gründen ist dieses Prinzip in der Holzindustrie nur sehr eingeschränkt verankert. Ein bedeutender Grund dafür ist die natürliche Heterogenität des Rohstoffes Holz (vgl. u. a. KNIGGE U. SCHULZ 1966 S. 41ff.) und die damit verbundene Ungewissheit über seine tatsächlichen Eigenschaften. Dies gilt bis heute trotz bereits zahlreicher erforschter Zusammenhänge zwischen äußeren und inneren Merkmalen von Rohholz sowie zwischen Holzproduktmerkmalen und beispielsweise den mechanischen Eigenschaften (vgl. u. a. KUCERA 1973; BECKER ET AL. 1988). Aber auch Einflüsse wie Witterung und Durchlaufzeiten zwischen Holzernte und Werksanlieferung sind von Bedeutung (BAUMANN 2009, BORCHER- DING 2007, BODELSCHWINGH 2005). ES bedürfte unrealistisch hoher Lagerbestände an den Werksstandorten, um bei der Produktion in der Sägeindustrie immer auf den idealen Rohstoff zurückgreifen zu können. Erst dort sind einigermaßen geeignete Bedingungen für eine differenzierte, technisch aufwändige Begutachtung und Beurteilung jedes einzelnen Stammabschnitts gegeben, während dies im Wald mit den wechselnden Orten der Produktion nicht zu leisten ist. Schließlich ist eine enge organisatorische Verknüpfung zwischen Rohstofflieferant und Verarbeiter eine wichtige Voraussetzung für eine abgestimmte Belieferung. Diese Verknüpfung 1

10 Einführung kann beispielsweise durch vertikale Integration in Form einer integrierten Forstindustrie erfolgen. Dabei sind Waldbesitzer und Holzverarbeiter Teile desselben Unternehmens und die enge Verknüpfung wird durch die betriebsinterne Organisation gewährleistet. Solche organisatorischen Modelle sind beispielsweise in skandinavischen Ländern häufig anzutreffen. In Zentraleuropa ist eine integrierte Forstindustrie nicht die Regel. An der Versorgung der Holz verarbeitenden Industrie der ersten Produktionsstufe mit dem Rohstoff Rundholz sind somit stets mindestens zwei Marktteilnehmer beteiligt: ein Forstbetrieb als Lieferant und ein verarbeitender Betrieb als Abnehmer. An der Feststellung von Bodelschwingh (2005), dass in Deutschland [ ] derzeit noch der maßgebliche Anteil an Rundholz zwischen eigenständigen Betrieben vermarktet wird, hat sich im Wesentlichen nichts geändert. Für beide stellt Rundholz einen wesentlichen Posten des Betriebsergebnisses dar, für den Forstbetrieb in Form von Einnahmen und für den verarbeitenden Betrieb als Ausgaben für den Rohstoff (vgl. u. a. BODELSCHWINGH 2005 und SEINTSCH 2011). Der Forstbetrieb strebt danach, sein gesamtes anfallendes Holz zu einem möglichst hohen Preis zu verkaufen, während der verarbeitende Betrieb auf der anderen Seite das gesamte benötigte Holz möglichst günstig einkaufen möchte. Andererseits ist im Sinne eines verantwortungsvollen Umgangs mit dem Rohstoff Holz und einer maximalen Wertschöpfung beiden daran gelegen, dass das bestgeeignetste ( richtige ) Rohholz für das herzustellende Produkt verwendet wird, das heißt beispielsweise nicht unnötig weit transportiert oder ineffizient bei geringer Ausbeute verarbeitet wird. Hinzu kommt eine strategische Komponente: Beide Seiten nehmen über einen längeren Zeitraum am Markt teil. Daraus folgt die Notwendigkeit, sich gegenseitig zu unterstützen, das heißt konkret auch Belieferung und Preise nur in einem für beide Seiten akzeptablen Rahmen zu gestalten. Diesem Gedanken liegt das Konzept der Forst-Holz-Wertschöpfungskette (engl. wood value chain ) im Sinne einer umfassenden Nachhaltigkeit aus forstlichnaturaler und betriebsökonomischer Sicht zu Grunde. Ohne Rohholz kann ein Holz verarbeitender Betrieb nicht produzieren und ohne Rohholz zu verkaufen, kann ein Forstbetrieb nur in den seltensten Fällen positiv wirtschaften. Beide Seiten ziehen somit trotz der eingangs erwähnten zum Teil gegensätzlichen Zielsetzungen an demselben Strang, um gemeinsam ihre Konkurrenzfähigkeit und wirtschaftliche Existenz dauerhaft zu gewährleisten und gegenüber anderen Regionen, Branchen und Produkten zu behaupten. 1.2 Problemstellung Einem Forstbetrieb muss bekannt sein, was der verarbeitende Betrieb benötigt, damit er den richtigen Rohstoff für das jeweilige herzustellende Produkt liefern beziehungsweise bereitstellen kann. Letzterer wiederum muss für einen ressourceneffizienten Materialeinkauf wissen, was der Rohstoffproduzent zur Verfügung stellen kann. Dies ist bei Weitem nicht immer der Fall, so zeigen zum Beispiel die Untersuchungen von PELZ (2002) zur Verarbeitung der Holzart Lärche, dass in den Forstbetrieben möglicherweise nur unzureichende Informationen über die örtliche Verfügbarkeit verschiedener Rundholzqualitäten vorliegen. Auf Seiten der holzverarbeitenden Betriebe ist häufig auf Erfahrung der Einkäufer beruhendes, 2

11 Einführung lokales Wissen über die Eigenschaften des Rohholzes aus einzelnen Forstbetrieben und damit über die mögliche Eignung für verschiedene Produkte vorhanden. Dieses Wissen ist jedoch zumeist qualitativer Natur und nicht dokumentiert, sondern an einzelne Personen o- der Betriebe gebunden und somit nur eingeschränkt nutzbar. Gegenseitiges Informiertsein bedeutet Wissen über die jeweiligen Ressourcen, Arbeits- und Produktionsprozesse sowie insbesondere ein gegenseitiges Verständnis für die jeweiligen Restriktionen als Voraussetzung einer bestmöglichen Abstimmung zwischen Rohholznachfrage und -angebot. Konkret wurde dazu auf Seiten der Forstwirtschaft das Konzept eines Warenlagers Wald ( forest warehouse ) (vgl. u. a. BECKER 1997, GOULDING 2000, HECKER ET AL. 2000) entwickelt, mit einer möglichst präzisen Charakterisierung und Lokalisierung des verfügbaren Rohstoffs Rundholz. Andererseits ist dazu eine hinlänglich genaue Beschreibung der Anforderungen an das eingesetzte Rohholz seitens der verarbeitenden Industrie erforderlich. Diese Beziehung wird in Abbildung 1 symbolisch dargestellt. Industrielle Rohholz-anforderungen Forstseitige Rohholz-informationen Abbildung 1: Symbolisierte Beziehung zwischen industriellen Rohholzanforderungen und den entsprechenden forstseitigen Rohholzinformationen Um diese Beziehung zu gewährleisten und damit dem Ziel einer optimalen Belieferung näher zu kommen, müssen die jeweils benötigten Informationen in geeigneter Weise erfasst und verarbeitet, gegenübergestellt und abgeglichen werden ( matching ). Wo möglich sollte dies in quantitativer Form erfolgen. Die zumindest in größeren Forstbetrieben aus Betriebsinventur und Forsteinrichtung in der Regel vorhandenen Informationen über den Waldbestand sind dafür meist nicht ausreichend. Sie erlauben ohne weitere Datenverknüpfungen und zusätzliche Berechnungen keine direkt verwertbaren Erkenntnisse, in kleineren (Privat- )Forstbetrieben fehlen die das Warenlager Wald charakterisierenden forstwirtschaftlichen Basisdaten meist vollkommen. 1.3 Kontext der Untersuchung Die vorliegende Arbeit hat ihren Ursprung im Forschungsprojekt FlexWood The flexible wood supply chain, das im 7. Rahmenprogramm der EU von November 2009 bis Oktober 2012 gefördert wurde und unter Koordination von Frau Prof. Dr. Barbara Koch der Abteilung Fernerkundung und Landschaftsinformationssysteme (Felis) der Albert-Ludwigs-Universität Freiburg von 14 Partnern aus neun Ländern bearbeitet und umgesetzt wurde. Übergeordnetes Ziel dieses Projektes war die Entwicklung eines Belieferungskonzepts und Logistiksystems, basierend auf verbesserten Informationen über die Holzressourcen und verfeinerten 3

12 Einführung Optimierungsmodellen zur effizienteren Bedienung industrieller Nachfrage nach dem Rohstoff Holz (vgl. FLEXWOOD 2013). Die in diesem Verbundprojekt durchgeführten Datenaufnahmen über die forstlichen Ressourcen (Flächen, Bestände, Bäume) in mehreren Fallstudien wurden durch verschiedene Projektpartner mit entsprechender Fachkompetenz durchgeführt. In der Fallstudie Zentraleuropa waren dies insbesondere die Abteilung Fernerkundung und Landschaftsinformationssysteme (Felis) der Albert-Ludwigs-Universität Freiburg hinsichtlich luftgestütztem Laserscanning und der Erhebung terrestrischer Referenzdaten sowie Treemetrics 1 im Zusammenhang mit terrestrischem Laserscanning. Ziel der eigenen Arbeit im Projekt war es, basierend auf diesen Datengrundlagen und umfassender weiterer selbst erhobener Daten zu den Anforderungen der Holzindustrie ein Konzept zur Verknüpfung zwischen der im Wald vorhandenen Holzressource und dem für die Produktion in industriellen Betrieben erforderlichen Rohstoff zu entwickeln. 1 Treemetrics Ltd. ist ein Unternehmen aus Irland, das sich unter anderem auf die Dienstleistung im Zusammenhang mit der Aufnahme von TLS-Daten im Wald und deren Auswertung spezialisiert hat 4

13 2 Zielsetzung Das Konzept eines Warenlagers Wald ist für den Forstbetrieb wie für seine Kunden (beispielsweise Sägewerke) gleichermaßen von Vorteil. Der Forstbetrieb weiß sofort, was, in welcher Qualität, in welcher Menge, wann, wo, und zu welchen Kosten 2 in seinem Betrieb zu finden ist und der Kunde erhält auf Bedarfsanfragen umgehend Bescheid, was seine Planungssicherheit erhöht. Für größere Bestellmengen bedeutet dies, diejenigen Bestände aus einer gegebenen Menge der für Hiebsmaßnahmen in Frage kommenden Bestände auszuwählen, die die größte naturale und/oder wertmäßige Ausbeute an dem gewünschten Produkt erwarten lassen. Dafür ist ein möglichst hoher aktueller Informationsstand über den stehenden und insbesondere den erntereifen Vorrat notwendig. Hierzu zählen neben dem Ort und der Menge insbesondere die Dimension und die Qualität der zu erntenden Bäume. Es sollte vor dem physischen Zugriff ein möglichst genaues Bild von dem zur Herstellung eines bestimmten Produktes zur Verfügung stehenden Rohstoff vorhanden sein. Eingesetzt wird der Rohstoff in der Sägeindustrie als Sägerundholz in langer Form oder als Abschnitte, und das Produkt ist - vereinfacht dargestellt - Schnittholz (Hauptware sowie als Koppelprodukte Seitenware) und Sägerestholz. Während das Schnittholz durch spezifische, überwiegend klar definierte und messbare Merkmale charakterisiert wird, können dieselben nicht direkt auf das Rundholz zurückübertragen werden um den richtigen Abschnitt für ein bestimmtes Produkt auszuwählen. Dies gilt umso mehr für den richtigen Erntebaum, der in mehrere Rundholzabschnitte mit unterschiedlichen Eigenschaften eingeteilt werden kann. In diesem Kontext ist das Ziel dieser Arbeit auf ein Konzept gerichtet, forstliche und industrieseitige Informationen zur frühzeitigen, umfassenden und genaueren Informationsgewinnung über Nutzungsbestände und deren Bäume bereits am Anfang der Lieferkette zu verknüpfen. Dies dient einer besseren Steuerung der Allokation des Rohholzes entlang der Holzbereitstellungskette bis zur Verarbeitung im Sägewerk zu Schnittholz. Die forstlichen Informationen werden dazu unter Einsatz neuer Technologien generiert. Dabei lassen sich folgende konkrete Teilziele für die vorliegende Arbeit formulieren: (1) Erfassung der industriellen Anforderungen an Sägerundholz. (2) Entwicklung und beispielhafte Anwendung von Methoden zur rationellen und hinreichend präzisen Erfassung der Rohholzressource basierend auf Laserscanningdaten unter Einbeziehung von Qualitätsaspekten. (3) Entwicklung, Umsetzung und beispielhafte Anwendung eines Konzeptes zur nachfrageorientierten Allokation von Rohholz. Zur Erfüllung dieser Zielsetzung sind zunächst Informationen von Seiten der Kunden, d.h. der holzverarbeitenden Industrie, darüber notwendig, was geeignet bedeutet, wodurch die 2 In Analogie zu den Zielen der Logistik, die vielfach als 6 R der Logistik ausgedrückt werden (vgl. u. a. GÜNTHER 2005): das richtige Produkt, in der richtigen Qualität, in der richtigen Menge, zur richtigen Zeit, am richtigen Ort und zu den richtigen Kosten. 5

14 Zielsetzung Qualität von Rundholz bestimmt wird und welche Anforderungen somit an den Rohstoff gestellt werden. Von Seiten des Lieferanten, des Forstbetriebs, sind sodann Informationen darüber erforderlich, inwieweit diese Anforderungen mit den zur Verfügung stehenden Beständen erfüllt werden können. Es soll also für eine gegebene Menge an Beständen die zu erwartende Menge an geeignetem Rundholz und dessen Qualität ermittelt werden. Auf Grund der breiten Streuung der Anforderungen auf Kundenseite mit mehreren Industriezweigen und Produkten schien es im Rahmen dieser, primär konzeptionell ausgerichteten, Arbeit zweckmäßig, sich zunächst auf eine Branche zu konzentrieren. Da die Sägeindustrie in Bezug auf die Rundholzeigenschaften sowie die Holzbereitstellung generell die differenziertesten Anforderungen an ihren Rohstoff hat, wurde sie als Referenz für diese Konzeptentwicklung herangezogen. Der Fokus lag zudem auf Nadelholz, da dessen Verarbeitung in der Holzwirtschaft in Mitteleuropa im Vergleich zur Laubholzverarbeitung einen erheblich größeren Stellenwert einnimmt. Im Speziellen wurde die Waldkiefer (Pinus sylvestris L.) als Untersuchungsobjekt gewählt, da diese die mit Abstand häufigste Baumart im Untersuchungsgebiet ist (s. Kapitel 4). Für die anderen Industriezweige (z.b. Holzwerkstoffe, Zellstoff und Papier, Energie) kann dieses Konzept dann wegen ihrer im Vergleich deutlich weniger komplexen Anforderungen 3 in vereinfachter Form angewendet werden. 3 Vgl. dazu auch HECKEL (1977) 6

15 3 Stand des Wissens 3.1 Konzept Warenlager Wald In Forschung und Praxis gab es in den letzten 50 Jahren eine Reihe von konzeptionellen Überlegungen und konkreten Ansätzen zur Umsetzung der Vorstellungen eines Warenlagers Wald. Diese Entwicklung wurde ab ca. dem Jahr 2000 durch die Informationstechnologie verstärkt. BECKER zeichnete 1997 ein visionäres Bild der möglichen und der notwendigen Entwicklung mitteleuropäischer Forstwirtschaft im internationalen Kontext, wobei er der durchgängigen Verwendung von Informationstechnologie einen Schlüsselstellenwert zuschrieb. Ohne eine solche konsequente Nutzung von IT stellt er in Frage, ob die Standortvorteile der hiesigen Forstwirtschaft wie beispielsweise ein sehr differenziertes Rohholzangebot und die Marktnähe aufrechterhalten werden können durch die schnelle, absolut frische und an individuelle Nachfragewünsche angepasste Lieferung von Rohholz. Dieses ideale wohlsortierte Warenlager Wald enthält demnach Informationen über den Ort hinsichtlich Holzart und Dimension geeignete[n] Holz[es], dessen Qualitätseigenschaften, Art und Zeitpunkt der möglichen Bereitstellung und die damit verbundenen Kosten. BECKER (ebd.) schlussfolgert es müsse festgestellt werden, dass die beschriebenen Möglichkeiten angesichts der in den meisten Forstbetrieben hierzulande anzutreffenden Realitäten reichlich utopisch seien. Das trifft insbesondere auf die Realisierung eines Warenlagers Wald zu, da ein solches wie das namengebende Vorbild aus der Industrie (engl. warehouse ) vom Vorhandensein und der entsprechenden Nutzung von Informationen abhängt. Auch wenn sich Kommunikationswege verändert, zeiten verkürzt haben und die Verwendung von IT auch für die Waldbewirtschaftung selbstverständlich geworden sind, bleibt dennoch ein Großteil der erhobenen und gespeicherten Daten ungenutzt, bleiben wertvolle Informationen unbekannt und ist schließlich der Informationsfluss nicht vollständig durchgängig, was nicht zuletzt auch auf Medienbrüche zurückzuführen ist, wie HUG (2004) zeigen konnte. Heute wie damals stimmt häufig die Feststellung, dass das typischerweise in Forstbetrieben vorliegende Datenmaterial [ ] nicht ohne weiteres die schnelle und schlüssige (BE- CKER 1997) Darstellung der benötigten Informationen gewissermaßen auf Knopfdruck ermöglicht, sondern potentielle Lieferbestände allenfalls per Hand aufwändig ermittelt oder aus der Erinnerung der Mitarbeiter heraus ausgewiesen werden (BECKER 1997). WILHELM (1996 und 1997) stellt bei der Vorstellung des rheinland-pfälzischen Schwachholzkonzeptes fest, dass die erforderliche geschlossene Informationssystematik fehlt und Information [ ] vielmehr mosaikartig nach jeweils akutem Detailbedarf beschafft wird. Als Soll-Konzept formulierte HUG (2004) eine mögliche Verbesserung der mit den Prozessen Holzernte und Holzbereitstellung zusammenhängenden Aktivitäten durch die konsequente Verwendung von Informationstechnologie. Im Vergleich zum zuvor erhobenen Ist-Zustand 7

16 Stand des Wissens zeigten sich insbesondere hinsichtlich der Erhebung, Übertragung und Verwaltung der Daten große Rationalisierungspotentiale. Dabei spielt auch eine als Virtuelles Warenlager Wald bezeichnete Bestandesdatenbank als Grundlage für eine umfassende Informationsbereitstellung zusammen mit einer Geländedatenbank und einer Forstbetrieblichen Info- Datenbank eine zentrale Rolle. Diese liefert auf Basis der über die ausscheidenden Bestände erhobenen Daten die benötigten Informationen über das verfügbare Holz. Ausgangsbasis für die Datenerhebung sind bei HUG (2004) die Daten aus der Forsteinrichtung. Sie beinhalten darüber hinaus aber auch eine Qualitätseinschätzung sowie bereits mögliche Sortimentierungsoptionen. Bei Anfragen können diese Angaben zu Dimension und Qualität des zu erwarteten Hiebsanfalls mit den Kundenwünschen abgeglichen werden. BAUMANN (2009) konnte in diesem Zusammenhang auf Forstseite noch erhebliche Schwachstellen bei der Datenverarbeitung aufzeigen, beispielsweise bei der forstbetriebsinternen Übermittlung wesentlicher Informationen über kurzfristig geforderte Holzmengen und Sortimente. Auch GOULDING (2000) forderte für die Forstindustrie Neuseelands eine Veränderung hin zu einer tatsächlich marktgetriebenen Einschlagsplanung auch unter Berücksichtigung der Qualität. Vom Wald als einem Warenlager möglicher Stammholzpodukte könne nach GOUL- DING (2000) dann die Rede sein, wenn die Inventur hinsichtlich der aus den vorhandenen Bäumen möglichen Produkte größtmögliche Flexibilität erlaube. Dies erfordere entsprechende Anpassungen bei der Inventur, um alle Merkmale für die Beurteilung der Stammqualität hinsichtlich möglicher Stammholzprodukte einzubeziehen. Für die Betrachtung des Waldes als Warenlager ist nach HECKER (1998) aber auch ein Umdenken auf Seiten der Forstwirtschaft notwendig, was die Zurverfügungstellung geeigneter Erntebestände anbelangt dies beinhaltet die Fähigkeit und Bereitschaft zur Bereitstellung forstlicher Inventurdaten als auch Veränderungen auf Seiten der Holzindustrie. Dies bezieht sich auf die Formulierung bedarfsorientierter, kurz- bis mittelfristiger Abschnitts-Order. KAISER (2005) zeigte an einfachen Beispielen, wie sich Sägeindustrie und Forstwirtschaft in weiten Teilen aneinander vorbei entwickelt hatten und die Veränderung der Anforderungen an den Rohstoff auf Seiten des Forstes lange Zeit unbemerkt oder ignoriert blieb. Er betont die Notwendigkeit dass Anbieter und Nachfrager Lieferant und Kunde möglichst viel voneinander wissen und etwas von der Materie des jeweils anderen verstehen. Diese Feststellung betrachtet er als Kernelement des Verständnisses eines Warenlagers Wald. Im Rahmen des Projektes MatchWood wurde das Warenlager Wald definiert als Schnittstelle zwischen der Ressource im Wald mit ihrem hohen Heterogenitätsgrad einerseits und den Produktlinien in der Holzindustrie andererseits, die für eine hohe Rentabilität eine Belieferung mit einem möglichst homogenen Rohstoff verlangen (BECKER U. SMALTSCHIN- SKI 2009). Mit dem Virtuellen Wald wird in Nordrhein-Westfalen aktuell ein umfangreiches Forschungsprojekt bearbeitet, das sich der bisher umfassendsten Integration aller den Wald 8

17 Stand des Wissens betreffenden Daten aus multiplen Quellen widmet und in eine deutlich erweiterte Definition des Warenlagers Wald mündet. Ziel ist ein digitales Abbild des Waldes mit der Möglichkeit der Prozesssimulation und steuerung. Ein Unterziel dabei ist es, der holzverbrauchenden Industrie den notwendigen Rohstoff effizient bereitzustellen (ROßMANN UND MEIßNER 2010). Im Rahmen des Projektes sollen Verfahren entwickelt werden, die sogenanntes Forstliches Praxiswissen (u. a. Waldwachstumskunde, Forsteinrichtung, Holzerntetechnik, Liegenschaftsverwaltung) mit Satelliten- und Flugzeuggestützten Fernerkundungsdaten und der Technologie der Virtuellen Realität und der Robotik verknüpfen (MEIßNER UND ROßMANN 2010). Allen Ansätzen zur Umsetzung eines Warenlagers Wald ist das Ziel gemeinsam, einen möglichst guten Überblick über das im Wald verfügbare Rohholz zu geben, um die industrielle Nachfrage nach Holz zeit- und kostensparend befriedigen zu können oder mit möglichst geringem Aufwand Anfragen beantworten zu können, ob, in welcher Menge und an welchem Ort das gewünschte forstwirtschaftliche Produkt bereitgestellt werden kann. Dabei können prinzipiell zwei verschiedene Herangehensweisen unterschieden werden. Einzelbaumbasierte Konzepte, die sich für reich strukturierte Waldformen und höherwertige Produkte anbieten und Bestandes- oder Baumkollektivbezogene Konzepte, die eher für Massenware aus homogenen (Nadelholz-) Beständen geeignet erscheinen. Der Wert und die Menge des gesuchten Produktes bedingen Erhebungsaufwand, Datengenauigkeit und Aussagewahrscheinlichkeit: Je wertvoller das Produkt ist, je geringer die benötigte Menge und je bedeutender einzelne Merkmale sind, desto kleinräumiger ist die Aufnahmeeinheit zu wählen und desto detaillierter kann die Beschreibung der Merkmale erfolgen. Dem häufig vorgebrachten Kritikpunkt, dass das Verständnis des Waldes als Warenlager für den industriellen Bedarf forstliche und waldbauliche Notwendigkeiten ignoriere, begegnet WILHELM (1997) mit der Einschätzung, dass auf Seiten der Forstwirtschaft Flexibilität vorhandenen sei, sich bei der Planung der Holzbereitstellung an die Marktverhältnisse anzupassen. Dazu setzt er allerdings voraus, dass tatsächlich ein qualifizierter Abgleich zwischen den waldbaulichen Erfordernissen, den technischen Möglichkeiten, den Geboten der Marktsituation und den mutmaßlichen oder konkreten Kundenwünschen stattfindet. Die Information über die kurz- bis mittelfristig zur Verfügung stehenden Mengen und Qualitäten beinhaltet für ihn implizit waldbauliche Gegebenheiten. 3.2 Anforderungen an den Rohstoff Holz Der Wert des Holzes ist eng mit der Verwendungsmöglichkeit verknüpft. Zur Wertbestimmung unterscheidet ZIEGELER (2008) massenbestimmende und qualitätsbestimmende Faktoren. Anders ausgedrückt sind dies einerseits die Dimension beziehungsweise das Volumen und andererseits die Qualität. Beide sind Bestandteil von Sortiervorgaben, wie sie sich in Form von europäischen Normen zur Qualitätssortierung von Nadel-Rundholz (DIN-EN :2008, DIN-EN :2008 und DIN-EN :2008) und beispielsweise der Gesetzlichen Handelsklassensortierung für Rohholz, der sogenannten FORST-HKS (1983) oder der als Nachfolgeregelung aktuell ausgehandelten 9

18 Stand des Wissens Rahmenvereinbarung für den Rohholzhandel in Deutschland, RVR (DFWR U. DHWR 2014) darstellen. Insbesondere die Qualität bedarf größerer Aufmerksamkeit auf Grund der inherenten Komplexität dieses Begriffs. JOZSA U. MIDDLETON (1994) definieren die Holzqualität explizit als Ausdruck der Merkmale, die es für eine Verwendung wertvoll machen. Bei unzähligen Verwendungsmöglichkeiten sind dies entsprechend viele Kombinationen verschiedener Merkmale in unterschiedlichsten Ausprägungen. MOREAU (2010) thematisiert das daraus erwachsende Problem der Wahrnehmung von Qualität im Forst-Holz-Bereich. Für viele Akteure wird Qualität als Synonym für eine vage und nur unzureichend definierte gute Qualität verstanden. Doch auch bei einem neutraleren Verständnis dieses Begriffs kann die Auffassung je nach Tätigkeitsfeld vollkommen verschieden sein. Das trifft auf die unterschiedlichen forstlichen und holztechnischen Disziplinen und auf den Endverbraucher zu. MOREAU (2010) hebt in diesem Zusammenhang die große Bedeutung des Dialogs und der Kommunikation hervor und weist diesbezüglich auf die wichtige Rolle von Normen hin. Diese können gewissermaßen als kleinster gemeinsamer Nenner des Qualitätsverständnisses der maßgeblichen Akteure aufgefasst werden, indem sie allen Marktpartnern bekannte Mindesteigenschaften definieren Dimensionsanforderungen der Sägeindustrie BERGMANN (1997) weist auf die Notwendigkeit der Beachtung der Kombination von Länge und Durchmesser insbesondere den das Schnittbild bestimmenden Zopfdurchmesser im Hinblick auf die Verwendung des Rohholzes in der Sägeindustrie hin. Mit einer vom Optimum für das jeweilige Sägeprodukt abweichenden Kombination gehen entweder Ausbeuteverluste einher, wenn das gewünschte Produkt hergestellt wird, oder es werden bei optimierter Ausbeute aktuell nicht nachgefragte Produkte auf Vorrat produziert. Die Kombination Zopfdurchmesser und Sägeblocklänge, und damit die Dimension, ist seit jeher ein bedeutendes Kriterium bei der Schnittholzproduktion. Nach WOLF (1973) kommt es zunächst auf den Zopfdurchmesser, dann auf die Länge an, und die Qualität spielt- zumindest für die damalige Produktion von Listenbauholz eine untergeordnete Rolle. Bei seinen Untersuchungen zur Optimierung der Transportlängen von Rohschäften ging WOLF (1973) der Frage nach, in welcher Länge Rohschäfte idealerweise ausgehalten werden sollten, um den Gebrauchswert des Rohschaftes weitestgehend zu erhalten. Diese Frage kann nur insofern klar beantwortet werden als eine Kürzung auf die heute in Deutschland aus Gründen des Transportes in aller Regel maximal mögliche Länge von 21 m wertneutral sei. Der Schnitt sollte im schwächeren Stammteil erfolgen, da gegen das Schaftende hin die Blockmassen immer geringer und damit weniger wertvoll werden. Darüber hinaus war es nur von Bedeutung, dass das abgelängte Reststück noch kran-verladbar ist. Die eindeutige Befürwortung einer möglichst langen Aushaltung des Rohholzes ist nicht direkt auf die heutigen Sägewerke mit moderner Einschnitttechnologie übertragbar. Die optimale Aushaltung des Einzelstammes spielt aber nach wie vor eine bedeutende Rolle, da ein Großteil des 10

19 Stand des Wissens Sägeholzes als Kurzholz angeliefert und die Einteilung folglich vom Werk in den Wald verlagert wird. Dies gilt sowohl was das Sägeholzvolumen aus Erntebeständen insgesamt anbelangt also die Frage nach der maximal als Sägeholz aushaltbaren Länge als auch die als Sägeholz aushaltbare Gesamtlänge pro Einzelstamm. Diese gilt es durch geeignete Kombination unterschiedlicher Längen unter Berücksichtigung des Produktionsbedarfs zu erreichen (MARX 2014) 4. BONT (2005) schlussfolgert aus seinen Recherchen zur kundenorientierten Optimierung der Sortimentsaushaltung bei Forstbetrieben in der Schweiz, die Schnittstelle Forstbetrieb - Sägewerk kann optimiert werden, falls auf Stufe Forstbetrieb eine bedarfsgerechte kundenorientierte Aushaltung erfolgt. Dazu eignet sich am besten die Kurzholzmethode mit einer Sortierung nach eng definierten Längen- und Zopfdurchmesserklassen. Wird hingegen die Kurzholzmethode ohne Kundenorientierung vollzogen, bspw. bei schematischer Produktion von 4 m Standardlängen, bleibt das Holz weiterhin wenig differenziert. Diese konsequente Verwendung von sogenannten Preislisten oder -matrizen bestehend aus eben diesen erwünschten Länge-Durchmesser-Kombinationen unter Angabe der jeweiligen Präferenzen und für jeden einzelnen Abnehmer ist in der Theorie möglich und wird auch technisch unter anderem in skandinavischen Ländern problemlos umgesetzt. Beispielsweise sind alle On-Board-Rechner auf Harvestern in der Lage derartige Daten zu verarbeiten und der gültige Standard für die Datenverwaltung von Forstmaschinen StanForD 2010 sieht dies auch bei der Produktbeschreibung vor (SKOGFORSK 2014). Daher stellt sich zur vollständigen Umsetzung eines Konzepts der nachfragegerechten Rohholzbereitstellung die Frage, ob beim abnehmenden Sägewerk tatsächlich genaue Vorstellungen über die idealen Abmessungen (Länge und Zopfdurchmesser), stückzahlmäßige Verteilung und Holzqualität für eine optimale Produktausformung bestehen (BECKER 1995). HECKER (1998) weist auf ein - auch heute noch in Mitteleuropa häufig anzutreffendes Missverständnis von optimierter Aushaltung hin, wenn Rohholz bei der Aufarbeitung durch Vollernter in fixen Längen ausgehalten wird, dies allerdings unabhängig vom Zopfdurchmesser geschieht, obgleich die Formulierung des Rundholz-Bedarfes und zur Festlegung eines dem Sägeblock angepassten Schnittbildes entscheidend von der Kombination aus Länge und Zopfdurchmesser abhängt. Die verwendeten Aushaltungsvorgaben sind häufig stark vereinfacht, sei es weil der tatsächliche Optimalbedarf der Sägeindustrie (HECKER 1998) entweder sehr kurzfristiger Natur ist und der Aufwand angepasster Aushaltungsanforderungen als zu groß erachtet wird oder die Unterschiede hinsichtlich Dimension und Qualitätsmerkmale je nach Produkt als zu gering befunden werden um die Aushaltungsanforderungen anzupassen. (MURPHY 2010) 5. 4 Rundholzeinkaufsleitung Schilliger Bois SAS, Volgelsheim, Frankreich 5 Professor Emeritus an der Oregon State University, Corvallis, Oregon, USA 11

20 Stand des Wissens Rundholzmerkmale industrielle Qualitätsanforderungen an Sägeholz Die Beziehung zwischen Rundholz- und Produktqualität führt zu zwei Fragen: auf welche Weise wird die Rohholzqualität beim Holzeinkauf berücksichtigt und welche Kriterien und Merkmale werden als maßgeblich beziehungsweise als ausschließend herangezogen? Der Begriff der Holzqualität ist dabei stets im Kontext der Verwendung zu betrachten. Die Verwendungsmöglichkeit der Stämme zur Herstellung von Holzprodukten in der verarbeitenden Industrie hängt von den angestrebten Produkteigenschaften ab (s. a. LUNDQVIST U. GAR- DINER 2011 u. LUNDQVIST U. GRAHN 2008). Die Bestimmung der Holzqualität kann einerseits direkt erfolgen über die im Bestand oder an der Waldstraße am Einzelstamm oder an Stichproben zu begutachtenden Einzelmerkmale. Andererseits kann auch die bereits eingangs erwähnte Erfahrung des Einkäufers oder des Betriebs eine maßgebliche Rolle hinsichtlich des Einkaufsgebiets spielen und der daraus resultierend zu erwartenden Holzqualität. Bei solchen summarischen Ansätzen werden ökologische Standortfaktoren und der geographische Ort in die Beurteilung mit einbezogen, eine exakte Merkmalsbestimmung in der Fläche bleibt oftmals aus. Für die Papierproduktion konnte MARTIN (2008) diesbezüglich Zusammenhänge darlegen, für Sägeholz konnten jedoch keine vergleichbaren Arbeiten gefunden werden. BECKER (1996) stellt einen Zusammenhang dar zwischen dem über den Holzpreis definierten Vermarktungserfolg für Rohholz und der Abstimmung der Qualitätseigenschaften auf die kundenseitigen Anforderungen. Letztere unterteilt er in objektive und subjektive preisbestimmende Kriterien. Um eine solche Abstimmung im Sinne der betrieblichen Wertschöpfung zu gewährleisten, müsse ein Forstbetrieb die kundenspezifischen Präferenzen präzise ergründen und ihnen in seinem Angebot [ ] entsprechen. Erforderlich dafür sei ein Qualitätsmanagement auf allen betrieblichen Ebenen. Er bezieht dabei zusätzlich zu Holzernte- und nachgelagerten Transportprozessen explizit die vorgelagerte waldbauliche Bestandesbehandlung mit ein. In Bezug auf die Rohholzbereitstellung hat sich hier seither einiges getan, indem Rohholz heute tatsächlich eher weniger auf einem anonymen Holzmarkt (BECKER 1996) verkauft wird als im direkten Lieferanten-Kunden-Kontakt. Es besteht jedoch Verbesserungspotential hinsichtlich der Rohholzausformung und insbesondere der Zuordnung von Beständen zu einzelnen Kunden vor der Ernte. Das geforderte umfassende Qualitätsmanagement benötigt dazu implizit die Erfassung der Holzqualität, worauf in Kapitel 3.3 näher eingegangen wird. BECKER (1995) pointiert dies in der These, die bereitgestellten Mengen, Dimensionen und Qualitäten [hätten] sich an der konkreten Nachfrage der Kundschaft zu orientieren. Daher sei die Qualität zwar von besonderer Bedeutung aber zugleich sehr schwierig zu erheben. Hinzu kommt das Problem der zeitlichen Verschiebung zwischen qualitätsrelevanten Entscheidungen der Forstwirtschaft und deren tatsächlichen Auswirkungen bei der Verwendung. Weiter stellt MURPHY (2011) auf den nordamerikanischen Markt bezogen die Unfähigkeit der Holzindustrie fest, ihren Bedarf und für einzelne Produkte vor allem die spezifischen Anforderungen an das dafür benötigte Rohholz differenziert und operational darzustellen. 12

21 Stand des Wissens Dies trifft sicher auch für große Teile des europäischen Marktes zu. Allerdings ist es nachvollziehbar, wenn die verarbeitende Industrie in der Vergangenheit wenige Versuche unternahm, ihre Anforderungen differenziert und hoch präzise darzustellen angesichts der augenscheinlichen Schwierigkeiten auf Seiten der liefernden Forstbetriebe, selbst die bestehenden, recht grob formulierten, Anforderungen zu erfüllen. HECKER (1998) spricht von auftragsbezogene[r] Rundholzbereitstellung [ ] bei Belieferung [von] Rundholz-Kunden mit genau den Mengen, Qualitäten und vor allem Dimensionen, die dem kurz- bis mittelfristigen Bedarf exakt entsprechen. Ein Problem bildet die exakte Definition einer Qualität jenseits von Menge und Dimension. Es konnten in der Literatur keine Arbeiten gefunden werden, die sich über die in der Gütesortierung festgelegten Grundmerkmale hinaus detailliert mit den für spezifische Produkte erforderlichen Rundholzmerkmalen am Stammholz aus Sicht der Sägeindustrie und somit mit der Qualität beschäftigen. Auch SAUTER (1996) erwähnt in seinen Untersuchungen zur verwendungsorientierten Beurteilung von Kiefernholz es lägen mehrere Arbeiten zu den Holzeigenschaften vor, die mehr allgemeinen Charakter besitzen und nur selten verwendungsorientiert angelegt wurden. Zwar geben die in vielen Studien (wie z. B. von LEE- NEN (2006) und BENDER (2006) für Fichte und Tanne mit Schwerpunkt auf Starkholz) dargelegten Beziehungen zwischen den Merkmalen am Rundholz und der Qualität von Schnittholz Hinweise, worauf beim Rundholz generell besonders zu achten ist. So weist MEHLIN (2002) beispielsweise für Fichte und insbesondere Tanne hinsichtlich des Merkmals Astigkeit auf die Beziehung zwischen der Lage des Abschnitts im Stamm und der Häufigkeit des Auftretens sortierrelevanter Äste sowie deren Größe hin. In Übereinstimmung mit LIP- PEMEIER (1971) stellte sie fest, dass die abnehmende Güte [des Schnittholzes] mit zunehmender Höhe im Stamm vor allem durch die Astigkeit hervorgerufen wird, da die Grünäste mit der Stammhöhe naturgemäß zunehmen. Auch HECKEL (1977) konnte aus Einschnittuntersuchungen erkennen, dass in etwa 60 Prozent der Fälle die Ästigkeit für die Güteeinstufung entscheidend ist. Untersuchungen von LÖFFLER (1968) zeigten, dass innerhalb der Astigkeit [ ] der schwarze durchfallende Ast häufiger sortierentscheidend [war] als der weiße festverwachsene Ast. Für das untersuchte Tannenschnittholz waren Schwarzäste gar das wichtigste Gütemerkmal überhaupt. Dies gilt übertragen auf das Rundholz insbesondere für die Abschnitte aus dem Erd- und dem mittleren Stammbereich bis etwa 15 m, während darüber mit weiter zunehmender Bedeutung die Grünäste primär sortierentscheidend sind (ebd.). Entsprechende konkrete Angaben der Sägewerke zur Abhängigkeit zwischen Rundholzqualität und zu produzierendem Produkt fehlen jedoch. Zwei mögliche Ursachen sind dafür zu vermuten: die tatsächliche Unkenntnis seitens der Produzenten (s.o.) sowie der Vorrang der Mengensicherung, was insbesondere bei großen Sägewerksbetrieben mit hoher Verarbeitungs- und Lagerkapazität eine maßgebliche Rolle spielen dürfte. 13

22 Stand des Wissens Dagegen sind von Akteuren in Nischenmärkten durchaus Sondersortimente gefragt, deren höhere Wertschöpfung im Vergleich zu Standardsortimenten eine aufwändigere Begutachtung rechtfertigt. Resultierend daraus werden von diesem Kundensegment Anforderungen auch klarer formuliert, welche im Nadelholz insbesondere Erdstammstücke betreffen, bei denen beispielsweise einige der spezialisierten Abnehmer abweichend von der üblichen Klassifizierung nach A, AB, B eigene Kategorien [einführten], so z.b. Q1, Q2, usw. (WIPPEL U. NIGGEMEYER 2013). Hierbei handelt es sich jedoch auch nicht um tatsächlich produktspezifisch differenzierte Anforderungen, sondern um eine summarische Darstellung der für alle in den jeweiligen Betrieben hergestellten Produkte erforderlichen Merkmale. HECKEL (1977) merkt an, es bleibe zwangsläufig eine erhebliche Unsicherheit mit der Gütesortierung des Rundholzes verbunden, da äußeres und inneres Fehlerbild 6 keineswegs in einem eindeutigen [ ] Zusammenhang stehen. Zu einem vergleichbaren Ergebnis kommt auch LEENEN (2006) in seiner vergleichenden Untersuchung von Rund- und Schnittholz aus Fichten- und Tannenstarkholz. Er schließt, dass die statistischen Zusammenhänge zwischen der Rundholz- und der Schnittholzqualität [ ] insgesamt gering ausgeprägt sind. Eine detailliertere Sortierung kann somit erst innerbetrieblich erfolgen. Seine Untersuchung der in verschiedenen Sortiervorschriften jeweils sortierentscheidenden Holzmerkmale erlauben Aussagen über die Verwendungsmöglichkeiten des Schnittholzes für die Merkmale Fäule, Beulen und Astigkeit. SAUTER U. VERHOFF (2010a) weisen in ihrer Untersuchung zur Rundholzsortierung nach der Europäischen Norm EN 1027 auf das Grundproblem jeglicher Sortierung von Rundholz hin. Dieses besteht in der nur eingeschränkten Möglichkeit einer unzweifelhaften Qualitätszuordnung bei einem Naturprodukt mit der Individualität des Holzes. Es liegt aber auch in der ausdrücklich gewünschten objektiven Beschreibung der Stammqualität begründet, die die spätere Verwendung [ ] bei der Qualitätseinstufung vorerst explizit ausblendet. LUNDQVIST U. GARDINER (2011) stellen in Ergebnissen des Projekts EFORWOOD bezüglich der zu erwartenden Holzprodukteigenschaften detaillierte Qualitätsklassen für Stammholz zusammen und ordneten sie verschiedenen (Säge-) Produktkategorien zu. Dabei handelt es sich jedoch nicht um eindeutige Zusammenhänge, sondern lediglich um Präferenzen der Produzenten. Es bleibt festzuhalten, dass die Versorgungssicherung sowie der hohe Aufwand bei der genauen Beurteilung von Merkmalen im Wald die Möglichkeiten zur genauen Darstellung von industriellen Rundholzanforderungen in der Praxis begrenzen. 6 Während in der Vergangenheit häufig der Begriff der Holzfehler gebraucht wurde, hat sich heute insbesondere in der wissenschaftlichen Literatur der neutralere Ausdruck Holzmerkmale durchgesetzt, da dieser unabhängig ist vom Verwendungszweck. Siehe dazu auch RICHTER (2010). 14

