Funktioner för skattning av skogsbestånds kapitalförräntning

Målet för en enskild markägares skogsbruk kan variera, utöver ekonomisk avkastning kan skogen ge icke-monetära värden. För de flesta är dock ekonomisk avkastning i form av kapitalförräntning det viktigaste och för att maximera detta är det ofta önskvärt med beslutsstöd i form av program där optimering kan göras. För detta ändamål kan Heureka PlanVis, som utvecklats vid Sveriges lantbruksuniversitet, användas. Genom att göra rätt prioritering av slutavverkningsbestånd finns stora vinster att göra för enskilda skogsägare. Inom området för skoglig fjärranalys har nya metoder tagits fram med goda resultat. Laserskanning av skog är en av dessa och har visat sig vara användbar vid skoglig planering. Syftet med denna studie är att ta fram två funktioner för beräkning av kapitalförräntning, en större och en mindre. Den mindre funktionen kan användas med uppgifter framtagna via fjärranalys, till den större funktionen behöver informationen kompletteras med uppgifter från fältbesök. Funktionerna har tagits fram genom regressionsanalyser av skoglig information och information om kapitalförräntning som erhållits via framskrivningar i Heureka PlanVis. I studien användes material från Riksskogstaxeringen. Studien visar att skogens kapitalförräntning kan skattas genom linjära funktioner med uppgifter om volym, diameter, ålder, latitud, altitud och diameterspridning. Relativt RMSE för den större funktionen är 38,8%, för den mindre funktionen är relativt RMSE 65,2%.The goals with forestry of an individual forest owner may vary. In addition to financial return, the forest can provide non-monetary values. For most, however, economic return is of big importance. To maximize the economic return, Decision Support System is required in which optimization can be done. For this purpose, Heureka PlanWise, developed at the Swedish University of Agricultural Science, can be used. If the right prioritization of stands to harvest is done, greater financial profit can be made by the forest owners. In the field of forest remote sensing, new methods have been developed with good results. Laser scanning for estimations of forest information is one of these, and the accuracy in the data has proven to be useful in forest planning. The purpose of this study is to develop two functions for calculating capital return, one larger and one smaller. The smaller function can be used with data compiled through remote sensing, for the larger function, the information needs to be supplemented with data from field inventories. The functions have been developed through regression analysis of forest information and information about capital return obtained through simulations in Heureka PlanWise. In the study, material from the national forest inventory was used. The study shows that the capital return can be estimated using linear functions with data on volume, diameter, age, latitude, altitude and distribution of diameter. Relative RMSE for the larger function was 38.8%, for the smaller function relative RMSE was 65.2%