Die Erfindung betrifft ein Verfahren zur selektiven Holzernte in einem Forstbestand und eine Vorrichtung zur Fällung und Ästung, welche ein Fahrzeug, sowie ein Auf- nahmemodul und eine Steuerung, die auf Daten zugreifen kann, umfasst, und das Fahrzeug durch den Forstbestand bewegt wird und selektiv fällt und ästet, und das Aufnahmemodul dabei den Bestand erfasst, um die Navigation des Fahrzeuges zu unterstützen. Die selektive Holzernte kann dabei unterschiedliche Ziele verfolgen, die unter Umständen mehrere Jahrzehnte in der Zukunft liegen, wie beispielsweise die Optimierung des Holzertrages, die Erhöhung der Stabilität oder der Biodiversi- tät des Waldbestandes.

Unter Fahrzeug versteht sich hier neben klassischen Fahrzeugen auch Maschinen, die zur Fortbewegung geeignet sind, wie spinnenartige Schreitmaschinen.

Derartige Vorrichtungen und Verfahren zur selektiven Holzernte in einem Forstbe- stand sind beispielsweise durch selbstfahrende Holzerntemaschinen, die auch im deutschsprachigen Raum "Harvester" genannt werden, bekannt. Diese Holzernte- maschinen können bemannt oder unbemannt aufgrund von aufgenommenen Da- ten zur Navigation einen Baum des Forstbestandes, der zur Fällung bestimmt ist, auffinden. Dieser Baum kann beispielsweise in einfacher Art und Weise vorher mit einer eisenhaltigen Farbe gekennzeichnet werden und die Holzerntemaschine er- kennt diesen, bewegt sich zu ihm und fällt ihn.

Fällungsentscheidungen könnten derzeit beispielsweise, wenn alle nötigen Daten des Forstbestandes vorhanden sind, in folgender Art und Weise durchgeführt wer- den :

Es werden zumindest zwei Messungen zu unterschiedlichen Zeitpunkten des Durchmessers zumindest eines Baumes durchgeführt, die relevantesten Bedingun- gen für das Wachstum des Baumes sind bekannt. Die Berechnung eines zukünfti- gen Durchmessers erfolgt anhand eines Waldwachstumsmodells. Die Fällungsent- scheidung erfolgt anhand dieses Modells. Dies geschieht, um am Tag der Fällung gezielt die Bäume anfahren zu können, die gefällt werden sollen.

Dabei ist dieses Verfahren sehr fehleranfällig, da verschiedene Einflussfaktoren nach dem letzten Messpunkt nicht mehr berücksichtigt werden können und die Durchmesser der Bäume in der Regel stark von den mit dem Modell bestimmten Durchmessern variieren. Eine andere Möglichkeit besteht, wenn Messungen unmittelbar oder kurz vor der Fällung durchgeführt werden, und die Fällungsentscheidung aufgrund dieser ein- maligen Messung erfolgt. Diese Methode lässt jedoch keine Prognose und keine Optimierung hinsichtlich eines bestimmten Zeithorizonts zu, wie es mithilfe des oben angegebenen Waldwachstumsmodells möglich wäre, beispielsweise die wirt- schaftliche Optimierung für ein Zeitfenster von zwanzig Jahren.

Aus der US 2006/0096667 Al geht eine Vorrichtung zur Fällung, nämlich ein Har- vester hervor. Die Vorrichtung wird durch den Forst bewegt und fällt.

Sensoren sind an eigenen Maschinen zur Erkundung des Forstbestands vorgese- hen, die vor der Holzernte eine Bestandsaufnahme vornehmen. Aufgrund dieser vorhergehenden Bestandsaufnahme mit separaten Geräten wird eine Ernteent- scheidungen im Voraus getroffen, und es werden nur jene Bäume angesteuert und geerntet, die vorherbestimmt wurden.

Die Abschätzung des Wachstums wird anhand von Wachstumsmodellen getroffen, die auch mittels Feedbacks von den Harvester wie oben angegeben optimiert wer- den.