23 Stand des Wissens U. a. bei TRUBKIN (2012) ist zu finden, welche Bedeutung der Produktionstiefe beizumessen ist. Es wäre zu prüfen, inwieweit diese orientierenden Ergebnisse generalisiert werden können 7. Für einen Schnittholzquerschnitt der Produktion von Konstruktionsvollholz (KVH) konnte er zeigen, dass die größere Ausbeute an Hauptware aus dem höherwertigeren Rundholz (Güteklasse B nach Forst-HKS) im Sägewerk nicht zwingend auch in der Weiterverarbeitung im angeschlossenen Hobelwerk zu höherer Ausbeute, das heißt geringerem Kappverlust für das keilverzinkte Endprodukt führt. Das preisgünstigere Rundholz (Güteklasse C nach Forst-HKS) erwies sich in dieser einen Untersuchung in der Summe als wirtschaftlichere Alternative Besonderheiten der Baumart Kiefer hinsichtlich Rundholzmerkmalen und den Zusammenhang zwischen Rundholz- und Produktqualität Da die Untersuchungen in der vorliegenden Arbeit beispielhaft an Kiefer erfolgen, wurde geprüft inwiefern aus der Literatur für die Waldkiefer (Pinus sylvestris L.) Besonderheiten hervorgehen in Ergänzung zu den vorangegangenen Abschnitten. KNIGGE U. SCHULZ (1966) stellen allgemein die große qualitative Heterogenität zwischen einzelnen Individuen heraus. Im Zusammenhang mit der Entwicklung hin zum generellen Verkauf unentrindeten Holzes stellten ALTHERR ET AL. (1974) fest, dass der Aushaltung bei Kiefer insbesondere im Gegensatz zu anderen Nadelhölzern wie Fichte, Tanne und Douglasie ein höherer Stellenwert zukommt, da im Vergleich häufiger mehrere Abschnitte unterschiedlicher Güteklassen aus dem Stammholz ausgehalten werden anstatt Langholz. Die ungünstigere Stammmorphologie der Kiefer im Vergleich zur Fichte (vgl. BECKER U. NIEPA- GEN 1990) ist nach BINNEWIES (1996) für eine relativ geringere Schnittholzausbeute bei der Baumart Kiefer verantwortlich. Die für Sägewerke wichtige Ausbeute wird vor allem durch Vollholzigkeit und Geradschaftigkeit beeinflusst. Beides sind Merkmale, die im direkten Vergleich deutlich häufiger bei Fichte als bei Kiefer zu finden sind. In seiner Untersuchung verschiedener Kiefernbestände konnte BINNEWIES (1996) allerdings hinsichtlich des Merkmals Abholzigkeit zwischen den einzelnen Kiefernrohschäften nur geringe Unterschiede feststellen. In Bezug auf die Merkmale Krümmung und Exzentrizität der Markröhre zeigten sich hingegen zwar deutliche Unterschiede zwischen den Beständen, rein quantitativ ergaben sich dennoch keine wesentlichen Unterschiede hinsichtlich der Ausbeute bei den Sägern. Ein wesentlicher Grund hierfür war die mit durchschnittlich weniger als 1,5 m sehr geringe Länge der Rundholzabschnitte, die aus Kiefernlangholz im Werk ausgeformt wurden. 7 Zu dieser Thematik erfolgte u. a. unter Anleitung des Autors eine Bachelorarbeit: TRUBKIN (2012) untersuchte die Auswirkung unterschiedlicher Güten an Fichten- und Tannenabschnitten auf die Schnittholzausbeute im Sägewerk sowie bei der anschließenden Weiterverarbeitung. Die Ergebnisse dieser orientierenden Studie legen in der Tendenz den Schluss nahe, dass die für die Gütesortierung nach Forst-HKS maßgeblichen Kriterien nicht mit den bei der Weiterverarbeitung relevanten Kennwerten übereinstimmen. Demzufolge spiegeln auch die üblichen Preisunterschiede zwischen den Güteklassen im Falle einer direkten Weiterverarbeitung des Schnittholzes zu höherwertigen Produkten nicht die tatsächliche Situation hinsichtlich der Materialausbeute und des Erlöses wider. 15

24 Stand des Wissens SAUTER (1996) stellte dennoch fest, dass mit zunehmender Stammhöhe [ ] die mengenmäßige Ausbeute der Produkte stark sinkt und sich der Anteil hochwertiger Sortierklassen beim Schnittholz kontinuierlich verringert, insbesondere ab einer Schafthöhe von ca. sieben Metern. Auch MATTAUSCH (1996) weist auf die starken Qualitätsunterschiede der Kiefer hin und hebt auf den notwendigen erhöhten Sortieraufwand ab. Er erkennt zudem durch die besonderen Eigenschaften der Kiefer beispielsweise als Narbenverlierer 8 eine deutlich erschwerte Qualitätsbeurteilung äußerer Merkmale. Die Prüfung eines Zusammenhangs zwischen Aststärke und Schafthöhe ergab eine Zunahme der Aststärke mit der Schafthöhe bis zu einer Höhe von 12 m. Im Allgemeinen konnte er für die Untersuchungsbestände zeigen, dass Bestände mit starken Ästen auch entsprechend viele Beulen, Narben sowie Tot- und Grünäste über den gesamten Schaft verteilt aufweisen. Entgegen seiner Bedeutung bei der Rundholzsortierung stellt SAUTER (1996) fest, dass der Gesundheitszustand der beobachteten Äste [ ] in den überwiegenden Fällen nicht zur Absortierung des Schnittholzes führt. Anders hingegen der Astdurchmesser der fest verwachsenen Äste und die Anzahl oftmals kleiner Äste. Eine spezifisch auf Pinus sylvestris bezogene Umfrage zu den Marktanforderungen und zur Ressourcenverfügbarkeit in Schottland ergab nach MACDONALD UND GARDINER (2007), dass neben den Merkmalen Bläue, Ovalität und Abholzigkeit insbesondere Geradschaftigkeit und Astigkeit qualitätsentscheidend sind. Herausgestellt wurde in diesem Zusammenhang vor allem die Problematik der enormen Variabilität hinsichtlich der Holzqualität bei dieser Baumart sowohl zwischen als auch innerhalb von Beständen. Für die Entwicklung einer spezifischen Messmethode für Kiefernbestände in Finnland zur Beschreibung der Eigenschaften im Hinblick auf die Produktionsplanung in Sägewerken weist UUSITALO (1997) zur Qualitätsbestimmung vier Kriterien aus: BHD, Höhe des ersten Totastes, Höhe des Kronenansatzes sowie Baumhöhe. Er kommt zu dem Ergebnis, dass damit eine ausreichende Qualitätsbestimmung in Kiefernreinbeständen bereits bei 25 Probebäumen je ha erreicht werden kann. Zur Problematik der Heterogenität der Qualität von Kiefernsägeholz weist auch LOS- KANT (1983) auf die zum Teil erheblichen Unterschiede innerhalb von Beständen hin. Hinsichtlich des Zusammenhangs zwischen Rundholzmerkmalen und Produktqualität insbesondere bei Kiefernholz stellt er unter Bezug auf METTE (1960) fest, dass insbesondere den Ästen eine hohe Bedeutung zukomme. Es zeigte sich, dass nicht die Astzahl sortierentscheidend ist, sondern die Stärke und Lage der Äste von Bedeutung sind für die Festigkeit des Holzes. Ein Aspekt, der gerade die Kiefer betreffe wegen deren ausgeprägten Astanordnung in Quirlen. Die Aststärke am Rundholz nimmt entlang des Schaftes nach oben zu, wobei die 8 Auf Grund der Rindenstruktur sind Astnarben bei erntereifen Kiefern im unteren Stammbereich nur schwer oder gar nicht am Stammmantel erkennbar. 16

25 Stand des Wissens Rundholzsortierung beim Totastverlierer 9 Kiefer den Beulen als Weiser für überwallte Äste besondere Beachtung beimessen sollte. Für den Zusammenhang zwischen Kiefernrund- und schnittholz stellen Äste das herausragende Kriterium dar. Auch STEPIEN (2002) zeigte unter anderem für Kiefer in seiner Untersuchung zwischen den im Wald bestimmten Einzelmerkmalen am stehenden Baum und der jeweiligen Schnittholzqualität, dass die äußere Astigkeit neben Stammdimension und Lage des Abschnitts im Stamm ein wichtiges und relativ objektives Kriterium ist. In dem von ihm zur Bestimmung der Rundholzqualität vorgeschlagenen multiplen Regressionsmodell 10 konnte er insbesondere für Kiefer gute Korrelationskoeffizienten von etwa 0,75 zwischen der Stehendansprache und der Rundholzqualität darlegen. SAUTER U. VERHOFF (2010b) heben hervor, an welch prominenter Stelle direkt nach dem erstgenannten Merkmal Astigkeit Beulen als typisches Qualitätsmerkmal der Kiefer in der Europäischen Norm EN aufgeführt werden und dass Beulen [ ] in aller Regel überwallte Fauläste anzeigen. Dies gilt allerdings nicht pauschal, sondern ist regional unterschiedlich ausgeprägt. Das merkt BINDSEIL (1966) an, wonach Beulen an der Stammoberfläche, die schon am stehenden Stamm ins Auge springen [ ] bei der Holzernte aufgehauen werden müssen, wo nach örtlichen Erfahrungen mit Schwarzastigkeit gerechnet werden kann. Zum Zusammenhang zwischen der Merkmalsausprägung der Beulen und der zu erwartenden Holzqualität weisen SAUTER U. VERHOFF (2010b) auf die tendenzielle Abnahme der Beulenhöhe bei gegebener Aststärke mit zunehmender Zeitdauer und somit Tiefe der Überwallung hin. Sie führen weiter aus, dass sich über die Messung des Abstands zwischen Stammmantel und der dazu in Beulenhöhe verlaufenden Parallele ein Grenzwert zur Unterscheidung der Qualitätsklassen herleiten ließe, was in den aktuellen Sortiernormen nicht der Fall ist. Vor allem im Hinblick auf die Verarbeitung stellt LOSKANT (1983) jedoch die Bedeutung der Krümmung heraus, die die Ästigkeit als entscheidendes Kriterium für die Gütesortierung des Stammholzes insbesondere bei schwachem Kiefernholz übertrifft. Auch ZIEGELER (2008) weist auf die besondere Rolle der Geradschaftigkeit als qualitätsbestimmenden Faktor bei Kiefernstammholz hin. STEPIEN (2002) gibt allerdings zu bedenken, dass in der Vergangenheit bei der Einschätzung der Schnittholzqualität auf Grundlage der Rundholzqualität die Einflüsse von Krümmungen [ ] vor allem bei Buchen, Kiefern und Lärchen häufig zu stark gewichtet wurden. 3.3 Konzepte und Verfahren zur Dimensions- und Qualitätseinschätzung von Bäumen und Beständen Wer es versteht, gewisse äußere Merkmale an Waldbäumen richtig zu deuten und dementsprechend Rückschlüsse am stehenden Holz auf seine innere Beschaffenheit und Güte 9 Durch Überwallung abgestorbener Äste entstehen bei Kiefer zunächst Beulen, die mit zunehmender Zeit abflachen. 10 Die Parameter des multiplen Regressionsmodells waren: Baumhöhe, Kronenansatzhöhe, Stammkrümmungsausprägung, BHD, mittlere Höhe des Sägeabschnitte am Stamm, Gesamtzahl Äste, Anzahl Astnarben und Astbeulen. 17

26 Stand des Wissens zu ziehen, kann sich bei der Ernte manche Enttäuschung ersparen. Mit diesen einleitenden Worten bringt BINDSEIL (1966) zum Ausdruck, wie entscheidend nicht nur die Dimension von Erntestämmen, sondern insbesondere deren Holzqualität ist. Bei der Einschätzung der Holzqualität besteht immer das grundsätzliche Problem, nicht in die Stämme hineinsehen zu können. Der Großteil der (inneren) Holzmerkmale offenbart sich dem Betrachter daher erst im Sägewerk beim Aufschluss des Holzkörpers. Zu diesem Zeitpunkt ist jedoch bereits eine Verwertungsentscheidung gefallen, die dann nur noch in begrenztem Umfang an die tatsächlichen Gegebenheiten angepasst werden kann. Um Verwertungsentscheidungen dennoch frühzeitig und bewusst zu treffen, ist es daher erforderlich, mit ausreichender Genauigkeit von äußeren sichtbaren Merkmalen auf innere, vor dem Auftrennen des Rundholzes unsichtbare, Merkmale schließen zu können. Die Güteeinteilung von Rundholz zielt darauf ab, neben der Stammform äußere Merkmale an Rinde und Schnittfläche des Holzes für eine Qualitätsbeurteilung heranzuziehen. Zur Einschätzung der Holzqualität an stehenden Bäumen vor der Ernte gibt es mehrere Ansätze, die sich grundsätzlich in zwei Gruppen einteilen lassen. Einerseits die möglichst genaue Beurteilung von Einzelbäumen, zum Beispiel von Wertholz (vgl. WIEGARD ET AL. 1997; SCHÜTT ET AL. 2005; SCHÜTT ET AL. 2004), und andererseits die ungefähre Einschätzung des Holzvorrats auf Bestandesebene anhand von Stichproben, zum Beispiel im Rahmen von National- oder Betriebsinventuren (vgl. STEPIEN ET AL. 1998; MAHLER ET AL. 2001). WILLMANN ET AL. (2001) geben zu bedenken, dass eine Güteeinteilung am stehenden Stamm meist nur ein Gütepotenzial ausweist, jedoch keinerlei Rückschluss auf innere Holzqualitäten oder Verwendungsmöglichkeiten zulässt. GADOW (2005) nennt die Güteansprache stehender Bäume eine anspruchsvolle Aufgabe [ ] [auf Grund] der Unsicherheit, die sich daraus ergibt, dass bei vielen Baumarten am stehenden Stamm bestimmte innere Gütemerkmale nicht zu erkennen sind. Grundsätzlich ist eine derartige Ermittlung oder Einschätzung von äußeren Merkmalen der Holzqualität eher selten regulärer Bestandteil von Inventurverfahren, obgleich die Nutzfunktion neben der Schutz- und Erholungsfunktion als hochrangiges Wirtschaftsziel der Waldbewirtschaftung angesehen wird (s.a. WEIDENBACH U. KARIUS 1993, KEMMNER U. RISSE 1994, FORSTBW 2014). Seitens der Forschung wurde zwar erkannt, dass die Holzqualität ein entscheidender Faktor ist, der bei der Bestandsermittlung erhoben und modelliert und bei der weiteren Planung berücksichtigt werden sollte. So wurden zum Beispiel für Baden- Württemberg im Rahmen der zweiten Bundeswaldinventur teilweise auch Qualitätseinschätzungen vorgenommen (KÄNDLER 2011, LEENEN U. SCHMIDT 2005, MAHLER ET AL. 2001) und es gab auch bereits im Zuge der Auswertung der zweiten und Vorbereitung der dritten Bundeswaldinventur Vorschläge zur Modifikation des angewandten Verfahrens (BRÜCHERT ET AL. 2008). Aus Kostengründen wurde diese Qualitätsansprache jedoch für die dritte Bundeswaldinventur, die sich derzeit in der Auswertung befindet, nicht wieder vorgesehen (KÄNDLER 2011). LEENEN (2006) untersuchte auf Basis dieser Qualitätsansprache die Zusammenhänge der Qualität zwischen den drei Produktstufen stehender Stamm Rundholz Schnittholz. Er kommt zu dem Ergebnis, dass enge Zusammenhänge zwischen den 18

27 Stand des Wissens Qualitätsklassen am stehenden Stamm und dem Rundholz bestehen, das gleiche gilt zumindest tendenziell bei den besseren Qualitätsklassen auch für die Beziehung zwischen der Qualität des stehenden Stammes und der Schnittholzqualität, nicht jedoch bei schlechteren Rundholzqualitäten. Er kommt zu der vorsichtigen Einschätzung, dass die visuelle Qualitätsansprache [ ] am stehenden Stamm und am Rundholz für gute und tendenziell auch für schlechte Qualitäten eine im allgemeinen treffsichere Prognose der Schnittholzqualität erlaubt, gibt aber zu bedenken, dass dies nicht für die große Masse der mittleren Qualitäten gelte, für die nur eine ungefähre Vorhersage der inneren Qualität möglich sei. HEIN ET AL. (2007) kommen zur Bewertung, dass die bestehenden Methoden zur Qualitätseinschätzung des stehenden Vorrats dennoch trotz großer Reststreuung die grundsätzliche Möglichkeit [zeigen], eine Güteansprache am stehenden Stamm als Indikator für die Schnittholzqualität zu nutzen. THOMAS (2000) entwickelte eine photogrammetrische Methode, um die äußere Form anhand der Merkmale Abholzigkeit, Neigung und Krümmung an stehenden Kiefern zu bestimmen. Das in den meisten Methoden zur Qualitätsansprache verwendete Merkmal Astigkeit spielt darin keine Rolle. Er konnte dennoch zeigen, dass es möglich ist, auf Basis dieser ermittelten Werte auf eine zu erwartende sehr gute bis gute Rundholzqualität zu schließen. GARBE (2013) weist darauf hin, dass insbesondere Stämme höherwertiger Sortimente stehend ausgewählt werden sollten, um eine ausreichende Beurteilung sicherstellen zu können. Es sollten demnach die primären Kriterien Ast- und Beulenfreiheit und gleichmäßige Borkenstruktur als Weiser für gleichmäßigen Jahrringaufbau und frühe Astreinigung herangezogen werden. Hier findet sich auch ein Hinweis auf einen Zusammenhang zwischen Standort und Holzqualität. Auf Grund des erfahrungsgemäß breiten Jahrringaufbaus und ungenügender Astreinigung in der Jugend seien Kiefern von nährstoffreichen und grundwasserbeeinflussten Standorten in aller Regel nicht als Wertholz zu klassifizieren. Auch SAU- TER (1996) weist auf den Einfluss des Standorts, hier insbesondere des Lehmanteils, auf erhöhte Astigkeit hin. MACDONALD ET AL. (2009) untersuchten verschiedene non-destruktive Möglichkeiten zur Einschätzung des Anteils an Sägeholz und dessen Qualität in schottischen Kiefernbeständen. Eingang fanden dabei verschiedene Astindizes, Ergebnisse einer Schaftformeinteilung nach Klassen, und die Resultate akustischer Messverfahren zur Einschätzung der mechanischen Eigenschaften. Es zeigte sich, dass die visuelle Einschätzung der Geradschaftigkeit und der Höhe des untersten Totastes eine zuverlässige Bestimmung des Sägeholzanteils ermöglicht und dass eine Integration dieses Verfahrens in Inventuren oder in die Ernteplanung eine bessere Zuordnung von Erntebeständen zu Kunden erlauben würde. Die Vorsortierung von Bäumen auf Grund akustischer Messergebnisse war zwar grundsätzlich möglich, erwies sich jedoch als nicht so treffsicher und effizient wie die Sortierung einzelner Sägeholz-abschnitte auf Grund akustischer Verfahren. AUTY UND ACHIM (2008) zeigten ebenfalls an schottischen Waldkieferbeständen die grundsätzliche Verwendbarkeit akustischer Messungen mit der sogenannten time-of-flight-tech- 19

28 Stand des Wissens nik zur Vorhersage mechanischer Qualitätseigenschaften, allerdings mit der deutlichen Einschränkung, dass das Baumalter und falls möglich auch andere Ursachen für Unterschiede zwischen einzelnen Bäumen für eine deutlich bessere Vorhersagegenauigkeit unbedingt mit einbezogen werden sollten. RAIS ET AL. (2014) untersuchten an Douglasie die Möglichkeit der Vorsortierung anhand der Längsschwingung von Schallwellen am stehenden Baum und am Rundholz hinsichtlich der zu erwartenden Festigkeit des Schnittholzes. Für Rundholz (sowohl für Lang- wie auch für Kurzholz) konnte dieser Zusammenhang zwar bestätigt werden, Vorhersagen vom stehenden Baum auf die Festigkeitswerte des Schnittholzes konnten jedoch nicht zuverlässig getroffen werden. WEI ET AL. (2011) zeigen in einer umfassenden Übersicht auf, welche Möglichkeiten darüber hinaus durch die Verwendung der Röntgentechnologie zur Qualitätsbestimmung in der Forstwirtschaft bestehen. Entwickelt und als Prototypen eingesetzt wurden auch Verfahren zur mobilen Erfassung, die jedoch wegen des Messaufwands auf Einzelbäume beschränkt sind. Möglichkeiten zur mobilen Erfassung qualitätsbestimmender Merkmale am stehenden Stamm bieten auch andere Technologien wie die Near-Infrared Spektrometrie (NIRS) (TRUNG U. LEBLON 2011), allerdings sind hier die Möglichkeiten zur Qualitätsbestimmung deutlich eingeschränkter. 3.4 Nutzung von Laserscanning zur Datenerhebung für die Charakterisierung von Rohholz Ein wichtiger Faktor bei der Datenerhebung im Rahmen von Bestandesinventuren sind stets Kosten. Zumindest in hoch industrialisierten Ländern haben hohe Personalkosten meist ein größeres Gewicht als die Investitionskosten in neue Technologien zur Arbeitserleichterung bzw. Erhöhung der Datendichte oder -genauigkeit. Eine solche Technologie, die in den letzten Jahren forstlich verwendet wird, ist das Laserscanning, auch häufig als LiDAR (light detection and ranging) bezeichnet, bei dem aktiv mittels Laserimpulsen über die Reflexionsdauer die Entfernung zwischen Sender und Objekt gemessen wird (s.a. BREIDENBACH ET AL. 2008a). Dabei kann der Sender bodengestützt wie beim sog. Terrestrial Laser Scanning (TLS) eingesetzt werden oder luftgestützt mittels Flugzeug, Helikopter oder Drohne wie es beim sog. Airborne Laser Scanning (ALS) der Fall ist Bodengestütztes Laserscanning TLS Bei TLS kommen professionelle 3D-Laserscanner verschiedener Hersteller zur Anwendung, die über die Intensität und die Dauer bis zur Reflexion eines mittels eines rotierenden Spiegels ausgesandten Laserstrahls sowie eine Phasenverschiebung die Entfernung bis zum reflektierenden Objekt ermitteln und so dreidimensionale Abbilder der abgetasteten Umgebung ausgeben (vgl. GORDON 2008). Die mittlerweile kompakten Geräte können leicht getragen werden. Sie werden für die Aufnahme ( Scan ) meist auf Dreibeinstativen aufgestellt und erfassen die Umgebung im Umkreis mit einem Radius bis 100 m. Je größer die 20

29 Stand des Wissens Entfernung ist, desto gröber wird die Auflösung. Da es sich um ein optisches Verfahren handelt, spielen auch Verdeckungen mit zunehmender Entfernung eine größere Rolle. Im Forstbereich liegen daher die Scanradien zwischen 10 m (LIANG U. HYYPPÄ 2013) und 15 m (BIENERT ET AL. 2007a) und somit deutlich darunter. Allerdings gibt es durchaus Beispiele für Versuche bis zu 60 m (LIANG ET AL. 2011). GORDON (2008) legt diese Grundsätze und Einschränkungen der TLS-Technik ausführlich dar, während BIENERT ET AL. (2011) einen guten knappen Überblick über die Möglichkeit der Verwendung von TLS im Rahmen von Inventuren im Forstbereich und das bisher Erreichte geben. Diese TLS Technologie findet für Waldbäume vermehrt Interesse und Verwendung. Seit gut einem Jahrzehnt wird daran geforscht, wie TLS für Waldinventuren und damit für stehende Bäume angewendet werden kann, um sowohl die Inventurtechnik zu verbessern als auch den Aufwand zur Informationsgewinnung zu reduzieren. Die ersten Versuche im Rahmen von Forschungsprojekten erzielten dabei bereits Erfolge, wobei der Fokus zunächst auf der automatisierten Erfassung der Einzelstämme, der Ermittlung der Durchmesser (s. ASCHOFF ET AL. 2004) und der Erfassung von Stammprofilen lag (MAAS ET AL. 2008). Einzelne der entwickelten Methoden haben es auch bereits zu einer gewissen Marktreife gebracht, wie u. a. das Beispiel der Firma Treemetrics aus Irland zeigt (vgl. Kapitel 1.3). In der Umsetzung handelt es sich dabei jedoch noch weitgehend um Einzelbeispiele. Eine verbreitete Anwendung zum Beispiel im Rahmen von großflächigen Inventuren findet noch nicht statt. LIANG (2013) konnte zeigen, dass mittels vollständig automatisierter TLS-Datenverarbeitung zumindest für vergleichsweise homogene skandinavische Nadelholzbestände eine Messgenauigkeit erreicht werden kann, die einer konventionellen Datenaufnahme in nichts nachsteht. Diese bisher fehlende Messgenauigkeit bei der automatisierten Verarbeitung von TLS-Punktwolken war in der Vergangenheit einer der maßgeblichen Gründe für die kaum erfolgte Integration dieser Technologie in forstliche Inventurkonzepte (LIANG 2013). Grundsätzlich ist analog zur Darstellung in Kapitel 3.3 auch bei der zusätzlichen oder substituierenden Verwendung neuer Technologien zu unterscheiden zwischen der möglichst detaillierten Aufnahme von Einzelbäumen, wofür u. a. KRETSCHMER ET AL. (2013) ein neues Konzept vorstellten und der annähernd realitätsnahen Einschätzung von Volumen und Qualität auf Bestandesebene über statistisch aufbereitete Stichprobendaten. Je genauere Informationen benötigt werden, desto höher ist der Aufwand für die Erhebung sowie auch im Anschluss für die Verarbeitung der Daten. Für die TLS-Technik heißt dies, dass je nach Anwendung eine höhere Anzahl von Scans pro Aufnahmepunkt erforderlich ist sowie gegebenenfalls eine höhere Punktdichte, was in jedem Fall größere Datenmengen zur Folge hat. Bei den heute auf dem Markt verfügbaren Geräten und Speicherkapazitäten stellt dies jedoch keine Einschränkung mehr dar. KANKARE ET AL. (2014) konnten in ihrer Studie zeigen, dass die mittels TLS erfassten Kiefern sehr gut in aggregierte Qualitätsklassen (gut mittel schlecht) eingeteilt werden können. Die zur Einschätzung herangezogenen Merkmale wurden manuell in der TLS-Punktwolke 21

30 Stand des Wissens gemessen. Im Vergleich mit einer Einteilung auf Basis terrestrischer Referenzmessungen waren die Ergebnisse der Schätzung auf TLS-Basis nur leicht ungenauer. Erst bei einer höheren Differenzierung in fünf Qualitätsklassen sank die Genauigkeit. Dies gilt jedoch nicht nur für die Einschätzung basierend auf TLS-Daten sondern gleichermaßen auch für terrestrische Referenzdaten Luftgestütztes Laserscanning ALS Im Falle luftgestützten Laserscannings (ALS) wird die Erdoberfläche während des Überfliegens aus der Luft mittels Laserstrahlen und ihrer Reflexion abgetastet. Dabei spielt insbesondere die jeweilige erste (first pulse)und die letzte (last pulse) Reflexion eines ausgesandten Lichtstrahls eine Rolle. Erstere geben die Entfernung der Oberfläche (Vegetation, Gebäude, o. ä.) zum Sender wider und letztere die der Erdoberfläche. Aus der so generierten Punktwolke werden über die Verortung im Koordinatennetz digitale Oberflächen- und Geländemodelle berechnet (digital surface model DSM, digital terrain model DTM). Über deren relative Beziehung zueinander wiederum kann ein sogenanntes normalisiertes digitales Oberflächenmodell ndsm berechnet werden. Im forstlichen Zusammenhang entspricht bei diesen beispielsweise die Höhe der Kronenhöhe der Bäume eines Waldbestandes, weshalb dieses hier auch häufig als Kronenhöhenmodell CHM (canopy height model) bezeichnet wird (vgl. STRAUB U. KOCH 2011). Einen guten Überblick über die Möglichkeiten der Nutzung von ALS im Forstbereich und insbesondere im Rahmen von Waldinventuren geben KOCH (2011) und BIENERT ET AL. (2011) ebenso wie STRAUB (2010) sowie HEINZEL (2011). Insbesondere HEINZEL (2011) bietet außerdem einen aufschlussreichen Einblick in die Technologie und Entwicklung des ALS. Darüber hinaus findet sich auch in der Einleitung bei HYYPPÄ ET AL. (2009) ein geschichtlicher Abriss über die Entwicklung der Forschung zu ALS im Forst. Im Kontext einer Holzbereitstellungsplanung auf Basis von ALS Daten für mitteleuropäische heterogene Waldbestände mit einzelbaumweise Nutzung kommt der möglichst genauen Schätzung des Einzelbaumes eine besondere Bedeutung zu. Dazu finden sich in der Literatur zahlreiche Beispiele zur Delinierung von Einzelbäumen und die Ableitung der Merkmale Baumhöhe, Kronendurchmesser und Kronenvolumen beziehungsweise Kronenlänge aus ALS-Daten (vgl. u. a. KOCH ET AL. 2009, STRAUB U. KOCH 2011, BREIDENBACH ET AL. 2008a, GUPTA ET AL. 2010, WANG ET AL. 2008, NӔSSET 2002, HEINZEL 2011). Über entsprechende Beziehungen zwischen Durchmesser und Höhe von Bäumen in Waldbeständen werden zum einen Durchmesserverteilungen von Beständen bspw. auf Basis von Fernerkundungsdaten geschätzt (vgl. FILIPESCU ET AL. 2012) und es wird zum anderen versucht, das Derbholzvolumen von Einzelbäumen zu berechnen (s. a. STRAUB U. KOCH 2011, BREIDENBACH ET AL. 2008a, BREIDENBACH ET AL. 2008b, NӔSSET 2002). Problematisch für die Verwendung von ALS zu diesem Zweck ist dabei besonders, dass die meist in Form von Höhenkurven dargestellte Wuchsbeziehungen zwischen Durchmesser und Höhe von vielerlei u. a. standörtlichen Faktoren abhängen und insbesondere baumartenindividuell sind (vgl. u. a. ASSMANN 1961). Baumarten können bisher aus ALS jedoch nur 22

31 Stand des Wissens begrenzt sicher abgeleitet werden, was die Verwendung für Mischbestände deutlich einschränkt im Hinblick auf die Vorratsberechnung. Dennoch konnten HEINZEL U. KOCH (2011) Wege zur automatisierten Erkennung zumindest der Hauptbaumarten aus ALS aufzeigen. Auch VASTARANTA ET AL. (2014) sehen die mangelnde Möglichkeit der Baumartenerkennung als ein Hauptproblem bei der Verwendung von ALS für Inventuren; zumindest als alleinige Datenquelle. STRAUB U. KOCH (2011) verwenden daher zur einzelbaumweisen Volumenbestimmung an Kiefer zusätzlich zu ALS auch Farbinfrarot (color-infrared CIR) Orthophotos und konnten zeigen, dass mit dieser Kombination von Datenquellen gute Ergebnisse erzielt werden können. In der Literatur finden sich zahlreiche Beispiele für die Schätzung von Einzelbaummerkmalen als ALS-Daten. In der Regel sind dies Kronenparameter (s. a. HEINZEL 2011). HEINIMANN U. BRESCHAN (2012) skizzierten ein Verfahren zur Auswahl von Einzelbäumen für die Nutzung im schweizerischen fichtenbestockten Bergwald auf Basis von ALS-Daten. Über die daraus abgeleitete Höhe der Bäume, eine Bestandeshöhenkurve sowie die Volumenfunktion aus der entsprechenden Nationalinventur schätzten sie die Stärkeklassenverteilung von potentiellen Erntekorridoren. Sie sehen hohen Forschungsbedarf auch bei Reinbeständen insbesondere bei der Ermittlung von Stammzahlverteilungen über den Brusthöhendurchmesser und die Baumhöhe. VAUHKONEN ET AL. (2013) schlussfolgern aus ihren Untersuchungen zur Nutzung von ALS-Daten für die Holzbeschaffungsplanung, dass zumindest für boreale Nadelwälder durchaus realistische Aussagen über die Holzvorräte getroffen werden können, die Holzqualität jedoch auf Basis dieser Technologie nicht eingeschätzt werden könne. Dazu bedarf es einer Kombination mit anderen Methoden und Technologien, beispielweise mit TLS Kombination von TLS und ALS In einer kompakten Übersicht über die bisherigen Arbeiten und Ergebnisse zur Holz- und Faserqualitätsbestimmung in stehenden Beständen auf Basis von TLS und ALS zeigen LEEU- WEN ET AL. (2011) die Breite der Verwendbarkeit dieser Technologien im Rahmen von Inventuren. Große Bedeutung messen sie dabei ausdrücklich auch der Kombination dieser beiden nahezu komplementären Technologien bei. Die Schwächen der einen Methode werden durch die Stärken der jeweils anderen ausgeglichen. Gleichzeitig besteht durch die Verwendung von TLS die Möglichkeit, ALS-Daten zu kalibrieren und zu validieren. FRITZ ET AL. (2011) stellten eine Methode vor zur Kombination von Einzelbaumdaten aus ALS und TLS. Dabei wird aus der Position der Kronenspitze aus ALS und der Stammform aus TLS über die Prognose des weiteren Stammverlaufs automatisch eine Zuordnung zwischen den beiden Datensätzen vorgenommen. Bei entsprechender Beschränkung auf Bäume der herrschenden und vorherrschenden Klasse durch Vorauswahl der Einzelbäume im TLS wird eine hohe Trefferquote vorhergesagt. Durch Integration der Baumart sehen die Autoren eine deutliche Verbesserung der Methode für die Zukunft mit hohem praktischem Nutzen. 23

32 Stand des Wissens 3.5 Konzepte und Verfahren zu Verknüpfung und frühzeitigem Abgleich von Rundholzangebot und -bedarf Die meisten Modelle zur bedarfsgerechten Holzbereitstellung für Sägewerke stützen sich auf Berechnungen unter Verwendung von Daten über Längen und Durchmesser, sog. Preislisten, zur Zuordnung von Beständen oder Einzelbäumen zum jeweiligen Bedarf einzelner Abnehmer (s. u. a. KIVINEN 2006). Es handelt sich folglich um reine Dimensionsangaben, wobei neben der Länge ausschließlich der Zopfdurchmesser herangezogen wird. Das liegt ursächlich in den skandinavischen Messsystemen begründet, auf denen sowohl die auf den On-Board Computern (OBC) in Harvestern standardisiert gespeicherten Erntedaten basieren als auch die in sog. bucking simulation Modellen geschätzten Erntedaten. Dies ist im Falle einer Belieferung der Sägeindustrie zwar einerseits zielführend, als mit dem Zopfdurchmesser der tatsächlich relevante, das Schnittbild im Sägewerk bestimmende Abschnittsdurchmesser herangezogen wird, was für den hierzulande forstseitig maßgeblich sortierrelevanten Mittendurchmesser nicht gilt. Andererseits ist dieser fehlenden Verankerung des Zopfdurchmessers in den hiesigen Vorgaben zur Maßermittlung aber geschuldet, dass in Skandinavien entwickelte Simulationsprogramme nur eingeschränkt mit unseren Anforderungen an Ergebnisdaten aus solchen Berechnungen übereinstimmen. Weitaus wichtiger jedoch ist das Fehlen des Faktors Qualität, der insbesondere bei der Sägeindustrie neben der Dimension von Bedeutung ist (vgl. Kapitel 3.2). Auch BARTH U. HOLMGREN (2013) benennen dies als neben der Baumartenbestimmung drängendstes Problem bei der Ernteplanung auf Basis von ALS-Daten. Dafür gibt es derzeit außer einer aufwändigen Erhebung im Feld keine wirkliche Lösung. 24

33 4 Material, Daten und Datenmodifikation Untersuchungsgebiet war ein 840 ha großes, in der Ebene gelegenes staatliches Waldgebiet nördlich von Karlsruhe. Dieses Gebiet wird von der Abteilung Forst des Liegenschaftsamts der Stadt Karlsruhe als Untere Forstbehörde (UFB) bewirtschaftet und ist in mehrere Bestände unterteilt. Diese Bestände sind hinsichtlich Baumarten und Altersklassenverteilung heterogen. Die Hauptbaumart ist mit 51 % Flächenanteil 11 die Kiefer (STRAUB 2010, STRAUB U. KOCH 2011, HEINZEL ET AL. 2011). Es lagen verschiedene Datensätze über das Untersuchungsgebiet als Ausgangsbasis für die Methodenentwicklung vor. Tabelle 1 gibt einen Überblick über die verwendeten Datensätze, die ursprünglich darin enthaltenen Daten und das jeweilige Datenformat, in dem sie bereitgestellt worden waren. Tabelle 1: Verwendete Datensätze, ursprüngliche Daten und ihre Formate (Erläuterung siehe Abschnitte 4.1 bis 4.5) Datensatz Beschreibung Ursprungsdatenformat Daten Terrestrische Referenz (Felis) Einzelbäume von 27 quadratischen Referenzflächen von je 900 m², Flächenmitte: BI-Punkt 12 Geodatensatz, Feature- Class Point BI-Punkt-Koordinaten (x;y); für alle Bäume d1,3 7cm mr: Stammfuß- und Kronenspitzenkoordinaten (x;y), d1,3 in [cm], Baumart, außerdem für Bäume von 6 Flächen: Höhe in [m] TLS 17 Stichprobenplots von je 706,86m² (r=15m) im Single- Scan-Verfahren mittels TLS erfasst ASCII-Textdatei Plotnummer, Baumnummer; für Stammsektionen in Intervallen von 10 cm Höhe [dm]: Durchmesser [mm] des eingepassten Kreises, Volumen [Liter]; Koordinaten der Sektionsmittelpunkte (x;y) ALS Einzelbäume aus ALS abgeleitet ASCII-Textdatei Kronenspitzenkoordinaten (x;y), maximale Kronenbreite (Krd) in [m], Kronenlänge (Krl) in [m] und Baumhöhe hals in [m] Bestandesgrundkarte Administrative Einteilung der Bestände, Bestandesgrenzen Geodatensatz, Feature- Class Polygon Identifikation, Waldeinteilungsflächenkennziffer (WEFLKZ), Flächengröße in [ha] Hexagonflächen von 452 m² aus BI und ALS-Daten Bestandesunterflächen (Hexagone) Geodatensatz, Feature- Class Polygon Derbholzvorrat [m³/ha], Derbholzvorrat Nadelholz [m³/ha], Nadelholzanteil [%] am Derbholzvorrat (RMSE 17,55 %) 11 Standflächenanteil berechnet über BHD-abhängige Standflächenfunktionen. 12 Bei der Betriebsinventur (BI) werden in einem festgelegtem Raster in konzentrischen Probekreisen um im Boden verdeckt markierte Punkte (BI-Punkte) Stichproben erhoben. 25

34 Material, Daten und Datenmodifikation Alle Lageinformationen lagen in der Gauß-Krüger-Projektion für den 3. Meridianstreifen vor oder wurden in diese transformiert, um sie in GIS weiterverarbeiten zu können. Im Folgenden werden diese Ursprungsdaten beschrieben, die zur Datenvorbereitung verwendeten Methoden erläutert und die resultierenden Eingangsdatensätze für das zu entwickelnde Konzept dargestellt (Kapitel 4.1 bis 4.6). In Kapitel 4.7 wird das Vorgehen zur Erfassung des Bedarfs der Industrie beschrieben. Die Methoden der Datenverarbeitung werden als Bestandteil des entwickelten Konzepts im ersten Ergebnisteil (Kapitel 5 Ergebnisse Methodenentwicklung) behandelt. Im zweiten Ergebnisteil (Kapitel 6 Ergebnisse Sortimentierung und Allokation) wird die Allokation von Sortimenten auf der Basis von Laserscanningdaten und die Verknüpfung von Angebot und Bedarf unter Anwendung der ermittelten Methoden berechnet. 4.1 Terrestrische Referenz Die Daten des Datensatzes Terrestrische Referenz stammten aus Aufnahmen des Projektpartners Professur für Fernerkundung und Landschaftsinformationssysteme der Albert-Ludwigs-Universität Freiburg (Felis) aus dem Jahr 2011 und dienten als Referenzdaten für die Validierung der Daten aus luftgestützem Laserscanning (ALS). Die Daten der Einzelbäume in diesen Referenzflächen waren als Geodatensatz der Feature-Class Point 13 zur Verfügung gestellt worden. Die Mittelpunkte dieser Referenzflächen lagen auf den Probeflächenmittelpunkten der Betriebsinventur (BI) im Stadtkreis Karlsruhe. In Abweichung von der üblichen Aufnahmemethodik bei einer BI mittels Kontrollstichproben (GADOW 2005; KRAMER U. AKÇA 2002; FORSTBW 2014) wurden die Einzelbaumdaten an den 27 zur Verfügung stehenden Stichprobenpunkten nicht in konzentrischen Probekreisen erhoben sondern an jedem Stichprobenpunkt innerhalb eines r = 15 m Abbildung 2: Schematische Darstellung der Lage der quadratischen Referenzflächen und der kreisförmigen TLS-Plots. Quadrats mit der Seitenlänge a = 30 m (vgl. Abbildung 2) 14. Auf dieser Fläche von 900 m² wurde somit von allen Bäumen über der Kluppschwelle von 7 cm mit Rinde (mr) (Derbholzgrenze) die Baumart sowie in Brusthöhe (1,3 m) der Durchmesser (d 1,3) in Rinde mittels Umfangmaßband erfasst. Die Nadelbäume bestanden zu über 92 % aus Kiefern. Die relative Lagebestimmung der Bäume erfolgte mittels Polarkoordinaten mit dem markierten Mittelpunkt des Stichprobenplots als Zentrum. Die Position der Einzelbäume wurde über die Koordinaten des Stichprobenmittelpunktes in Gauß-Krüger-Koordinaten umgerechnet. Zusätzlich war die Kronenposition aller Bäume in den Stichproben zweidimensional 13 Sammlung von Punktpositionen. 14 Hintergrund ist die ursprüngliche Aufnahme der Referenzdaten zur Validierung von Daten aus luftgestütztem Laserscanning. 26

35 Material, Daten und Datenmodifikation durch Ablotung der Kronenspitze erfasst worden. Sie wurden als Lagekoordinaten derselben Datei mit flächeneindeutiger Baumnummer und dem Suffix k gespeichert. Von sechs Flächen lagen außerdem für alle Bäume Werte aus terrestrischen Höhenmessungen vor. 4.2 Datensatz Terrestrisches Laserscanning Abbildung 3: Nahaufnahme des von Treemetrics für die TLS-Aufnahmen verwendeten Scanners des Herstellers Faro an einem der Stichprobenplots. (Bildquelle: P. ADLER 2010) Die Datenerhebung mittels TLS im Jahr 2010 und deren weitere Verarbeitung erfolgten zunächst durch den Projektpartner Treemetrics. Abbildung 3 zeigt den verwendeten Scanner. Die Daten wurden im Single-Scan Verfahren erfasst. Dabei wurde das Gerät, das in einem einzelnen Scandurchgang über 360 horizontal alle reflektierten Laserstrahlen registrierte, mit einem Dreibeinstativ lotrecht in ca. 1,7 m über jedem der 27 Plotmittelpunkte aufgestellt (vgl ). Alle Daten von Objekten innerhalb eines Kreises mit einem Radius r=15 m um den Scanner wurden weiter bearbeitet. In der Nachbearbeitung der Rohdaten durch Treemetrics wurden unter Verwendung ihrer Software Autostem Einzelstammdateien über Stammerkennungsalgorithmen generiert, die alle erkannten Stämme oberhalb einer virtuellen Stockhöhe von 20 cm in virtuelle Stammsektionen von 10 cm unterteilen. Für jede dieser Sektionen wurden die durch Kreiseinpassungsalgorithmen bestimmten Durchmesser sowie die dreidimensionalen geographischen Koordinaten der Mittelpunkte dieser virtuellen Stammscheiben bestimmt (vgl. Abbildung 4). Die dafür verwendete Methode wird unter anderem in BIENERT ET AL. (2007a und 2007b) umfassend beschrieben. Durch die zunehmende Verdeckung der Stämme im Kronenraum verringert sich mit der Stammhöhe die Anzahl der von den Stämmen reflektierten Punkte des Laserscans. Sinkt diese Punktanzahl unter einen definierten Schwellenwert je Flächeneinheit, kann aus der Punktwolke keine Stammsektion mehr berechnet werden. Die darunter liegende Messung wird in diesem Fall als letzte (oberste) Messung registriert. Die in einem firmeneigenen Format von Treemetrics gespeicherten TLS-Daten (sog. stemfiles) standen nach Programmierung eines parsers zur Datentransformation an der Professur für Fernerkundung und Landschaftsinformationssysteme der Universität Freiburg als ASCII- Datensatz zur Verfügung (vgl. Abbildung 5), bei dem jede Zeile eine virtuelle Stammscheibe (eingepasster Kreis) mit folgenden Parametern repräsentiert (vgl. Abbildung 4): Eine fortlaufende Scan-Nummer pro Aufnahme, eine fortlaufende Baumnummer innerhalb des Scans, die einmalige ID des erkannten Baumes, 27

36 Material, Daten und Datenmodifikation die Position (Höhe am Stamm in [dm]) der einzelnen Stammscheibe mit der Höhe 10 cm, deren radialen Durchmesser in Rinde [mm] sowie deren Volumen in [l] berechnet über diese Durchmesser und die Höhe und die geographischen Koordinaten (x;y) des oberen Stammscheibenmittelpunkts. Abbildung 4: Skizze zur exemplarischen Darstellung der virtuellen Stammscheiben und der sie beschreibenden Parameter. Abbildung 5: Beispiel für das Ursprungsdatenformat des Datensatzes TLS Dieser Datensatz konnte in ein Tabellenkalkulationsprogramm respektive eine GIS Software importiert und weiterverarbeitet werden (s. Kapitel 4.6.4). 4.3 Datensatz luftgestütztes Laserscanning Die Datenerhebung mittels ALS erfolgte durch Befliegung im Auftrag der Professur für Fernerkundung und Landschaftsinformationssysteme der Albert-Ludwigs-Universität Freiburg im Jahr Eine detaillierte Beschreibung der Technik des ALS sowie der Befliegungsparameter für das Untersuchungsgebiet ebenso wie die Beschreibung der zu Grunde liegenden Methoden und Algorithmen zur automatisierten Einzelbaumdelinierung und Extraktion der Einzelbaumparameter aus den digitalen Höhen- und Oberflächenmodellen (Digital Height Model DHM und Digital Surface Model DSM) finden sich in STRAUB (2010), GUPTA ET AL. (2010), STRAUB U. KOCH (2011) und VAUHKONEN ET AL. (2012). Der von o.g. Professur zur Verfügung gestellte Datensatz enthielt eine aus den ALS-Daten abgeleitete Einzelbaumliste mit Bäumen (vgl. Abbildung 6 und Abbildung 7 auf S. 31). Diese ASCII-Textdatei enthielt für jeden Baum folgende Parameter: die zweidimensionalen geographischen Koordinaten der Kronenspitze (x;y) die Höhe der Kronenspitze (h ALS) in [m] 28

37 Material, Daten und Datenmodifikation die Höhe des Kronenansatzes (h Kr) in [m] sowie daraus berechnet die Kronenlänge (Krl) in [m] den maximalen Kronendurchmesser (Krd) in [m] Abbildung 6: Beispiel für das Ursprungsdatenformat des Datensatzes ALS 4.4 Bestandesgrundkarte Die digitale Bestandesgrundkarte (BGK) diente zur Abgrenzung der Waldbestände im Untersuchungsgebiet. Von den enthaltenen Daten waren neben der administrativen Einteilung der Bestände unter Angabe der eindeutigen Waldeinteilungsflächenkennziffer (WEFLKZ) für die vorliegende Untersuchung insbesondere die Bestandesgrenzen und die jeweiligen Flächengrößen in [ha] von Bedeutung. Die BGK lag als Geodatensatz der Feature Class Polygon vor und konnte in GIS weiterverarbeitet sowie in MS Excel exportiert werden. 4.5 Bestandesunterflächen Der Datensatz Bestandesunterflächen (Hexagone) wurde vom Projektpartner Abteilung Biometrie und Informatik der Forstlichen Versuchs- und Forschungsanstalt Baden-Württemberg bereitgestellt. Für Teilflächen erfolgte eine Schätzung des Derbholzvorrats unter Angabe des geschätzten Volumenanteils Nadelholz. Die von ADLER (2011) nach der von BREIDENBACH ET AL. (2010) beschriebenen most similar neighbour Methode berechneten Angaben basieren ihrerseits auf BI- und ALS-Daten und beziehen sich auf Hexagonflächen von 452 m². Die Dateien lagen ebenfalls als Geodatensätze der Feature-Class Polygon zur weiteren Verarbeitung vor. Die je Hexagon enthaltenen Parameter sind: Derbholzvorrat [m³/ha], bei einem RMSE (root mean square error) von 33,04 % Derbholzvorrat Nadelholz [m³/ha] Nadelholzanteil [%] am Derbholzvorrat (RMSE: 17,55 %): bei einem Nadelholzanteil 80 % wird ein Hexagon als Nadelholz klassifiziert Exakte Hexagonfläche [m²]nach BREIDENBACH ET AL. (2010) wurde das Derbholzvolumen bei der verwendeten Methode mittels BDATpro (KUBLIN 2003) berechnet, wobei Schaftkurven 29

38 Material, Daten und Datenmodifikation und Volumina als zweiparametrige Funktion mit den Eingangsparametern d 1,3 und Baumhöhe berechnet wurden. BDATpro ist ein in vielen Studien zur Berechnung des Derbholzvolumens verwendetes (vgl. u. a. BREIDENBACH ET AL. 2008a und BREIDENBACH ET AL. 2008b, STRAUB U. KOCH 2011) und auch in der Praxis 15 vielbewährtes Volumen- und Sortenprogramm, das an der Baden-Württembergischen Forstlichen Versuchs- und Forschungsanstalt (FVA) entwickelt wurde (KUBLIN U. BÖSCH 2007). Die erste Version BDAT wurde für die erste Bundeswaldinventur BWI I entwickelt und zur Volumen- und Sortenberechnung verwendet (SMALTSCHINSKI 2001). Es basiert auf einer sehr großen Anzahl an Daten über die Schaftform von Einzelbäumen in Waldbeständen aus denen Schaftformmodelle entwickelt wurden, anhand derer die Durchmesser an beliebigen Stellen des Stammes geschätzt werden können (KUBLIN 2003). Für die Berechnung von Schaftkurven und Volumina wurden in der vorliegenden Arbeit die in MS Excel integrierten Funktionen von BDATpro verwendet (vgl. KUBLIN U. BÖSCH 2007). 4.6 Einzelbaumlisten aus Verschneidung der Datensätze Auswahl Kiefern Von allen 27 Flächen des terrestrischen Referenzdatensatzes wurden für die folgenden Analysen und Berechnungen alle 17 Flächen ausgewählt, in denen ausweislich der Referenzdaten Kiefern enthalten waren. Diese 17 Flächen enthielten insgesamt 907 Untersuchungsbäume, davon 378 Kiefern (vgl. Abbildung 7). Höhenangaben existierten in drei dieser Flächen für alle Bäume. Anschließend wurde der Datensatz aufgeteilt nach Stammfuß- bzw. Kronendaten, sodass jede Zeile der neuen Datensätze eindeutig einen Baum mit den Koordinaten des Stammfußes bzw. der Kronenspitze repräsentierte. Abbildung 7: Überblick über das Untersuchungsgebiet mit Lage der BI-Stichprobenpunkte (weiße Punkte). Grüne Punkte symbolisieren die Kronenspitzen der im ALS erkannten Einzelbäume, gelbe Punkte die für die Untersuchung ausgewählten Stichprobenplots, rote Linien die Bestandesgrenzen und hellgrüne Hexagone die Bestandesunterflächen. 15 Ein Beispiel für die weit verbreitete Verwendung von BDATpro in der Praxis ist das Programm HOLZERNTE der FVA zur Hiebskalkulation. Die darin enthaltene Sortimentierung basiert auf den Algorithmen in BDATpro (REIMANN, 2014) 30

39 Material, Daten und Datenmodifikation Berechnung sekundärer Daten aus TLS Nach Import der ASCII-Textdatei mit den TLS-Daten in Microsoft Excel (MS Excel) erfolgte zunächst die Selektion der Daten der 17 Scans in denen nach den obigen Ausführungen Kiefern enthalten waren. Anschließend wurden für jeden Baum folgende sekundäre Daten abgeleitet und in einer eigenständigen Datei mit einer Zeile je Baum gespeichert: Der Brusthöhendurchmesser aus TLS-Daten d TLS [mm], abgeleitet aus dem Durchmesser der elften Stammsektion (11 dm) unter Berücksichtigung des im Rahmen der Rohdatenverarbeitung durch Treemetrics erfolgten Abzugs einer pauschalen Stockhöhe von 20 cm. Der Durchmesser in Rinde in 7 m Höhe (d 7) über die Stammsektion 68 dm analog zur Ableitung des d 1,3. Das Stammvolumen v, ermittelt als Summe der Volumina der einzelnen durch virtuelle Stammscheiben definierten Sektionen in [m³] über deren obere und untere Grundfläche sowie deren Höhe anhand der Smalian schen Formel nach KRAMER U. AKÇA (2002) v = g o+g u l [1] 2 mit g o = oberer und g u = unterer Grundfläche in [m²] (berechnet aus den jeweiligen Durchmessern über die Kreisflächenformel π ( d 4 )2 ) sowie l = Sektionslänge als Abstand zwischen zwei virtuellen Stammscheiben in [m]. Die Länge (L TLS) jedes erkannten Stammes in [m] als Höhe der jeweiligen obersten registrierten Stammscheibe pro Baum. Die mittlere Abholzigkeit (ABH TLS) der Stämme in [cm/lfm] über die gesamte erkannte Stammlänge 16. Diese wird berechnet als Quotient zwischen der Differenz des unteren und des oberen Durchmessers (d u-d o) und L TLS. Die Berechnung der Abholzigkeit erfolgte in MS Excel indem bei jedem Stamm der Wert des letzten vollen erkannten Meters vom zehnten Wert 17 abgezogen wurde. Die mittlere Krümmung (KR TLS) der Stämme in [cm/lfm] über die gesamte erkannte Stammlänge. Diese wurde errechnet als Quotient aus der Pfeilhöhe [cm] und der jeweiligen Abschnittslänge. Dabei entspricht die Pfeilhöhe auch Bogenhöhe dem größten Abstand der Stammmittellinie von einer Geraden als Verbindungslinie zwischen den Mittelpunkten der Querschnittsflächen der Abschnitte. Zur Berechnung 16 Die Abholzigkeit wurde auch für einzelne Sektionen von 1 m berechnet. Diese Werte wurden in einer separaten Datei abgelegt. 17 Jeder Einzelwert in den TLS Daten entlang der Stammachse entspricht 1 dm. Da es sich bei den Stämmen aus TLS immer um Erdstammstücke handelt, wurde der größere Durchmesser 1 m vom starken Stammende entfernt erhoben, um eine Beeinflussung der mittleren Abholzigkeit durch den meist übermäßig abholzigen Wurzelanlauf zu vermeiden (in Anlehnung an die Berechnung der Abholzigkeit nach DIN-EN ). 31

40 Material, Daten und Datenmodifikation der Krümmung wurden unter Verwendung von Datenbankabfragen in MS Access zunächst die Koordinaten der o. g. Stammmittellinie berechnet sowie anschließend über deren dreidimensionale Lageveränderung im Raum (x; y; z) an den o. g. Messpunkten die Pfeilhöhe Berechnung sekundärer Daten aus ALS Über die Kronenansatzhöhe (h Kr) aus den primären ALS-Daten wurde durch Abzug der virtuellen Stockhöhe von 20 cm (vgl. Kapitel 4.6.2) die Schaftlänge Lmax in [m] als maximale verfügbare Stammlänge zur Aushaltung von Sägeholz abgeleitet und dem Datensatz hinzugefügt Verschneidung der Datensätze Terrestrische Referenz, TLS und ALS In einem Geographischen Informationssystem (GIS) unter Verwendung der Software Arc GIS 10 von ESRI wurden im Datensatz Terrestrische Referenz (s. Tabelle 1) die Kiefern selektiert, die innerhalb der TLS- Stichprobenplots mit Kiefern lagen (vgl. Kapitel 4.6.1). Die terrestrisch ermittelten Stammfußkoordinaten dieser Kiefern wurden mit den Koordinaten der untersten Stammscheiben der Bäume aus TLS und die Kronenspitzenkoordinaten mit den Koordinaten der Kronenspitzen aus ALS verglichen und verknüpft, das heißt in einen neuen Datensatz geschrieben. Abbildung 8: Beispiel einer Stichprobenfläche des Radius r = 15 m um einen dauerhaft verdeckt markierten Kontrollstichprobenmittelpunkt der BI mit den horizontalen Positionen der Kiefern aus den verschiedenen Datenquellen: TLS mit Fußpunkt (roter Ring) und Stammscheiben (orangene Kreise), ALS mit Kronenspitze (x), terrestrische Messung Fuß- (Kreis) sowie Kronenpunkt (+) 18 Die Krümmung wurde auch für einzelne Sektionen von 1 m berechnet. Die Werte wurden in einer separaten Datei abgelegt. Zur Problematik der Berechnung der Krümmung über die Pfeilhöhe in Bezug zur jeweiligen Messsektionslänge sei an dieser Stelle auf die Ausführungen von FROMM- HOLD (2002) über die Messung von Holzfehlern hingewiesen, auf die Rahmenvereinbarung Werksvermessung zwischen dem Deutschen Forstwirtschaftsrat (DFWR) und dem Verband der Deutschen Säge- und Holzindustrie (VDS) (DFWR/VDS 2005) in Deutschland, sowie insbesondere auf die Diskussion in Österreich zur Änderung der Norm über die Messmethoden zur Rundholzvermessung in Werksvermessungsanlagen (ÖNORM L 1021) (WEIDENHILLER U. GOLSER 2010). 32

41 Material, Daten und Datenmodifikation Insgesamt konnten über dieses Matching 77 Kiefern in 15 Plots zweifelsfrei zugeordnet werden und in einer Liste von Kiefern mit allen verfügbaren Einzelbaumparametern gespeichert werden. Abbildung 8 zeigt beispielhaft eine der 15 Stichprobenflächen des Radius r=15 m mit den horizontalen Positionen von 15 Kiefern aus den verschiedenen Datenquellen. Das Ergebnis der Verschneidung der Stichprobendaten aus den verschiedenen beschriebenen Datensätzen ist eine Liste von 77 Einzelbäumen (Kiefern). Im Hinblick auf die weitere Datenverarbeitung handelt es sich neben der Baumart Kiefer im Speziellen um folgende Einzelbaumparameter: d 1,3 d TLS d 7 (n=68) L TLS v TLS h ALS h Kr Krl Krd Lmax ABH TLS KR TLS Aus der Auflistung wird ersichtlich, dass der BHD aus zwei Datensätzen vorliegt: aus der terrestrischen Referenz (d 1,3) und aus TLS (d TLS). Zur Validierung der Durchmesserwerte aus TLS erfolgte ein Abgleich der Brusthöhendurchmesserwerte (BHD) der Einzelbäume in den beiden Datensätzen. Dazu wurden die d TLS aller 77 zugeordneten Kiefern den d 1,3 aus der terrestrischen Inventur gegenübergestellt (s. Abbildung 9 und Tabelle 2). Dies ergab bei einem Bestimmtheitsmaß von R² = 0,97 eine sehr gute Abbildung der Realität durch TLS. Auch im Vergleich mit Ergebnissen in der Literatur kann dieser Grad der Übereinstimmung durchaus als hoch angesehen werden 19 (vgl. LIANG 2013, LIANG U. HYYPPÄ 2013). Tabelle 2: Regressionsstatistik zum Abgleich der Werte für d 1,3 und d TLS Regression Statistics Multiple R 0,9845 R² 0,9692 Adjusted R² 0,9688 Standard Error 1,8076 Observations 77 Abbildung 9: Übereinstimmung zwischen d 1,3 und d TLS (n=77) Die Durchmesser werden mit zunehmender Größe leicht unterschätzt, wie der Trendlinie zu entnehmen ist. Diese generelle tendenzielle Unterschätzung der Durchmesser deckt sich 19 Zur objektiven Genauigkeit forstlich erhobener Maße sei an dieser Stelle auf eine Untersuchung von SMALTSCHINSKI (1986) verwiesen, der anhand von Stammscheibenanalysen zeigen konnte, welche systematischen Fehler bei der Ermittlung von Durchmesserwerten mittels Umfangmaßband oder Kluppe entstehen, da sie die tatsächliche geometrische Form des Querschnitts nicht exakt erfassen können. 33

42 Material, Daten und Datenmodifikation mit Ergebnissen aus FlexWood (VAUHKONEN ET AL. 2012). Zum Vergleich ist auch die Winkelhalbierende (Abbildung 9 als gestrichelte Linie) dargestellt. Bei einer vollständigen Übereinstimmung zwischen den BHD-Daten aus TLS und aus der terrestrischen Inventur lägen alle Punkte exakt auf dieser Linie. Den Ursachen für diesen Sachverhalt soll an dieser Stelle nicht näher nachgegangen werden. In der Literatur finden sich dazu Arbeiten (vgl. u. a. LI- ANG 2013). Neben einer möglichen systematischen Verzerrung sei nur die Ovalität als häufig festgestellte Ursache genannt. Mit 23 Bäumen war die Anzahl der Kiefern, für die aus der Terrestrischen Referenz auch Höhenangaben vorhanden waren, sehr gering. Damit war eine Validierung der Werte aus ALS nicht möglich. Auf Grund der Ergebnisse von STRAUB U. KOCH (2011) kann dennoch von korrekten Höhenwerten ausgegangen werden. Die Autoren hatten an Datenmaterial für Kiefern ebenfalls in Referenzflächen aus demselben Untersuchungsgebiet zeigen können, dass die aus ALS abgeleiteten Höhen der Einzelbäume mit einem Korrelationskoeffizienten von R² = 0,96 sehr exakt mit den terrestrisch gemessenen Werten übereinstimmen. Infolgedessen wurden die Höhenangaben aus ALS für die weiteren Untersuchungen verwendet (vgl. Kapitel 4.3). Im Rahmen der Analyse der ALS-Daten konnte auch die Genauigkeit der Kronenpositionsbestimmung anhand von geographischen Koordinaten bestätigt werden: Im Mittel lag der RMSE bei 1,57 m horizontaler Abweichung zwischen den Werten aus ALS und den Daten aus den Vergleichsflächen (VAUHKONEN ET AL. 2012) Visuelle Qualitätsbeurteilung Für eine Teilmenge von n = 9 Kiefern in 3 Stichprobenplots erfolgte eine terrestrische Qualitätsansprache. Die Ansprache erfolgte in Anlehnung an das von der Forstlichen Versuchs- und Forschungsanstalt in Freiburg (FVA) für die Bundeswaldinventur II entwickelte Verfahren zur Güteansprache am stehenden Stamm (MAHLER ET AL. 2001). Dabei wird bei der Baumart Kiefer der Stamm bis zur Höhe von 7 m (Beurteilungsgrenze, vgl. Abbildung 10) in eine von sechs Güteklassen (sehr gut -1- bis -6- sehr schlecht) klassifiziert. Die Einteilung erfolgt qualitativ mittels einer Güteeinteilungstabelle (siehe Anhang Tabelle 28). Maßgeblich dafür ist der Gesamteindruck des Stammes, der sich aus der Zahl und Ausprägungsintensität aller äußerlich erkennbaren Rindenund Astmerkmale sowie Schädigungen (MAHLER ET AL. 2001) und aus der Stammform ergibt. Abbildung 10: Beispiel einer Kiefer eines Stichprobenplots. Die eingefügte rote Linie symbolisiert eine Markierung in 7 m Höhe als Beurteilungsgrenze am Stamm. Bis zu dieser Höhe werden Kiefern nach der Güteansprache am stehenden Stamm nach MAHLER ET AL (2001) klassifiziert 34

43 Material, Daten und Datenmodifikation Besondere Beachtung sollte dabei die Differenzierung zwischen den Güteklassen 3 und 4 finden, da beide eine normale Qualität repräsentieren, jedoch aus der Beschreibung ein deutlicher Qualitätssprung zu erkennen ist. Dabei soll die Güte 3 eine bessere normale Qualität darstellen und Güte 4 eine schlechtere normale Qualität. Die Beurteilung erfolgt zudem explizit baumartenspezifisch, ein Stamm der gleichen Güte bei Fichte würde dementsprechend merklich weniger qualitätsmindernde Merkmale aufweisen als bei Kiefer (vgl. Kapitel 6.1). Tabelle 3 vermittelt einen beispielhaften Eindruck der Güte durch verbale Beschreibung der für die Einteilung relevanten Merkmale an Kiefer. Tabelle 3: Gütebeschreibung Kiefer (nach MAHLER ET AL. 2001, geändert) Güte Beschreibung 1 7 m astfrei, ohne Beulen, große Astnarben und Rindenschäden, feine gleichmäßige Rinde 2 7 m astfrei, aber im oberen Bereich leicht beulig und größere Astnarben 3 unterer Bereich weitgehend astfrei, nach oben hin (über 5m) Äste bzw. Aststummel zunehmend, ungleichmäßiger Rindenaufbau 4 leichte Krümmung und durchgehend beulig, im oberen Teil rasch stärkere Äste bzw. Aststummel, insgesamt eher schlechterer Durchschnitt 5 durchgehend beastet oder beulig, ohne Schäden aber stärkere Äste im oberen Bereich 6 auch im unteren Stammbereich sehr starke Äste, die sonst eher im Kronenbereich zu finden sind bzw. große Schäden, tief und grob beastet und stark krumm Aus dieser Beschreibung wurde für diese Arbeit abgeleitet, dass Güten zwischen 2 und 3 verallgemeinernd als den Rundholzgüteklassen B/C sowie die Güten 4 und 5 den Güteklassen C/D entsprechend angesehen werden können. 4.7 Informationen über die Rohstoffanforderungen der Industrie Zur Erfassung der Anforderungen der Holz verarbeitenden Industrie an den Rohstoff Rundholz wurde auf Grund der Heterogenität der Branche und der damit einhergehenden großen zu erwartenden Anzahl an Parametern ein trichterförmiges Vorgehen zur Komplexitätsreduktion gewählt (vgl. LEGEWIE 2014). Dabei wird ein weites Forschungsfeld durch schrittweise spezifischere Betrachtung von Teilbereichen erfasst. Zunächst erfolgte eine Fokussierung auf den Rohstoff Sägerundholz als Verbindungsglied zwischen der Forstwirtschaft auf dem Gebiet der Urproduktion und der Sägeindustrie in der Primärproduktion. Darüber hinaus wurde auf Grund des großen Anteils der Waldkiefer (Pinus sylvestris L.) im Untersuchungsgebiet des Staatswaldes im Stadtkreis Karlsruhe (s. o.) in der vorliegenden Arbeit ausschließlich diese Baumart für die weitere Untersuchung herangezogen. Für diese wurden nun die industriellen Anforderungen durch (a) die Analyse von allgemeingültigen Sortiernormen, (b) die Abfrage betriebsspezifischer Sortiervorgaben, sowie (c) vertiefende Experteninterviews mit den Einkaufsverantwortlichen der Werke aus (b). Übergeordnetes 35

44 Material, Daten und Datenmodifikation Ziel war es zu ermitteln, welche Rundholzeigenschaften konkret gewünscht oder unerwünscht sind im Hinblick auf das jeweilige Produkt. Im Folgenden soll diese Herangehensweise näher erläutert werden. (a) Die Gesetzliche Handelsklassensortierung für Rohholz (sog. Forst-HKS), die seit 1969 bestand und allgemein angewandt wurde, ist durch die Verordnung zur Aufhebung der Verordnung über gesetzliche Handelsklassen für Rohholz (BUNDESRAT 2008) nicht mehr gültig. Dennoch werden in der Praxis beim Handel mit Rundholz die in den länderspezifischen Umsetzungen dieser Regelung definierten Grenzen bei der Einteilung in Güteklassen nach wie vor berücksichtigt. Für die Analyse der industriellen Rohstoffanforderungen werden die Bestimmungen aus der Qualitäts-Sortierung von Nadel-Rundholz für die Baumart Kiefer in der deutschen Fassung (DIN-EN :2008) herangezogen. Die Rahmenvereinbarung für den Rundholzhandel in Deutschland (RVR) als zwischen dem Deutschen Forstwirtschaftsrat (DFWR) und dem Deutschen Holzwirtschaftsrat (DHWR) verhandelte Nachfolgeregelung zur nicht mehr gültigen Forst-HKS sollte bereits im ersten Quartal 2014 verabschiedet werden (SAUTER 2013). Entschieden ist bereits, dass weiterhin Güteklassen als Handelsgrundlage herangezogen werden sollen. Zum aktuellen Zeitpunkt wurden jedoch für das in dieser Untersuchung im Fokus stehende Kiefernstammholz weder die zu berücksichtigenden Holzmerkmale abschließend definiert noch entsprechende Grenzwerte zur Einteilung in die verschiedenen Güteklassen festgelegt. Nach dem aktuellen Diskussionsstand ist nicht auszuschließen, dass entgegen der bisherigen Vorgehensweise alle Nadelholzarten diesbezüglich einheitlich bewertet werden, was insbesondere bei der hier untersuchten Kiefer zu deutlichen Änderungen in der Klasseneinteilung führen könnte (STAUDENMEIER 2013). Vor diesem Hintergrund wurde die heute vorliegende Entwurfsfassung der RVR in dieser Untersuchung nur orientierend in die Analyse der Rohstoffanforderungen einbezogen. (b) Des Weiteren wurden von Sägewerksbetrieben und Holzhandelsunternehmen deren spezifische Anforderungsprofile für die Holzart Kiefer hinsichtlich der Angaben über die zu berücksichtigenden Holzmerkmale und einzuhaltenden Grenzwerte analysiert und mit den Werten aus der Sortiernorm verglichen. Die untersuchten Betriebe wurden vorrangig nach ihrer Verarbeitungstiefe und Produktpalette ausgewählt, wobei diese in der Regel auch mit der Verarbeitungsmenge zusammenhängen. Auch spielte die räumliche Nähe zum Untersuchungsgebiet des Staatswaldes im Stadtkreis Karlsruhe eine Rolle. Auf diese Weise wurden für die weitere Untersuchung die Anforderungsprofile von insgesamt drei Unternehmen erstellt, die eine breite Palette an Anforderungen an das bereitgestellte Kiefernrundholz repräsentieren: (i) (ii) ein großes Sägewerk mit einer Verarbeitung von rund fm Rundholz (davon etwa 25% Kiefer) zu getrocknetem sägerauem sowie gehobeltem Schnittholz und größtenteils Weiterverarbeitung zu kesseldruckimprägniertem Gartenholz, ein Sägewerk als Produzent von Verpackungsholz mit einer Verarbeitungskapazität von etwa fm Nadelholz, 36

45 Material, Daten und Datenmodifikation (iii) ein Unternehmen, das hochwertiges Kiefernrundholz einkauft, von regionalen Sägewerken einschneiden lässt und daraus hochwertige Dielen produziert und weltweit vertreibt. (c) Schließlich wurden mittels Experteninterviews mit den erfahrenen Rundholzeinkaufsleitern der drei Betriebe die Erfahrungen und Probleme hinsichtlich des Einkaufs von Kiefer aus dem Untersuchungsgebiet erfasst und analysiert. Entsprechend der Anforderungen an die Auswahl von Interviewpartnern (vgl. KROMREY 2002) wurden die Betriebe gezielt ausgesucht. Die Interviews erfolgten als problemzentrierte Interviews in teilstrukturierter Form (s. a. PISTORIUS 2007). Diese Art des Interviews wird zur Methodik der qualitativen Interviews gezählt (HOPF 2000). Nach Vorstellung der Person sowie des Themas und des Kontextes sowie Zusicherung von Anonymität wurden anhand stichpunktartig in einer Art Leitfaden vorformulierter Fragen die für den Einkauf von Kiefernrundholz relevanten Aspekte abgefragt. Dazu wurden auch sogenannte ad-hoc Fragen (vgl. MAYRING 2002) verwendet, wenn der durch den Experten geschilderte Sachverhalt eine tiefergehende Beschäftigung wertvoll erscheinen ließ. Ausschlaggebend für die Entscheidung für diese Methode war, dass durch die Analysen aus (a) und (b) bereits tiefergehende Kenntnisse des Sachverhalts gewonnen worden waren (s. o.). Eine offenere Form des Interviews, wie sie das narrative Interview beispielsweise darstellt (vgl. u. a. MEUSER U. NAGEL 2002), wurde in diesem Kontext daher als weniger zielführend erachtet. Das Gleiche gilt für eine geschlossenere Form der Befragung, wie sie beispielsweise Fragebögen oder standardisierte Interviews darstellen (vgl. WILD- ECK 2000, FLICK 2004 und LAMNEK 2005). Die mit der ausgewählten Methodik gewonnenen Erkenntnisse dürfen jedoch nicht als repräsentativ angesehen werden. Dies trifft für Experteninterviews generell zu, da die Auswahl der Experten subjektiv erfolgt (vgl. PISTORIUS 2007) Mit den Verantwortlichen der Betriebe aus (i) und (iii) wurden persönliche Gespräche geführt, mit dem Rundholzeinkaufsleiter aus (ii) konnte ein ausführliches Telefongespräch geführt werden. 37

46 5 Ergebnisse Methodenentwicklung Der Arbeit liegt die Idee eines Warenlager[s] Wald (BECKER 1997) zu Grunde. Dessen Realisierung erfordert Informationen über den vorhandenen Rohstoff und seine Ausformungsmöglichkeiten, um den Bedarf am Markt befriedigen zu können. Aus forstlicher Sicht sind geeignete Methoden notwendig, um diese Rohstoffinformationen flächendeckend zu erlangen und mit den Bedarfsanforderungen zu verknüpfen. Gewünscht ist eine Aussage über das vorhandene Derbholzvolumen unter Berücksichtigung von Dimensions- und Qualitätsansprüchen möglicher Kunden. Dieses wird maßgeblich bestimmt über Stammdurchmesser, deren Entwicklung entlang des Stammverlaufs und die Stammhöhe sowie Qualitätsmerkmale. Im folgenden Kapitel wird die Methode beschrieben, die zu diesem Zweck entwickelt wurde. Im Anschluss werden in Kapitel 6 beispielhaft die Ergebnisse einer solchen Verknüpfung dargestellt. 5.1 Methodenüberblick Das entwickelte Konzept besteht aus den folgenden drei Teilen, die in Abbildung 11 symbolhaft veranschaulicht dargestellt sind: I: Regressionsstichprobe II: III: Bestandesorientierte Auswahl Einzelbäume Durchforstungsmodellierung auf Bestandesebene und Sortimentsberechnung Die folgende Datensätze und Daten standen zur Methodenentwicklung zur Verfügung: TLS, terrestrische Referenz (Felis), ALS, Bestandesgrundkarte sowie Bestandesunterflächen (Hexagone) (s. Kapitel 4 für eine Beschreibung im Detail). Als Input wurden speziell folgende Daten verwendet (s. Tabelle 4): Abbildung 11: Schematischer Überblick über die drei Konzeptteile für die Rohholzallokation auf Basis von Laserscanning Tabelle 4: Datensätze und Daten für die Methodenentwicklung TLS Datensatz Daten Stammfußkoordinaten, d1,3, d7, vtls, ABHTLS, KRTLS, Qualität Terrestrische Referenz (Felis) Stammfußkoordinaten, Baumart, d1,3 ALS Bestandesgrundkarte Bestandesunterflächenhexagone Kronenspitzenkoordinaten, hals, Krl und Krd administrative Einteilung der Bestände, Bestandesgrenzen und Flächengröße Nadelholzanteil, geschätzter Vorrat 38

47 Ergebnisse Methodenentwicklung Abbildung 12 zeigt das gesamte Konzept in detaillierter Form. Daraus wird ersichtlich, dass die Teile I bis III miteinander verknüpft sind respektive logisch aufeinander aufbauen. Sie werden in der dargestellten Reihenfolge nacheinander erläutert. Abbildung 12: Gesamtdarstellung des Konzepts zur Rohholzallokation auf Basis von Laserscanning 39

48 Ergebnisse Methodenentwicklung 5.2 Regressionsstichprobe (I) Die Regressionsstichprobe dient dazu, den d 1,3 über die Kronendimensionen der ALS-Daten zu schätzen. Folgende Datensätze gehen in die Regressionsstichprobe ein: TLS, Terrestrische Referenz und ALS. Zunächst wurden auf den terrestrischen Referenzflächen (Felis) die Einzelbäume der Baumart Kiefer selektiert. Über die in Kapitel dargestellte Auswahl der Probebäume (Kiefern) und Verschneidung der drei Datensätze erfolgte die Erstellung einer Einzelbaumliste (n=77). Die folgenden Attribute wurden für Teil I des Konzepts verwendet: d TLS [cm] d 1,3 [cm] h ALS [m] Krd [m] Krl [m] Ksf [m²] KrVol [m³] (vgl. Kapitel 4.1, 4.3 und 4.6) Die Attribute Ksf und KrVol sind aus ALS sekundär wie folgt berechnet. Sie beschreiben die über die Kreisflächen nach Ksf = π Krd2 4 [2] berechnete Kronenschirmfläche und das Kronenvolumen als Kegel über: KrVol = Ksf Krl 3 [3] Abbildung 13: Abfolge der Prozesse aus Teil I des Konzepts Für spätere Übertragungen in die Teile II und III des Konzepts, in denen Durchmesserverteilungen benötigt werden, wurden die Einzelbäume in Durchmes- 40

49 Ergebnisse Methodenentwicklung serklassen von 5 cm eingeteilt, die nach den jeweiligen Klassenuntergrenzen (5 cm, 10 cm,..., 100 cm) benannt wurden. Abbildung 13 gibt einen Überblick über die im Folgenden beschriebenen Prozesse. Zur Schätzung des d 1,3 über die Kronendimensionen der ALS-Daten wurde folgendes lineares Modell erstellt: d 1,3 (h ALS, Krl, Krd, Ksf, KrVol) = a 0 + a 1 h ALS + a 2 Krl + a 3 Krd + a 4 Ksf + a 5 KrVol [4] Der mittlere d 1,3 betrug 31,5 cm. Der Korrelationskoeffizient nahm dabei einen Wert von R² = 0,91 an, bei einem Standardfehler des geschätzten Mittels von 3,1 cm (vgl. Tabelle 5). Die Streuung von ± 6,2 cm ist über den gesamten Durchmesserbereich konstant (vgl. Abbildung 14 oben links). In niedrigen Durchmesserklassen ist die Abweichung relativ zum Durchmesser größer, in größeren Durchmesserklassen kleiner. Tabelle 5: Regressionsstatistik zur Schätzung d 1,3 aus h ALS, Krl, Krd, Ksf und KrVol Regression Statistics Multiple R 0,9533 R² 0,9089 Adjusted R² 0,9025 Standard Error 3,1310 Observations 77 Durch einen F-Test wurde für die Irrtumswahrscheinlichkeit = 0,05 bei Freiheitsgraden von 5 und 71 ein F-Wert von 141,61 berechnet, der deutlich über dem ermittelten kritischen Niveau von 2,5 liegt. Es ist somit höchst wahrscheinlich, dass ein Zusammenhang zwischen d 1,3 und den verwendeten Variablen besteht. Die geprüfte Hypothese (a 1 a 5) = 0 konnte somit verworfen werden. Jeder der Parameter a 1 bis a 5 trägt signifikant zur Berechnung des d 1,3 bei und alle gewählten Variablen (h ALS, Krl, Krd, Ksf, KrVol) sind somit geeignet. Durch Auftragen der Residuen der fünf gewählten Variablen des linearen Modells wurde die Regression auf Varianzhomogenität geprüft. Aus der Verteilung der Residuen ohne erkennbares Muster (vgl. Abbildung 14) kann geschlossen werden, dass Homoskedastizität vorliegt und die Variablen können als ausreichend signifikant unterschiedlich angenommen werden. Die Parameter a 0 bis a 5 der linearen Regression sind in Tabelle 6 auf vier Dezimalen gerundet dargestellt. Tabelle 6: Werte der Parameter a 0 bis a 5 zur Schätzung des d 1,3 Parameter Wert a0 17,4038 a1 1,4604 a2-1,3634 a3-4,0274 a4 0,2346 a5 0,

50 Ergebnisse Methodenentwicklung Abbildung 14: Residuen der Schätzung des d 1,3 und der dafür verwendeten Variablen h ALS, Krl, Krd, Ksf, KrVol Mit den gleichen Variablen wurde zur Fehlerabschätzung statt für d 1,3 auch für die Grundflächen g analog zu [4] eine lineare Regression modelliert, da es das Ziel ist, eine möglichst genaue Schätzung des Volumens zu erhalten. Die Grundfläche errechnet sich nach: [5] Das Bestimmtheitsmaß für diese Regression nimmt den Wert R² = 0,93 an (vgl. Tabelle 7), was auf eine sehr gute Schätzgenauigkeit hinweist. Eine Residualanalyse ergab, dass auch hierfür die notwendige Homoskedastizität gegeben ist. Tabelle 7: Regressionsstatistik Schätzung g aus h ALS, Krl, Ksf, Krd und KrVol Regression Statistics Multiple R 0,9618 R² 0,9250 Adjusted R² 0,9198 Standard Error 0,0169 Observations 77 Daraus folgt, dass sich die Fehlerfortpflanzung mit Blick auf die Volumenberechnung konservativ verhält. Insbesondere bei kleineren Durchmessern konnten die Durchmesser über 42

51 Ergebnisse Methodenentwicklung [4] besser geschätzt werden als direkt die Grundflächen. Daher wurden statt der Grundfläche weiterhin der d 1,3 und das lineare Modell [4] zur Schätzung des d 1,3 aus Kronendimensionen verwendet. Für ein Teilkollektiv von 68 Individuen konnte aus TLS zusätzlich zu d 1,3 auch der zugehörige d 7 aus TLS abgeleitet werden, da die Stämme bis mindestens zu dieser Höhe über den Stammerkennungsalgorithmus erkannt worden waren und entsprechend die Stammsektionen berechnet werden konnten. Für diese Einzelbäume wurde weiterhin die Regression für die Annahme d 7 = f (d 1,3) berechnet: d 7 = b 0 + b 1 d 1,3 [6] Der Korrelationskoeffizient von R² = 0,97 bestätigt die waldwachstumskundlich bekannte sehr enge Beziehung zwischen den hinsichtlich der Formigkeit von Waldbäumen aussagekräftigen Parametern d 1,3 und d 7 auch für die ausgewählten Kiefern. Die Anordnung der Messwerte sehr nahe entlang der eingefügten linearen Trendlinie in Abbildung 15 verdeutlich die starke lineare Beziehung. Tabelle 8 ist die dementsprechend geringe Standardabweichung des geschätzten Mittelwerts von 1,56 cm zu entnehmen. Dies bekräftigt die Eignung dieser Regression für die Verwendbarkeit zur indirekten Schätzung der Formigkeit aus Kronenparametern und d 1,3. Diese Regression ist von großer Bedeutung für die Qualität der zu modellierenden Sortierung, da über den d 7 der Verlauf der Schaftkurve stark beeinflusst wird, was entsprechende Auswirkungen auf die Berechnung der Schaftdurchmesser und Volumina im verwendeten Sorten- und Volumenprogramm BDATpro hat. Die Werte, die b 0 und b 1 in der Funktion zur Schätzung des d 7 annehmen, sind in Tabelle 9 auf vier Dezimalen gerundet aufgeführt. Tabelle 8: Regressionsstatistik Schätzung d 7 aus d 1,3 Regression Statistics Multiple R 0,9832 R² 0,9666 Adjusted R² 0,9661 Standard Error 1,5612 Observations 68 Abbildung 15: Regression d 7 = f (d 1,3) Tabelle 9: Werte der Parameter b 0 und b 1 zur Schätzung des d 7 aus d 1,3 Parameter Wert b0-0,8733 b1 0,

52 Ergebnisse Methodenentwicklung Validierung Schaftvolumen Für die gesamte erkannte Stammlänge wird aus den TLS-Daten über Summierung des Volumens der Einzelsektionen (Durchmesser [mm], Höhe [dm]) das Stammvolumen in Rinde [m³mr] berechnet. Ein Vergleich des auf diese Weise hergeleiteten Volumens mit dem über BDATpro berechneten Volumen sollte Hinweise bezüglich der Übereinstimmung geben und dient somit zur Validierung der Schaftvolumenberechnung mittels BDATpro in dem vorgestellten Konzept. In der mindestens zweiparametrigen Funktion sind als Eingangsparameter Angaben zur Baumhöhe und zum d 1,3 notwendig. Dieselbe Funktion kann durch Angabe eines zweiten, oberen Durchmessers auch dreiparametrig verwendet werden (KUBLIN 2003). Ein Beispiel für einen solchen oberen Durchmesser stellt der d 7 dar. Dies bietet die Möglichkeit, die regionalen Verhältnisse über die Annäherung an die tatsächliche Formigkeit bei der Schaftkurven- und Volumenberechnung sehr gut abzubilden (EBD.). Für das Kollektiv von 68 Kiefern, für die ein aus TLS abgeleiteter d 7 vorliegt, konnte anhand der Parameter d 1,3, d 7, h ALS und der maximal erkannten Stammlänge in TLS (L TLS) über das Programm BDATpro die Schaftkurven und Volumina berechnet werden. Der Vergleich zwischen den über BDATpro berechneten Volumina und den aus TLS berechneten Volumina für diese Stämme weist eine hohe Übereinstimmung auf. Wie aus Abbildung 16 zu erkennen ist, stimmen die Volumina mit einem Bestimmtheitsmaß R² von über 0,99 überein. Abbildung 16: Gegenüberstellung des Volumens über Sektionsmessungen aus TLS und über BDATpro bei Verwendung des oberen Durchmessers d 7 (n=68) Daraus folgt, dass zum einen die Berechnung des Schaftvolumens über BDATpro mit den genannten Eingangsparametern sehr genau ist und zum anderen mittels TLS im Singlescanverfahren die Durchmesser im gesamten erfassten Stammverlauf mit ausreichender Genauigkeit erfasst werden. Dies gilt umso mehr, als der Durchmesser in der Kreisflächenformel quadriert wird, somit auch Durchmesserfehlmessungen potenziert und Unterschiede noch deutlicher zu Tage treten würden. Zum Vergleich ist in Abbildung 16 auch die Winkelhalbierende als gestrichelte Linie aufgetragen. Diese verläuft leicht unterhalb der Ausgleichsgeraden zwischen den beiden Volumina. Über die Sektionsmessung wird das Volumen somit 44