Im Unterschied zu den üblichen Verfahren wird hierbei vor der Fällungsentschei- dung keine zweite Messung durchgeführt, sondern anhand der vorher ermittelten Daten und dem Wachstumsmodell eine Entscheidung getroffen, daher sind die Fehler zu den üblichen Methoden bei der Erntung erhöht. Die Anpassung an den wahren Wert und eine Verbesserung der Wachstumsmodelle wird erst nach der Erntung vorgenommen. Daher weicht der erwartete Ertrag weit von dem wahren Wert ab. Erst bei einem neuerlichen Ernteversuch kann das verbesserte Wachs- tumsmodell zum Einsatz kommen. Dieses verbesserte Wachstumsmodell kann aber auch für diesen erneut bevorstehenden Ernteversuch falsch sein und so stark vom realen Wachstum abweichen.

Der Unterschied im Verfahren liegt dabei in der sofortigen Verwertung der Daten und dem Weggehen von einem festen vorgelegten Plan vor der Erntung. Im Un- terschied zu allen bekannten Verfahren dazu wird kein Plan erstellt. Der Harvester beginnt mit der Aufnahme und entscheidet direkt vor Ort in Echtzeit, ob der Baum gefällt wird oder nicht, oder ob er geästet wird oder nicht.

US 2009/0278839 Al dient dem Zweck Arbeiten im Wald oder auf einem Land- stück zu überwachen und Änderungen in den Gegebenheiten schnell in einer Karte zu erfassen. So befasst sie sich mit "land management operations" und auch mit dem Management von Harvestern. Es werden von Sensoren aufgenommenen Größen mit den Informationen über das Landstück in der Karte verglichen und durch die neuen Aufnahmen entweder be- stätigt oder aktualisiert. Es wird lediglich der Vorgang einer Ernte aufgenommen und dokumentiert, und es werden nur Daten zur Anzeige gesammelt. Leider ist kein Verfahren zur Holzernte darin angegeben.

Aufgabe der vorliegenden Erfindung ist es ein Verfahren und eine Vorrichtung an- zugeben, die eine gute Optimierung der selektiven Holzernte in einem Forstbe- stand zulässt, und bei der Fehler minimiert werden.

Diese Aufgabe wird durch ein eingangs erwähntes Verfahren erfindungsgemäß da- durch gelöst, dass das Aufnahmemodul mindestens einen Entscheidungsparame- ter erfasst, und die Steuerung damit in Echtzeit eine Entscheidung zur selektiven Fällung und Ästung trifft, und dass das Aufnahmemodul eine Einheit zur Jahr- ringserfassung aufweist, und Jahrringanzahl und/oder Jahrringdicken der einzel- nen Bäume des Forstbestandes durch diese Einheit des Aufnahmemoduls - vor- zugsweise während der Fällung - gemessen werden. Dadurch ist es möglich, ge- naue Optimierungen genau zum benötigten Zeitpunkt anzustellen, und es wird eine verbesserte Anpassung der Wachstumsmodelle in Echtzeit vor allem durch die Jahrringserfassung erreicht.

Das führt zu einer Verbesserung des Verfahrens sowie zu einer insgesamt verbes- serten Fällungsentscheidung.

Dadurch sind keine umständlichen Messungen zu mehreren Zeitpunkten nötig, sondern es ist nur eine einmalige Aufnahme nötig, aus der Daten gebildet werden, wie dies bei allen anderen Verfahren gemacht wird, und eine zweite Aufnahme während des Holzerntevorgangs. Die Fehler und Abweichungen vom Modell wer- den dadurch reduziert, und es wird eine maximale Flexibilität und höchste Reak- tionsgeschwindigkeit bei geänderten Gegebenheiten erreicht.

Eine Vorrichtung löst diese Aufgabe mit den oben genannten Vorteilen erfindungs- gemäß dadurch, dass die Steuerung mit dem Aufnahmemodul und dem Fahrzeug signalleitend verbunden ist und eine Rechenleistung aufweist, sodass eine Fäl- lungsentscheidung - vorzugsweise unter Einsatz von zumindest einem Modell - in Echtzeit getroffen wird, und dass das Aufnahmemodul eine Einheit zur Jahrringser- fassung aufweist, und Jahrringanzahl und/oder Jahrringdicken der einzelnen Bäume des Forstbestandes durch diese Einheit des Aufnahmemoduls gemessen werden. Durch die Bestimmung der Jahrringanzahl oder der Jahrringdicken ist es möglich, das Wachstum eines Baumes im Verlauf der vergangenen Jahre zu be- stimmen, und auch das zukünftige Wachstum eines anderen Baumes oder des Waldes im Allgemeinen besser zu modellieren. Dadurch ist eine verbesserte An- passung der Wachstumsmodelle an örtliche Gegebenheiten möglich. Durch Jahr- ringserfassung in Kombination mit der geeigneten Rechnerleistung ist eine Zu- wachsprognose in Echtzeit möglich.