53 Ergebnisse Methodenentwicklung minimal überschätzt im Vergleich zur Berechnung aus Mittendurchmesser und Formigkeit. 20, 21 Dieses Ergebnis stimmt mit den Ergebnissen von HILDEBRANDT U. IOST (2012) überein, die anhand von Tests an einem einfachen Stammmodell zeigen konnten, dass das Volumen aus TLS-Daten mit einem Fehler von weniger als 1 % von einem durch manuelle Sektionsmessung ermittelten Volumen abweicht. Auf Grund der dargestellten ausgezeichneten Übereinstimmung der Volumina wurde der d 7 in die in dieser Arbeit entwickelten Modelle zur Volumenschätzung aufgenommen. Die ebenfalls dargestellte sehr gute Schätzgenauigkeit zwischen d 1,3 und d 7 über die lineare Regression in Formel [6] erlaubte in der Folge dessen Berechnung auch für Bäume, für die der d 7 nicht vorlag. 20 Diese Differenz wäre noch etwas größer, wenn das Volumen ausschließlich über den Mittendurchmesser und die Stammlänge und ohne Verwendung eines weiteren oberen Stammdurchmessers ermittelt würde (vgl. dazu auch die Erläuterungen in SMALTSCHINSKI 1983) 21 Diese Erkenntnisse lassen sich einordnen in die Diskussion um die Genauigkeit von Volumenmaßen in der Forstwirtschaft, beispielsweise des mittels Kluppung erhobenen Maßes, des Harvestermaßes bzw. der beiden Werksvermessungsmethoden (Konturdurchmesser vs. Simulierte Kluppe) (vgl. dazu u. a. SAUTER 2014). 45

54 Ergebnisse Methodenentwicklung 5.3 Bestandesorientierte Auswahl Einzelbäume (II) In die bestandesorientierte Auswahl von Einzelbäumen, den zweiten Teil des entwickelten Konzepts, gehen folgende, in Kapitel 4 näher beschriebene Datensätze ein: ALS, Bestandesgrundkarte (BGK) und Bestandesunterflächen (Hexagone). Abbildung 17 gibt einen Überblick über die im Folgenden beschriebenen Berechnungen. Zunächst wurden aus den vorliegenden Bestandesunterflächen die als Nadelholz klassifizierten Hexagone mit einem Nadelholzanteil größer o- der gleich 80 % GIS-gestützt selektiert. Für diese wurde auf Grund des vernachlässigbaren Anteils anderer Nadelholzarten als Kiefer die Annahme getroffen, dass alle Nadelbäume in den ausgewählten Hexagonen Kiefern sind. Die selektierten Hexagone wurden anschließend mit der Bestandesgrundkarte in GIS verschnitten. Als Ergebnis lag eine Zuordnung der Kiefernhexagone zu den administrativen Bestandeseinheiten (WEFLKZ) Abbildung 17: Abfolge der Prozesse aus Teil II des Konzepts vor. Nach Eliminierung der restlichen Hexagone mit einem Nadelholzanteil kleiner als 80 % ergab sich in 78 Kiefernbeständen mit einer Gesamtfläche von etwa 590 ha eine zusammenhängende Kiefernfläche von 181,53 ha (vgl. Abbildung 18). 46

55 Ergebnisse Methodenentwicklung Abbildung 18: Bestandesgrundkarte (BGK) mit allen Hexagonen und den selektierten Kiefernhexagonen (links) sowie die selektierten 78 Bestände mit den Kiefernhexagonen (rechts) Von den Einzelbäumen des ALS-Datensatzes wurden die in Kiefernhexagonen liegenden Bäume selektiert und in einem eigenständigen Datensatz abgespeichert. Dies waren Bäume, die für die weiteren Berechnungen verwendet wurden. Für jeden dieser Bäume wurde nach Formel [4] der d 1,3 sowie nach Formel [6] der d 7 berechnet und dem Datensatz hinzugefügt. Über BDATpro wurden im Anschluss die Derbholzvolumina der Einzelbäume berechnet und ebenfalls dem Datensatz hinzugefügt. Dafür wurden die Parameter Baumart Kiefer, d 1,3, d 7 und h ALS verwendet. Ein Vergleich dieser Volumina [m³] mit den ebenfalls über BDATpro ohne Verwendung des oberen Durchmessers d 7 berechneten Derbholzvolumina ergab eine Differenz von über 5 %, wobei das mit d 7 berechnete Volumen geringer ist (vgl. Tabelle 10). Tabelle 10: Deskriptive Statistik der Derbholzvolumenberechnung mittels BDATpro (linke Spalte mit Verwendung d 7, rechte Spalte ohne Verwendung d 7) Volumen BDATpro d7 Volumen BDATpro Mean 0,8876 0,9332 Range 8,9387 9,6232 Minimum 0,0038 0,0038 Maximum 8,9425 9,6270 Sum Count Nach den in Abbildung 16 dargestellten Ergebnissen des Volumenvergleichs zw. TLS und BDATpro ist davon auszugehen, dass dieses geringere Derbholzvolumen näher an der Realität liegt und eine Verwendung des d 7 bei der Modellierung vorteilhaft ist. 47

56 Ergebnisse Methodenentwicklung Alle Einzelbäume wurden anhand ihrer d 1,3 anschließend analog zum Vorgehen in Kapitel 5.2 in Durchmesserklassen à 5 cm von 5 cm bis 100 cm eingeteilt und nach den jeweiligen Klassenuntergrenzen benannt. Alle 78 Bestände wurden anhand ihrer Durchmesserverteilung in Anlehnung an die Einteilung von BURSCHEL U. HUSS (2003) den natürlichen Altersklassen 22 (AKl) geringes, mittleres und starkes Baumholz zugeordnet. Die Karte in Abbildung 19 gibt einen Überblick über die Lage der Einzelbäume in den Beständen und die Zuordnung zu den drei AKl. Abbildung 19: Karte der Einzelbäume in den nach den natürlichen Altersklassen (AKl) geringes (gelb), mittleres (grün) und starkes Baumholz (rot) eingeteilten Beständen Abbildung 20 zeigt die Durchmesserverteilung über alle Bestände je AKl. 12 der 78 Bestände wurden der AKl geringes Baumholz zugeordnet, 20 der AKl mittleres Baumholz und die restlichen 46 der AKl starkes Baumholz (vgl. Tabelle 30). 22 Auch SPEIDEL (1972) verwendet den Begriff Natürliche Altersklasse. In der Forsteinrichtung mancher Bundesländer wird synonym auch der Begriff Natürliche Altersstufe verwendet zur Abgrenzung von der Beschreibung von Altersklassen, die sich auf das Bestandesalter in Jahren bezieht (vgl. KRAMER 1976). 48

57 Ergebnisse Methodenentwicklung Abbildung 20: Durchmesserverteilung aller Bäume in den drei natürlichen AKl Für weitere Berechnungen wurde die folgende lokale allometrische Funktion [7] zur Schätzung des Derbholzvolumens mit den Attributen d 1,3, d 7 und h ALS bei einem Korrelationskoeffizienten von R² = 1 (vgl. Tabelle 11) modelliert: v est (d 1,3, d 7, h ALS ) = c 0 d 1,3 c 1 d 7 c 2 h ALS c 3 [7] Die Werte, die die Parameter c 0 bis c 3 in der allometrischen Volumenfunktion annehmen, sind in Tabelle 12 dargestellt. Tabelle 11: Regressionsstatistik Schätzung des Derbholzvolumens v est aus d 1,3, d 7 und h ALS Regression Statistics Multiple R 0,9999 R² 0,9997 Adjusted R² 0,9997 Standard Error 0,0098 Observations Tabelle 12: Werte der Parameter c 0 bis c 3 zur Schätzung des Derbholzvolumen v est Parameter Wert c0 0, c1 1, c2 0, c3 0,

58 Ergebnisse Methodenentwicklung Bestandesorientierte Volumenverteilung Zur Überprüfung der modellierten Durchmesser- und Volumenverteilung wurde aus jeder der drei natürlichen Altersklassen (Baumholz) exemplarisch je ein Bestand als Testbestand ausgewählt (vgl. Abbildung 21). In jedem dieser Testbestände wurde eine Durchmesserverteilung mit Umfangmaßband entlang eines Transekts ermittelt, wobei an jeder dritten Kiefer der Durchmesser gemessen und notiert wurde. Je Bestand wurden auf diese Weise 44 Bäume aufgenommen. Abbildung 22: Prozentuale Durchmesserverteilung der Testbestände aus ALS und der Zufallsstichprobe zur Validierung (je Bestand n=44) Abbildung 21: Lage der Testbestände zur Durchmesservalidierung Die prozentualen Durchmesserverteilungen, die sich aus diesen Zufallsstichproben zur Validierung in den Testbeständen ergab, sind aus Abbildung 22 ersichtlich. Es zeigte sich, dass die Stichprobe in allen drei Testbeständen recht gut mit der jeweiligen aus ALS abgeleiteten prozentualen Durchmesserverteilung übereinstimmt, die zum Vergleich ebenfalls aufgetragen ist. Zusätzlich dazu wurde an jeder vierten entlang der Transekte aufgenommenen Kiefer eine Güteansprache durchgeführt (vgl. Kapitel 4.6.5) und das Ergebnis zusammen mit dem Durchmesser notiert. Die Güteverteilung je Durchmesserklasse wurde zusammen mit der Güteverteilung der Bäume in den TLS-Plots zur späteren Verwendung bei der Sortimentsberechnung in Teil III des Konzepts als Tabelle bereitgestellt. Das Ergebnis ist in Tabelle 13 zusammengestellt. Da für Bäume der Durchmesserklassen 5 und 10 cm sowie 70 bis 50

59 Ergebnisse Methodenentwicklung 100 cm keine Güteansprache erfolgt ist, war für diese Klassen auch keine Güteverteilung zu erstellen. Nach der vorangegangenen Volumenverteilung in den Einzelbeständen ist in diesen Durchmesserklassen über alle Bestände ein Volumenanteil von 0,4 % des Derbholzvorrats oder etwa 159 m³ zu erwarten. Dieser ist vernachlässigbar gering. In diesen Fällen wurde die Güteverteilung der Durchmesserklasse darüber respektive darunter verwendet. Der weit überwiegende Teil der Bäume liegt jedoch in den Durchmesserklassen 15 bis 65 cm, für die auch eine Güteverteilung erstellt werden konnte. Nach MAHLER ET AL. (2001) ist die Güteansprache am stehenden Stamm für Bäume d 1,3 30 cm vorgesehen, die Ansprache der Güte erfolgt explizit nach dem jeweiligen Ist-Zustand des Baumes und nicht nach dem Entwicklungspotential. Das gilt auch für Bäume die noch nicht hiebsreif sind. Daher wurde dieses Verfahren in den Testbeständen auch bei Kiefern geringerer Durchmesser angewandt. Gerade bei der Baumart Kiefer ist die Krümmung für die Art der Verarbeitung ein entscheidendes Kriterium mit direkten Auswirkungen auf die Beurteilung der Rundholzqualität entsprechend der Sortiervorgaben und normen (vgl. Kapitel 6.1). Sie sollte bei der Sortimentsaushaltung Berücksichtigung finden (vgl. Kapitel 5.4). Je krummer ein Stamm beispielsweise ist, desto bedeutender wird die richtige Längenaushaltung. Im Gegensatz zur Erfassung der Abholzigkeit aus TLS finden sich in der Literatur kaum Beispiele zur Krümmungsberechnung aus TLS-Daten im Hinblick auf die Beurteilung der Holzqualität. BARNETT U. MURPHY (2012) verwendeten mit guten Ergebnissen ebenfalls Daten über den Verlauf der Stammmittellinie aus der Software Autostem. Die verwendete Methode zur Berechnung der Krümmung geht aus ihrer Veröffentlichung allerdings nicht hervor. In der vorliegenden Arbeit wurde für alle Probebäume Kiefer die Krümmung als Pfeilhöhe über die Stammmittellinie aus den geographischen Koordinaten der Stammsektionen berechnet (vgl. Kapitel 4.6.2). Die Ergebnisse wurden den jeweiligen Durchmesserklassen als Mittelwert zugeordnet und für die spätere Sortierung als Tabelle bereitgestellt (vgl. Tabelle 13). Tabelle 13: Ergebnisse der Krümmungsberechnung (aus TLS) und der Güteansprache (aus Stichproben) der Probebäume. Daten existierten für die grau hinterlegten Durchmesserklassen. Durchmesserklasse [cm/lfm] KRTLS Max. Güte B/C C/D sonst. 5 4,0 C/D 0% 86% 14% 10 4,0 C/D 0% 86% 14% 15 4,0 C/D 0% 86% 14% 20 4,0 sonst. 0% 0% 100% 25 3,8 C/D 0% 96% 4% 30 4,1 sonst. 0% 0% 100% 35 3,5 B/C 69% 23% 8% 40 3,6 B/C 78% 22% 0% 45 3,8 C/D 0% 100% 0% 50 4,1 sonst. 0% 0% 100% 55 3,9 C/D 0% 100% 0% 60 4,1 sonst. 0% 0% 100% 65 3,2 B/C 50% 50% 0% 70 3,2 B/C 50% 50% 0% 75 3,2 B/C 50% 50% 0% 80 3,2 B/C 50% 50% 0% 85 3,2 B/C 50% 50% 0% 90 3,2 B/C 50% 50% 0% 95 3,2 B/C 50% 50% 0% 100 3,2 B/C 50% 50% 0% 51

60 Ergebnisse Methodenentwicklung Die Werte der darüber respektive darunter gelegenen Durchmesserklasse werden verwendet, wenn in einer Klasse auf Grund fehlenden Datenmaterials keine Krümmungsberechnung erfolgen konnte. In Abbildung 23 bis Abbildung 25 sind beispielhaft Fotografien von angesprochenen Stämmen unterschiedlicher Durchmesserklassen in den Testbeständen abgebildet. Die darauf abgebildete Messlatte der Länge 5 m diente bei der Güteansprache zur leichteren Schätzung der Beurteilungshöhe von 7 m und als Maßstab in den Fotografien. Die Stämme wurden als Güte 4 (Kiefer des Testbestands geringes Baumholz, Abbildung 23), sowie als Güte 3 (Abbildung 24: Kiefer im mittleren Baumholz und Abbildung 25: Kiefer im starken Baumholz) angesprochen (vgl. Tabelle 29 im Anhang). Abbildung 23: Fotos einer Kiefer (d 1,3 = 23 cm) der Güte 4 nach MAHLER ET AL. (2001) im Testbestand geringes Baumholz (links: unterer Stammteil, die Messlatte entspricht der Länge 5 m; rechts: Kronenansatz) Abbildung 24: Fotos einer Kiefer (d 1,3 = 33 cm) der Güte 3 nach MAHLER ET AL. (2001) im Testbestand mittleres Baumholz (links: die Messlatte entspricht der Länge 5 m) Abbildung 25: Foto einer Kiefer (d 1,3 = 43 cm) der Güte 3 nach MAHLER ET AL. (2001) im Testbestand starkes Baumholz (die Messlatte entspricht der Länge 5 m) Im Rahmen der Validierung der bestandesorientierten Durchmesserverteilung wurde auch die Weibullfunktion auf Ihre Eignung zur Abbildung der erfassten Bestandesrealität hin überprüft. Die Weibullfunktion eignet sich nach SMALTSCHINSKI (2001) gut zur Modellierung von Häufigkeitsverteilungen in Beständen. Sie wurde von STRAUB U. KOCH (2008) in demselben Untersuchungsgebiet ebenfalls verwendet. Es gibt weiter in der Literatur, u. a. im Zu- 52

61 Ergebnisse Methodenentwicklung sammenhang mit ALS, zahlreiche Beispiele, nach denen die Weibullfunktion die Bestandesrealität sehr gut abzubilden vermag 23 (vgl. u. a. BREIDENBACH ET AL. 2008a). Daher soll diese Funktion auch hier bei der späteren Durchforstungsmodellierung in Teil III des Konzepts verwendet werden. Bereits an dieser Stelle erfolgte deshalb eine Berechnung der bestandesindividuellen Parameter der Weibullfunktion ([8], Seite 56) für die Testbestände, um deren Eignung zur Durchmesserverteilungsmodellierung in den restlichen Kieferbeständen des Untersuchungsgebiets zu überprüfen. Unter Verwendung der zuvor modellierten Volumenfunktion [7] kann mit Hilfe der Weibullfunktion auch die Volumenverteilung modelliert werden. Die Werte, die die Parameter a, b und c in den jeweiligen Testbeständen annahmen, können Tabelle 14 entnommen werden. Deren Berechnung soll aus Gründen der Übersichtlichkeit im nachfolgenden Kapitel 5.4 gemeinsam mit der Durchforstungsmodellierung dargestellt werden. Tabelle 14: Weibull-Parameter für die drei Testbestände Parameter Testbestände Weibull- geringes mittl. starkes funktion Baumholz Baumholz Baumholz a b 14, , ,53359 c 5,3 6,3 2,75 Die Diagramme in Abbildung 26 zeigen für jeden der Testbestände die tatsächliche prozentuale Volumenverteilung berechnet für die jeweiligen Durchmesserklassenmitten aus ALS und den in Teil I modellierten Regressionen (linke Säulen). Die jeweils rechten Säulen je Durchmesserklasse sind die Ergebnisse der Modellierung über die Weibullfunktion, berechnet als Dichteverteilung in den jeweiligen Durchmesserklassenmitten. Aus den annähernd identischen Säulenlängen je Testbestand und Durchmesserklasse lässt sich erkennen, dass die Weibullfunktion die Bestandessituation sehr gut abbildet. Das gilt für alle drei Bestandestypen geringes, mittleres und starkes Baumholz (natürliche Altersklassen). 23 S. a. BAILEY U. DELL (1973) sowie GEROLD (1990) zur generellen und einfachen Verwendung und guten Anpassung der Weibullfunktion zur Modellierung von Durchmesserverteilungen in Waldbeständen. 53

62 Volumenanteil [%] Volumenanteil [%] Volumenanteil [%] Ergebnisse Methodenentwicklung Volumenverteilung Testbestand geringes Baumholz Anteil % Weib. % 12,5 17,5 22,5 27,5 32,5 37,5 42,5 47,5 52,5 57,5 62,5 67, Volumenverteilung Testbestand mittleres Baumholz Anteil % Weib. % 12,5 17,5 22,5 27,5 32,5 37,5 42,5 47,5 52,5 57,5 62,5 67,5 Durchmesserklassenmitte [cm] Durchmesserklassenmitte [cm] Volumenverteilung Testbestand starkes Baumholz Anteil % Weib. % 12,5 17,5 22,5 27,5 32,5 37,5 42,5 47,5 52,5 57,5 62,5 67,5 Durchmesserklassenmitte [cm] Abbildung 26: Volumenverteilung der drei Testbestände zur Validierung der Weibullverteilung. Pro Durchmesserklasse links der über ALS abgeleitete Volumenanteil in [%], rechts berechnet über Weibull. Auf Grund der zufriedenstellenden Abbildungsgenauigkeit der Weibullfunktion für alle Testbestände aus den drei Altersklassen erfolgte für die restlichen der 78 Bestände ebenfalls eine bestandesindividuelle Berechnung der Weibull-Parameter für die nachfolgende Durchforstungsmodellierung in Teil III des Konzepts. 54

63 Ergebnisse Methodenentwicklung 5.4 Durchforstungsmodellierung auf Bestandesebene und Sortimentsberechnung (III) In die Durchforstungsmodellierung auf Bestandesebene und die Sortimentsberechnung (Teil III) gehen die Ergebnisse aus den beiden vorhergehenden Teilen I und II als Input ein. Abbildung 27 gibt einen Überblick über die im Folgenden beschriebenen Berechnungsprozesse. Abbildung 27: Abfolge der Prozesse aus Teil III des Konzepts Die in Teil II ausgewählten Hexagone stellen eine komplette Liste aller Bäume dar, wobei nur eine Wahrscheinlichkeit p = 0,8 + q (q ϵ [0; 0,2]) dafür besteht, dass ein ausgewählter Baum auch eine Kiefer ist (vgl. ADLER 2011). Über ein Resampling mittels Monte-Carlo Simulation wurden in Durchgängen unterschiedliche Auswahlen von Bäumen durchgerechnet. Im Mittel waren knapp 93% der Bäume Kiefern, wobei die berechnete Durchschnittsbaumzahl bei und das Gesamtvolumen im Mittel bei m³ (berechnet mit d 7) sowie m³ (ohne d 7) lagen. Die maximale Abweichung betrug +/- 0.5 %. Diese Ergebnisse wurden auf die einzelnen Bestände übertragen. In den folgenden Berechnungen wurden die Ergebnisse der Monte-Carlo Simulation als Reduktionsfaktor für die waldwachstumskundlichen Größen wie Vorrat/ha oder Baumzahl/ha verwendet. Nach der Erfassung des Ist-Vorrates der Kiefernbestände hinsichtlich ihres Kiefernvorrats ist es aus Nutzungssicht von Interesse, Informationen über die Beschaffenheit des potentiellen ausscheidenden Bestandes zu erhalten. Dieser stellt die Grundlage für die nachfrageorientierte Allokation dar. Hierzu soll ein Durchforstungsmodell eingesetzt werden, das Aussagen über die zu erwartende Erntevolumenverteilung ermöglicht. In der Literatur wird vielfach die Weibullverteilung erfolgreich zur Bestandesmodellierung verwendet (vgl. u. a. BAILEY U. DELL 1973, GADOW 1987, NAGEL U. BIGING 1995). Nach GAFFREY ET AL. (1998) erfüllt diese zudem insbesondere die zentrale Forderung nach ausreichender Flexibilität zur Abbildung der empirischen Bestandesverteilungen. Wie GEROLD (1990) und SMALTSCHINSKI (2001) zeigten, kann die Weibull-Verteilung als Durchforstungsmodell für den ausscheidenden Bestand angewandt werden, wenn die Durchmesser oder Volumen nach der Weibullverteilung ausgeglichen vorliegt. Im vorangegangenen Kapitel 5.3 konnte dieser Ausgleich für die drei Testbestände dargelegt werden. Nach WENK (1985) zitiert bei GEROLD (1990) kann die Verteilung 55

64 Ergebnisse Methodenentwicklung des ausscheidenden Bestandes über die Weibull-Funktion modelliert werden, wenn die Verteilung des Gesamtbestandes befriedigend über eine Weibull-Funktion ausgeglichen werden kann. Diese Annahme kann auch in der vorliegenden Arbeit getroffen werden. Die Modellierung der Entnahme von Kiefern in den einzelnen Untersuchungsbeständen im Rahmen von Durchforstungen erfolgte daher wie von GEROLD (1990) vorgeschlagen und von SMALT- SCHINSKI (2001) bereits angewendet, ebenfalls über die Weibullverteilung. Ihre Grundform lautet nach SMALTSCHINSKI (2001): w(x) = ( c b ) [x a b ]c 1 exp ( [ x a b ]c ) [8] Dabei ist a der Lageparameter und gibt hier die niedrigste im Bestand vertretene Durchmesserklasse an, b ist der Skalenparameter, der die Breite der Ausgleichskurve (Durchmesserbereich) bestimmt und c ist der Formparameter über den die Form der Ausgleichskurve (Normalverteilung bzw. Schiefe) festgelegt wird. Wie von SMALTSCHINSKI (2001) dargestellt können über Umformung dieser Gleichung unter Verwendung eines Maximum-Likelihood- Schätzers die jeweiligen Lage-, Skalen- und Formparameter (a, b, c) zur Modellierung der bestandesindividuellen Ausgangsverteilung der Weibullfunktion geschätzt werden. Dafür wurde ein von SMALTSCHINSKI (1981) erstelltes Programm verwendet und die Parameter b und c für jeden der 78 Kiefernbestände hergeleitet. Für den Lageparameter a wurde stets die untere Grenze der niedrigsten vorkommenden Durchmesserklasse je Bestand gewählt. 24 Die Weibull-Verteilung kann gleichermaßen für Durchmesser- wie für Volumenverteilungen verwendet werden. Hier wurde eine Darstellung der Volumenverteilungen bevorzugt, um direkte Aussagen über den Mengenanfall treffen zu können. Für die Durchforstungsmodellierung wurde zunächst ein bestandesindividueller Durchforstungssatz (Df) festgelegt, wie er z. B. im Rahmen der Forsteinrichtung vorgegeben wird. Dieser ist von dem Alter oder den natürlichen Altersklassen der Bestände abhängig und kann theoretisch einen Wert zwischen 0 und 1 annehmen, wobei der Wert 0 keinem Eingriff und 1 einem Kahlschlag entspricht. Es handelt sich um ein Massenentnahmeprozent, durch das noch keine Information über die Art der Durchforstung getroffen wird. Über das Entnahmevolumen hinaus bedarf es daher eines weiteren Parameters, der Aufschluss über den Durchmesserbereich gibt, in dem in den Bestand eingegriffen wird. In der Weibullverteilung ist dies der Faktor k, der Werte zwischen 0,4 und 1,5 annehmen kann und mit dem der empirische Skalenparameter b multipliziert wird (GEROLD 1990, SMALTSCHINSKI 2001). Über diesen Faktor k wird die Dichteverteilung des ausscheidenden Bestandes modelliert. Je größer der Wert k, desto flacher streckt sich die Kurve der Volumenverteilung über den gesamten Durchmesserbereich. Dabei entsprechen Werte k < 1 einer Niederdurchforstung, k = 1 einer Gleichdurchforstung und k > 1 einem hochdurchforstungsartigen Eingriff (GE- 24 Dieses Vorgehen wird von GEROLD (1990) ebenso wie von SMALTSCHINSKI (2001) als realitätsnah und praktikabel empfohlen und wird auch in anderen Arbeiten mit ähnlichem Kontext so angewandt. GAFFREY ET AL. (1998) bezeichnen den Lageparameter a auch als Minimum des Definitionsbereichs Dies verdeutlicht eine vergleichbare Auffassung. 56

65 Ergebnisse Methodenentwicklung ROLD 1990, SMALTSCHINSKI 2001). Abbildung 28 verdeutlicht an den drei Testbeständen beispielhaft die Auswirkung unterschiedlicher Werte für k und verschiedener Durchforstungsintensitäten auf die Volumenverteilung des ausscheidenden Bestandes. Der Übersichtlichkeit halber wurde auf eine erneute Darstellung der aus ALS abgeleiteten Volumina verzichtet. Für die jeweilige Durchmesserklassenmitte repräsentiert die linke (helle) Säule jeweils die Weibullverteilung des Ausgangsbestandes, die rechte (dunkle) Säule stellt die Weibullverteilung des ausscheidenden Bestandes dar. In horizontaler Richtung sind die Verteilungen der Testbestände (von links nach rechts: geringes, mittleres, starkes Baumholz) dargestellt. In vertikaler Richtung werden von oben nach unten jeweils die gleichen Testbestände bei zunächst gleichem Entnahmeprozent (Df) von 0,1 mit ansteigendem k (0,8; 0,9; 1,0; 1,1) verglichen. Innerhalb der Testbestände bleibt die Ausgangsverteilung stets gleich, lediglich die Entnahmeverteilung ändert sich in Abhängigkeit der Werte für k und Df. Das jeweils unterste Diagramm jeder Spalte stellt im Vergleich zu den darüber liegenden eine Erhöhung des Df von 0,1 auf 0,25 dar, während k bei 1,1 (Hochdurchforstung) bleibt. Dies verdeutlicht exemplarisch den Einfluss des Entnahmeprozents auf das Volumen des ausscheidenden Bestandes. Auf den Abszissen sind die Durchmesserklassenmitten aufgetragen, auf den Ordinaten die prozentualen Volumenanteile. Der Faktor k bestimmt nach Gerold (1990) und Smaltschinski (2001) die Form der Verteilung des ausscheidenden Bestandes: Bei k < 1 ist diese Verteilung linksschief und es können Niederdurchforstungen simuliert werden, bei k = 0.9 entspricht die Entnahme waldbaulich ungefähr einer Z- Baumauslese, bei der die stärksten Bedränger der Z-Bäume entnommen werden. Bei k=1 entspricht die Verteilung des ausscheidenden Bestandes der Verteilung des Bestandes vor dem Eingriff, da in allen vertretenen Durchmesserklassen prozentual der gleiche Volumenanteil entnommen wird. Bei k > 1 ist die Verteilung rechtschief und entspricht tendenziell einer Hochdurchforstung. Bei k = 1,1 beispielsweise kann der Eingriff waldbaulich am ehesten mit Pflegeeingriffen in Z-Baum-orientierten Behandlungsmodellen verglichen werden, etwa mit dem Hieb auf starke, schlechte Stämme zur Förderung des Wuchsraumes und Durchmesserzuwachses der verbleibenden Z-Bäume. Solche Eingriffe sind eher in älteren Beständen zu erwarten. Darüber hinausgehende Werte für k bilden eher Verjüngungshiebe ab. Mit ansteigendem k werden somit bei Durchforstungen immer stärkere Bäume entnommen und die Säulen der Volumenverteilung des ausscheidenden Bestandes wandern entlang der Ordinate von niedrigeren (links) zu höheren Durchmesserklassen (rechts). 57

66 Ergebnisse Methodenentwicklung k = 0,8 Df = 0,1 k = 0,9 Df = 0,1 k = 1,0 Df = 0,1 k = 1,1 Df = 0,1 k = 1,1 Df = 0,25 Abbildung 28: Graphische Darstellung der Ergebnisse der Durchforstungsmodellierung in den drei Testbeständen (von links n rechts: geringes, mittleres, starkes Baumholz) bei verschiedenen Werten für den Faktor k (von oben nach unten: 0,8; 0,9; 1,0; 1,1; 1,1) sowie unterschiedlichem Entnahmeanteil Df (obere vier Reihen: Df = 0,1; unterste Reihe: Df = 0,25). Pro Zeile sind die Werte für k und Df links neben den Diagrammen aufgeführt. Die massiven Säulen der Diagramme stellen den Vorrat je Durchmesserklasse dar und die orange schraffierten Säulen jeweils daneben das modellierte Entnahmevolumen je Klasse. Je Testbestand wurde k und Df eine Annahme für die weiteren Berechnungen ausgewählt. Die entsprechende Grafik ist durch einen gestrichelten Rahmen hervorgehoben Für die weiteren Berechnungen wurde aus Gründen der Vorsicht (und auch wegen der Vergleichbarkeit) ein einheitlicher Df von 0,1 respektive 10 % des Ausgangsvolumens angenommen. Dies entspricht in der Realität einer eher konservativen Durchforstung. Insbesondere in schwächeren und teilweise auch in mittelstarken Beständen kann bisweilen von einer deutlichen Erhöhung dieses Wertes ausgegangen werden. Des Weiteren war für jeden der 78 ausgewählten Kiefernbestände ein Wert für den Faktor k festzulegen. Aus den oben dargestellten Verteilungsgrafiken zu den Testbeständen ist ersichtlich, dass ein Wert für k 1 im schwächeren und im mittleren Bestand eine Eliminierung der nur gering besetzten jeweiligen stärksten Durchmesserklasse zur Folge hätte. Im Kontext der obigen Ausführungen wurde daher die Annahme getroffen, dass Hiebsmaßnahmen in den schwächeren Beständen der Untersuchung durch k = 0,8 abgebildet werden und in 58

67 Ergebnisse Methodenentwicklung den mittleren Beständen durch k = 0,9. Da eine Gleichverteilung bei üblicherweise steuernden forstlichen Eingriffen ungewöhnlich ist, gleichzeitig aber auf Grund der über die Durchmesserverteilung ersichtlichen Bestandesentwicklung eine Durchforstung eher in den stärkeren Durchmesserbereichen zu erwarten ist, wurde für diejenigen Bestände, die dem starken Baumholz zugerechnet wurden, k = 1,1 angenommen. In Abbildung 28 ist je Testbestand das Diagramm mit der Verteilung hervorgehoben, die in den weiteren Berechnungen zu Grunde gelegt wurde (gestrichelter Rahmen). Im Anschluss an diese Festlegung des Entnahmevolumens je Durchmesserklasse wurde die Anzahl Erntebäume je Bestand und Klasse berechnet. Zunächst wurde dazu mittels BDATpro über den mittleren Durchmesser und die mittlere Höhe sowie den über [6] berechneten mittleren d 7 das mittlere Stückvolumen je Bestand und Durchmesserklasse berechnet. Das jeweilige Erntevolumen je Bestand und Klasse wurde daraufhin durch dieses Stückvolumen dividiert. Diese bestandesindividuelle Auflistung der Erntestämme bildete zusammen mit der Güte- und Krümmungsverteilung, beschrieben in Teil I des Konzepts, die Grundlage für die nachfolgend beschriebene und in Kapitel 6 beispielhaft durchgeführte Sortimentsberechnung. Sortimentsberechnung Die weitere baumweise Berechnung der Sorten nach Stärkeklassen und Volumen erfolgte unter erneuter Verwendung des Programms BDATpro. Über Schaftformgleichungen können mit diesem Programm die Durchmesser in beliebigen Höhen entlang des Schaftes berechnet und daraus die Volumina für beliebige Sortenlängen abgeleitet werden. Wie oben dargestellt, ist die Verwendung des d 7 vorteilhaft zur Anpassung der berechneten Schaftformmodelle an die lokalen Gegebenheiten und erhöht die Genauigkeit der Derbholzvolumenberechnung (KUBLIN 2003). Zusätzliche mögliche Eingangsparameter sind Stockhöhe, Stammlänge und Zopfdurchmesser (KUBLIN U. BÖSCH 2007) sowie Längenzugaben. Dadurch können Sorten berechnet und beispielsweise Berechnungen für unterschiedliche Aushaltungsvarianten durchgeführt werden. Die relevanten berechneten Durchmesser (Mittenund Zopfdurchmesser, jeweils mit und ohne Rinde) werden ebenso ausgegeben wie die jeweiligen Volumina (des gesamten Derbholzes und gegebenenfalls einzelner Abschnitte, jeweils mit und ohne Rinde). Dabei sind durchmesserabhängige Rindenabzüge bereits integriert. Eine ausführliche Beschreibung der Sortimentsberechnung mittels BDATpro und insbesondere der verwendeten Schaftformgleichungen finden sich bei KUBLIN (2003) und KUBLIN U. SCHARNAGEL (1988). Die Liste der Erntestämme bildet die Grundlage für die Ermittlung der möglichen Sortenverteilung des ausscheidenden Bestandes. Sie steht in wechselseitiger Beziehung zu der Allokation, der Zuordnung des Rohstoffs hier Stammabschnitte Kiefernsägerundholz zu potentiellen Verarbeitern. Diese Allokation findet optimalerweise bei der Produktausformung statt. Im Falle von Rundholz ist dies der Moment des Ablängens eines Schaftes. Aus Stammholz können auf Grund seiner jeweiligen Beschaffenheit hinsichtlich Holzqualität, Form und 59

68 Ergebnisse Methodenentwicklung Dimensionen prinzipiell noch alternativ viele verschiedene Produkte (oder Sorten) hergestellt werden. Durch den Trennschnitt wird ein Stammholzabschnitt als spezifischeres Produkt hergestellt. Dieser ist u. a. auch durch die Kombination aus Länge und Durchmesser (und dessen Verlauf über die Abschnittslänge) definiert und kann sortiert, d. h. einer Stärkeklasse und Qualitätsstufe zugeordnet werden. Damit verändert sich möglicherweise der potentielle Kundenkreis für dasselbe Rundholz. Die denkbaren Gründe hierfür sind zahlreicher Natur, beispielhaft genannt seien hier stellvertretend nur das Produktportfolio und dementsprechende Absatzmöglichkeiten sowie Begrenzungen, die sich aus der Produktionsweise ergeben. Je spezifischer die Anforderungen sind, desto kleiner ist der Kundenkreis für das entsprechend ausgeformte Produkt. Daraus wird offensichtlich, dass jede Sortenberechnung nachfrageorientiert erfolgen muss. Dafür sind operationale Angaben der Holz verarbeitenden Industrie über ihre Anforderungen notwendig (vgl. Abbildung 27 links). Auf Grund dieser Abhängigkeit erfolgt die detaillierte Beschreibung der Sortimentierung und des daraus resultierenden Forstlichen Rohholzangebots (s. Kapitel 6.2) erst im Anschluss an die Darstellung der Industrieanforderungen, die Voraussetzung für die nachfrageorientierte Allokation sind. 60

69 6 Ergebnisse Sortimentierung und Allokation Im folgenden Kapitel werden die Ergebnisse der Erfassung der industriellen Anforderungen der Sägeindustrie an Rundholz am Beispiel der Baumart Kiefer beschrieben. Im Anschluss werden die Berechnungsergebnisse nach III (vgl. Abbildung 11) explizit erläutert und dieses Forstliche Rohholzangebot schließlich beispielhaft mit den Bedarfsanforderungen von Kunden zur Sortimentierung und Allokation verknüpft. 6.1 Anforderungen der Industrie an Rohholz Die industriellen Rohholzanforderungen wurden über folgende Quellen erfasst: (a) allgemeingültige Sortiernormen (b) betriebsspezifische Sortiervorgaben (c) Experteninterviews mit Rundholzeinkaufsleitern von zwei Sägewerken Sortiernormen Obwohl die Forst-HKS (1983) seit 2008 rechtlich nicht mehr gültig ist, werden die darin definierten Güteklassen noch immer verwendet (vgl. Kapitel 4.7). Das trifft vornehmlich auf die vier hauptsächlichen Güteklassen A, B, C und D in absteigender Reihenfolge zu, die nur für die Güteeinteilung von Stammholz dienen. Die einzelnen Güteklassen werden darin ausschließlich verbal ohne die Angabe von konkreten und messbaren Werten für einzelne qualitätsbestimmende Merkmale beschrieben. Erst länderspezifische Ergänzungen regeln dies (Forst-HKS, 1983). Die beste Güte A 25 erfordert fehlerfreies, gesundes Holz, weitere erforderliche Eigenschaften werden nicht genannt. Dies ist bei Güte B anders, hier werden erstmals beispielsweise die Merkmale Krümmung, Drehwuchs, Abholzigkeit, Äste, Exzentrizität genannt, die schwach, leicht oder in geringem Umfang an diesem normalen Holz vorkommen dürfen. In die nächstschlechtere Güte C ist Holz zu sortieren, das nicht mehr Güte B entspricht. Die dafür beschriebenen möglichen Fehler beziehen sich auf die Astigkeit und die Wuchsform (Abholzigkeit, Drehwuchs, ). Es ist in der Beschreibung ein markanter Sprung zwischen Güte B und C zu erkennen. Güte D bezeichnet eine Qualität, die noch zu mindestens 40 % industriell, das heißt als Sägeholz verwertbar ist, andere Merkmale werden nicht mehr genannt. Zusammenfassend lässt sich festhalten, dass nach der verbalen Beschreibung keine gleichmäßige Abstufung von A über B und C zu D erfolgt, sondern zwischen A und B ein deutlich geringerer Abstand besteht als zwischen B und C, die sehr weit auseinanderliegen. Auffallend ist, dass keine Differenzierung nach Baumarten erfolgt. Das ist bei den Normen zur Qualitäts-Sortierung von Nadel-Rundholz (DIN-EN 1927) grundlegend an- 25 Die Güte A wird noch unterteilt in weitere Unterklassen, die eine verwendungsspezifische Abgrenzung nach oben bedeuten. Genannt seien hier F (Furnier) und TF (Teilfurnier), die auch eigenständig verwendet werden. 61

70 Ergebnisse Sortimentierung und Allokation ders. Die derzeit gültige Sortiernorm für Kiefer ist DIN-EN , sie enthält die Bestimmungen zur Qualitäts-Sortierung von Nadel-Rundholz für die Baumart Kiefer in der deutschen Fassung (DIN-EN :2008). Die dort ebenfalls mit den Buchstaben A, B, C und D beschriebenen Qualitätsklassen ähneln der Beschreibung in der Forst-HKS, wobei Qualität B in der Forst-HKS beim Vergleich der Sortiertabellen deutlich weiter gefasst erscheint. Sowohl bei der DIN-EN als auch in den landesspezifischen Ergänzungen zur Forst-HKS 26 werden die Merkmale, soweit möglich, mit Grenzwerten aufgeführt. Die jeweiligen Qualitätsparameter lassen sich in Merkmalstypen und Merkmalsgruppen einteilen. Der Merkmalstyp dient dabei der Unterscheidung, ob ein Merkmal außen am Stamm direkt erkennbar ist, unter Merkmalsgruppen lassen sich ein bis mehrere Merkmale subsummieren. Die Merkmale sind in Tabelle 15 dargestellt. Die aus Sicht einer Beurteilung stehenden Holzes interessanten Parameter gehören zum Typ äußerlich erkennbare Merkmale. Äste, Beulen, Drehwuchs, Krümmung und Abholzigkeit sind die 5 äußerlich erkennbaren Parameter, mit Hilfe derer die Güte von Kiefern bestimmt wird. Tabelle 15: Zusammenfassende Einteilung der Merkmale zur Sortierung in Qualitätsklassen (nach DIN-EN ) Merkmalstyp Merkmalsgruppe Merkmale Äste Gesunde verwachsene Äste Nicht verwachsene Äste Fauläste Äußerlich Beulen Beulen Wuchs Drehwuchs Krümmung Abholzigkeit Jahrringbreite Exzentrizität Reaktionsholz Harzgallen Harzgallen Innerlich Kernrisse Risse Ringschäle Schäden Insektenschaden Fäule Andere Verfärbung Die Sortiertabellen der Ergänzungen zur Forst-HKS, nach denen in der Praxis die Sortierung nach Forst-HKS (1983) erfolgt, enthalten nahezu die gleichen Parameter. Ergänzend sei erwähnt, dass hier die gesamte Stammfläche nach ihrer Glätte, Unebenheiten und dem Vorkommen von Beulen beurteilt wird. Hier ist eine Ähnlichkeit zur Güteansprache stehender Bäume nach MAHLER (2001) zu erkennen (vgl. Kapitel 4.6.5). Eine entsprechende Formulierung ist in DIN-EN nicht enthalten. 26 Für Baden-Württemberg. 62

71 Ergebnisse Sortimentierung und Allokation Betriebsspezifische Sortiervorgaben Die spezifischen Sortiervorgaben der drei in Kapitel 4.7 beschriebenen Werke wurden ausgewählt und auf die Beschreibung der gewünschten Rundholzmerkmale hin untersucht. In allen drei Sortiervorgaben wird zunächst die Baumart festgelegt, um die es sich handelt. Hier wurde wieder ausschließlich Kiefer betrachtet. In Tabelle 16 sind die weiteren Aushaltungskriterien dargestellt. Bei dem Verpackungssägewerk (ii) gelten die Kriterien für alle Nadelholzarten, die im Werk verarbeitet werden. Eine nähere Differenzierung der Güte als die Angabe B/C erfolgt bei dem Großsägewerk (i) nicht. Bei dem Dielenproduzenten (iii) werden für Güte A zusätzlich Risse und Fäule ausgeschlossen und geastete Stämme gefordert, bei B sind schwache Äste und einseitig kleine Beulen sowie kleine Risse erlaubt, Fäule bleibt ausgeschlossen. Tabelle 16: Aushaltungsbedingungen der drei potentiellen Abnehmer in der Untersuchung Aushaltungskriterien Großsägewerk (i) Verpackungssägewerk (ii) Dielenproduzent (iii) Baumart Kiefer Nadelholz Kiefer Länge [m] 3; 4; (LH) 2,4; 3; 3,6; 5; 6; 7,5; LH: 8 20 (à 1m-Schritte) 4,2 15 (à 0,5m- Schritte) MDM (StKl) L1b - L4 Min L1b k. A. ZDM min. 13 cm or 13 cm or 50 / (40) cm or D max. 55 cm mr 90 cm mr k. A. Güte B/C C/D A / (B) Krümmung max. k. A. 3 cm/lfm k. A. Übermaß 10 / 30 cm 10 cm (30 cm LH) 30 cm Aus diesen Angaben wird ersichtlich, dass die Aushaltungsbedingungen von Werken alleine nicht für eine abschließende Güteansprache des Rundholzes ausreichen. Es wird Bezug genommen auf eine Sortiernorm oder -richtlinie, die die Güteklassen A, B, C oder D ausweist. Dies erfolgt jedoch ohne die Angabe, um welche Sortiernorm es sich dabei handelt. Aus Kapitel 4.7 und folgt, dass es sich um die vormals gültige FORST-HKS, die DIN-EN handeln könnte, die RVR (die die gleichen Bezeichnungen für die Güteklassen verwendet) war zum Zeitpunkt der Untersuchung noch nicht verabschiedet. Dies ließ sich abschließend erst durch zusätzliche Befragungen in Erfahrung bringen, deren Ergebnisse im folgenden Kapitel dargestellt werden Experteninterviews Um die Anforderungen abschließend zu klären, wurden Interviews mit den Einkaufsverantwortlichen der drei Betriebe geführt, deren Ergebnisse hier zusammengefasst werden. 63

72 Ergebnisse Sortimentierung und Allokation Grundsätzlich lässt sich aus den Sortiernormen (6.1.1) und den Sortiervorgaben (6.1.2) folgern, dass folgende Kategorien für die Qualitätsbeurteilung eine Rolle spielen: Baumart Dimensionsparameter Qualitätsparameter Bei Betrieb (i) wurden Werte für die maximal akzeptierte Krümmung genannt, verbunden mit dem Wunsch nach deutlich geringeren Werten als den eigentlich tolerierten. Der in den Einkaufsverträgen festgeschriebene Wert beträgt max. 4 cm/lfm, bei der Verarbeitung im Sägewerk sei dies allerdings nicht mehr mit akzeptabler Ausbeute einzuschneiden. Dort ist an der Sägelinie ein Maximalwert von 1,8 cm/lfm eingestellt. Dies sollte demnach auch die maximal akzeptierte Krümmung im Rundholzeinkauf sein, sei aber am Markt nicht umsetzbar ohne Einbußen in der Einkaufsmenge. Als weiteres wichtiges Merkmal beim Einkauf wurden Äste genannt mit einem maximalen Durchmesser von 6 cm. Darüber hinaus wurden keine weiteren Einschränkungen genannt mit dem Hinweis, ein differenzierterer Einkauf sei nicht darstellbar, u. a. weil der dafür benötigte Raum auf dem Rundholzplatz fehle, die im Werk verarbeitete Menge dafür erheblich zu groß sei, und geeignete effiziente Messmethoden im Wald dafür fehlten. Die geforderten Güteklassen B/C beziehen sich außerdem nicht auf eine spezielle Norm oder Richtlinie, sondern darauf, was die Marktteilnehmer traditionell darunter verstehen. Die gleiche Aussage zur zu Grunde liegenden Richtlinie wurde von den Befragten der Betriebe (ii) und (iii) getroffen. Da nicht explizit auf eine der oben dargestellten Sortiernormen Bezug genommen wird, sollen im Weiteren die Begriffe Güte und Qualität im Zusammenhang mit der Einteilung von Rundholz in Klassen synonym verwendet werden. Bei Betrieb (ii) wurde der Wunsch geäußert, mehr Parameter in die Beurteilung der Güte einzubeziehen, als in den eigenen Vorgaben dargestellt, und auf deren Einhaltung strenger zu achten. Bei dem Sortiment C/D würde das allerdings eine erhebliche Verringerung der Bezugsmenge bedeuten. Grund hierfür sind die aktuellen Marktverhältnisse mit einem Nachfrageüberhang. Generell beeinflusst also die Marktsituation die Bewertung der Kriterien teilweise erheblich. Die Abholzigkeit ist bei beiden Verarbeitern (i) und (ii) neben der Krümmung zwar ein entscheidender Faktor für die Ausbeute. Bei der Holzübernahme spielt diese jedoch eine marginale Rolle. Es bestehen insbesondere in Betrieb (ii) zwar recht detaillierte Anforderungen an Rundholz aus den Einstellungen der Sägelinie, doch diese werden aus verschiedenen Restriktionsgründen (Platzmangel, Gesamtvolumen, Sortieraufwand, Holzbedarf, Versorgungssicherheit ) nicht über Rundholzplatz und -einkauf bis zur Bereitstellung auf Forstseite zurückübertragen. Bei Betrieb (iii) stellt sich die Situation vollkommen anders dar. Hier zeigte sich, dass die aufgeführte Güte B im Grunde nicht primär gewünscht wird, sondern der Fokus eindeutig auf der Güte A und insbesondere bei den Spitzenqualitäten F und TF liegt. Es zeigte sich, 64

73 Ergebnisse Sortimentierung und Allokation dass bei der Baumart Kiefer die benötigten starken Dimensionen (ZDM 50 cm) im Vergleich zur ebenfalls eingekauften Douglasie deutlich seltener in der gewünschten Spitzenqualität anzutreffen sind. Es gelten außer dem Mindestzopfdurchmesser keine Dimensionseinschränkungen nach oben. Wichtigstes Kriterium sind Äste. Geastetes Rundholz wird in erster Linie gewünscht, allerdings sind auch Hölzer mit Schwarzästen geringerer Durchmesser bis 3 cm möglich. Beulen sind unerwünscht und werden nur im Einzelfall bei ansonsten sehr guter Qualität toleriert, leichte Wellen sind allerdings durchaus akzeptabel. Auf Grund der deutlich geringeren Einkaufsmengen für die Erzeugung hochwertiger Produkte ist es Betrieb (iii) als einzigem der betrachteten Betriebe möglich, detailliertere Aussagen zur gewünschten Rundholzqualität zu treffen. Beispielhaft genannt sei hier der Internodialabstand. Als generell problematisch wird die Inhomogenität der Beziehung zwischen äußeren und inneren Merkmalen bei Kiefer angesehen. Es könne nicht mit ausreichender Sicherheit auf die tatsächliche Qualität geschlossen werden anhand beispielsweise der Ausprägung von Beulen. Bei Kiefer ist der Standort erfahrungsgemäß besonders von Bedeutung. So wurden die Untersuchungsbestände auf Nachfrage auch als mit an Sicherheit grenzender Wahrscheinlichkeit als untauglich für die Aushaltung der von Betrieb (iii) benötigten Qualitäten eingestuft. 6.2 Forstliches Rohholzangebot Die Ergebnisse der Anwendung der in Kapitel 5 entwickelten Methodik zur Herleitung des ausscheidenden Bestands auf die drei Testbestände geringes, mittleres und starkes Baumholz sind in Tabelle 17 zu Kennzahlen des ausscheidenden Bestandes zusammengefasst dargestellt. Die Angaben wurden aus den Werten je Durchmesserklasse aggregiert. Die Angabe der Flächengröße und des Kiefernvorrats ist daraus ebenso ersichtlich wie die Anzahl der zu entnehmenden Bäume und das mittlere Derbholzvolumen in [m³mr] pro Baum. Alle Angaben beziehen sich dabei auf Kiefer, mit Ausnahme der Fläche, die für den Gesamtbestand dargestellt ist. Die bestandesindividuelle Auflistung von Erntebäumen ist Grundlage für die weiteren Berechnungen zur Vorbereitung für die Allokation. Aus der Einzelbaumliste wurden pro Bestand und Durchmesserklasse die Mittelwerte für Stammlänge (STL) bis zur Derbholzgrenze und die Abholzigkeit (ABH) direkt berechnet. 65

74 Ergebnisse Sortimentierung und Allokation Tabelle 17: Kennzahlen des ausscheidenden Bestandes für die drei Testbestände Testbestand Fläche [ha] Vorrat [m³] Vorrat [m³/ ha] Df% Erntevol. [m³/ ha] Erntevol. Soll [m³] Erntevol. Ist [m³] Mittl. d1,3 Mittl. Vol [m³mr] Anzahl Entnahmebäume [n] geringes Baumholz Mittl. Baumholz Starkes Baumholz 7, ,5 9,6 67,8 67,9 20,7 0, , ,5 19,8 85,0 83,9 29,8 0, , ,3 31,0 76,7 76,9 45,0 1, Gesamt 13, ,4 20,5 229,5 228,7 32,2 0, Unter Verwendung der Funktionen von BDATpro wurden in MS Excel dazu noch weitere Parameter berechnet, die für die Sortierung erforderlich waren: Dabei fanden Mindestzopfdurchmesser [cm], gefordertes Längenübermaß [m] sowie die Stockhöhe [m] Berücksichtigung, die in Tabelle 18 dargestellt sind. Tabelle 18: Variablen für die Aushaltung von Sägeholz Variable Wert Stockhöhe [m] 0,20 Übermaß Abschnitte [m] 0,10 Übermaß Langholz [m] 0,30 Durchmesser Mindestzopf or [cm] 13,0 Die weiteren berechneten Parameter je Durchmesserklasse sind: der Zopfdurchmesser in Höhe des Kronenansatzes (Zopf KrA) in [cm or], die maximale Sägeholzlänge bis zum Mindestzopfdurchmesser (Lmax SH) in [m], die maximale Aushaltungslänge bei der Ausformung von Langholz (Lmax LH) abgerundet auf ganze Meter [m], der Mittendurchmesser des Langholzes bei dieser Länge (MDM LH) in [cm or], das mittlere Volumen für diese maximale Länge (Max LH Vol) in [m³or] Das Ergebnis ist eine Durchforstungstabelle Kiefer, die alle berechneten Bestände enthält und beispielhaft für die drei Testbestände in Tabelle 19 auf Seite 68 sowie in Tabelle 20 auf Seite 69 dargestellt ist. Jeder Bestand wird durch die WEFLKZ identifiziert. Rechts daneben stehen die Zahlen 1, 2 oder 3 für die natürliche Altersklasse (AKl), in die der Bestand eingeordnet wurde (1 = geringes, 2 = mittleres, 3 = starkes Baumholz) und anschließend die nach unten ansteigenden Durchmesserklassen. Daneben sind die Fläche pro Bestand in [ha] und die über [8] berechnete Volumenverteilung des Ausgangsbestands an Kiefer (Vorrat Bestand [m³]) aufgeführt - dieser Wert wurde bereits über den in Kapitel 5.4 dargestellten 66

75 Ergebnisse Sortimentierung und Allokation mittleren Nadelholzvolumenanteil aller Hexagone des Bestandes (Vol Ant. Hex) reduziert. Das zunächst unabhängig von der Durchmesserklasse ermittelte Bestandesdurchforstungsvolumen (Df Vol Bestand [m³/ha]) wurde über das Entnahmeprozent Df (vgl. Abbildung 28) berechnet. Das über [8] modellierte Durchforstungsvolumen (Df Vol Weibull [m³/ha]) je Durchmesserklasse bildet zusammen mit der Bestandesfläche die Ausgangsbasis für die Ausgabe des absoluten Durchforstungsvolumens je Durchmesserklasse (Df Vol Bestand [m³]). Die für diese Berechnungen notwendigen Werte a, b, c für die Parameter der Weibullfunktion (vgl. Kapitel 5.4) können für alle Bestände Tabelle 31 im Anhang entnommen werden und die Annahmen für k (Art der Durchforstung) den Erläuterungen in Kapitel 5.4. Rechts ist je Durchmesserklasse die Anzahl [n] zu entnehmender Bäume (Entnahme) dargestellt. Sie wurde als abgerundete Ganzzahl über das mittlere Derbholzvolumen je Baum und Df Vol Bestand [m³] berechnet und ist die Ausgangsbasis für die Sortimentierung. Aus Tabelle 19 wird ersichtlich, dass nur in solchen Durchmesserklassen eine Entnahme modelliert wird, in denen ein Vorrat vorhanden ist. Die gelb markierten oberen 20 Zeilen repräsentieren die Durchmesserklassen des Testbestands geringes Baumholz in aufsteigender Reihenfolge, die nächsten 20 Zeilen darunter stellen das mittlere Baumholz (grün) dar und die roten Zeilen unten zeigen das starke Baumholz. Gut zu erkennen ist die Verschiebung zu stärkeren Durchmesserklassen mit zunehmendem Bestandesalter in der Spalte Vorrat Bestand. Zur weiteren Berechnung wurden aus dieser Durchforstungstabelle Kiefer nur die Durchmesserklassen in Tabelle 20 überführt, für die galt: Vorrat > 0 m³. Tabelle 20 repräsentiert damit eine Liste über das Forstliche Rohholzangebot, durch das bereits zu einem Zeitpunkt vor der Ernte der Rohstoff Holz beschrieben werden kann, den der Forstbetrieb auf dem Markt anbieten kann. Dies kann auch als verfügbare forstliche Ressource angesehen werden. Es handelt sich dabei um das Ergebnis einer waldbaulichen Bestandesbehandlung aus dem nach Ernte und Aufarbeitung durch entsprechende Trennschnitte verschiedene Rundholzsorten erzeugt werden können, die sich nach Dimensionen und Qualitätsparametern unterscheiden. Die Umsetzung, d. h. die tatsächliche Ausformung und Zuordnung zu potentiellen Verarbeitern, d. h. die Allokation, die auf der Grundlage von Tabelle 20 erfolgt, wird in Kapitel 6.3 ab S. 70 dargestellt. 67

76 Ergebnisse Sortimentierung und Allokation 68 Tabelle 19: Durchforstungstabelle Kiefer Grundlage für die Sortimentierung der drei Testbestände geringes (gelb), mittleres (grün), starkes Baumholz (rot). Jede Zeile stellt eine Durchmesserklasse dar. Fläche Df Vol Vorrat Vol Df Vol Df Vol Weibulbulbulbull Wei- Wei- Wei- Zopf Max LH Ent- Durchm.- Bestand Bestand Bestand Ant. Vorrat Weibull Bestand mittl. mittl. mittl. mittl. v [m³/ mittl. KrA Lmax Lmax MDM LH Vol nahme WEFLKZ AKl klasse stufe [ha] [m³/ha] [m³] Hex [m³/ha] [m³/ha] [m³] a b c k d1,3 d7 h STL Baum] Abh [cm or] LH SH [cm or] [m³ or] [n] 212,1,1,7,8,k,3, 1 5 7,08 9,45 0 0, ,0231 5,25 0, ,1,1,7,8,k,3, ,08 9,45 0,07 0,94 0,01 0,04 0, ,0231 5,25 0,8 13,2 8,7 9,0 4,8 0,067 0,8 9, , ,1,1,7,8,k,3, ,08 9,45 64,78 0,94 9,15 3,54 25, ,0231 5,25 0, ,6 15,1 9,4 0,206 0,9 10,7 6 6,27 14,79 0, ,1,1,7,8,k,3, ,08 9,45 511,77 0,94 72,30 6,00 42, ,0231 5,25 0,8 22,5 16,5 16,9 11,9 0,317 1,1 10,8 9 9,66 16,33 0, ,1,1,7,8,k,3, ,08 9,45 133,85 0,94 18,91 0,00 0, ,0231 5,25 0,8 26,3 19,7 19,1 14,4 0,479 1,2 11, ,71 18,92 0, ,1,1,7,8,k,3, ,08 9,45 3,00 0,94 0,42 0,00 0, ,0231 5,25 0,8 31,7 24,1 20,6 14,4 0,746 1,3 15, ,29 22,05 0, ,1,1,7,8,k,3, ,08 9,45 0 0, ,0231 5,25 0, ,1,1,7,8,k,3, ,08 9,45 0 0, ,0231 5,25 0, ,1,1,7,8,k,3, ,08 9,45 0 0, ,0231 5,25 0, ,1,1,7,8,k,3, ,08 9,45 0 0, ,0231 5,25 0, ,1,1,7,8,k,3, ,08 9,45 0 0, ,0231 5,25 0, ,1,1,7,8,k,3, ,08 9,45 0 0, ,0231 5,25 0, ,1,1,7,8,k,3, ,08 9,45 0 0, ,0231 5,25 0, ,1,1,7,8,k,3, ,08 9,45 0 0, ,0231 5,25 0, ,1,1,7,8,k,3, ,08 9,45 0 0, ,0231 5,25 0, ,1,1,7,8,k,3, ,08 9,45 0 0, ,0231 5,25 0, ,1,1,7,8,k,3, ,08 9,45 0 0, ,0231 5,25 0, ,1,1,7,8,k,3, ,08 9,45 0 0, ,0231 5,25 0, ,1,1,7,8,k,3, ,08 9,45 0 0, ,0231 5,25 0, ,1,1,7,8,k,3, ,08 9,45 0 0, ,0231 5,25 0, ,1,1,7,8,k,6, 2 5 4,24 19,74 0 0, ,978 6,25 0, ,1,1,7,8,k,6, ,24 19,74 0,00 0, ,978 6,25 0, ,1,1,7,8,k,6, ,24 19,74 1,44 0,93 0,34 0,0 0, ,978 6,25 0, ,7 14,1 7,2 0,175 0,9 11,8 5 5,13 14,49 0, ,1,1,7,8,k,6, ,24 19,74 17,95 0,93 4,24 0,67 2, ,978 6,25 0,9 23,2 17,1 16,6 9,1 0,335 1,1 14,4 9 9,99 17,49 0, ,1,1,7,8,k,6, ,24 19,74 177,33 0,93 41,85 8,06 34, ,978 6,25 0,9 28,4 21,4 20,9 15 0,596 1,2 12, ,56 19,85 0, ,1,1,7,8,k,6, ,24 19,74 605,92 0,93 143,01 11,24 47, ,978 6,25 0,9 32,2 24,6 23,1 17,7 0,830 1,3 12, ,22 21,88 0, ,1,1,7,8,k,6, ,24 19,74 88,84 0,93 20,97 0,08 0, ,978 6,25 0,9 36,0 27,7 24,6 18 1,092 1,5 15, ,17 23,98 0, ,1,1,7,8,k,6, ,24 19,74 5,92 0,93 1,4 0,0 0, ,978 6,25 0,9 41,3 32,2 25,0 12,9 1,479 1,6 25, ,31 27,43 1, ,1,1,7,8,k,6, ,24 19,74 0 0, ,978 6,25 0, ,1,1,7,8,k,6, ,24 19,74 0 0, ,978 6,25 0, ,1,1,7,8,k,6, ,24 19,74 0 0, ,978 6,25 0, ,1,1,7,8,k,6, ,24 19,74 0 0, ,978 6,25 0, ,1,1,7,8,k,6, ,24 19,74 0 0, ,978 6,25 0, ,1,1,7,8,k,6, ,24 19,74 0 0, ,978 6,25 0, ,1,1,7,8,k,6, ,24 19,74 0 0, ,978 6,25 0, ,1,1,7,8,k,6, ,24 19,74 0 0, ,978 6,25 0, ,1,1,7,8,k,6, ,24 19,74 0 0, ,978 6,25 0, ,1,1,7,8,k,6, ,24 19,74 0 0, ,978 6,25 0, ,1,1,7,8,k,6, ,24 19,74 0 0, ,978 6,25 0, ,1,1,7,8,k,6, ,24 19,74 0 0, ,978 6,25 0, ,1,1,2,27,k,9, 3 5 2,48 30,98 0 0, ,5336 3,25 1, ,1,1,2,27,k,9, ,48 30,98 0 0, ,5336 3,25 1, ,1,1,2,27,k,9, ,48 30,98 0 0, ,5336 3,25 1, ,1,1,2,27,k,9, ,48 30,98 0 0, ,5336 3,25 1, ,1,1,2,27,k,9, ,48 30,98 3,87 0,93 1,56 0,1 0, ,5336 3,25 1,1 28,8 21,7 17,5 13,2 0,550 1,2 12, ,50 20,96 0, ,1,1,2,27,k,9, ,48 30,98 41,21 0,93 16,62 1,18 2, ,5336 3,25 1,1 33,2 25,4 20,6 15,5 0,824 1,4 13, ,61 23,11 0, ,1,1,2,27,k,9, ,48 30,98 123,86 0,93 49,94 3,44 8, ,5336 3,25 1,1 37,8 29,2 23,9 18,4 1,190 1,5 14, ,93 25,32 0, ,1,1,2,27,k,9, ,48 30,98 229,35 0,93 92,48 6,09 15, ,5336 3,25 1,1 42,3 33,0 27,6 20 1,653 1,6 18, ,61 27,47 1, ,1,1,2,27,k,9, ,48 30,98 171,00 0,93 68,95 7,53 18, ,5336 3,25 1,1 47,4 37,2 29,4 19,3 2,186 1,8 23, ,72 30,33 1, ,1,1,2,27,k,9, ,48 30,98 111,75 0,93 45,06 6,60 16, ,5336 3,25 1,1 52,2 41,2 30,2 17,5 2,725 1,9 28, ,82 33,21 2, ,1,1,2,27,k,9, ,48 30,98 106,80 0,93 43,07 4,00 9, ,5336 3,25 1,1 57,4 45,6 30,6 17 3,360 2,1 32, ,51 36,49 2, ,1,1,2,27,k,9, ,48 30,98 12,77 0,93 5,15 1,59 3, ,5336 3,25 1,1 63,6 50,7 32,3 17,7 4,310 2,3 36, ,34 39,96 3, ,1,1,2,27,k,9, ,48 30,98 23,57 0,93 9,5 0,4 0, ,5336 3,25 1,1 67,3 53,8 31,7 17,5 4,801 2,4 38, ,92 42,42 3, ,1,1,2,27,k,9, ,48 30,98 0 0, ,5336 3,25 1, ,1,1,2,27,k,9, ,48 30,98 0 0, ,5336 3,25 1, ,1,1,2,27,k,9, ,48 30,98 0 0, ,5336 3,25 1, ,1,1,2,27,k,9, ,48 30,98 0 0, ,5336 3,25 1, ,1,1,2,27,k,9, ,48 30,98 0 0, ,5336 3,25 1, ,1,1,2,27,k,9, ,48 30,98 0 0, ,5336 3,25 1, ,1,1,2,27,k,9, ,48 30,98 0 0, ,5336 3,25 1,

77 Ergebnisse Sortimentierung und Allokation 69 Tabelle 20: Durchforstungstabelle Kiefer Grundlage für die Sortimentierung der drei Testbestände (überführt aus Tabelle 19; enthält nur Durchmesserklassen mit Vorrat Kiefer > 0 m³) WEFLKZ Df Vol Bestand [m³/ha] Vorrat Bestand [m³] Vol Ant. Hex Vorrat [m³/ha] Df Vol Weibull [m³/ha] Df Vol Bestand [m³] Durch m.- Fläche Bestand AKl klasse stufe [ha] Weibull a Weibull b Weibull c Weibull mittl. k d1,3 mittl. d7 mittl. h mittl. STL v [m³/ mittl. Baum] Abh Zopf KrA Lmax Lmax [cm or] LH SH 212,1,1,7,8,k,3, ,08 9,45 0,07 0,94 0,01 0,04 0, ,023 5,25 0,8 13,2 8,7 9,0 4,8 0,067 0,8 9,9 0,0 0,00 11,83 0, ,1,1,7,8,k,3, ,08 9,45 64,78 0,94 9,15 3,54 25, ,023 5,25 0, ,6 15,1 9,4 0,206 0,9 10,7 6,0 6,27 14,79 0, ,1,1,7,8,k,3, ,08 9,45 511,77 0,94 72,30 6,00 42, ,023 5,25 0,8 22,5 16,5 16,9 11,9 0,317 1,1 10,8 9,0 9,66 16,33 0, ,1,1,7,8,k,3, ,08 9,45 133,85 0,94 18,91 0,00 0, ,023 5,25 0,8 26,3 19,7 19,1 14,4 0,479 1,2 11,0 12,0 12,71 18,92 0, ,1,1,7,8,k,3, ,08 9,45 3,00 0,94 0,42 0,00 0, ,023 5,25 0,8 31,7 24,1 20,6 14,4 0,746 1,3 15,2 15,0 15,29 22,05 0, ,1,1,7,8,k,6, ,24 19,74 1,44 0,93 0,34 0,00 0, ,978 6,25 0, ,7 14,1 7,2 0,175 0,9 11,8 5,0 5,13 14,49 0, ,1,1,7,8,k,6, ,24 19,74 17,95 0,93 4,24 0,67 2, ,978 6,25 0,9 23,2 17,1 16,6 9,1 0,335 1,1 14,4 9,0 9,99 17,49 0, ,1,1,7,8,k,6, ,24 19,74 177,33 0,93 41,85 8,06 34, ,978 6,25 0,9 28,4 21,4 20,9 15 0,596 1,2 12,9 14,0 14,56 19,85 0, ,1,1,7,8,k,6, ,24 19,74 605,92 0,93 143,01 11,24 47, ,978 6,25 0,9 32,2 24,6 23,1 17,7 0,830 1,3 12,8 17,0 17,22 21,88 0, ,1,1,7,8,k,6, ,24 19,74 88,84 0,93 20,97 0,08 0, ,978 6,25 0, ,7 24,6 18 1,092 1,5 15,7 19,0 19,17 23,98 0, ,1,1,7,8,k,6, ,24 19,74 5,92 0,93 1,40 0,00 0, ,978 6,25 0,9 41,3 32,2 25,0 12,9 1,479 1,6 25,1 20,0 20,31 27,43 1, ,1,1,2,27,k,9, ,48 30,98 3,87 0,93 1,56 0,10 0, ,534 3,25 1,1 28,8 21,7 17,5 13,2 0,550 1,2 12,2 12,0 12,50 20,96 0, ,1,1,2,27,k,9, ,48 30,98 41,21 0,93 16,62 1,18 2, ,534 3,25 1,1 33,2 25,4 20,6 15,5 0,824 1,4 13,9 15,0 15,61 23,11 0, ,1,1,2,27,k,9, ,48 30,98 123,86 0,93 49,94 3,44 8, ,534 3,25 1,1 37,8 29,2 23,9 18,4 1,190 1,5 14,8 18,0 18,93 25,32 0, ,1,1,2,27,k,9, ,48 30,98 229,35 0,93 92,48 6,09 15, ,534 3,25 1,1 42,3 33,0 27,6 20 1,653 1,6 18,6 22,0 22,61 27,47 1, ,1,1,2,27,k,9, ,48 30,98 171,00 0,93 68,95 7,53 18, ,534 3,25 1,1 47,4 37,2 29,4 19,3 2,186 1,8 23,8 24,0 24,72 30,33 1, ,1,1,2,27,k,9, ,48 30,98 111,75 0,93 45,06 6,60 16, ,534 3,25 1,1 52,2 41,2 30,2 17,5 2,725 1,9 28,7 25,0 25,82 33,21 2, ,1,1,2,27,k,9, ,48 30,98 106,80 0,93 43,07 4,00 9, ,534 3,25 1,1 57,4 45,6 30,6 17 3,360 2,1 32,6 26,0 26,51 36,49 2, ,1,1,2,27,k,9, ,48 30,98 12,77 0,93 5,15 1,59 3, ,534 3,25 1,1 63,6 50,7 32,3 17,7 4,310 2,3 36,1 28,0 28,34 39,96 3, ,1,1,2,27,k,9, ,48 30,98 23,57 0,93 9,50 0,40 0, ,534 3,25 1,1 67,3 53,8 31,7 17,5 4,801 2,4 38,2 27,0 27,92 42,42 3,95 0 MDM LH [cm or] Max LH Vol [m³ or] Entnahme [n].

78 Ergebnisse Sortimentierung und Allokation 6.3 Allokation von Sortimenten zu Kundenanforderungen Bei der Berechnung möglicher Sortimente aus den in Kapitel 6.1 beschriebenen Anforderungen wurde ausschließlich Sägeholz berücksichtigt. Auf Grund der Güteansprache wurde bereits früh offenbar, dass für das in Tabelle 20 dargestellte Rohholz von dem weiten Spektrum theoretisch möglicher Sägeholzsortimente nur ein kleiner Teil in Frage kommt. Die nach der Qualitätsansprache nach MAHLER ET AL. (2001) auf ihre Güte angesprochenen Einzelbäume wurden im Mittel auf einer Skala von 1 bis 6 (vgl. Tabelle 3 und Anhang Tabelle 28) über alle Durchmesserbereiche auf 3,8 geschätzt (vgl. Anhang Tabelle 29). Dies entspricht schlechterem Durchschnitt. Vier von 42 angesprochenen Stämmen wurden als Güte 2 angesprochen. Das entspricht einem Anteil von knapp 10 %. Nach Tabelle 3 ist damit eine eher gute Qualität verbunden. Aus Kapitel 6.1 geht hervor, dass in der Praxis des Holzverkaufs Güteklassen verwendet werden, die prinzipiell auf eine Interpretation der Forst-HKS zurückzuführen sind. Die visuelle Güteansprache nach MAHLER ET AL. (2001) wurde wie in Kapitel dargestellt in eine Rundholzsortierung übersetzt. Daraus lässt sich schließen, dass nur bei o. g. 10 % ein Potential für Rundholz der Güteklasse B erwartet werden konnte. Als Güte 1 wurde kein Stamm angesprochen. Es war daher auch nicht mit Rundholz sehr guter Qualität (z. B. Güte A) zu rechnen. Die restlichen gut 90 % wurden tendenziell eher als schlechtere normale Qualität oder noch schlechter eingestuft (Güte 4 bis 5). Für das Rundholz wurden basierend auf der aus der Gütebeschreibung für die Baumart Kiefer nach MAH- LER ET AL. (2001) am stehenden Stamm abgeleiteten Rundholzgüteklassen (vgl. Kapitel 4.6.5) auf Grund der Merkmale (Astigkeit, Krümmung, Schäden) eher die Güteklassen C und D erwartet. Aus Kapitel 6.1 geht weiter hervor, dass Sägewerke heute das benötigte Rundholz vielfach als sogenannte Mischsortimente einkaufen. Dieser Marktentwicklung wird hier Rechnung getragen, indem bei der beispielhaften Sortierung zwei Qualitäten unterschieden wurden: B/C und C/D. Dazu wurden im Weiteren die Anforderungen der zwei Werke (i) und (ii) aus Kapitel 6.1 (vgl. Tabelle 16) verwendet. Die durchschnittliche Abholzigkeit der ausgewerteten Stämme aus TLS lag bei 1,4 cm/lfm basierend auf der Differenz zwischen d 1,3 und d 7 sowie bei 1,8 cm/lfm unter Berücksichtigung der gesamten erkannten Stammlänge (vgl. Kapitel 4.6.2). Aus den verschiedenen Sortiervorgaben und insbesondere deren tatsächlicher Umsetzung (vgl. Kapitel 6.1) kann gefolgert werden, dass der Abholzigkeit in der vorliegenden Untersuchung bei der Einteilung in Qualitäten keine maßgebliche Rolle zukommt. Sie bleibt daher unberücksichtigt, auch wenn dieser Wert für jeden Stamm errechnet werden kann (vgl. Kapitel 4.6.2). Aus den Anforderungen wurden zwei parallele Aushaltungsoptionen herausgefiltert. Prinzipiell unabhängig von der Dimension sind sowohl Langholz als auch Abschnitte von Interesse für die Holzverarbeitung in den einbezogenen Sägewerken. Das gilt sowohl für den Verarbeiter von B/C-Qualitäten (i) als auch von C/D-Qualitäten (ii). Als Besonderheit bei Kiefer werden Abschnitte häufig kürzer ausgehalten. Bei C/D-Qualitäten liegt die Mindestlänge bei 2,4 m, die kleinste Abschnittslänge des Abnehmers von B/C-Qualitäten lag bei 3 m. Die nächstlängere Aushaltung läge bei 4 m, dies kann jedoch nicht für den Abnehmer von C/D- Ware ausgehalten werden. Beim Kurzholz ist darüber hinaus keine weitere gemeinsame 70

79 Ergebnisse Sortimentierung und Allokation Länge möglich. Die nächste von B/C- und C/D-Abnehmer gleichermaßen nachgefragte Länge lag bei 10 m und wird bereits als Langholz gehandelt. Identisch zwischen beiden sind mit 10 cm bei Kurz- und 30 cm bei Langholz außerdem die Zu- oder Übermaße in der Länge. Auch die Mindestzopfdurchmesser liegen in beiden Fällen bei 13 cm or (vgl. Tabelle 18). Für Kiefer ist die maximal erlaubte Krümmung von 3 cm/lfm besonders relevant. Wie aus Tabelle 13 folgt, liegt der aus TLS berechnete Wert für diesen Qualitätsparameter nur in der stärksten gemessenen Durchmesserklasse (65 cm) im Mittel mit 3,2 cm/lfm nahe an dem tolerierten Maximum. In allen anderen Durchmesserklassen liegen die Werte deutlich darüber. Im stückzahlgewichteten Mittel über alle Durchmesserklassen werden 3,8 cm/lfm erreicht. Bei strikter Anwendung der Begrenzung auf maximal 3 cm/lfm kann somit kein Sägeholz ausgehalten werden. Die Maximalwerte für die Krümmung wurden daher aus Gründen der Darstellung der Differenzierungsmöglichkeit zwischen Qualitäten auf 3,7 cm/lfm für Rundholz der B/C-Mischsortimente und auf 4,0 cm/lfm für C/D festgelegt. Diese Angaben wurden zu den Variablen in Tabelle 18 hinzugefügt. Als dritte Qualität wurde Sonstige (sonst.) für das Rundholz eingeführt, das nach den Dimensionen (insbesondere den Mindestzopfdurchmesser betreffend) den Anforderungen der Sägewerke noch entsprach, allerdings nicht die erforderliche Qualität erwarten ließ. Aus diesen Angaben wurden zur Veranschaulichung der Sortimentiervorgänge drei mögliche klar unterscheidbare Optionen der Kombination von Sorten bei der Aushaltung von Stammholz aus den im forstlichen Rohholzangebot aufgelisteten Erntebäumen ausgewiesen (vgl. Tabelle 21). In allen drei Kombination ist die Aushaltung der drei genannten Qualitäten (B/C, C/D und sonst.) möglich. Tabelle 21: Beschreibung der verwendeten Sortimentskombinationen Sortimentskombination S1 S2 S3 Beschreibung Ausschließliche Aushaltung von Abschnitten der Länge 3 m Aushaltung des Erdstammstücks als Langholz von 10 m Länge (sofern möglich) und der darüber hinausgehenden sägefähigen Dimensionen als Abschnitte (Kurzholz) von 3 m Länge, ansonsten keine Aushaltung von Sägeholz. Aushaltung als Langholz maximaler Länge (theoretisch bis 22 m) sofern als B/C- oder C/D-Mischsortiment möglich, ansonsten Aushaltung von 3 m-abschnitten wie in S1 In MS Excel wurden unter Verwendung der BDATpro-Funktionsbibliothek die Sorten berechnet. Der zu diesem Zweck programmierte Algorithmus sollte möglichst flexibel sein hinsichtlich der Änderungen von Anforderungen (beispielsweise der Aushaltungsvariablen, vgl. Tabelle 18, Längen, Qualitätsparameter) oder der Einbeziehung neuer Datensätze. Deshalb wurden wo möglich Tabellenrelationen und Verknüpfungen verwendet. So sind Änderungen gegebenenfalls an zentraler Stelle leicht durchführbar ohne die Notwendigkeit von Korrekturen in den verwendeten Formeln. Im Folgenden wird der Prozess der Sortenberechnung am Beispiel der Sortimentskombination S1 für die drei Testbestände dargestellt (vgl. Tabelle 23 und Tabelle 24), die Berechnung 71

80 Ergebnisse Sortimentierung und Allokation von S2 und S3 erfolgt in gleicher Weise und kann im Anhang Tabelle 32 bis Tabelle 37 entnommen werden. Ausgehend von der Durchforstungstabelle Kiefer (s. Tabelle 20 auf S. 69) werden für alle Kiefern des ausscheidenden Bestandes für jede Durchmesserklasse die Mittendurchmesser (MDM) in [cm or] aller möglichen 3 m-abschnitte bis zum Erreichen des Mindestzopfs berechnet und für die jeweilige Lage im Stamm anhand der Definition in Tabelle 22 in Stärkeklassen (StKl) übertragen. Tabelle 22: Definition der in der Untersuchung verwendeten Stärkeklassen. Mittendurchmesser (MDM) [cm or] Stärkeklasse (StKl) 10 14,99 1a 15 19,99 1b 20 24,99 2a 25 29,99 2b 30 34,99 3a 35 39,99 3b 40 49, Analog zum MDM wird auch der Zopfdurchmesser (ZDM) in [cm or] berechnet und zugeordnet. Anschließend erfolgt die Berechnung des Stückvolumens (Vol) in [m³] aller Abschnitte über Multiplikation der Soll-Länge 3 m mit der Mittenfläche nach der Huber schen Formel (n. KRAMER U. AKÇA 2002): v = g m l [9] wobei die Mittenfläche g m nach der Kreisflächenformel mit MDM als eingehendem Kreisdurchmesser berechnet wird und l der Sortenlänge entspricht. Die Werte sind in Tabelle 23 dargestellt. An dieser Stelle erfolgt die Einteilung der Stammabschnitte in Qualitäten unter Verwendung der prozentualen Qualitätsverteilung aus der Krümmung und der Güteansprache (Tabelle 13). Je Qualität und Lage im Stamm werden die Abschnittsstückzahlen aufgelistet. In Tabelle 24 ist die Zuordnung der Abschnitte zu den Stärkeklassen dargestellt. Ausgegeben werden hier die Stückzahl und das Volumen je StKl, beides getrennt nach den Qualitäten. Rechts daneben werden das aufsummierte Volumen und die Gesamtstückzahl nach Qualitäten getrennt dargestellt sowie das Restderbholzvolumen aufgeführt, das nicht mehr den geforderten Dimensionen von Sägewerken entspricht und für andere Verwendungszwecke ausgehalten werden kann. Die Berechnung bei S2 und S3 läuft analog dazu mit der Ausnahme, dass bei S3 auf Grund der qualitätsabhängigen alternativen Aushaltungsentscheidung zwischen Langholz (LH) und Abschnitten (ABS) zuerst die Qualitätsverteilung erfolgt und anschließend die dimensionsabhängige Sortimentierung (s. Anhang Tabelle 32 bis Tabelle 37). Die Sortierergebnisse sind in Abbildung 29 als Stärkeklassenverteilungen dargestellt. Darin repräsentiert jede Zeile eine der Sortimentskombinationen (oben S1, Mitte S2 und unten S3) und jede Spalte einen Testbestand (links: geringes; Mitte: mittleres; zweite von rechts: starkes Baumholz. Ganz rechts sind die Summen der drei Testbestände abgebildet. 72

81 Ergebnisse Sortimentierung und Allokation 73 Tabelle 23: Darstellung der Sortimentskombination S1 mit mittlerem Durchmesser (Mitten- und Zopfdurchmesser), Stärkeklasse und Volumen je Durchmesserklasse und Testbestand und Lage im Stamm. Rechts die Anzahl Abschnitte je Qualität und Lage im Stamm pro Durchmesserklasse und Testbestand. Sortimentskombination 1 MDM or [cm] StKl ZDM or [cm] Vol or [m³] B/C C/D sonst. 1. ABS 2. ABS 3. ABS 4. ABS 5. ABS 6. ABS 7. ABS 1. ABS 2. ABS 3. ABS 4. ABS 5. ABS 6. ABS 7. ABS 1. ABS 2. ABS 3. ABS 4. ABS 5. ABS 6. ABS 7. ABS 1. ABS 2. ABS Dklasse Dstufe ,6 14,3 1b 1a 14,9 13,3 0,065 0, ,8 16,5 14,9 1b 1b 1a 17,9 16,1 13,6 0,093 0,064 0, ,3 19,6 17,9 15,4 2a 1b 1b 1b 21,2 19,1 16,8 13,8 0,128 0,090 0,076 0, ,2 24,0 22,0 19,3 2b 2a 2a 1b 25,8 23,3 20,8 17,9 0,188 0,135 0,114 0, ,7 1b 14,1 0, ,5 17,1 15,4 2a 1b 1b 18,5 16,7 14,1 0,099 0,069 0, ,2 21,2 19,5 17,2 2b 2a 1b 1b 22,9 20,7 18,5 15,8 0,149 0,106 0,090 0, ,6 24,4 22,5 20,3 17,7 2b 2a 2a 2a 1b 26,2 23,1 21,5 19,0 15,9 0,192 0,140 0,120 0,097 0, ,9 27,5 25,4 23,0 20,4 16,9 3a 2b 2b 2a 2a 1b 29,4 26,0 24,3 21,8 19,0 14,5 0,241 0,178 0,152 0,125 0,098 0, ,8 31,9 29,6 26,9 23,8 20,0 3b 3a 2b 2b 2a 1b 34,1 30,3 28,3 25,5 22,4 17,2 0,320 0,240 0,206 0,170 0,134 0, ,7 21,7 19,6 16,2 2b 2a 1b 1b 23,4 21,1 18,1 13,7 0,155 0,111 0,091 0, ,6 25,3 23,2 20,3 16,5 2b 2b 2a 2a 1b 27,2 24,6 21,9 18,9 13,7 0,207 0,151 0,127 0,097 0, ,7 29,0 26,8 24,2 21,1 17,0 3a 2b 2b 2a 2a 1b 31,0 27,5 25,5 22,8 19,5 14,2 0,267 0,198 0,169 0,138 0,105 0, ,5 32,6 29,6 27,9 25,3 22,5 18,1 3b 3a 2b 2b 2b 2a 1b 34,6 31,0 29,1 26,7 23,9 20,6 15,4 0,331 0,251 0,207 0,183 0,151 0,120 0, ,0 36,7 33,5 31,6 29,0 26,0 22,3 4 3b 3a 3a 2b 2b 2a 38,8 35,0 32,9 30,4 27,6 24,6 19,8 0,415 0,317 0,264 0,235 0,198 0,159 0, ,3 40,6 37,2 35,1 32,3 29,1 25, b 3b 3a 2b 2b 42,8 38,8 36,5 33,8 30,8 27,8 22,8 0,505 0,389 0,325 0,290 0,246 0,199 0, ,0 44,9 41,2 38,9 35,8 32,3 28, b 3b 3a 2b 47,3 43,0 40,4 37,4 34,2 31,0 25,6 0,614 0,476 0,400 0,356 0,303 0,246 0, ,5 49,9 45,9 43,4 40,2 36,8 33, b 3a 52,2 47,9 44,2 41,9 38,6 34,8 30,5 0,752 0,586 0,497 0,444 0,382 0,318 0, ,0 53,0 48,7 45,9 42,5 38,6 34, b 3a 55,6 50,8 46,9 44,3 40,7 36,4 31,4 0,848 0,662 0,559 0,497 0,425 0,351 0, ABS 4. ABS 5. ABS 6. ABS 7. ABS 1. ABS 2. ABS 3. ABS 4. ABS 5. ABS 6. ABS 7. ABS 1. ABS 2. ABS 3. ABS 4. ABS 5. ABS 6. ABS 7. ABS 1. ABS 2. ABS 3. ABS 4. ABS 5. ABS 6. ABS 7. ABS Tabelle 24: Darstellung der Sorten in S1 mit Stückzahl und Volumen je Qualität u. Stärkeklasse. Rechts Summe je Qualität und Restderbholz. Dstufe Dklasse 1a 1b Sortimentskombination 1 B/C Stk / StKl B/C m³/ StKl C/D Stk / StKl C/D m³/ StKl sonst. Stk / StKl sonst. m³/ StKl Sa. Vol 3m 2a 2b 3a 3b a 1b 2a 2b 3a 3b a 1b 2a 2b 3a 3b a 1b 2a 2b 10 0, ,09 6, ,82 1,11 11, , , ,01 21,03 28, , ,00 0,79 1, , ,79 5,85 8, ,32 0,21 0,30 22, , , ,21 20,32 10,96 35, , ,26 0,90 1,43 2, , ,99 1, ,41 1,46 1,41 0, ,07 0,24 0,37 0,27 2, , ,95 6 1, ,75 2, ,70 1,08 4,87 0,50 0,66 4, , , ,06 3,21 4,50 2,85 3,74 15, , ,11 1,48 3,69 5,36 12, , ,57 0,74 1,98 2,63 1,84 7, , ,26 0,32 1,91 0,75 3,24 7 1, a 3b a 1b 2a 2b 3a 3b a 1b 2a 2b 3a 3b 4 5+ Sa. B/C Stk B/C Sa. C/D Stk C/D Sa. sonst. Stk sonst. Rest Derb-

82 Ergebnisse Sortimentierung und Allokation 74 Abbildung 29: Stärkeklassenverteilungen und Güteklassenzuordnung Kiefer Sägeholz (Abschnitte 3 m bzw. Langholz LH) der ausscheidenden Bestände für die drei Testbestände (TB) für je drei unterschiedliche Sortimentskombinationen (horizontal stets eine Kombination, vertikal je ein Testbestand). Rechts jeweils die zusammengefasste Darstellung über alle drei Testbestände.

83 Ergebnisse Sortimentierung und Allokation Auffallend ist, dass für S2 im Testbestand geringes Baumholz keine Stärkeklassenverteilung dargestellt ist. Hier wurden keine Sägeholzsortimente ausgehalten. Der Grund hierfür liegt in der zwingenden Aushaltung einer Erstlänge von 10 m. Bei dieser Länge war wegen der schwächeren Baumdimensionen der geforderte Mindestzopfdurchmesser bereits unterschritten, wodurch aus diesen Bäumen überhaupt kein 10 m langes Sägeholz ausgeformt wurde. Bei S3 wurde Langholzaushaltung geprüft, war aber nicht möglich. Es konnte jedoch alternativ Kurzholz ausgehalten werden. Im Testbestand geringes Baumholz war das immer der Fall, daher ist die Verteilung in S1 und S3 dieselbe. Abbildung 30 zeigt die relative Volumenverteilung je Stärkeklasse für S1 in den 3 Testbeständen und summiert für alle drei. Abbildung 30: Relativer Volumenanteil je Stärkeklasse der verschiedenen Qualitäten für S1 aus den drei Testbeständen. Oben links: geringes, oben rechts: mittleres und unten links: starkes Baumholz. Unten rechts für alle drei Testbestände zusammen. Es zeigt sich, dass nur in S1 im starken Baumholz qualitativ etwas besseres Kiefernsägeholz in B/C-Mischqualität ausgehalten werden kann. Generell lässt sich erkennen, dass mit zunehmender Altersklasse der Anteil der Qualitäten B/C und C/D an den Sägeholzdimensionen zunimmt und der Anteil des Holzes sinkt, das zwar den geforderten Dimensionen, nicht aber den Qualitätsansprüchen genügt (sonst.). Abschließend wurde die Sortimentsverteilung der drei Testbestände preislich bewertet. Dazu wurden die gängigen Marktpreise zum Zeitpunkt der Untersuchung herangezogen (Stand: August 2014). Sowohl bei potentiellen Kunden der B/C-Sortimente als auch bei Verarbeitern von C/D-Qualitäten sind die Preise nach Stärkeklassen gestaffelt (vgl. Tabelle 25) und gelten für Lang- und Kurzholz gleichermaßen. Für die Qualität sonst. wurde ein stärkeklassenunabhängiger Preis im Anhalt an den Industrieholzpreis angenommen. 75

84 Ergebnisse Sortimentierung und Allokation Tabelle 25: Zum Zeitpunkt der Untersuchung gültige Preise (Stand August 2014) frei Waldstraße des Untersuchungsgebiets in [ /fm] je Stärkeklasse und Qualität /fm Stärkeklassen Qualität 1b 2a 2b 3a 3b 4 5+ B/C C/D sonst Tabelle 26: Ergebnisse der modellierten Durchforstung der drei Testbestände der Untersuchung (Angaben nur für Kiefernsägeholzdimensionen) S1 S2 S3 3m 3m LH 3m LH Mittl. Stückmasse Erlös je Sortiment Das Ergebnis der Kalkulation der Durchforstungsmodellierung ist in Tabelle 26 für alle drei Testbestände summiert dargestellt. Die Angaben beziehen sich auch hier ausschließlich auf Kiefernholz mit Sägeholzdimensionen. Das restliche Derbholzvolumen, das insbesondere in den jüngeren Beständen einen großen Anteil am Gesamtderbholzvolumen ausmacht und ggf. teilweise als Industrie- oder Energieholz verwertet werden kann, ist hier nicht aufgeführt. Sortimentskombination Qualität Vol [m³or] Stückzahl [n] [m³or] Mittl. Preis [ /m³or] [ ] B/C 6, , C/D 69, , sonst. 87, , B/C C/D 18, , sonst. 16, , B/C 8, , C/D 32, , sonst. 38, , B/C C/D 11, , sonst. 85, , B/C C/D 66, , sonst. 1,82 3 0, Mittl. Preis [ /m³ or] Vol. [m³or] Erlös Sägedimensionen [ ] S1 und S3 weisen mit 163 und 166 m³or nahezu das gleiche Gesamtvolumen an Sägeholz auf mit dem Unterschied, dass bei S1 ein geringer Anteil von 6,4 m³or an B/C-Qualitäten zu erwarten ist, während das bei S3 nicht der Fall ist. Das kann darauf zurückgeführt werden, dass in der Modellierung bei S1 ausschließlich 3 m-abschnitte ausgehalten werden, wodurch auch einige wenige Erdstammstücke höherer Güte anfallen. Werden diese wie in S3 als Langholz ausgehalten, wird die Güte durch Auftreten von Merkmalen in höheren Schaftbereichen derart beeinflusst, dass sie nur noch in Güte C/D oder schlechter sortiert werden können. Daraus resultiert ein minimal höherer Erlös bei S1 im Vergleich zu S3. Der Erlös bei S2 ist demgegenüber am geringsten, da hier insgesamt ein deutlich geringeres Vo- 76

85 Ergebnisse Sortimentierung und Allokation lumen (knapp 70 % des Volumens der beiden anderen Sortimentskombinationen) Sägeholdimensionen berechnet wurde mit der Konsequenz eines deutlich höheren Anteils restlichen Derbholzes bei S2 als bei den anderen Sortimentskombinationen. Tabelle 27 zeigt die Ergebnisse der Durchforstungsmodellierung aufsummiert für alle 78 Bestände der Untersuchung. Die Berechnung erfolgte in gleicher Weise wie bei der Modellierung der Testbestände (Tabelle 26) in jedem Bestand für die ausscheidenden Bäume jeder Durchmesserklasse. In Summe ist der Erlös für die Sägeholzdimensionen bei S1 knapp 1 % größer als bei S3. Die Gesamterlöse von S2 liegen dagegen knapp 11 % darunter. Das als Sägeholzsortimente ausgehaltene Volumen ist bei S3 dagegen am höchsten (gut 1 % gegenüber S1 und etwa 17 % gegenüber S2). Auf Grund des größeren Anteils der höherwertigen Qualitäten B/C am Gesamtvolumen ist der auf Ganzzahlen gerundete mittlere Preis in S2 jedoch mit 59 /m³or höher als bei S1 (55 ) und bei S3 (53 ). Tabelle 27: Ergebnisse der modellierten Durchforstung aller 78 Bestände der Untersuchung (Angaben nur für Kiefernsägeholzdimensionen) Sortimentskombination S1 3m S2 S3 3m LH 3m LH Qualität Vol [m³or] Stückzahl [n] Mittl. Stückmasse [m³or] Mittl. Preis [ /m³or] Erlös je Sortiment [ ] B/C 153, , C/D 1.281, , sonst , , B/C C/D 387, , sonst. 216, , B/C 387, , C/D 451, , sonst. 672, , B/C C/D 130, , sonst. 966, , B/C C/D 1.339, , sonst. 41, , Mittl. Preis [ /m³ or] Vol. [m³or] Erlös Sägedimensionen [ ] In Abbildung 31 ist die Stärkeklassenverteilung des ausscheidenden Bestandes aus der Durchforstungsmodellierung ebenfalls für alle 78 Bestände dargestellt. 77

86 Ergebnisse Sortimentierung und Allokation Abbildung 31: Aufsummierte Stärkeklassenverteilung der Sägeholzsortimente des ausscheidenden Bestandes an Kiefer aller 78 Bestände des Untersuchungsgebiets für die drei Sortimentskombinationen (S1, S2, S3) Der größte Volumenanteil liegt bei allen Sortimentskombinationen in StKl 2a. Am deutlichsten ausgeprägt ist dies in S2 mit der zwingenden Langholzaushaltung. Hier wird deutlich, dass der hohe B/C-Anteil in den höheren Stärkeklassen zu finden ist (StKl 2b und 3a), was auch für S1 zutrifft (StKl 3a und 3b), wenn auch bei deutlich geringerem Volumen dieser Qualität. In StKl 4 wird kein Rundholz mehr in B/C sortiert und mit zunehmendem Langholzanteil an allen Sortimenten (Langholzanteilverhältnis zwischen den Sortimentskombinationen vgl. Tabelle 27: S1 = 0; S2 < S3) sinkt das Volumen in den höheren Stärkeklassen 4 und 5+ (S1>S2>S3). Die erzwungene Kombination von Langholz und Abschnitten (S2) bringt mit m³or deutlich weniger sägefähige Masse als mit m³or die mögliche Kombination (S3), bei der insgesamt am meisten Sägeholz zu erwarten ist. Dieser Wert wird auch bei der reinen Kurzholzaushaltung (S1) nicht erreicht. Es ergibt sich somit folgende Reihung der Sortimentskombinationen in Bezug auf die Menge Sägeholz: S2<S1<S3. Nahezu die gesamte Mengendifferenz zwischen S2 und S3 ist in StKl 2b zu finden. In Bezug auf die Qualität zeigt sich bei einem Vergleich von S2 und S3, dass bei S3 die Qualität B/C im Gegensatz zu S2 (388 m³or) gar nicht auftritt. Auch bei Qualität C/D ist ein deutlicher Unterschied zwischen diesen Sortimentskombinationen S2 (838 m³or) und (1.469 m³or) ersichtlich. Die mögliche Langholzaushaltung führt hier also zu einer Mengenoptimierung bei einer insgesamt schlechteren Qualität als die erzwungene Langholzaushaltung des unteren Stammteils. Durch die Aushaltung der maximal möglichen Länge bei S3 sinkt das in StKl 3b und größer sortierte Volumen im Vergleich zu S2, da beim gleichen Stamm mit zunehmender Stücklänge der Mittendurchmesser geringer ist. Im Hinblick auf die Gesamterlöse zeigt sich, dass ein möglichst hoher B/C-Anteil am Rundholz, wie er bei S2 auftritt, trotz einer Preisdifferenz von 30 % zwischen Qualität B/C und 78

87 Ergebnisse Sortimentierung und Allokation C/D (vgl. Tabelle 25) nicht zum im Vergleich höchsten Gesamterlös über alle Sägeholzsortimente führt. Auch über ein möglichst hohes Gesamtvolumen (S3) sägefähigen Holzes lässt sich nicht der höchste Gesamterlös erzielen. Dieser ergibt sich stattdessen bei S1 mit reiner Kurzholzaushaltung. Wenn die Erlösdifferenz zu Variante S3 (mit möglicher Langholzaushaltung) mit knapp 1 % auch äußerst gering ist, scheint hier dennoch im Vergleich der drei Sortenkombinationen die beste Balance zwischen Sägeholzmenge und qualität zu liegen. 79

88 Zusammenfassende Diskussion 7 Zusammenfassende Diskussion Eine frühzeitige nachfrageorientierte Allokation von Nutzungen, d. h. vor dem tatsächlichen Holzeinschlag, setzt für einen bestimmten Planungszeitraum zunächst eine gedankliche Zuordnung von Holzprodukten in Form von Sortimenten zu Kundenwünschen voraus. Dazu sind für jeden Bestand eines Forstbetriebes folgende Informationen notwendig: Identifikation der Nutzungsbestände, Lage, erwartete Menge, gegliedert nach Produkt (Baumart), Sorte und Qualität. Diese Informationen sollten für jeden Bestand eines Forstbetriebes vorliegen. Eine derartige Informationsgrundlage bezeichnet BECKER (1997) in Anlehnung an das Warehouse-Konzept als das Warenlager Wald. Üblicherweise liegen diese Informationen nur teilweise und nicht in aufbereiteter Form vor. Sie stammen dann entweder aus der örtlichen Erfahrung eines Revierleiters oder sind aufwändig zu erheben und müssen bspw. aus den Ergebnissen von Betriebsinventuren (Stichprobeninventuren) abgeleitet werden. Letztere liefern wohl hinreichend genaue Vorratsinformationen für einen gesamten Forstbetrieb, dies aber nicht für einen Bestand. Die Informationsgrundlagen haben in beiden Fällen eine unsichere Qualität und bilden für die Allokationsentscheidung und bei Vertragsverhandlungen keine solide ökonomische Information. Durch ALS-Daten in Kombination mit konventionellen terrestrischen Aufnahmen oder TLS- Daten lassen sich Informationen über den Vorrat für jeden Flächenausschnitt eines Forstbetriebes generieren, also auch für einen Bestand oder einen Teil eines Bestandes, der zur Nutzung ansteht. Da Kahlschläge bei der Holzernte in Deutschland nicht die Regel sind, sondern Durchforstungen vorherrschen, stellt eine Vorratsinformation noch keine Nutzungsinformation dar. Aus den bestandesweise mittels ALS/TLS ermittelten Vorräten müssen also die Durchforstungsmengen und unter Beachtung der Kundenanforderungen sowie einer Qualitätseinschätzung die zugehörenden Sortimente abgeleitet werden. Dazu wurde ein schrittweises methodisches Vorgehen mit folgenden Kernergebnissen (a)-(i) entwickelt: (a) Der d 1,3 lässt sich gut aus Kronenparametern (ALS), konventionellen Bodenstichproben und TLS schätzen. (b) Der d 7 kann gut über die Regression d 7 = a + b*d 1,3 berechnet werden. Die Volumenschätzung von Einzelbäumen über v i = f(d 1,3, d 7, h) ist genauer als über v i = f(d 1,3, h). (c) Über eine Qualitätsansprache am stehenden Stamm und die Berechnung der Krümmung von mittels TLS erfassten Bäumen kann eine Güteverteilung des Bestandes ermittelt werden. (d) Der Gesamtvorrat lässt sich über (a) und (b) bestandesweise als Volumenverteilung über den Durchmesserklassen auftragen. (e) Die Volumenverteilung lässt sich sehr gut über die Weibullfunktion ausgleichen, über die sich die Durchmesserverteilung des ausscheidenden Bestandes modellieren lässt (GEROLD 1990). 80

89 Zusammenfassende Diskussion (f) Die industriellen Anforderungen an Kiefernsägeholz sind in mittleren Qualitätsbereich zumeist nicht produktspezifisch und basieren weitgehend auf Sortierrichtlinien. (g) Aus der Volumenverteilung können Sorten berechnet werden, da alle notwendigen Eingangsparameter für BDATpro 27 vorhanden sind. (h) Die ausscheidenden Bäume werden für jede Durchmesserklasse berechnet. Pro Klasse können unterschiedliche Sortimentierungen erfolgen (Sortimentskombinationen S1, S2, S3). Die Summe der Sorten pro Durchmesserklasse ergibt das potentielle Angebot für Kunden. (i) Entsprechend der Nachfrage nach gewissen Sortimenten kann die Zuordnung der Sortimentskombinationen zu Kunden optimiert werden. Dies ist die Allokation. Die Ergebnisse bauen aufeinander auf. Auf Sie wird über die zugeordneten Buchstaben (a)- (i) im Folgenden Bezug genommen. ALS- und TLS-Daten liefern einerseits präzise flächendeckende Informationen, andererseits haben sie auch Schwachstellen. Beides soll im Folgenden mit Bezug zu den erzielten Ergebnissen diskutiert werden. 7.1 Diskussion des Datenmaterials Die Aufnahme der Bodenstichproben erfolgte im Rahmen des Forschungsprojekts FlexWood. Bei deren Auswahl lag die Zielsetzung darauf, die Trennungsmöglichkeiten zwischen Laub- und Nadelholz aus Laserscanner-Daten zu prüfen und zu untersuchen, inwiefern sich Laserscanning, das bereits in homogenen Nadelreinbeständen Anwendung findet, generell auch in mitteleuropäischen Laub- und Mischbeständen zur Bestandesaufnahme verwenden lässt. Es war nicht Ziel, eine möglichst gute Datenbasis für eine Regressionsstichprobe für Kiefer zu erhalten. Darauf ist die als eher gering einzuschätzende Anzahl an Kiefern in der Regressionsstichprobe maßgeblich zurückzuführen. Es wurde vermutet, dass auch die deutlich unterdurchschnittliche Qualität der Kiefern in den TLS-Stichprobenpunkten diesem Umstand geschuldet ist. Anhand der Güteansprache im Zusammenhang mit der späteren Transektstichprobe in den drei Testbeständen zeigte sich allerdings keine wesentliche Verbesserung der Qualitätseinschätzung. Nach der Güteeinteilung nach MAHLER ET AL. (2001) verbesserte sich die mittlere Güte auf einer Skala von 1 (sehr gut) bis 6 (sehr schlecht) von durchschnittlich 4,1 lediglich auf 3,8 über alle Durchmesserbereiche. Zusätzlich wird die teilweise extreme Neigung der Kiefern in den Untersuchungsbeständen als potentiell negativer Einflussfaktor hinsichtlich der Genauigkeit des Datenmaterials eingeschätzt. Es kann beispielsweise nicht ausgeschlossen werden, dass die verschiedenen Personen, die bei den Referenzmessungen des d 1,3 mittels Umfangmaßband mitgewirkt haben, unterschiedlich mit dieser Neigung umgegangen sind hinsichtlich der korrekten Messhöhe und Anlage des Maßbands. Ein Vergleich der Durchmessermessung via Umfangmaßband zu TLS-Daten erbrachte teilweise sehr gute Übereinstimmung, bei hoher Ovalität der Bäume 27 BDATpro ist ein Programm zur Sorten- und Volumenberechnung (s. S. 29f.) 81

90 Zusammenfassende Diskussion führten die TLS-Daten je nach Aufnahmerichtung zu einer deutlichen Über- oder Unterschätzung. Darüber hinaus wurde die Einzelbaumerkennung aus ALS durch den starken Schrägstand möglicherweise negativ beeinflusst beziehungsweise führte dieser zu Unterschätzungen bei den aus ALS abgeleiteten Werten für die Kronenparameter und die Baumhöhe. Bei sehr stark geneigten Bäumen hat dies neben der Derbholzvolumenberechnung direkte Auswirkungen auf die Sortierung hinsichtlich der verfügbaren Stammlänge, der Schaftform und der Durchmesser entlang des Stammens. Besonders kritisch ist die Neigung in Bezug auf die Verschneidung der Datensätze zu beurteilen, da unter Umständen keine Verbindung mehr zwischen den Stammpunkten aus TLS und den Kronenpunkten aus ALS gesehen werden kann. Auch dafür waren die Referenzdaten aus den Bodenstichproben (Terrestrische Referenz) von großer Bedeutung. Die Einzelbaumdaten aus ALS basierten auf der Einzelbaumerkennung nach GUPTA ET AL. (2010) und wurden bereits vorverarbeitet zur Verfügung gestellt. Diese Daten wurden als korrekt angenommen, eine Überprüfung konnte im Rahmen der Arbeit nicht erfolgen. Das gilt für die Höhenangaben der Einzelbäume und im Besonderen für die Kronenparameter. Ein weiterer Aspekt, der an dieser Stelle hinsichtlich des Datensatzes ALS betont werden muss, betrifft die Einzelbaumerkennung. Hier ist trotz gut der funktionierenden Algorithmen immer damit zu rechnen, dass Bäume dennoch nicht erkannt werden. Dabei handelt es sich in der Regel um schwächere, meist überschirmte Individuen. Für die Berechnung der Stammzahlen als Ausgangspunkt für die Allokation bedeutet das eine konservative Schätzung des Vorrats und des ausscheidenden Bestandes sowie der daraus berechneten Sägeholzsortimente. Äste als wichtiges Kriterium bei der Sortierung wurden bei der Allokation in dieser Arbeit nicht als direkt eingehender Parameter berücksichtigt, sondern indirekt über die Güteansprache am stehenden Stamm bei Probebäumen. Es ist jedoch grundsätzlich möglich, sortierrelevante Astkerndurchmesser aus Laserscanningdaten abzuleiten. Dies kann entweder über die direkte Messung von Astdurchmessern in TLS-Punktwolken erfolgen (OPFERKUCH ET AL. 2013, SALADIN 2014) oder über die Ableitung von Kronenparametern aus ALS (vgl. OPFER- KUCH ET AL. 2010, OPFERKUCH ET AL. 2012a, OPFERKUCH ET AL. 2012b, SMALTSCHINSKI ET AL. 2010, BECKER ET AL. 2011). 7.2 Diskussion der angewandten Methodik Die vorliegende Arbeit ist konzeptionell zu verstehen. Zu Beginn mussten daher einige Einschränkungen getroffen werden. Auf Verarbeitungsseite wurde die Einschränkung getroffen, mit der Sägeindustrie nur einen Holzverarbeitungszweig zu betrachten. Die zweite Einschränkung betraf die Holzart: sowohl die Anforderungen der Sägeindustrie hinsichtlich der Rohholzsortimente als auch die dahingehende Beschreibung der forstliche Ressource umfassten ausschließlich die Baumart Kiefer. Diese Limitierungen erfolgten aus Gründen der Komplexitätsreduktion. Nachstehende Abbildung 32 verdeutlicht noch einmal die grundsätzlichen methodischen Schritte. 82

91 Zusammenfassende Diskussion Abbildung 32: Schematische Darstellung der drei übergeordneten Bestandteile (I-III) des entwickelten methodischen Konzepts Bei der Regressionsstichprobe (I) werden die Ergebnisse (a), (b) und (c) (s. S. 80f.) erzielt. Als Datenquellen dienen die Terrestrische Referenz, ALS und TLS. In der bestandesorientierten Auswahl von Einzelbäumen (II) wird das Volumen aller Bäume bestimmt (d) und in der Durchforstungsmodellierung (III) werden die Bäume des ausscheidenden Bestandes extrahiert. Daraus ergeben sich die Durchmesser- und Volumenverteilungen (d) und (e). Das Gesamtvolumen eines Inventurgebiets lässt noch keine Rückschlüsse auf die Vornutzungsmasse in den jeweiligen Beständen zu. Die Durchforstungsmodellierung (III) des ausscheidenden Bestandes erfolgte durch Modifikation der berechneten Weibullfunktion für den Gesamtbestand (GEROLD, 1990) (e). Der ausscheidende Bestand kann dann entsprechend den Anforderungen der Kunden (f) sortimentiert (g) respektive in verschiedenen Sortimentskombinationen ausgeformt werden (h). Die Durchforstungsmodellierung bildet dann die Grundlage für die Auswahl einer Sortimentskombination im Hinblick auf die potentielle Nachfrage von Kunden, was dann die Allokation bestimmt (i). Im Einzelnen sind bei den angewandten Methoden in den Teilen I-III (vgl. Abbildung 32) verschiedene Probleme und Ansatzpunkte für Verbesserungen aufgetreten. Das betrifft die Zuordnung von Einzelbaumdaten aus Referenzdaten, TLS und ALS, den Stichprobenumfang, die Baumartenerkennung sowie die Schätzung von Volumen und Stammform. Das Hauptaugenmerk lag auf der Konzeptentwicklung. Es galt, eine Methodik zu entwickeln, um auf Basis von Daten aus neuen, berührungslos arbeitenden Technologien wie der des Laserscannings die Informationen zu generieren, die für eine bedarfsgerechte Zuordnung von Nutzungen benötigt werden. Neben einer Beschreibung der Bestände erforderte dies im Besonderen eine hinreichend genaue Darstellung des Anteils zu erwartender Erntebäume aus Nutzungseingriffen (e). Durch die Modellierung dieses ausscheidenden Bestandes konnten zusammen mit den Anforderungen der Verarbeiter (f) auf dieser Basis verschiedene Kombinationen von Sortimenten beispielhaft berechnet werden (g) (h). Auf Grundlage von Einzelbäumen konnten somit Berechnungen der zu erwartenden Dimensionen und Qualitäten für Kiefernsägeholz aus den unterschiedlichen Beständen erfolgen. Im Ergebnis 83

92 Zusammenfassende Diskussion konnten potentiellen Kunden die zu erwartende Stärkeklassenverteilung und Menge in Abhängigkeit gewünschter Dimensionen und Qualitäten dargelegt werden. Zur Berechnung der Regression d 1,3 = f (h; Kronenparameter) war eine Zuordnung der Einzelbaumdaten aus TLS und aus ALS erforderlich. Dies ist ein entscheidender Schritt bei der Verwendung verschiedener Datenquellen zur Herleitung von Stammparametern aus Kronenparametern. In der Literatur konnte keine zuverlässige Methode gefunden werden, die die Zuordnung aus TLS und ALS automatisiert mit hoher Genauigkeit bewerkstelligt. Aus diesem Grund erfolgte die Zuordnung der Einzelbaumdaten aus TLS zu denjenigen aus ALS in der vorliegenden Arbeit auf Grundlage der Koordinaten manuell für jeden Baum separat. Im Hinblick auf die Nutzung von Fernerkundungsdaten als Alternative oder Ergänzung zu herkömmlichen Inventuren und Eingriffsplanungen ist dies nicht als in der Praxis gangbarer Weg anzusehen. Es ist jedoch zu erwarten, dass derartige Methoden zukünftig verfügbar sein werden. Eine vielversprechende Methode zur automatisierten Verknüpfung wurde 2011 von FRITZ ET AL. beschrieben. Deren Kernelement ist die Schätzung des Verlaufs der Stammlinie im Kronenbereich aus deren Verlauf im unteren, von TLS erfassten Stammbereich. Da diese Methode jedoch noch recht hohe Fehlerraten bei der Zuordnung aufweist, wurde auf ihre Anwendung verzichtet. Es erschien wichtiger, eine zweifelsfreie Zuordnung zwischen den Kronenspitzenpunkten aus ALS und den Stammfußpunkten aus TLS zu erreichen. Entsprechend geringe Fehlerraten vorausgesetzt, können solche Methoden zukünftig allerdings alternativ eingesetzt werden und zur Automatisierung des Konzeptes beitragen. Eine Verbesserung wird in einer Erhöhung der Anzahl der TLS-Scans gesehen, um den gesamten Durchmesserbereich des Untersuchungsgebiets besser abzudecken. Dies würde eine stabilere Schätzung der Regressionsparameter in Formel [4] ergeben. Die räumliche Verteilung der TLS-Scans ist dabei Teil eines auszuarbeitenden Inventurdesigns, wobei aus den Straten der Hexagone (Laubholz, Nadelholz) der Stichprobenumfang über klassische Stichprobentheorie abzuleiten ist. Insgesamt ist die Anzahl an Kiefern für die Regressionsstichprobe als gering anzusehen. Umso erstaunlicher ist die dennoch enge Regression zur Abschätzung des d 1,3 aus den Kronenparametern und h ALS. Ein weiterer essentieller Bestandteil des Konzepts ist die Erfassung der Baumarten, die aus den berührungslos erhobenen Scandaten nicht automatisiert erfolgt. Diese weitere Schlüsselinformation kann leicht vor Ort im Zusammenhang mit der Aufnahme der TLS-Daten erfolgen, wodurch Unabhängigkeit von zusätzlich terrestrisch erhobenen Referenzdaten erreicht werden kann. Insbesondere wenn eine automatisierte Zuordnung zwischen ALS- und TLS-Daten wie oben beschrieben möglich wird und keine manuell erhobenen Daten aus Bodenstichproben verwendet werden, muss diese Lücke geschlossen werden, solange die Baumartenerkennung nicht aus TLS-Daten erfolgen kann. Eine Voraussetzung für die angestrebte Unabhängigkeit ist in jedem Fall, dass solche Referenzdaten nicht für die Ableitung von Einzelbaumparametern aus ALS benötigt werden. Gegebenenfalls ist eine praktikable Zwischenlösung erforderlich, die bei begrenztem Mitteleinsatz dennoch die Erzielung einer ausreichenden Genauigkeit ermöglicht. 84

93 Zusammenfassende Diskussion In den bisherigen Arbeiten zur Ableitung des Vorrats aus der Verschneidung von ALS- mit BI-Daten wird der d 7 daher auch nicht als zusätzliche Eingangsgröße verwendet (vgl. u. a. BREIDENBACH ET AL. 2008a und 2008b). Das gilt auch für Arbeiten, bei denen über Regressionsmodelle der d 1,3 aus ALS-Daten abgeleitet und das Stammvolumen mittels BDAT berechnet wurde (vgl. STRAUB U. KOCH 2011). Dies hat Unterschiede in der Schätzung des Schaftvolumens zur Folge, wie die Gegenüberstellung der Volumina in Tabelle 10 zeigte. Schon bei der Entwicklung des Sorten- und Volumenprogramms BDAT bezogen KUBLIN U. SCHARNAGEL (1988) die Möglichkeit der Verwendung des d 7 mit ein, um den festgestellten Unterschieden in der Schaftform bei gleicher Durchmesser-Höhen-Stufe Rechnung zu tragen und somit eine genauere Schätzung zu erlauben. Wie die Analyse der TLS-Daten zeigte, können nicht nur die Stammform und das Volumen, sondern insbesondere auch waldwachstumskundlich und aus Nutzungssicht interessante Parameter wie der d 7 mit dieser Technologie sehr gut für zahlreiche Bäume bestimmt werden. Auf existierende Datenbanken und Algorithmen kann somit weiterhin zurückgegriffen werden und, wie am Beispiel der Formigkeit gezeigt, mit höherer Genauigkeit ohne aufwändige zusätzliche Feldaufnahmen oberer Durchmesser beispielsweise das Volumen der Einzelstämme berechnet werden. Insbesondere die Verteilung des Volumens entlang des Stammes ist nutzungstechnisch von Interesse. Damit können die gewonnenen Werte in bewährten forstlichen Systemen weiterverarbeitet werden, wie beispielsweise zur Sortimentierung (BDATpro, HOLZERNTE) oder zur Modellierung von Hieben und der weiteren Bestandesentwicklung (Wachstumsimulatoren wie BWINPro (DÖB- BELER ET AL. (2007). Insgesamt zeigte sich, dass es über die Kombination von TLS und ALS möglich ist, den ausscheidenden Bestand zu modellieren und Aussagen zu den zu erwartenden Schaftform- und Qualitätsverteilungen zu treffen. Dabei können beliebige Sortimentskombinationen je nach Bedarf der Kunden rechnerisch ausgehalten und ökonomisch bewertet werden. 7.3 Diskussion der Ergebnisse Im Idealfall verwendet ein Sägewerk für seine Produkte genau das Rundholz, das bei minimalem Rohstoffeinsatz die erwarteten Produkteigenschaften optimal erfüllt. Ähnliche Anforderungen an das Rundholz gelten auch für andere holzbasierte Produkte (Papier und Zellstoff, Holzwerkstoffe, ). Dieser Idealfall entspricht jedoch nicht der tatsächlichen Einkaufspraxis holzverarbeitender Unternehmen. Zudem ist die Qualitätseinstufung am Markt offensichtlich konjunkturbeeinflusst. Je präziser der Kunde in der Lage ist, die Anforderungen an das benötigte Rohholz zu formulieren, desto weniger werden summarische Güteklassen benötigt, die als kleinster gemeinsamer Nenner zu verstehen sind. In aller Regel werden jedoch immer eher solche Kunden detailliertere Rohstoffanforderungen stellen, die Nischenmärkte bedienen als sogenannte Massensortimenter. Jene unterliegen in höherem Maße Marktzwängen, wenn ein starker Wettbewerb bei hohen Verarbeitungskapazitäten und vergleichsweise geringer Nachfrage oftmals nur geringen Spielraum bei den Preisen ermöglichen und Gewinne somit über hohe Umsätze generiert werden müssen. Dies bedeutet bei niedrigen Preisspannen 85

94 Zusammenfassende Diskussion große zu beschaffende Mengen, wofür aus Gründen der Effizienz Standardsortimente eingekauft werden, die keine Beurteilung vor Ort im Wald erfordern. Solche Standardsortimente werden auch in Zukunft trotz genauerer Ressourceninformationen bereits vor der Holzernte über allgemeine Güteklassen definiert, ggf. mit werksspezifischen Ergänzungen oder Einschränkungen. Auf Grund der Vielzahl möglicher Sortimente insbesondere aus Mischwaldbeständen musste in der Arbeit für die Konzeptentwicklung bereits früh eine Eingrenzung erfolgen. Der Fokus liegt auf der Zuordnung und Auswahl der Sägeholzsortimente einer Baumart, der Waldkiefer (Pinus sylvestris), für einen Industriezweig, die Sägeindustrie. Eine tatsächliche Ernte der ausgewählten Bäume konnte im Rahmen der Arbeit nicht erfolgen. Keine Berücksichtigung fanden die verschiedenen durch eine solche technische Produktion anfallenden Koppelprodukte beispielsweise andere Baumarten als Kiefer oder nicht als Sägeholz verwendbare Stammteile die in Form von sogenanntem Industrie- oder Energieholz zur Weiterverarbeitung an die Papier- und Zellstoff- oder die Holzwerkstoffindustrie verkauft beziehungsweise einer energetischen Nutzung zugeführt würden. Für eine Anwendbarkeit des vorgestellten Konzeptes in der Praxis ist eine Integration dieser Komponenten notwendig. Dazu bedarf es zum einen einer Abschätzung der vorhandenen sonstigen Biomasse und insbesondere des Biomassenutzungspotentials. Methoden für größere Aufnahmegebiete wurden beispielsweise von STRAUB (2010) und von HEPPERLE (2010) erarbeitet, es besteht aber darüber hinaus insbesondere für kleinräumige Strukturen Forschungsbedarf. Nachfrageseitig wären für eine exakte Zuordnung in diesem Fall auch die Anforderungen der einzelnen Betriebe der Industriezweige notwendig, die diese sonstigen Sortimente aufnehmen. Insgesamt bleibt festzustellen, dass die Betriebe, deren Anforderungen an Sägeholz im Rahmen dieser Arbeit für eine Beurteilung der Aushaltungsmöglichkeiten des gegebenen Kiefernstammholzes herangezogen und analysiert wurden, nur einen Teil der gesamten Verarbeitungskapazität für diese Holzart darstellt. Für die Auswahl der anhand der verfügbaren forstlichen Holzressource und des bestehenden Bedarfs in Frage kommenden Sortimente spielen zudem die für die konkrete Nutzung möglichen Holzerntesysteme eine Rolle, da sich auch daraus weitere Restriktionen ökonomischer, technischer oder ökologischer Art für die Sortimentsgestaltung ergeben können. Bei ihrer Betrachtung können u. U. nicht alle aus dem Abgleich zwischen Angebot in Form eines stehenden, zur Nutzung vorgesehenen Bestandes und der Nachfrage, ausgedrückt als genaue Anforderungen der Kunden aus der Holzindustrie als optimal identifizierten Sortimente auch tatsächlich ausgeformt werden. Des Weiteren ist für eine tatsächliche Zuordnung der hiebsreifen Einzelbäume ausformbaren Sortimente zu Kunden in der Praxis auch der Transport ein erheblicher Faktor, sowohl was die Kosten als auch was Umweltwirkungen anbelangt (vgl. u. a. OPFERKUCH 2007). Die Entfernung zwischen Hiebsort und Ort der Verarbeitung sowie die tatsächliche zu transportierende Menge je Sortiment beeinflussen die Allokationsentscheidung. In dieser Arbeit wurde deshalb die Nachfrage von regionalen Verarbeitern mit ihren Sortimentsanforderun- 86

95 Zusammenfassende Diskussion gen zur Allokationsentscheidung herangezogen, um dadurch die potentielle Transportstrecke gering gehalten. Bei größeren Mengen und mehreren Kunden stoßen derartige Erfahrungslösungen (SMALTSCHINSKI ET AL., 2011) an ihre Grenzen. Konkret kann dies bedeuten, dass als Ergebnis der Allokation für eine optimale Rohstoffausbeute je Hiebsort mehrere Sortimente mit jeweils nur sehr geringer Stückzahl und Menge für die Belieferung verschiedener Betriebe ausgehalten werden müssten. Da der Transport von solchen sogenannten Kleinstmengen jedoch sofern es sich wie in dem in dieser Arbeit untersuchten Beispielsfall nicht um Wertholz handelt - weder wirtschaftlich noch organisatorisch sinnvoll darstellbar ist, müssen logistische Gegenmaßnahmen wie beispielsweise eine Mengenbündelung getroffen werden. Dies kann durch die Aggregation ähnlicher bereits ausgehaltener Sortimente erfolgen oder aber vor der Ernte durch Vereinfachung und Zusammenfassung detailliertere Aushaltungsanforderungen zu gröberen Sortimenten bis hin zur bloßen Einteilung in Güteklassen. Schließlich ist auch der Faktor Zeit ein weiteres zu berücksichtigendes Kriterium bei der Holzbereitstellung. Diese spielt in mehrerlei Hinsicht eine Rolle, sei es der genaue Erntezeitpunkt im Hinblick auf die Planbarkeit von Erntemaßnahmen in der witterungsabhängigen Forstwirtschaft. Auch als Durchlauf- und Lieferzeit zwischen Ernte, Lagerung, Abtransport und Werkseingang ist die Zeit von großer Bedeutung hinsichtlich der Termintreue (BAUMANN, 2009) bei Liefervereinbarungen und in Bezug auf die Gültigkeitsdauer und Aktualität der Produktanforderungen seitens der Kunden an das Rohholz. Schließlich ist auch die Einschätzung der Flexibilität auf kurzfristige Nachfrageänderungen einzugehen, [ ] [die] wesentlich von dem Versorgungsservice der Lieferanten bestimmt wird (BAUM- GARTNER 2001 zitiert in BAUMANN 2009) zeitabhängig. Diese Auflistung der Restriktionen und zusätzlicher Einflussfaktoren, die in dieser Arbeit nicht berücksichtigt werden konnten, zeigt deutlich die Komplexität einer optimalen Allokation von Rohholz vor der Ernte. 87

96 Zusammenfassende Diskussion 7.4 Schlussfolgerungen Die Verwendung von TLS- und ALS-Daten zur Einschätzung von Dimension, Volumen und Qualität von Beständen hat auch Grenzen. LIANG ET AL. (2014) zeigen, dass die Durchmesser durch TLS in jeder Höhe des sichtbaren Schaftes eines Einzelstammes sehr gut automatisiert zu erheben sind. Diese Vorteile versagen, wenn Bäume durch andere verdeckt sind; insbesondere beim Single-Scan-Verfahren. Ein ähnliches Problem tritt bei ALS-Daten auf. In strukturierten Beständen mit einem Ober- und einem Unterstand verdeckt der Oberstand den Unterstand in Teilen oder ganz. Die Folge ist, dass die eigentlich präzisen Laserscanning- Daten in diesen Fällen zu Fehlinterpretationen der erzeugten Punktwolken führen. Die Ergebnisse von ALS bilden damit die vermeintliche Totalaufnahme aller Bäume mit negativem Bias hinsichtlich der Baumzahl/ha ab. Mit Blick auf den Gesamtbestand können die Ergebnisse von TLS als eine Stichprobe von unverdeckten Einzelbäumen gewertet werden. Aus diesen ist die stabile Relation zwischen d 1,3 und d 7 oder der Verlauf der sortierrelevanten Schaftkurve ableitbar. Die Verwendung eines d 7 ist vorteilhaft hinsichtlich der Genauigkeit bei der Schaftmodellierung und der anschließenden Sortierung (KUBLIN 2003). Durch Kombination von TLS-Daten mit ALS-Daten können nach Identifikation der TLS- Bäume in den ALS-Daten die fehlenden Baumparameter wie Höhe, Kronendurchmesser etc. für eine Stichprobe von Einzelbäumen berechnet werden. Die Schwachstellen beider Scans können abgemildert werden, indem sie in der entwickelten Methode als Regressionsstichprobe zur Ermittlung von Einzelbaumvolumina aufgefasst werden. Andererseits ist die Auswertung der ALS-Daten stark durch die angewandten Auswertungsalgorithmen beeinflusst, die sich laufend verbessern. Neuere TLS-Scannergenerationen bieten die Möglichkeit der fotorealistischen Darstellung der Punktwolken. Dies erfolgt durch direkt im Anschluss an den Scanvorgang aufgenommene Digitalbilder. Die einzelnen aus dem Scan resultierenden Reflexionspunkte werden von der Software anschließend mit dem vorherrschenden RGB-Wert des Digitalbildes eingefärbt. Dies führt nur zu einem ersten visuellen Eindruck, eine detaillierte qualitative Beurteilung der Einzelbäume zur Erkennung von Rindenmerkmalen oder ähnlichem bleibt unsicher. Eine weitere Restriktion bei ALS-Daten sind die Kosten. Diese Fernerkundungstechnologie wird in aller Regel flugzeug- oder helikoptergetragen eingesetzt. Kostentreiber ist dabei die Datenerhebung - durch den Betrieb des Trägervehikels und die gewünschte Punktdichte (STRAUB 2010) und weniger die Datenverarbeitung. Allerdings vollzieht sich aktuell ein Wandel hin zur Nutzung ziviler Drohnen verschiedenster Ausführungen, wodurch die Kosten für die Datenerfassung auf einen Bruchteil des bisherigen Wertes sinken. Die tatsächlichen Kosten steigen zwar insgesamt mit der Größe des überflogenen und erfassten Gebietes. Im Allgemeinen gilt aber: je größer das Gebiet, desto geringer sind die Kosten pro Flächeneinheit. 88

97 Zusammenfassende Diskussion Durch detailliertere Angaben über die Kronenform, insbesondere über die tatsächlichen Kronenschirmflächen und Kronenradien in verschiedenen Höhen können über allometrische Beziehungen zusätzliche Aussagen zur Qualität getroffen werden (vgl. OPFERKUCH ET AL. 2010, SMALTSCHINSKI ET AL. 2010, BECKER ET AL. 2011). So könnte die allometrische Beziehung zwischen Astlänge und Astbasis- respektive Astkerndurchmesser als zusätzliches Kriterium für die Qualitätsbeurteilung herangezogen werden. Alternativ könnte der Astdurchmesser direkt aus den TLS-Daten abgeleitet werden 28. Die Kombination zwischen den beiden Verfahren - der Messung der Astdurchmesser aus TLS-Daten mit einer allometrischen 29 Beziehung zu den Astkerndurchmessern sowie die Schätzung derselben wiederum auf Basis der allometrischen Beziehung zur Astlänge aus ALS-Daten verspricht noch deutlich genauere Aussagen zur voraussichtlichen Qualität des Stammholzes. Über die hier entwickelte Methode können unter Verwendung von Laserscanning-Daten Vorrats- und Durchforstungsmengen samt Sorten mit einer Genauigkeit berechnet werden, die weder durch Schätzung der Revierleiter noch aus der Betriebsinventur ableitbar sind. Für die Baumart Kiefer wurde exemplarisch gezeigt, wie sich durch die Kombination von ALS- und TLS-Daten alle relevanten Informationen für eine nachfrageorientierte Allokation ermitteln lassen. Es ist anzunehmen, dass dieses Verfahren nach Prüfung und gegebenenfalls Adaption auch problemlos auf andere Baumarten übertragbar ist. Die Berechnung des Derbholzvolumens in BDATpro erfolgt durch die Einbeziehung des d 7 deutlich exakter (KUBLIN 2003). Eine Volumenberechnung ohne d 7 würde zu einer etwa 5 %-igen Überhöhung des Vorrats führen. Es ist zu vermuten, dass die Ursache für die höheren Baumvolumina zum großen Teil auf den in BDATpro für die zweiparametrige Grundfunktion verwendeten Massentafeln von GRUNDNER U. SCHWAPPACH (1952) beruht. Diese gründen auf Durchforstungsmaterial aus der ersten Hälfte des 20. Jahrhunderts mit entsprechendem Dichtstand durch Durchforstungsrückstand. Der Entwicklung seither hin zu deutlich weitständigeren Beständen mit demzufolge großkronigeren Bäumen kann bei der Berechnung der Schaftform nur über einen zusätzlichen Parameter Rechnung getragen werden. Der damalige Dichtstand führte zu geringerer Abholzigkeit, wodurch unsere heutigen Bestände bei unveränderter Verwen- 28 Zur Beziehung zwischen Astbasisdurchmesser sowie der Durchmesser in mehreren Abständen zur Stammoberfläche und dem für die Qualitätsbeurteilung relevanten Astkerndurchmesser an Fichte sowohl am Baum als auch in Laserpunktwolken gemessen erfolgte unter Anleitung des Autors eine Bachelorarbeit (SALADIN 2014). Es konnte ein enger allometrischer Zusammenhang sowie die grundsätzliche Ableitbarkeit der Durchmesser aus TLS-Daten gezeigt werden. Eine weitere, ebenfalls unter Anleitung des Autors erfolgte Arbeit hatte die allometrische Beziehung bereits für händisch gemessene Astdurchmesser und längen dargelegt (SEIPP 2012). 29 Nach der Theorie der Allometrie unterscheiden sich zwar die Wachstumgeschwindigkeiten verschiedener organischer Kompartimente, aber das Verhältnis der Geschwindigkeiten zueinander bleibt konstant (vgl. KRAMER 1988, PRETZSCH 2000, PRODAN 1961, ZELL Über dieses konstante Verhältnis können beispielsweise nicht oder nur sehr aufwändig (oder ungenau) zu erhebende Kenngrößen mittels einfacher erfassbarer Parameter geschätzt werden. 89

98 Zusammenfassende Diskussion dung der daraus entwickelten Schaftformfunktion in ihrem Volumen tendenziell überschätzt werden. Über den mittels TLS leicht zu ermittelnden d 7 kann dies einfach ausgeglichen werden. 90

99 8 Zusammenfassung Die nachfrageorientierte Allokation von Forstprodukten ist ein typisches Managementproblem. Die dazu benötigten Nutzungsinformationen stammen bislang üblicherweise aus der örtlichen Erfahrung von Revierleitern oder aus den Ergebnissen von Betriebsinventuren. Die erste Informationsgrundlage ist eine ad-hoc-schätzung für wenige Bestände. Die zweite liefert als Stichprobeninventur erwartungstreue Schätzwerte für den Gesamtbetrieb, aber die Nutzungsmengen einzelner Bestände sind nur mit großem Fehlerrahmen abzuleiten. In Kombination liefern Daten aus luftgestütztem Laserscanning (ALS), die als vollflächige Aufnahme aller (sichtbaren) Bäume vorliegen, und terrestrischem Laserscanning (TLS), wofür nach einem Stichprobendesign für die Grundgesamtheit aller Bäume repräsentative Exemplare ausgewählt und gescannt werden, hingegen für beliebige Flächenausschnitte eines Forstbetriebs konsistente Vorratsinformationen, aus denen sich die Nutzungsmenge und die Sortimentierung ableiten lassen. Dazu wurde eine Methode entwickelt, die auf dem Konzept einer Regressionsstichprobe beruht. Die Untersuchung erfolgte ausschließlich für die Baumart Kiefer (Pinus sylvestris L.). Aus einer vorliegenden Untersuchung, die sich mit der Identifikation von Baumdaten in hexagonalen Flächen beschäftigte, konnten die Kiefern im Untersuchungsgebiet selektiert werden. Nach Verschneidung der vorprozessierten Einzelbaumdaten aus ALS und TLS wurde dafür ein Kollektiv von 77 Bäumen (Kiefern) herangezogen, deren Stämme vollständig in den TLS- Daten identifizierbar waren und denen aus ALS Kronenparameter inklusive der Baumhöhe h ALS zugeordnet werden konnten. Über diese Kronenparameter aus ALS wurde über einen linearen Ansatz der Brusthöhendurchmesser (d 1,3) mit einem Bestimmtheitsmaß R² von 0,91 geschätzt. Aus einem Teilkollektiv konnte weiterhin der lineare Zusammenhang zwischen d 1,3 und einem oberen Stammdurchmesser d 7 mit einem Bestimmtheitsmaß R² von 0,97 abgeleitet werden. Über diese beiden Regressionen konnte für jeden Baum aus ALS das Volumen in Abhängigkeit von d 1,3, d 7 und Baumhöhe (h ALS) bestimmt und dem jeweiligen Bestand eindeutig zugeordnet werden. Innerhalb eines Bestandes wurden danach die Durchmesserverteilung und die Volumenverteilung über dem Durchmesser zusammengestellt. Dies erfolgte für alle selektierten Bestände des Untersuchungsgebiets. Diese wurden weiterhin anhand der Durchmesser- und Volumenverteilungen in drei natürliche Altersklassen eingeteilt (geringes, mittleres und starkes Baumholz). Dabei entsprachen die abgeleiteten Durchmesserverteilungen mit nur geringen Abweichungen den realen Verteilungen, die aus drei Testbeständen vorlagen. Nach diesem Validierungsschritt wurden die o. g. Volumenverteilungen über die Weibullfunktion ausgeglichen. Die Nutzungssätze konnten für die waldbaulich üblichen nieder- und hochdurchforstungsartigen selektiven Eingriffe über eine Modifikation der Parameter der Weibullfunktion berechnet werden. Die Nutzungssätze konnten so für jeden Bestand pro 91

100 Zusammenfassung Durchmesseklasse hergeleitet und über das Programm BDATpro sortimentiert werden. Dabei wurden pro Bestand exemplarisch drei verschiedene Sortimentskombinationen angenommen, die für unterschiedliche regionale Sägewerke als Abnehmer von Interesse waren. Weiterhin wurden äußere Rundholzqualitätsparameter aus TLS-Daten (Krümmung, Abholzigkeit) quantitativ abgeleitet und die Güte qualitativ über eine traditionelle Güteansprache am stehenden Stamm im Bestand erfasst. Beide Datensätze wurden bestandesweise auf die Nutzungen übertragen. Daraus ergab sich ein sehr differenziertes Bild des Nutzungspotentials. Im Hinblick auf eine detaillierte Nachfrage von Kunden konnte so eine präzise nachfrageorientierte Allokation erfolgen. Zu diesem Zweck waren die aktuellen Anforderungen potentieller Kunden der Sägeindustrie erfasst worden. Dabei zeigte sich, dass seitens der Sägewerke teilweise sehr detaillierte Anforderungen an Rundholz definiert werden können, die sich aus den technischen Einstellmöglichkeiten der installierten Sägelinien ergeben. Die Methodik der Nutzungsmengen- und Sortimentsberechnung wurde zwar flächendeckend für ein Gebiet von ca. 182 ha durchgeführt aber sie besitzt auch Schwachstellen. Diese liegen weniger in der Methode selbst als in den präprozessierten ALS- und TLS-Daten. Bei einem TLS-Scan wird nicht wie bei einer terrestrischen Stichprobe die Totalität eines Probekreises aufgenommen, sondern die Bäume sind teilweise verdeckt. Ähnliches tritt bei den ALS-Daten in strukturierten Beständen auf, in denen der Oberstand den Unterstand ganz oder in Teilen verdeckt. Die TLS-Daten wurden daher nicht wie eine Probekreis-Stichprobe aufgefasst, sondern als Stichproben von erkannten Einzelbäumen. Dadurch wurde der Nachteil der TLS-Daten umgangen. Die aus den ALS-Daten nicht erkannten Bäume führten bei der Auswahl der Kiefern zu einer leichten Unterschätzung der Baumzahl/ha. Da es sich bei den nicht erkannten Bäumen um unterständige Exemplare handelt, die bei der Sortimentierung von Sägeholz von untergeordnetem Interesse sind, wurde dieses Problem als sekundär eingestuft. Grundsätzlich lässt sich also über die Verknüpfung von ALS- und TLS- Daten das Konzept des Warenlagers Wald umsetzen sowie eine nachfrageorientierte Allokation von Nutzungsanfällen noch vor Beginn der Nutzungsentnahme sehr präzise vorausbestimmen. Damit können seitens des Forstbetriebs alternative Optionen des Einschlags und der Vermarktung verglichen und optimiert werden. 92

101 9 Summary Demand-oriented allocation of forest products is a typical management problem. The information regarding possibilities of utilization is usually derived either by local experience and knowledge of forest managers or from inventory results. In the first case, the base of information is an ad hoc estimation for a low number of forest stands. The second case provides unbiased estimates for the whole forest enterprise, but is often an unsuitable base to model the potential utilization volume of all single stands. In contrast, for all areas within a forest enterprise the combined employment of airborne and terrestrial laser-scanning (ALS, TLS) data can provide this consistent information on the growing stock and allows the calculation of utilization volume and assortments. The method that has been developed for this purpose can be described as regression estimator. The present study focused exclusively on Scots pine (Pinus sylvestris L.). All the pine trees in this study area were selected from an existing study of the same area, dealing with the identification of single tree information in hexagonally-shaped areas. The fusion of pre-processed single tree data from ALS and TLS and the exclusion of incomplete trunks in TLS resulted in a sample size of 77 pine trees accomplished with ALS-based crown parameters including tree height information h ALS. The diameter at breast height (d 1,3) could be estimated by linear regression with ALS crown parameters as independent variables with a coefficient of determination R² = 0,91. The diameter d 7 was estimated by simple linear regression using the d 1,3 as independent variable resulting in a coefficient of determination R² = 0,97. Single-tree volumes were estimated using these regression estimators by the software BDATpro with the following input data: d 1,3, d 7 and tree height (h ALS) and each tree s relation to a stand was given by its coordinates. The diameter distribution and volume distribution is compiled from this data for each selected stand within the study. Furthermore, all stands were assigned to one of the three natural age classes (minor, medium and major size of diameter distribution) based on their diameter- and volume distributions. These showed only small deviations when compared to the real distributions available for three test stands. After this validation, the above-mentioned volume distributions were fitted by the Weibull function and the modification of its parameters allowed modelling the selective harvesting comparable with thinnings from below or thinnings from above. The utilization rates were then modelled per diameter class for each stand in the same way and the assortments were calculated using the bucking simulation in the software BDATpro. For each stand three exemplary combinations of assortments were assumed to fulfil potential customer demands. In addition log quality parameters were derived quantitatively from TLS data (sweep, taper) and the overall quality grade was estimated by traditional stand quality assessment. Both datasets were subsequently assigned to stand harvesting, which 93

102 Summary resulted for each stand in a detailed list of the respective utilization potential including a precise allocation with respect to detailed customer demand regarding dimension and quality. To model a realistic allocation of the material to existing customers the demand profiles of three regional sawmills were analyzed. Demand was usually formulated in a quite general and unspecific way although some of the sawmills had the potential to further precise actual needs. This methodology of area-wide calculation of utilization volumes and assortments also has its limitations. These are rather related to the pre-processed ALS and TLS data than to the method itself. In TLS scans trees are often hidden in contrast to traditional terrestrial sample plots. The application of ALS data in vertically structured stands leads to similar effects. Trees of the upper canopy layer may prevent detection of the lower trees. Therefore the TLS tree data was not processed like traditional sample plots, but each recognized singletree was considered as an individual sample. By this means, the mentioned disadvantage of TLS data was avoided. For ALS, tree count per ha was underestimated due to the undetected trees. But these rather suppressed trees are of minor interest with respect to the demand for saw log assortments. However, based on matched ALS and TLS data, the concept of a forest warehouse is principally achievable and demand-driven allocation of logs can be derived from the stands to be harvested prior to the first cut, which allows the forest owner to simulate and optimize alternative product/customer combinations. 94

103 10 Verzeichnisse 10.1 Abbildungsverzeichnis Abbildung 1: Symbolisierte Beziehung zwischen industriellen Rohholzanforderungen und den entsprechenden forstseitigen Rohholzinformationen... 3 Abbildung 2: Schematische Darstellung der Lage der quadratischen Referenzflächen und der kreisförmigen TLS-Plots Abbildung 3: Nahaufnahme des von Treemetrics für die TLS-Aufnahmen verwendeten Scanners des Herstellers Faro an einem der Stichprobenplots Abbildung 4: Skizze zur exemplarischen Darstellung der virtuellen Stammscheiben und der sie beschreibenden Parameter Abbildung 5: Beispiel für das Ursprungsdatenformat des Datensatzes TLS Abbildung 6: Beispiel für das Ursprungsdatenformat des Datensatzes ALS Abbildung 7: Überblick über das Untersuchungsgebiet mit Lage der BI-Stichprobenpunkte Abbildung 8: Beispiel einer Stichprobenfläche des Radius r = 15 m um einen dauerhaft verdeckt markierten Kontrollstichprobenmittelpunkt der BI mit den horizontalen Positionen der Kiefern aus den verschiedenen Datenquellen Abbildung 9: Übereinstimmung zwischen d 1,3 und d TLS (n=77) Abbildung 10: Beispiel einer Kiefer eines Stichprobenplots Abbildung 11: Schematischer Überblick über die drei Konzeptteile für die Rohholzallokation auf Basis von Laserscanning Abbildung 12: Gesamtdarstellung des Konzepts zur Rohholzallokation auf Basis von Laserscanning Abbildung 13: Abfolge der Prozesse aus Teil I des Konzepts Abbildung 14: Residuen der Schätzung des d 1,3 und der dafür verwendeten Variablen h ALS, Krl, Krd, Ksf, KrVol Abbildung 15: Regression d 7 = f (d 1,3) Abbildung 16: Gegenüberstellung des Volumens über Sektionsmessungen aus TLS und über BDATpro bei Verwendung des oberen Durchmessers d 7 (n=68) Abbildung 17: Abfolge der Prozesse aus Teil II des Konzepts Abbildung 18: Bestandesgrundkarte (BGK) mit allen Hexagonen und den selektierten Kiefernhexagonen sowie die selektierten 78 Bestände mit den Kiefernhexagonen Abbildung 19: Karte der Einzelbäume in den nach den natürlichen Altersklassen (AKl) geringes (gelb), mittleres (grün) und starkes Baumholz (rot) eingeteilten Beständen

104 Verzeichnisse Abbildung 20: Durchmesserverteilung aller Bäume in den drei natürlichen AKl Abbildung 21: Lage der Testbestände zur Durchmesservalidierung Abbildung 22: Prozentuale Durchmesserverteilung der Testbestände aus ALS und der Zufallsstichprobe zur Validierung (je Bestand n=44) Abbildung 23: Fotos einer Kiefer (d 1,3 = 23 cm) der Güte 4 nach MAHLER ET AL. (2001) im Testbestand geringes Baumholz Abbildung 24: Fotos einer Kiefer (d 1,3 = 33 cm) der Güte 3 nach MAHLER ET AL. (2001) im Testbestand mittleres Baumholz Abbildung 25: Foto einer Kiefer (d 1,3 = 43 cm) der Güte 3 nach MAHLER ET AL. (2001) im Testbestand starkes Baumholz Abbildung 26: Volumenverteilung der drei Testbestände zur Validierung der Weibullverteilung Abbildung 27: Abfolge der Prozesse aus Teil III des Konzepts Abbildung 28: Graphische Darstellung der Ergebnisse der Durchforstungsmodellierung in den drei Testbeständen bei verschiedenen Werten für den Faktor k sowie unterschiedlichem Entnahmeanteil Df Abbildung 29: Stärkeklassenverteilungen und Güteklassenzuordnung Kiefer Sägeholz (Abschnitte 3 m bzw. Langholz LH) der ausscheidenden Bestände für die drei Testbestände (TB) für je drei unterschiedliche Sortimentskombinationen Abbildung 30: Relativer Volumenanteil je Stärkeklasse der verschiedenen Qualitäten für S1 aus den drei Testbeständen Abbildung 31: Aufsummierte Stärkeklassenverteilung der Sägeholzsortimente des ausscheidenden Bestandes an Kiefer aller 78 Bestände des Untersuchungsgebiets für die drei Sortimentskombinationen (S1, S2, S3) Abbildung 32: Schematische Darstellung der drei übergeordneten Bestandteile (I-III) des entwickelten methodischen Konzepts

105 Verzeichnisse 10.2 Tabellenverzeichnis Tabelle 1: Verwendete Datensätze, ursprüngliche Daten und ihre Formate Tabelle 2: Regressionsstatistik zum Abgleich der Werte für d 1,3 und d TLS Tabelle 3: Gütebeschreibung Kiefer Tabelle 4: Datensätze und Daten für die Methodenentwicklung Tabelle 5: Regressionsstatistik zur Schätzung d 1,3 aus h ALS, Krl, Krd, Ksf und KrVol Tabelle 6: Werte der Parameter a 0 bis a 5 zur Schätzung des d 1, Tabelle 7: Regressionsstatistik Schätzung g aus h ALS, Krl, Ksf, Krd und KrVol Tabelle 8: Regressionsstatistik Schätzung d 7 aus d 1, Tabelle 9: Werte der Parameter b 0 und b 1 zur Schätzung des d 7 aus d 1, Tabelle 10: Deskriptive Statistik der Derbholzvolumenberechnung mittels BDATpro Tabelle 11: Regressionsstatistik Schätzung des Derbholzvolumens v est aus d 1,3, d 7 und h ALS Tabelle 12: Werte der Parameter c 0 bis c 3 zur Schätzung des Derbholzvolumen v est Tabelle 13: Ergebnisse der Krümmungsberechnung (aus TLS) und der Güteansprache (aus Stichproben) der Probebäume Tabelle 14: Weibull-Parameter für die drei Testbestände Tabelle 15: Zusammenfassende Einteilung der Merkmale zur Sortierung in Qualitätsklassen (nach DIN-EN ) Tabelle 16: Aushaltungsbedingungen der drei potentiellen Abnehmer in der Untersuchung Tabelle 17: Kennzahlen des ausscheidenden Bestandes für die drei Testbestände Tabelle 18: Variablen für die Aushaltung von Sägeholz Tabelle 19: Durchforstungstabelle Kiefer Grundlage für die Sortimentierung der drei Testbestände Tabelle 20: Durchforstungstabelle Kiefer Grundlage für die Sortimentierung der drei Testbestände (überführt aus Tabelle 19; enthält nur Durchmesserklassen mit Vorrat Kiefer > 0 m³) Tabelle 21: Beschreibung der verwendeten Sortimentskombinationen Tabelle 22: Definition der in der Untersuchung verwendeten Stärkeklassen Tabelle 23: Darstellung der Sortimentskombination S1 mit mittlerem Durchmesser (Mitten- und Zopfdurchmesser), Stärkeklasse und Volumen je Durchmesserklasse und Testbestand und Lage im Stamm

106 Verzeichnisse Tabelle 24: Darstellung der Sorten in S1 mit Stückzahl und Volumen je Qualität u. Stärkeklasse Tabelle 25: Zum Zeitpunkt der Untersuchung gültige Preise (Stand August 2014) frei Waldstraße des Untersuchungsgebiets in [ /fm] je Stärkeklasse und Qualität Tabelle 26: Ergebnisse der modellierten Durchforstung der drei Testbestände der Untersuchung (Angaben nur für Kiefernsägeholzdimensionen) Tabelle 27: Ergebnisse der modellierten Durchforstung aller 78 Bestände der Untersuchung (Angaben nur für Kiefernsägeholzdimensionen) Tabelle 28: Güteeinteilungstabelle nach MAHLER ET AL. (2001) Tabelle 29: Ergebnis der Güteansprache am stehenden Stamm für die 42 angesprochenen Kiefern Tabelle 30: Prozentuales Volumen je Durchmesserklasse und Bestand für die Zuordnung zu natürlichen Altersklassen Tabelle 31: Parameter der Weibullfunktion, Fläche und Kiefernvolumen der Untersuchungsbestände Tabelle 32: Darstellung der Sorten in S2 je Durchmesserklasse mit Stückzahl und Volumen je Qualität u. Stärkeklasse für Langholz Tabelle 33: Darstellung der Sortimentskombination S2 mit mittlerem Durchmesser (Mitten- und Zopfdurchmesser), Stärkeklasse und Volumen je Durchmesserklasse und Testbestand und Lage im Stamm Tabelle 34: Darstellung der Sorten in S2 mit Stückzahl und Volumen je Qualität u. Stärkeklasse für Kurzholz Tabelle 35: Darstellung der Sortimentskombination S3 mit mittlerem Durchmesser (Mitten- und Zopfdurchmesser), Stärkeklasse und Volumen je Durchmesserklasse und Testbestand und Lage im Stamm Tabelle 36: Darstellung der Sortimentskombination S3 Stückzahl und Volumen je Qualität und Stärkeklasse für Langholz Tabelle 37: Darstellung der Sortimentskombination S3 Stückzahl und Volumen je Qualität und Stärkeklasse für Kurzholz

107 10.3 Formelverzeichnis Smalian sche Formel (Stammscheibenvolumen) Kronenschirmfläche Kronenvolumen als Kegel v = g o+g u l [1] 2 Ksf = π Krd2 4 KrVol = Ksf Krl 3 Regression Kronenparameter zu d 1,3 d 1,3 (h ALS, Krl, Krd, Ksf, KrVol) = a 0 + a 1 h ALS + a 2 Krl + a 3 Krd + a 34 Ksf + a 5 KrVol [4] [2] [3] Grundflächenformel g = π 0, 25 d 1,3 2 [5] Regression d 1,3 zu d 7 d 7 = b 0 + b 1 d 1,3 [6] Allometrische Volumenfunktion v est (d 1,3, d 7, h ALS ) = c 0 d 1,3 c 1 d 7 c 2 h ALS c 3 [7] Weibullfunktion Huber sche Formel w(x) = ( c b ) [x a b ]c 1 exp ( [ x a b ]c ) [8] v = g m l [9] 99

108 10.4 Literaturverzeichnis ADLER, P. (2011): Data description of estimated Volume and Biomass. Metadaten zu Berechnungen der Abteilung Biometrie und Informatik der Forstlichen Versuchs- und Forschungsanstalt Freiburg im Rahmen des Projekts FlexWood. Unveröffentlicht ALTHERR, E., UNFRIED, P., HRADETZKY, J. U. HRADETZKY, V. (1974): Statistische Rindenbeziehungen als Hilfsmittel zur Ausformung und Aufmessung unentrindeten Stammholzes. Band 1: Kiefer, Buche, Hainbuche, Esche und Roterle. Mitteilungen der Forstlichen Versuchsu. Forschungsanstalt Baden-Württemberg (61), Freiburg i. Br. 137 S. ASSMANN, E. 1961: Waldertragskunde. Organische Produktion, Struktur, Zuwachs und Ertrag von Waldbeständen. Bayerischer Landwirtschaftsverlag, München, Bonn, Wien, 490 S. AUTY, D.; ACHIM, A. (2008): The relationship between standing tree acoustic assessment and timber quality in Scots pine and the practical implications for assessing timber quality from naturally regenerated stands. Forestry 81 (2008) 4: S DOI: /forestry/cpn015 BARTH, A., HOLMGREN, J. (2013): Stem taper estimates based on airborne laser scanning and cut-to-length harvester measurements for pre-harvest planning. International Journal of Forest Engineering, 24 (2013) 3: S , DOI: / BAUMANN, T. (2009): Analyse logistischer Prozesse und deren Optimierungspotentiale entlang der Holzbereitstellungskette vom Wald zum Werk unterstützt durch spezielle Verfahren der Prozessmodellierung Durchgeführt am Beispiel verschiedener Forstund Holzbetriebe in der Region Ostalb (Baden-Württemberg). Dissertation an der Fakultät für Forst- und Umweltwissenschaften der Albert-Ludwigs-Universität Freiburg i. Br. BECKER, B., SMALTSCHINSKI, T. (2009): Teilprojekt 2 - Forest Warehouse und Logistik. Schlussbericht zum BMBF-Projekt Matchwood Vom Baum zum Produkt: Wertschöpfung durch Prozessoptimierung im Rahmen naturnaher Waldbewirtschaftung. Online unter: Zuletzt aufgerufen am BECKER, G. (1989): Neue Chancen für die Kiefer. Bericht vom Göttinger Seminar Forstnutzung und Waldarbeit auf der LIGNA 89. AFZ 27 (1989): S BECKER, G. (1995): Holzvermarktung durch den Forstbetrieb. Vom Rohstoffverteiler zum Leistungspartner der Holzindustrie. In: Holz-Zentralblatt, 121. Jg., Nr. 147: S. 2441, BECKER, G. (1996): Vom Rohstoff zum Produkt Holzqualität als Schlüssel zum Vermarktungserfolg. Forstw. Cbl. 115 (1996): S

109 Verzeichnisse BECKER, G. (1997): Holznutzung und Holzbereitstellung im Informationszeitalter. Vom Holzweg auf die Datenautobahn In: Allgemeine Forstzeitschrift, 52. Jg., H. 5: S BECKER, G., GROß, M., METZLER, H. (1988): Zusammenhänge zwischen Rundholzeigenschaften und Schnittholzqualität bei Fichten - (Tannen) Starkholz. Holz-Zentralblatt, 114. Jg., Nr.94: S , 1346 BECKER, G.; NIEPAGEN, A. (1990): Verbesserter Rohholzabsatz von schwacher Kiefer (Lärche und Douglasie) aus Norddeutschland. In: Holz-Zentralblatt, 116. Jg., Nr. 103/104: S BECKER, G., SMALTSCHINSKI, T., OPFERKUCH, M., WEINACKER, H Early Assessment of Industrial Needs: Harvesting and Allocation Decisions supported by ALS and TLS. Proceedings. SilviLaser 2011; 2012: SilviLaser th International Conference on LiDAR Applications for Assessing Forest Ecosystems; Hobart, Australia BERGMANN, A. (1997): Kundenorientierte Rohholzbereitstellung bei vollmechanisierter Holzernte. Dissertation der Fakultät für Forstwissenschaften und Waldökologie der Universität Göttingen BENDER, G. (2006): Qualitätsbestimmende Eigenschaften von Tannen- und Fichtenstarkholz aus dem Schwarzwald unter Berücksichtigung hochwertiger Verwendungsmöglichkeiten. Dissertation an der Fakultät für Forst- und Umweltwissenschaften der Albert- Ludwigs-Universität Freiburg i. Br. BIENERT, A., PECH, K. UND MAAS, H.-G. (2011): Verfahren zur Registrierung von Laserscannerdaten in Waldbeständen. Schweiz Z. Forstwes. 162 (2011) 6: S BIENERT, A., SCHELLER, S., KEANE, E., MOHAN, F., NUGENT, C. (2007a): Tree detection and diameter estimations by analysis of forest terrestrial laserscanner point clouds. IAPRS Volume XXXVI, Part 3: S BIENERT, A., SCHELLER, S., KEANE, E., MULLOOLY, G., MOHAN, F. (2007b): Automatische Erfassung forstinventur-relevanter Geometrieparameter von Waldbäumen aus terrestrischen Laserscannerdaten. In: LUHMANN, T. UND MÜLLER, C. (Hrsg.): Photogrammetrie - Laserscanning - Optische 3D-Messtechnik, Beiträge der Oldenburger 3D-Tage 2007, Verlag Herbert Wichmann, Heidelberg BINDSEIL, W. (1966): Gütemerkmale am stehenden Holz. Holz-Zentralblatt, 92. Jg., Nr. 99: S BINNEWIES, D. (1996): Untersuchung von Kiefernschwachholz hinsichtlich der Ausbeute und Eignung für höherwertige Schnittholzprodukte. Diplomarbeit an der Forstwissenschaftlichen Fakultät der Albert-Ludwigs-Universität Freiburg i. Br. BODELSCHWINGH, VON, E. (2005): Analyse der Rundholzlogistik in der Deutschen Forst- und Holzwirtschaft Ansätze für ein übergreifendes Supply Chain Management. Dissertation an der Fakultät Wissenschaftszentrum Weihenstephan für Ernährung, Landnutzung und Umwelt der Technischen Universität München 101

110 Verzeichnisse BONT, L. (2005): Kundenorientierte Optimierung der Sortiments-Aushaltung bei der Holzernte. Diplomarbeit an der Professur für Forstliches Ingenieurwesen der Eidgenössischen Technischen Hochschule Zürich BORCHERDING, M. (2007): Rundholztransportlogistik in Deutschland eine transaktionskostenorientierte empirische Analyse. Dissertation der Fakultät Wirtschafts- und Sozialwissenschaften der Universität Hamburg BREIDENBACH, J., GLÄSER, C., SCHMIDT, M. (2008a): Estimation of diameter distributions by means of airborne laser scanner data. Canadian Journal of Forest Research : S , doi: /x BREIDENBACH, J., KUBLIN, E., MCGAUGHEY, R., ANDERSEN, H., REUTEBUCH, S. (2008b): Mixed-effects models for estimating stand volume by means of small footprint airborne laser scanner data. Photogrammetric Journal of Finland 21 (2008b) 1: S Breidenbach, J., Nothdurft, A., Kändler, G. (2010): Comparison of nearest neighbour approaches for small area estimation of tree species-specific forest inventory attributes in central Europe using airborne laser scanner data. European Journal of Forest Research 129 (2010) 5: S , DOI: /s BRÜCHERT, F., BENDER, G., LEENEN, M., SAUTER, U. H. (2008): Modifizierung des Verfahrens der Güteansprache am stehenden Stamm. Unveröffentlichter Abschlussbericht, Forstliche Versuchs- und Forschungsanstalt Baden-Württemberg, Freiburg i. Br. BUNDESRAT (2008): Verordnung zur Aufhebung der Verordnung über gesetzliche Handelsklassen für Rohholz. Bundesrat Drucksache 731/08 vom Online unter zuletzt aufgerufen am BURSCHEL, P., HUSS, J. (2003): Grundriss des Waldbaus. Ein Leitfaden für Studium und Praxis. 3. Unveränderte Auflage. Eugen Ulmer Verlag, Stuttgart, 487 S. CSCMP (Council of Supply Chain Management Professionals) (2013): Glossary. Online unter pdf zuletzt aufgerufen am DFWR, DHWR (Hrsg.) (2014): Rahmenvereinbarung für den Rohholzhandel in Deutschland (RVR). Deutscher Forstwirtschaftsrat e.v. (DFWR) und Deutscher Holzwirtschaftsrat e.v. (DHWR). Unveröffentlichte Arbeitsversion Stand: DFWR/VDS 2005: DFWR/VDS-Rahmenvereinbarung für die Werksvermessung von Stammholz. Version Unter Berücksichtigung von Anlage 8.6 Verfahren zur Krümmungsermittlung an Langholz und Stammabschnitten im Rahmen der Werksvermessung in der Version vom Online unter zuletzt aufgerufen am DIN-EN 1310: : Rund- und Schnittholz Messung der Merkmale 102

111 Verzeichnisse DIN-EN : : Qualitäts-Sortierung von Nadel-Rundholz Teil 1: Fichten und Tannen DIN-EN : : Qualitäts-Sortierung von Nadel-Rundholz Teil 2: Kiefern. Unter Berücksichtigung der Berichtigungen aus DIN EN Ber 1: DIN-EN : : Qualitäts-Sortierung von Nadel-Rundholz Teil 3: Lärchen und Douglasie DÖBBELER, H., ALBERT, M., SCHMIDT, M., NAGEL, J., SCHRÖDER, J. (2007): BWINPro. Programm zur Bestandesanalyse und Prognose. Handbuch zur gemeinsamen Version von BWINPro und BWINPro-S Version 6.3. Niedersächsische / Nordwestdeutsche Forstliche Versuchsanstalt FBG KLEINES WIESENTAL (2012): Holzaushaltung (11/2012). Online unter Zuletzt aufgerufen am FILIPESCU, C. N., GROOT, A., MACISAAC, D. A., CRUICKSHANK, M. G., STEWART, J. D.(2012): Prediction of Diameter Using Height and Crown Attributes: A Case Study. Western Journal of Applied Forestry 27 (2012) 1: S FLEXWOOD (2013): Final Report FlexWood Project Nov 2009 Oct FP7 GRANT AGREE- MENT No Online unter: Zuletzt aufgerufen am FLICK, U. (2004): Qualitative Sozialforschung. Eine Einführung. 2. vollst. überarb. Aufl., Rowohlt Taschenbuch Verlag, Reinbek, 446 S. FORST-HKS (1983): Gesetzliche Handelsklassensortierung für Rohholz Gesetzliche Handelsklassensortierung für Rohholz mit Ergänzungsbestimmungen für Baden-Württemberg. Ministerium für Ernährung, Landwirtschaft, Umwelt und Forsten des Landes Baden-Württemberg FORSTBW (2014): Aufnahmeanweisung permanente Betriebsinventur, pbie Erstinventur, pbif Folgeinventur Version 1.0. Landesbetrieb Forst Baden-Württemberg, Forstdirektion des Regierungspräsidiums Freiburg, Referat 84 Forsteinrichtung, FGeo, Abteilung 8 FRITZ, A., WEINACKER, H., KOCH, B. (2011): A method for linking TLS- and ALS-derived trees. In: Proceedings of SilviLaser 2011, 11th International Conference on LiDAR Applications for Assessing Forest Ecosystems, University of Tasmania, Australia, October S. 1-9 FROMMHOLD, H. (2002): Vorlesung Forstnutzung. Online unter zuletzt aufgerufen am GADOW, VON, K. (1987): Untersuchungen zur Konstruktion von Wuchsmodellen für schnellwüchsige Plantagenbaumarten. Forstliche Forschungsberichte München, Band S. 103

112 Verzeichnisse GADOW, VON, K. (2005): Forsteinrichtung: Analyse und Entwurf der Waldentwicklung. Universitätsverlag Göttingen. 342 S. GAFFREY, D., SABOROWSKI, J., SPELSBERG, G. (1998): Baumartenspezifische Funktionen zur Schätzung von Bestandesdurchmesserverteilungen. Allgemeine Forst und Jagdzeitung 169 (1983) 5: S GARBE, H. (2013): Rosinen aus dem Kiefernwald gepickt. Agrar heute online, Land und Forst vom Online unter Zuletzt aufgerufen am GEROLD, D. (1990) : Modellierung des Wachstums von Waldbeständen auf der Basis der Durchmesserstruktur. Dissertation B an der Technischen Universität Dresden GORDON, B. (2008): Zur Bestimmung von Messunsicherheiten terrestrischer Laserscanner. Dissertation am Fachbereich Bauingenieurwesen und Geodäsie an der Technischen Universität Darmstadt GOULDING, C. J. (2000): The forest as a warehouse. P In HANSEN, M.; BURK, T. (Hrsg.): Integrated tools for natural resources inventories in the 21st century: an international conference on the inventory and monitoring of forested ecosystems; 1998 August 16-19; Boise, ID. Gen. Tech. Rep. NCRS-212. St. Paul, MN: U.S. Department of Agriculture, Forest Service, North Central Research Station GRAMMEL, R. (1989): Forstbenutzung: Technologie, Verwertung und Verwendung des Holzes. Verlag Paul Parey, Hamburg, Berlin. Pareys Studientexte Nr S. GRUNDNER, F., SCHWAPPACH, A. (1952): Massentafeln zur Bestimmung des Holzgehaltes stehender Waldbäume und Waldbestände. Verlag Paul Parey, Hamburg, Berlin 10. Aufl., 216 S. GÜNTHER, W. (2005): Vorlesungsskript Materialfluss und Logistik. Lehrstuhl für Förder-technik, Materialfluss und Logistik der Technischen Universität München. 177 S. GUPTA, S., WEINACKER, H., KOCH, B. (2010): Comparative Analysis of Clustering-Based Approaches for 3-D Single Tree Detection Using Airborne Fullwave Lidar Data. Remote Sensing 2010 (2): , DOI: /rs HECKEL, H. 1977: Rundholzfehler und ihre Auswirkung bei der Verarbeitung. AFZ 32 (1977): S HECKER, M. (1998): Auftragsbezogene Holzerntemethoden im Nadelholz. Zukunftgerichtete Forschung und Entwicklung im Rahmen des EU-Projektes "PromotE". Holz-Zentralblatt, 124. Jg., Nr. 3: S HECKER, M., RESSMANN, J., BECKER, G., MERFORTH, C. (2000): Prognose der Schnittholz-Qualität auf der Grundlage der Rundholz-Sortierung. Holz als Roh- und Werkstoff 58 (2000) 3: S

113 Verzeichnisse HEIN, S., LENK, E., KLÄDTKE, J., KOHNLE, U. (2007): Z-Baum orientierte Auslesedurchforstung in Buche [Fagus sylvatica L.]: Auswirkungen auf Qualität, Sortenstruktur und Wertleistung. Allgemeine Forst- und Jagdzeitung 178 (2007) 1: S HEINIMANN, H. R., BRESCHAN, J. (2012: Pre-Harvest-Assessment based on LiDAR Data. Croatian Journal of Forest Engineering 33 (2012) 2: S HEINZEL, J. (2011): Combined use of high resolution LiDAR and multispectral data for automated extraction of single trees and tree species. Dissertation an der Fakultät für Forst- und Umweltwissenschaften der Albert-Ludwigs-Universität Freiburg i. Br. HEINZEL, J., KOCH, B. (2011): Exploring full-waveform LiDAR parameters for tree species classification. International Journal of Applied Earth Observation and Geoinformation 13 (2011) 1: S DOI: /j.jag HEINZEL, J., WEINACKER, H., KOCH, B. (2011): Prior-knowledge-based single-tree extraction. International Journal of Remote Sensing 32 (2011) 17: S DOI: / HEPPERLE, F. (2010): Prognosemodell zur Abschätzung des regionalen Waldenergieholzpotenzials auf der Grundlage forstlicher Inventur- und Planungsdaten unter Berücksichtigung ökologischer, technischer und wirtschaftlicher Nutzungseinschränkungen. Dissertation an der Fakultät für Forst- und Umweltwissenschaften der Albert-Ludwigs- Universität Freiburg i. Br. HILDEBRANDT, R., IOST, A. (2012): From points to numbers: a database-driven approach to convert terrestrial LiDAR point clouds to tree volumes. Eur J Forest Res (2012) 131: S DOI: /s HOPF, C. (2000): Qualitative Interviews ein Überblick. In: FLICK, U., KARDORFF, E., STEINKE, I. (Hrsg): Qualitative Forschung ein Handbuch. Rowohlt, Reinbek, S HUG, J. (2004): Optimierung von Geschäftsprozessen in der Forstwirtschaft durch den Einsatz von Informationstechnologie: am Beispiel der Holzbereitstellung auf Revierebene. Dissertation an der Fakultät für Forst- und Umweltwissenschaften der Albert- Ludwigs-Universität Freiburg i. Br. HYYPPÄ, J., HYYPPÄ, H., XIAOWEI, Y., KAARTINEN, H., KUKKO, A., HOLOPAINEN, M. (2008). Forest inventory using small-footprint airborne LiDAR. In SHAN, J. U. TOTH, C. K. (Hrsg.): Topographic Laser Ranging and Scanning - Principles and Processing. Boca Raton: CRC Press Taylor and Francis: S JOZSA, L. A., Middleton, G. R. (1994): A Discussion of Wood Quality Attributes and Their Practical Implications. Special Publication No. SP-34. Forintek Canada, FS 74 HSP 95/3, 42 S. Online unter ftksp_34.pdf zuletzt aufgerufen am KAISER, B. (2005): Vom Push zum Pull Der Perspektivewechsel in der Wertschöpfungskette von Forst- und Holzwirtschaft. Schweiz. Z. Forstwes. 156 (2005) 8: S

114 Verzeichnisse KÄNDLER, G. (2011): Persönliche Mitteilung am KANKARE, V., JOENSUU, M., VAUHKONEN, J., HOLOPAINEN, M., TANHUANPÄÄ, T., VASTARANTA, M., HYYPPÄ, J., HYYPPÄ, H., ALHO, P., RIKALA, J., SIPI, M. (2014): Estimation of the Timber Quality of Scots Pine with Terrestrial Laser Scanning. Forests 5 (2014): S ; DOI: /f KEMMNER, G., RISSE, F.-J. (1994): Betriebsinventur auf Stichprobenbasis Vorgehen, Umsetzung, Weiterentwicklung. AFZ 49 (1994) 10: S KIVINEN, V.-P. (2006): A forest-level genetic algorithm based control system for generating stand-specific log demand distributions. Canadian Journal of Forest Research (2006) 36: , DOI: /x KNIGGE, W., SCHULZ, H. (1966): Grundriss der Forstbenutzung: Entstehung, Eigenschaften, Verwertung und Verwendung des Holzes und anderer Forstprodukte. Hamburg und Berlin: Parey. 584 S. KOCH, B., HEINZEL, J., GUPTA, S., WANG, Y., WEINACKER, H. (2009): Extraction of forest parameter from laser data. DGPF Tagungsband 18/2009: S KOCH, B. (2011): Stand und Perspektiven der Nutzung neuer Fernerkundungstechnologien im Waldbereich. Schweiz Z Forstwes. 162 (2011) 6: S KRAMER, H. (1976): Begriffe der Forsteinrichtung. Schriftenreihe der Forstlichen Fakultät der Universität Göttingen und Mitteilungen der Niedersächsischen Forstlichen Versuchsanstalt, Bd. 48, Sauerländer s Verlag, Frankfurt a. M., 80 S. KRAMER, H. (1988): Waldwachstumslehre. Verlag Paul Parey, Hamburg, Berlin, 374 S. KRAMER, H., AKÇA, A. (2002): Leitfaden zur Waldmesslehre. 4. Aufl., Sauerländer s Verlag, Frankfurt a. M., 266 S. KRETSCHMER, U., KIRCHNER, N., MORHART, C., SPIECKER, H. (2013): A new approach to assessing tree stem quality characteristics using terrestrial laser scans. Silva Fennica 47 (2013) 5 article id 1071: 14 S. KROMREY, H. (2002): Empirische Sozialforschung. 10. Aufl., UTB Verlag, Opladen, 552 S. KUBLIN, E., SCHARNAGEL, G. 1988: Verfahrens- und Programmbeschreibung zum BWI-Unterprogramm BDAT. Bericht, Forstliche Versuchs- und Forschungsanstalt Baden-Württemberg, Freiburg i. Br. 87 S. KUBLIN, E. (2003): Einheitliche Beschreibung der Schaftform - Methoden und Programme - BDATpro. Forstw. Cbl. 122 (2003): S KUBLIN, E., BÖSCH, B. (2007): Das Sorten- und Volumenprogramm BDAT. Abt. Biometrie und Informatik der Forstlichen Versuchs- und Forschungsanstalt Baden-Württemberg, online unter /bui/bdatpro.html zuletzt aufgerufen am

115 Verzeichnisse KUCERA, B. (1973). Holzfehler und ihr Einfluß auf die mechanischen Eigenschaften der Fichte und Kiefer. Holztechnologie 14 (1973) 1: S LAMNEK, S. (2005): Qualitative Sozialforschung. 4. vollst. überarb. Aufl., Beltz, Psychologie Verlags Union, Weinheim, Basel, 808 S. LANG (1828): Glaubensbekenntnis über Theorie und Praxis. Allgemeine Forst und Jagdzeitung 4 (1828) 17: S LEENEN, M. (2006): Untersuchung von Fichten (Picea abies (L) Karst.) und Tannen (Abies alba Mill.)-Starkholz-Standardlängen hinsichtlich der qualitativen Entwicklung vom stehenden Stamm zum Schnittholz. Dissertation an der Fakultät für Forst- und Umweltwissenschaften der Albert-Ludwigs-Universität Freiburg i. Br. LEENEN, M., SCHMIDT, M. (2005): Güteansprache am stehenden Stamm Ausgewählte Ergebnisse der zweiten Bundeswaldinventur. Forst und Holz 60 (2005) 10: S LEEUWEN, VAN, M.; HILKER, T.; COOPS, N. C.; FRAZER, G.W.; WULDER, M. A.; NEWNHAM, G. J.; CUL- VENOR, D. S. (2011): Assessment of standing wood and fiber quality using ground and airborne laser scanning: A review. Forest Ecology and Management 261 (2011) 9: S LEGEWIE, H. (2005): Interviewformen in der Forschung. Vorlesung 9. Vorlesungsskript der Technischen Universität Berlin. Online unter /legewie/dokumente/ zuletzt aufgerufen am LIANG, X. (2013): Feasibility of Terrestrial Laser Scanning for Plotwise Forest Inventories. Dissertation an der Aalto University School of Engineering Espoo, Finnland LIANG, X., LITKEY, P., HYYPPÄ, J., KAARTINEN, H., KUKKO, A., HOLOPAINEN, M. (2011): Automatic plot-wise tree location mapping using single-scan terrestrial laser scanning. Photogrammetric Journal of Finland 22 (2011): S LIANG, X., HYYPPÄ, J. (2013): Automatic Stem Mapping by Merging Several Terrestrial Laser Scans at the Feature and Decision Levels. Sensors 13 (2013): S , DOI: /s LIANG, X., KANKARE, V., YU, X., HYYPPÄ, J., HOLOPAINEN, M. (2014): Automated Stem Curve Measurement Using Terrestrial Laser Scanning. IEEE Transactions on Geoscience and Remote Sensing 52 (2014) 3: S LIPPEMEIER, P. (1971): Untersuchung über die Schnittholzqualität von Weisstannen im hinteren Bayerischen Wald. Dissertation an der Ludwig-Maximilians-Universität München LÖFFLER, H.-D. (1968): Einflüsse auf den Wert des Rohholzes. Schriften der Forstlichen Abteilung der Albert-Ludwigs-Universität, Freiburg i.br. Band 9. Bayerischer Landwirtschaftsverlag München Basel Wien. 115 S. LOSKANT, G. (1983): Untersuchung zur Produkt- und Sortimentsgestaltung bei schwachem Kiefern-Rohholz (Pinus sylvestris L.) in Abhängigkeit von dessen Qualität. Dissertation 107

116 Verzeichnisse an der Forstwissenschaftlichen Fakultät der Albert-Ludwigs-Universität Freiburg i. Br. Hochschulverlag Freiburg LUNDQVIST S. O., GARDINER, B. (2011), Key products of the forest-based industries and their demands on wood raw material properties. EFI Technical Report 71. Online unter: zuletzt aufgerufen am LUNDQVIST, S.-O., GRAHN, T. (2008): Forest Resource Databases a concept for product-oriented mapping of properties and volumes in forest resource. STFI-Packforsk Report no 446. EFORWOOD Quality Assessment and Allocation Report 2 (based on EFOR- WOOD Deliverable PD3.1.5). MAAS, H.-G., BIENERT, A., SCHELLER, S., KEANE, E. (2008): Automatic forest inventory parameter determination from terrestrial laser scanner data. International Journal of Remote Sensing 29 (2008) 5: S MACDONALD, E., MOORE, J., CONNOLLY, T., GARDINER, B. (2009): Developing methods for assessing Scots pine timber quality. Forestry Commission Research Note (FCRN005). Forestry Commission, Edinburgh. Online unter FCRN005.pdf zuletzt aufgerufen am MACDONALD, E., GARDINER, B. (2007): Scots pine timber quality in Northern Scotland: Market requirements and resource availability. Forestry Commission, Edinburgh. Online unter 07.pdf zuletzt aufgerufen am MAHLER, G., WILLMANN, U. WURSTER, M. (2001): Güteansprache am stehenden Stamm Bundeswaldinventur II Baden-Württemberg, FVA Abt. Arbeitswirtschaft und Forstbenutzung. Online unter: zuletzt aufgerufen am MARTIN, G. (2008): Holz- und Fasereigenschaften von Fichte (Picea abies (L.) Karst) - Auswirkungen auf die Qualität von Steinschliff und holzhaltigen Grafischen Papieren. Dissertation an der Fakultät für Forst- und Umweltwissenschaften der Albert-Ludwigs-Universität Freiburg i. Br. MARX, H. (2014): Persönliche Mitteilung am MATTAUSCH, C. (1996): Rundholzqualität von Durchforstungsholz aus Kiefernbeständen des Pfälzer Waldes und des Bienwaldes unter besonderer Berücksichtigung der Ästigkeit. Diplomarbeit an der Forstwissenschaftlichen Fakultät der Albert-Ludwigs-Universität Freiburg i. Br. MAYRING, P. (2003): Qualitative Inhaltsanalyse: Grundlagen und Techniken. 8. Aufl., Beltz, Weinheim, Basel, 135 S. 108

117 Verzeichnisse MEHLIN, I. (2002): Trocknungsverhalten von Tannenschnittholz (Abies alba Mill.) aus dem Schwarzwald. Dissertation an der Forstwissenschaftlichen Fakultät der Albert-Ludwigs-Universität Freiburg i. Br. MEIßNER, J., ROßMANN, J. (2010): Der Virtuelle Wald in NRW. AFZ 14 (2010): S. 22. METTE, H.-J. (1960): Untersuchungen über die Qualität des Stammholzes und des Schnittmaterials von Kiefern aus Beständen auf verschiedenen diluvialen Standorten. Dissertation an der Forstwirtschaftlichen Fakultät der Humboldt-Universität Berlin in Eberswalde. MEUSER, M., NAGEL, U. (1991): ExpertInneninterviews vielfach erprobt, wenig bedacht. Ein Beitrag zur qualitativen Methodendiskussion, in: GARZ, D., KRAIMER, K. (Hrsg.): Qualitativ-empirische Sozialforschung Konzepte, Methoden, Analysen, Westdeutscher Verlag, Opladen, S MEUSER, M., NAGEL, U. (2002): ExpertInneninterviews vielfach erprobt, wenig bedacht. Ein Beitrag zur qualitativen Methodendiskussion, in: BOGNER, A., LITTIG, B., MENZ, W. (Hrsg.): Das Experteninterview. Theorie, Methode, Anwendung. Springer Fachmedien, Wiesbaden, S MICHAILOFF, J. L. (1943): Zahlenmäßiges Verfahren für die Ausführung der Bestandeshöhenkurven. Forstw. Cbl. und Tharandter Forstliches Jahrbuch 6 (1943): S MOREAU, J. (2010): Impact de pratiques sylvicoles intensives sur les propriétés du bois de pin maritime. Dissertation an der École Doctorale des Sciences Physiques et de l Ingénieur, Université Bordeaux 1 MURPHY, G. (2010): Persönliche Mitteilung am MURPHY, G. (2011): Persönliche Mitteilung am NAGEL, J., BIGING, G. S. (1995): Schätzung der Parameter der Weibullfunktion zur Generierung von Durchmesserverteilungen. Allgemeine Forst und Jagdzeitung 166 (1995) 9/10: S NӔSSET, E. 2002: Predicting forest stand characteristics with airborne scanning laser using a practical two-stage procedure and field data. Remote Sensing of Environment 80 (2002): S OPFERKUCH, M. (2007): Rundholztransporte als Kosten- und Umweltfaktor. Diplomarbeit an der Fakultät für Forst- und Umweltwissenschaften der Albert-Ludwigs-Universität Freiburg i. Br. OPFERKUCH, M., SMALTSCHINSKI, T., BECKER, G. (2010): Matching forest raw material with industrial requirements to allow for an optimal wood allocation to the industry. Int. Forest Rev 12 (2010) 5: S

118 Verzeichnisse OPFERKUCH, M., SMALTSCHINSKI, T., BECKER, G. (2012a): Allocation procedures for existing harvesting and logistic concepts. (Projektbericht) Flexwood WP European Commission Seventh Framework Programme. 45 S. EU FP7 GRANT AGREEMENT No OPFERKUCH, M., FRITZ, A., SMALTSCHINSKI, T., BECKER, G. (2012b): Procedures to match laser based forest resource information with industrial wood requirements. In: WONG, A. (2012) Proceedings of the 2012 IUFRO Conference Division 5 Forest Products, Lisbon, Portugal, 8-13 July 2012, S. 128 OPFERKUCH, M., BECKER, G., JAEGER, D., SEIPP, R Pre-harvest tree and stand assessment for improved log allocation within the wood supply chain. Vortrag im Rahmen der FORMEC 46th International Symposium on Forestry Mechanization Stralsund vom PELZ, S. (2002): Eigenschaften und Verwendung des Holzes der Europäischen Lärche (Larix decidua Mill.) unter besonderer Berücksichtigung des Reaktionsholzes. Dissertation an der Fakultät für Forst- und Umweltwissenschaften der Albert-Ludwigs-Universität Freiburg i. Br. PISTORIUS, T. (2007): Die Bedeutung von Kohlenstoffbilanzen im Diskurs über die Einbindung der Forstwirtschaft in die nationale Klimapolitik. Dissertation an der Fakultät für Forst- und Umweltwissenschaften der Albert-Ludwigs-Universität Freiburg i. Br. PRETZSCH, H. (2000): Die Regeln von Reineke, Yoda und das Gesetz der räumlichen Allometrie. Allgemeine Forst- und Jagdzeitung 171 (2000) 11: S PRODAN, M. (1961): Forstliche Biometrie. Bayerischer Landwirtschaftsverlag, München, Bonn, Wien, 432 S. RAIS, A., PRETZSCH, H., KUILEN, VAN DE, J-W (2014): Roundwood pre-grading with longitudinal acoustic waves for production of structural boards. Eur. J. Wood Prod. (2014) 72: S DOI: /s REIMANN, M. (2014): Programm HOLZERNTE 8. Webseite der Abteilung Biometrie und Informatik der Baden-Württembergischen Forstlichen Versuchs- und Forschungsanstalt Freiburg. Online unter holzernte/holzernte8.html zuletzt aufgerufen am RICHTER, C. (2010): Holzmerkmale. Beschreibung der Merkmale, Ursachen, Vermeidung, Auswirkungen auf die Verwendung des Holzes, Technologische Anpassung. 3. Aktualisierte und erweiterte Auflage 2010, DRW-Verlag Weinbrenner, Leinfelden-Echterdingen. 224 S. ROßMANN, J., MEIßNER, J. (2010): Der Virtuelle Wald NRW Ableitung und Bearbeitung von Bestandesdaten für Inventuren und Forsteinrichtung aus Fernerkundungsdaten. In: NA- GEL, J. (Hrsg.): Deutscher Verband Forstlicher Forschungsanstalten (DVFFA) Sektion Ertragskunde: Beiträge zur Jahrestagung 2010: S

119 Verzeichnisse SALADIN, D. (2014): Bestimmung des Astkerndurchmessers an Fichte (Picea abies) aus TLS- Daten. Bachelorarbeit an der Fakultät für Umwelt und Natürliche Ressourcen der Albert-Ludwigs-Universität Freiburg i. Br. SAUTER, U. H. (1996): Höherwertige Verwendungen schwachen Kiefernholzes (Pinus sylvestris L.) -Bestimmung relevanter Holzeigenschaften von Schnittholz für Konstruktionszwecke und optisch herausgehobene Ansprüche. Abschlussbericht im Auftrag der Landesforstverwaltung Rheinland-Pfalz. 94 S. SAUTER, U. H. (2013): Persönliche Mitteilung am SAUTER, U. H. (2014): Vermessung und Qualitätsbestimmung des Rohholzes an der Schnittstelle zwischen forstlicher Produktion und Weiterverarbeitung in der Holzindustrie. Vortrag an der Professur für Forstbenutzung der Albert-Ludwigs-Universität Freiburg i. Br. anlässlich des Alumni-Kolloquiums am Online unter zuletzt aufgerufen am SAUTER, U. H., VERHOFF, S. (2010a): Review: Die Rundholzsortierung nach der neuen Europäischen Norm EN Teil 1: Aufbau der Normenserie Nadelrundholz und Teil-Norm Fichte/Tanne. Holztechnologie 51 (2010) 2: S SAUTER, U. H., VERHOFF, S. (2010b): Die Rundholzsortierung nach der neuen Europäischen Norm EN Teil 2: Rundholznormen Kiefer Lärche, Douglasie und Gesamtbetrachtung. Holztechnologie 51 (2010) 3: S SCHMIDT, M. (2001): Prognosemodelle für ausgewählte Holzqualitätsmerkmale wichtiger Baumarten. Dissertation an der Fakultät für Forstwissenschaften und Waldökologie der Georg-August-Universität Göttingen. SCHÜTT, C., BRAUN, E., KÜMMERER, A., THIES, M., SPIECKER, H. (2005): Einschätzung der Holzqualität an stehenden Bäumen - Teilautomatisierte Erkennung von Holzfehlern anhand von Rindenstrukturen. AFZ-Der Wald (60) 6: S SCHÜTT, C., SPIECKER, H., THIES, M. (2004): Qualitätsbestimmung von Wertholzstämmen. Holz- Zentralblatt 130. Jg., Nr. 46: S SEINTSCH, B. (2011): Stellung der Holzrohstoffe in der Kostenstruktur des Holz- und Papiergewerbes in Deutschland. Hamburg: vti; Zentrum Holzwirtschaft, Universität Hamburg. Arbeitsbericht des Instituts für Ökonomie der Forst- und Holzwirtschaft 2011/ S. SEIPP, R. (2012): Zusammenhänge zwischen Astdurchmessern am stehenden Baum und sortierrelevanten Astbasisdurchmessern von Fichte (Picea abies). Bachelorarbeit an der Fakultät für Forst- und Umweltwissenschaften der Albert-Ludwigs-Universität Freiburg i. Br. 111

120 Verzeichnisse SKOGFORSK (2014): StanForD Online unter: Zuletzt aufgerufen am SMALTSCHINSKI (1981): Bestandesdichte und Verteilungsstruktur. Dissertation an der Forstwissenschaftlichen Fakultät der Albert-Ludwigs-Universität zu Freiburg i. Br. SMALTSCHINSKI, T. (1983): Individuelle Baumschaftform und cubische Spline Interpolation. Allgemeine Forst- und Jagdzeitung 155 (1983): S SMALTSCHINSKI, T. (1986): Fehler bei Stammscheiben- und Bohrspananalysen. Forstw. Cbl. 105 (3): S SMALTSCHINSKI, T. (2001): Regionale Waldwachstumsprognose. Schriftenreihe Freiburger Forstliche Forschung; Bd. 12: Albert-Ludwigs-Universität Freiburg i. Br., Forstliche Versuchs- und Forschungsanstalt Baden-Württemberg SMALTSCHINSKI, T. (2011): Distributionslogistik der Bayerischen Staatsforsten für Rundholz. Allgemeine Forst- und Jagdzeitung 182 (2011) 3/4: S SMALTSCHINSKI, T., OPFERKUCH, M., BECKER, G., WEINACKER, H. (2010): Assessment of grades and quality of wood in forest stands via laser scanning. Proceedings des Symposium for Forest Mechanization FORMEC 2010 in Padua/Italien vom Online unter zuletzt aufgerufen am SPEIDEL, G. (1972): Planung im Forstbetrieb. Grundlagen und Methoden der Forsteinrichtung. Verlag Paul Parey, Hamburg, Berlin, 267 S. STAUDENMEIER, J. (2014): Persönliche Mitteilung am STEPIEN, E., GADOLA, C., LENZ, O., SCHÄR, E., SCHMID-HAAS, P. (1998): Die Taxierung der Holzqualität am stehenden Baum. Ber. Eidgenöss. Forsch.anst. Wald Schnee Landsch. 344: 68 S. STRAUB, C. (2010): Erfassung des Energieholzpotentials und seiner Verfügbarkeit im Wald und im Offenland mit neuen Fernerkundungsmethoden. Dissertation an der Fakultät für Forst- und Umweltwissenschaften der Albert-Ludwigs-Universität Freiburg i. Br. STRAUB, C., KOCH, B. (2011): Estimating Single Tree Stem Volume of Pinus sylvestris Using Airborne Laser Scanner and Multispectral Line Scanner Data. Remote Sens. 3 (2011) (5): S ; DOI: /rs THOMAS, R. (2000): Analyse des formes de troncs par photogrammétrie pour caractériser la qualité des bois. Application au pin sylvestre de Lozère. Dissertation an der Ecole Nationale du Génie Rural, des Eaux et Forêts (ENGREF), Centre de Montpellier TRUBKIN, A. (2012): Vergleich der Schnittholzausbeute von Fichte und Tanne für Konstruktionsvollholz. Bachelorarbeit an der Fakultät für Forst- und Umweltwissenschaften der Albert-Ludwigs-Universität Freiburg i. Br. 112

121 Verzeichnisse TRUNG, T., LEBLON, B. (2011): The role of sensors in the new forest products industry and forest bioeconomy. Canadian Journal of Forest Research 41(2011) 11: S , DOI: /x UUSITALO, J. (1997): Pre-harvest measurement of pine stands for sawing production planning. Acta Forestalia Fennica S. VASTARANTA, M., SAARINEN, N., KANKARE, V., HOLOPAINEN, M., KAARTINEN, H., HYYPPÄ, J., HYYPPÄ, H. (2014): Multisource Single-Tree Inventory in the Prediction of Tree Quality Variables and Logging Recoveries. Remote Sens. 6 (2014) 4: S DOI: /rs VAUHKONEN, J., MALTAMO, M., MEHTÄTALO, L., ORKA, H. O., GOBAKKEN, T., KRETSCHMER, U., WEINACKER, H., FRITZ, A., KOCH, B., ADLER, P., BARTH, A., WILHELMSSON, L., MÖLLER, J. J., SÖDERMAN, U. (2012): Description of tree and wood resources in the forest based novel technologies. FlexWood Project Deliverable No EU FP7 GRANT AGREE- MENT No VAUHKONEN, J., PACKALEN, P., MALINEN, J., PITKÄNEN, J., MALTAMO, M. (2013): Airborne laser scanning-based decision support for wood procurement planning. Scandinavian Journal of Forest Research, DOI: / WANG, Y., WEINACKER, H., KOCH, B. (2008): A Lidar Point Cloud Based Procedure for Vertical Canopy Structure Analysis And 3D Single Tree Modelling in Forest. Sensors 8 (2008) 6: S , DOI: /s WENK, G. (1985): Waldertragslehre. Unveröffentlichtes Manuskript WEI, Q., LEBLON, B., LA ROCQUE, A. (2011): On the use of X-ray computed tomography for determining wood properties: a review. Canadian Journal of Forest Research, 41 (2011) 11: S , DOI: /x WEIDENBACH, P., KARIUS, K. (1993): Betriebsinventur auf Stichprobenbasis als Element moderner Forsteinrichtung. Allgemeine Forstzeitschrift 48 (1993) 13: WEINER, P. (2014): Persönliche Mitteilung vom WIEGARD. C., NETZKER, D., VON GADOW, K. (1997): Die Erdstück-Methode der Wertinventur. Forstarchiv 68 (1997) 4: S WILD-ECK, S. (2000): Auf den Fundamenten der Sozialwissenschaft Methodologische Konzepte für die Befragung im forstlichen Kontext. In: Krott, M. und Suda, M. (Hrsg.): Befragung als Methode der Sozialforschung in der Forstwirtschaft. Sauerländer s Verlag, Frankfurt a.m., 160 S. WILHELM, G. (1996): Das rheinland-pfälzische Schwachholzkonzept: Frühzeitige, zuverlässige, umfassende Information zur erfolgreichen Bereitstellung und Vermarktung. Forsttechnische Informationen Nr. 12 (1996): S WILHELM, G. (1997): Das rheinland-pfälzische Schwachholzkonzept. Forst und Technik (5): S

122 Verzeichnisse WILLMANN, U., MAHLER, G., WURSTER, M. (2001): Güteansprache am stehenden Stamm im Rahmen der Bundeswaldinventur II. AFZ-DerWald (19): S WIPPEL, B., NIGGEMEYER, P. (2013): Vermarktung von Sondersortimenten. Abschlussbericht. Clusterinitiative Forst und Holz Baden-Württemberg. Online unter: Zuletzt aufgerufen am WOLF, E. (1973): Zur Optimierung der Transportlänge von Rohschäften. Mitteilungen der Baden-Württembergischen Forstlichen Versuchs- und Forschungsanstalt. Heft 56. Abteilung Waldarbeit und Forsttechnik Nr. 28. ZELL, J. (2008): Methoden für die Ermittlung, Modellierung und Prognose der Kohlenstoffspeicherung in Wäldern auf Grundlage permanenter Großrauminventuren. Dissertation an der Fakultät für Forst- und Umweltwissenschaften der Albert-Ludwigs-Universität Freiburg i. Br. ZIEGELER, M. (2008): Sicherung der forstbetrieblichen Wertschöpfung aus dem Verkauf stehenden Holzes an selbstwerbende Unternehmen. Dissertation an der Fakultät für Forstwissenschaften und Waldökologie der Georg-August-Universität Göttingen. Universitätsverlag Göttingen. 114

123 11 Anhang Tabelle 28: Güteeinteilungstabelle nach MAHLER ET AL. (2001) 115

124 Anhang Tabelle 29: Ergebnis der Güteansprache am stehenden Stamm für die 42 angesprochenen Kiefern Bestand d 1,3 Güte Astigkeit Rinde Gesamteindruck/ Krümmung Schaden 15 4 bis 4,5m leicht beulig, darüber feinastig fein Krümmung bei 2 und 5m Fällschaden bei 2-3m 18 3 feinastig ab 3m, ab 6m gröber OK gerade keine 20 3 keine Beulen, feinastig ab 3m, ab 7m stärker keine 22 4 bis 4m astfrei, darüber astig OK leichte Krümmung keine geringes Baumholz mittleres Baumholz starkes Baumholz TLS Plots 22 5 keine Beulen, aber Astnarben, ab 6m astig, OK krumm keine 22 5 dünn astig am ganzen Stamm, keine Beulen OK unschnürige Krümmung: bis 4m Bogen, dann gerade keine 23 4 unten Narben, astig ab 5,5m, keine Beulen OK Krummer Stammfuß bis 4m, darüber gerade keine 23 4 ohne Beulen astfrei bis 6m, einige Narben fein, Spiegelrinde gerade bis 7m ab 3m keine 24 5 beulig und Aststummel ab 2m, tw. schwarzastig, ab 6m stark astig OK unschnürig keine 24 5 Aststummel ab 2,5m grob leichte Krümmung keine 24 5 Astnarben ab 2,5m, Aststummel ab 3,5m Äste ab 7m OK unschnürige Krümmung 1m 27 3 Narben, sonst astfrei bis 5m, schwache fein, Spiegelrinde einschnürig Äste ab 5m, Stummel ab 9m, keine Beulen ab 5m keine 29 3 wenig Narben, kaum Beulen bis 5m, Gerade bis 7m, dann leicht OK nahezu astfrei bis 7m gekrümmt Schaden auf 7m 30 4 leicht beulig, Stummel ab 4,5m; Schwarzäste 5-7m OK gerade keine 30 4 einzelne Aststummel 5-7m, darüber mehr, Astnarben unter 5m, leicht beulig gut gerade keine 31 3 Astfrei bis 5m, darüber feine Äste; ohne Beulen bis 7m gut gerade, leichte Krümmung ab 6m keine 33 2 feine Narben, astfrei bis 5m, gröbere fein, Spiegel ab Narben und kaum Beulen ab 5m 7m gut leichte Einschnürigkeit keine 33 4 Narben ab 2,5m, Beulen und gröbere Astnarben ab 5m ab 5m 33 5 stark beulig, Aststummel ab 7m 34 3 leicht beulig, bis 5m astfrei, einzelne Narben ab 5m, feine Aststummel ab 7m fein ab 3m, OK aufgebrochen schuppig OK 36 4 Beulig, Schwarzäste ab 4m OK 37 3 gerade, leicht geneigt unschnürig gerade bis 7m, dann stärkere Krümmung Stammfuß bis auf 5m einschnürig, dann gerade astfrei bis 7m, wenig Narben, leicht beulig bis 5m, darüber mehr, Aststummel ab 7m gut Stammfuß gekrümmt, darüber leicht Fällschäden bei 1, 3 und 5m 35 2 leichte Beulen ab 2,5m u. leichte Astnarben gewellt, sonst gut gerade keine 35 4 Beulig, ab 6m astig, ab 8m grobastig grob geneigt, starke Krümmung in 8m Fällschäden bei 2,5m und 6m 40 2 glatt, 2m astfrei; mittl. Beulen ab 3m, leichte Narben schuppig gerade, 1b 12m gekrümmt keine 42 5 große Astnarbe 5,5m, keine Beulen unruhig starke Krümmung, unschnürig, Drehwuchs keine 43 4 Astfrei, kl. Astnarben, 1 Aststummel auf 6m OK leichter Drehwuchs sehr Fällschaden überwallt auf 3m 43 3 Astfrei bis 12m, Astnarben ab 2,5m, Astausbruch OK einschnürig schwach beulig überwallt auf 6m 45 5 leicht beulig, Astnarben ab 3,5m grob geneigt, gekrümmter Stammfuß, Schaden 2m u. dann unschnürig gekrümmt Stammfuß glatt, 2m geneigt, 1schnürige Krümmung bis 45 2 Ast- und Beulenfrei, sehr schwache Narben schuppig 7m, darüber gerade keine 46 2 leicht beulig ab 3m einseitig OK geneigt gerade Schaden (Astausbruch) auf 8m 47 3 keine gleichmäßig Sehr schön ab 1,5m; geneigt gerade Schaden 1m-1,5m (leicht gekrümmter Stammfuß) 50 5 stark beulig, Astnarben aber keine Äste OK unschnürig keine 47 4 beulig OK leicht gekrümmt keine 50 4 beulig OK keine 47 4 beulig gleichmäßig leicht gekrümmt keine 43 4 beulig, Astnarben schuppig vereinzelt 45 4 astfrei sonst besser krumm keine 69 5 beulig grob gerade mehrere Schäden 51 4 leicht beulig OK gut, geneigt gerade, Ovalität keine 54 4 leicht beulig OK Ovalität, leichte Krümmung keine 65 4 Beulen OK krumm Fällschaden keine keine keine ab 7m 116

125 Anhang Tabelle 30: Prozentuales Volumen je Durchmesserklasse und Bestand für die Zuordnung zu natürlichen Altersklassen WEFLKZ D-klasse AKl ,1,1,1,11,k,2, 1 40,1 58,3 1,6 212,1,1,2,28,k,4, 1 12,2 79,7 5,3 2,8 212,1,1,2,29,k,3, 1 12,0 82,0 6,0 212,1,1,2,30,k,2, 1 7,7 80,1 12,2 212,1,1,2,30,k,3, 1 0,0 2,5 67,6 24,4 3,6 1,4 0,1 0,3 212,1,1,3,1,e,2, 1 41,5 29,1 29,5 212,1,1,7,10,h,3, 1 19,7 80,3 212,1,1,7,10,k,4, 1 0,0 0,7 14,0 67,9 17,0 0,5 212,1,1,7,6,k,3, 1 0,5 47,2 51,1 1,2 212,1,1,7,7,k,4, 1 0,1 14,9 69,7 13,3 1,7 0,4 212,1,1,7,8,k,3, 1 0,0 9,1 71,7 18,8 0,4 212,1,1,7,9,k,2, 1 0,5 46,2 47,3 1,7 2,8 0,7 0,9 212,1,1,1,10,h,11, 2 1,5 8,6 19,8 28,9 41,2 212,1,1,1,11,k,14/0, 2 1,1 6,7 4,7 3,4 5,4 43,1 35,7 212,1,1,2,19,e,3, 2 1,0 26,3 7,1 15,1 6,0 17,4 9,8 17,3 212,1,1,2,20,k,6, 2 0,6 3,6 32,1 50,6 11,0 2,1 212,1,1,2,23,k,6, 2 0,0 0,4 3,5 19,9 50,3 20,1 3,7 1,3 0,6 212,1,1,2,24,k,6, 2 0,0 0,4 3,1 21,2 52,4 18,0 3,6 1,0 0,1 0,1 212,1,1,2,25,k,6, 2 0,0 0,5 2,5 21,1 49,9 19,2 5,4 1,2 0,3 212,1,1,2,27,k,6, 2 0,1 1,5 6,5 27,2 43,1 16,5 4,5 0,5 0,1 0,2 212,1,1,2,29,k,4, 2 0,0 0,3 11,8 74,9 13,0 212,1,1,3,1,k,5, 2 0,4 2,3 32,6 55,8 7,8 1,2 212,1,1,4,1,k,4, 2 0,0 0,2 12,2 58,6 23,2 4,2 0,7 0,3 0,2 0,2 0,2 0,2 212,1,1,7,15,k,6, 2 0,1 1,2 14,3 67,3 16,6 0,5 212,1,1,7,16,k,6, 2 0,0 0,7 5,3 42,7 44,6 5,5 1,1 0,2 212,1,1,7,17,h,6, 2 5,6 13,8 34,3 41,1 5,2 212,1,1,7,17,k,10, 2 0,2 1,4 26,7 51,9 16,2 3,5 212,1,1,7,18,e,2/10, 2 0,2 1,4 4,9 27,7 34,0 19,7 6,4 5,8 212,1,1,7,5,d,4, 2 0,9 6,7 45,3 43,6 3,5 212,1,1,7,7,k,6, 2 0,4 3,8 39,5 45,8 9,0 1,1 0,4 212,1,1,7,8,k,6, 2 0,2 2,0 19,8 67,5 9,9 0,7 212,1,1,7,9,k,6, 2 0,1 1,2 14,1 66,0 17,6 1,0 212,1,1,1,10,k,12, 3 1,0 4,0 17,1 37,1 21,5 6,6 5,4 3,3 4,2 212,1,1,1,3,k,13, 3 1,4 11,2 33,2 37,8 4,3 6,4 1,8 3,9 212,1,1,1,6,k,9, 3 2,7 5,3 35,7 38,8 13,5 4,1 212,1,1,1,7,k,12, 3 10,7 31,9 37,1 8,2 12,0 212,1,1,1,7,k,6, 3 0,4 3,6 15,7 42,4 26,6 8,4 3,0 212,1,1,1,8,k,12, 3 11,4 46,8 24,8 8,0 2,9 6,1 212,1,1,1,8,k,13, 3 0,6 2,1 5,7 20,2 29,5 19,1 12,9 5,1 4,9 212,1,1,1,9,d,5, 3 0,1 1,7 14,2 43,2 32,1 6,4 1,5 0,8 212,1,1,1,9,d,8, 3 3,8 17,1 36,3 26,4 9,3 3,4 3,8 212,1,1,1,9,k,13/1, 3 0,8 0,9 19,1 35,1 19,3 10,9 11,3 2,6 212,1,1,2,17,k,8, 3 0,1 0,3 1,7 5,7 20,2 24,3 22,4 13,2 8,2 1,1 2,8 212,1,1,2,18,k,11, 3 2,3 7,3 64,4 26,1 212,1,1,2,18,k,8, 3 0,2 1,4 9,0 24,6 29,7 23,0 6,7 4,0 0,6 0,9 212,1,1,2,19,k,11, 3 1,9 12,8 43,9 26,9 9,0 2,8 1,1 1,6 212,1,1,2,19,k,8, 3 0,2 0,9 2,8 19,3 34,4 21,5 8,3 4,6 4,4 1,4 0,8 1,3 212,1,1,2,20,d,6/0, 3 0,1 0,2 4,5 22,5 42,3 22,6 3,6 1,9 2,3 212,1,1,2,20,k,10, 3 1,7 6,0 12,6 34,8 20,0 15,9 8,9 212,1,1,2,20,k,8, 3 0,3 1,5 5,6 27,9 37,0 16,8 6,1 3,8 1,1 212,1,1,2,21,k,12, 3 5,0 12,7 32,0 27,9 6,5 7,1 8,9 212,1,1,2,22,k,13, 3 0,5 3,8 12,2 34,4 22,4 16,0 6,7 2,9 1,2 212,1,1,2,22,k,6, 3 1,2 4,6 46,9 36,1 3,4 7,8 212,1,1,2,23,k,9, 3 0,4 1,1 16,6 41,8 23,0 13,9 3,3 212,1,1,2,24,k,13, 3 2,3 19,5 51,5 10,4 6,6 3,7 6,1 212,1,1,2,24,k,8, 3 0,0 1,1 9,7 27,6 28,6 15,3 8,3 5,9 1,8 1,0 0,3 0,4 212,1,1,2,25,k,8, 3 0,2 0,8 5,5 28,6 36,4 14,7 8,2 3,7 0,7 1,3 212,1,1,2,26,k,14, 3 0,1 0,2 0,9 2,7 11,0 30,1 22,5 10,2 7,9 8,9 2,4 3,1 212,1,1,2,27,k,9, 3 0,5 5,0 15,0 27,8 20,8 13,6 13,0 1,6 2,9 212,1,1,2,28,k,13, 3 1,4 2,1 11,7 23,5 29,9 11,1 5,4 3,5 5,6 5,9 212,1,1,2,30,k,16/1+0, 3 0,8 1,9 7,0 18,4 12,3 18,6 18,5 5,8 7,6 3,6 5,6 212,1,1,2,31,k,11, 3 0,7 3,4 9,9 24,1 37,3 12,6 6,1 5,9 212,1,1,2,33,k,9, 3 0,2 1,4 11,7 32,1 35,6 9,5 2,5 4,6 2,5 212,1,1,3,1,k,16/7, 3 0,1 0,1 1,0 3,8 9,9 16,1 23,3 20,2 13,6 5,1 2,3 4,5 212,1,1,4,12,e,8/10, 3 3,2 35,4 31,0 20,1 6,4 3,9 212,1,1,7,11,k,1/0, 3 0,6 0,4 3,4 1,0 12,1 21,8 29,5 11,4 13,3 6,4 212,1,1,7,11,k,11, 3 0,0 0,3 2,7 14,7 29,4 23,6 12,4 11,3 2,3 2,5 0,9 212,1,1,7,11,k,13, 3 0,4 0,4 6,0 23,2 31,5 17,4 6,9 5,8 4,8 3,8 212,1,1,7,15,d,5, 3 0,0 0,2 0,7 2,8 22,2 46,7 21,5 3,3 1,7 1,0 212,1,1,7,15,k,12, 3 0,1 1,0 10,1 25,9 31,9 16,5 7,1 3,6 2,4 0,6 0,7 212,1,1,7,17,k,6, 3 0,1 1,1 12,3 58,8 18,6 8,1 1,1 212,1,1,7,18,k,10, 3 0,2 1,8 17,6 36,3 26,1 10,8 4,6 2,1 0,5 212,1,1,7,19,k,9, 3 0,0 0,3 1,7 8,9 31,2 37,3 12,1 4,5 1,6 1,4 0,7 0,5 212,1,1,7,5,k,14, 3 0,5 5,7 19,7 29,8 17,2 11,6 9,2 3,0 3,2 212,1,1,7,6,e,10, 3 0,9 1,7 20,1 39,0 22,0 5,7 10,5 212,1,1,7,6,k,10, 3 0,2 2,2 6,0 10,9 19,7 29,1 13,3 12,4 6,3 212,1,1,7,8,k,11, 3 1,3 10,4 37,1 32,1 11,8 4,2 2,0 1,1 212,1,1,7,9,k,16, 3 0,9 5,7 8,6 17,6 21,9 15,9 6,2 14,7 8,7 117

126 Anhang Tabelle 31: Parameter der Weibullfunktion, Fläche und Kiefernvolumen der Untersuchungsbestände (gelb, grün und rot symbolisieren die Testbestände gering, mittel und stark) WEFLKZ AKl Fläche [ha] V [m3/ha] a b c 212,1,1,2,30,k,2, 1 0,05 15,7 5 7, ,25 212,1,1,3,1,e,2, 1 0,16 44,3 10 5, ,25 212,1,1,7,9,k,2, 1 2,99 60, , ,75 212,1,1,1,11,k,2, 1 0,60 71,4 15 6, ,25 212,1,1,7,10,h,3, 1 0,05 74,8 15 5, ,25 212,1,1,2,29,k,3, 1 0,82 78,5 15 7, ,25 212,1,1,7,8,k,3, 1 7,08 100, , ,25 212,1,1,2,30,k,3, 1 11,02 115, , ,75 212,1,1,7,6,k,3, 1 3,94 128, , ,75 212,1,1,7,7,k,4, 1 6,52 129, , ,25 212,1,1,2,28,k,4, 1 0,42 133,3 20 7, ,75 212,1,1,7,10,k,4, 1 7, , ,75 212,1,1,7,17,h,6, 2 0,45 129, , ,75 212,1,1,2,19,e,3, 2 0,13 146, , ,25 212,1,1,1,10,h,11, 2 0,09 149, , ,25 212,1,1,2,29,k,4, 2 7,98 159, , ,25 212,1,1,7,17,k,10, 2 1,34 162, ,1611 5,25 212,1,1,7,18,e,2/10, 2 0,54 166, , ,75 212,1,1,4,1,k,4, 2 14,73 166, , ,75 212,1,1,7,8,k,6, 2 4,24 211, , ,25 212,1,1,7,9,k,6, 2 2,69 224, , ,25 212,1,1,7,5,d,4, 2 0,59 225, , ,25 212,1,1,1,11,k,14/0, 2 0,08 228, , ,75 212,1,1,7,15,k,6, 2 1,25 233, , ,25 212,1,1,2,25,k,6, 2 4,49 234, , ,25 212,1,1,2,23,k,6, 2 1,88 237, , ,25 212,1,1,7,7,k,6, 2 3,03 239, , ,25 212,1,1,7,16,k,6, 2 14,01 241, , ,75 212,1,1,2,20,k,6, 2 1,96 241, , ,75 212,1,1,3,1,k,5, 2 0,79 250, , ,25 212,1,1,2,27,k,6, 2 8,17 265, , ,75 212,1,1,2,24,k,6, 2 10,33 286, , ,25 212,1,1,1,3,k,13, 3 0,91 167, , ,75 212,1,1,7,8,k,11, 3 1, , ,75 212,1,1,1,6,k,9, 3 0, , ,75 212,1,1,1,8,k,12, 3 0,45 184, , ,25 212,1,1,1,7,k,12, 3 0,18 194, , ,25 212,1,1,7,18,k,10, 3 3,77 194, , ,25 212,1,1,7,6,e,10, 3 0,18 196, , ,25 212,1,1,2,19,k,11, 3 1,35 199, , ,75 212,1,1,2,24,k,13, 3 0,40 200, , ,75 212,1,1,4,12,e,8/10, 3 0,81 202, ,6612 2,75 212,1,1,1,8,k,13, 3 1,26 202, , ,75 212,1,1,7,15,k,12, 3 3, , ,25 212,1,1,1,10,k,12, 3 0,55 215, ,9274 3,25 212,1,1,2,22,k,13, 3 1,78 223,3 5 43, ,25 212,1,1,2,33,k,9, 3 0,93 230, , ,75 212,1,1,1,9,k,13/1, 3 0,63 232, , ,25 212,1,1,2,18,k,11, 3 0,15 233, , ,25 212,1,1,7,19,k,9, 3 6,19 236, , ,75 212,1,1,7,15,d,5, 3 1,73 240, , ,75 212,1,1,7,17,k,6, 3 0,93 241, , ,75 212,1,1,1,9,d,5, 3 1,49 243, , ,25 212,1,1,2,31,k,11, 3 0,67 243, , ,75 212,1,1,2,17,k,8, 3 1,29 245, , ,25 212,1,1,2,26,k,14, 3 0,85 249, , ,75 212,1,1,7,5,k,14, 3 0,54 250, , ,75 212,1,1,2,20,k,8, 3 1,74 251, , ,75 212,1,1,1,9,d,8, 3 0,49 252, , ,25 212,1,1,2,22,k,6, 3 0,52 254, , ,75 212,1,1,2,21,k,12, 3 0,18 255, , ,75 212,1,1,2,20,k,10, 3 0,26 256, , ,75 212,1,1,7,6,k,10, 3 0,40 258, , ,75 212,1,1,2,30,k,16/1+0, 3 0,62 258, , ,75 212,1,1,1,7,k,6, 3 1,67 265, ,268 4,25 212,1,1,3,1,k,16/7, 3 0,80 267, , ,75 212,1,1,2,25,k,8, 3 4,06 271, , ,75 212,1,1,7,9,k,16, 3 0,38 274, , ,75 212,1,1,2,28,k,13, 3 0,45 275, , ,25 212,1,1,2,24,k,8, 3 6, , ,25 212,1,1,2,20,d,6/0, 3 0,69 297, , ,75 212,1,1,7,11,k,11, 3 1,80 301, ,6064 4,25 212,1,1,7,11,k,13, 3 0,94 302, , ,25 212,1,1,2,18,k,8, 3 1,89 305, ,1072 3,75 212,1,1,2,19,k,8, 3 2,08 307, , ,25 212,1,1,2,23,k,9, 3 0,30 310, ,9503 4,25 212,1,1,2,27,k,9, 3 2,48 332, , ,25 212,1,1,7,11,k,1/0, 3 0,26 372, , ,75 118

127 Anhang Tabelle 32: Darstellung der Sorten in S2 je Durchmesserklasse mit Stückzahl und Volumen je Qualität u. Stärkeklasse für Langholz. Dklasse Tabelle 33: Darstellung der Sortimentskombination S2 mit mittlerem Durchmesser (Mitten- und Zopfdurchmesser), Stärkeklasse und Volumen je Durchmesserklasse und Testbestand und Lage im Stamm. Statt des 1. Abschnitts wird hier Langholz (LH) von 10 m Länge ausgehalten. Dklasse 119

128 Anhang Tabelle 34: Darstellung der Sorten in S2 mit Stückzahl und Volumen je Qualität u. Stärkeklasse für Kurzholz. Rechts: Summe je Qualität und Restderbholz für Kurz- und Langholz. Dklasse 120

129 Anhang Tabelle 35: Darstellung der Sortimentskombination S3 mit mittlerem Durchmesser (Mitten- und Zopfdurchmesser), Stärkeklasse und Volumen je Durchmesserklasse und Testbestand und Lage im Stamm. Links Langholz, rechts Kurzholz. Ganz rechts die Berechnung der Stückzahl und Volumina pro Qualität und Lage im Stamm (für ABS und LH) Dklasse Dklasse Tabelle 36: Darstellung der Sortimentskombination S3 Stückzahl und Volumen je Qualität und Stärkeklasse für Langholz. 121

130 Anhang Tabelle 37: Darstellung der Sortimentskombination S3 Stückzahl und Volumen je Qualität und Stärkeklasse für Kurzholz. Rechts: Summe je Qualität und Restderbholz für Kurzund Langholz. Dklasse 122