Die Vorrichtung zur Jahrringserfassung kann dabei durch eine kleine Kamera am Harvester oder am Schnittgerät gebildet sein, die aus kurzer Distanz nach dem eigentlichen Fällungsvorgang eine Aufnahme der Jahrringe des betrachteten Bau- mes durchführt.

Es ist günstig, wenn der Durchmesser zumindest eines noch nicht geernteten Bau- mes an zumindest einer Stelle seines Stamms mittels Laserscanner ermittelt wird, wobei der Durchmesser als zumindest ein Entscheidungsparameter durch das Auf- nahmemodul aufgenommen wird.

Um eine bessere Abschätzung oder Berechnung des aktuellen und zukünftigen Wertes eines Baumes abgeben zu können, ist es von Vorteil, wenn die Höhe zu- mindest eines noch nicht geernteten Baumes als Entscheidungsparameter durch das Aufnahmemodul aufgenommen wird.

Um bessere Zukunftsprognosen abgeben zu können, ist in einer besonderen Va- riante des Verfahrens vorgesehen, dass zumindest eine Größe einer Krone eines Baumes als Entscheidungsparameter durch das Aufnahmemodul aufgenommen wird.

Weiters ist es von Vorteil, wenn die Distanz jedes Baumes zu den benachbarten Bäumen als Entscheidungsparameter durch das Aufnahmemodul aufgenommen wird, weil dadurch die Konkurrenzsituation hinsichtlich Licht, Wasser und Nähr- stoffen besser abgeschätzt werden kann.

Um den Wert des Baumes bestimmen zu können, ist es günstig, wenn zumindest die Baumart als Entscheidungsparameter aus Aufnahmen des Aufnahmemoduls durch die Steuerung bestimmt wird.

Dabei ist es günstig, wenn die Einheit zur Jahrringserfassung mit zumindest einer Sägevorrichtung gekoppelt ist und zumindest einen optischen Sensor aufweist.

Die Einheit zur Jahrringserfassung umfasst ein Sägewerkzeug wie beispielsweise eine Kettensäge, die mit einem zumindest einem optischen Sensor kombiniert ist. Dabei kann der optische Sensor in dem Schwert der Kettensäge integriert sein, oder in Form einer kleinen Kamera ausgeführt sein, die nach dem Schnitt des Stamms eine Aufnahme der Schnittfläche macht. Daraus lässt sich das zurücklie- gende jährliche Wachstum berechnen und das zukünftige Wachstum ableiten. Es ist in einer besonderen Ausführung vorgesehen, dass das Aufnahmemodul eine Einheit zur Entnahme und Analyse von Bodenproben aufweist, und dass bei Ver- arbeitung der Aufnahmen durch das Aufnahmemodul gespeicherte Daten aus früheren Erfassungen - vorzugsweise durch die Vorrichtung durchgeführte Erfas- sungen - des Forstbestandes verwendet werden.

Um vor allem in abgelegenen Forstbeständen eine schnelle Berechnung zu gewähr- leisten, ist es günstig, wenn die Steuerung am Fahrzeug angeordnet ist, und die Fällungsentscheidungen in der Steuerung am Fahrzeug während des Erntevor- gangs getroffen werden.

Alternativ hierzu kann vorgesehen sein, dass die Steuerungen stationär in einem idealen Umfeld hinsichtlich Kühlung und Sauberkeit und damit außerhalb des Fahr- zeuges angeordnet sind. Damit können die hohen Rechenleistungen auslagern werden, wobei das Fahrzeug mit der Steuerung zur Signalübertragung verbunden ist, sodass eine Fällungsentscheidung in Echtzeit getroffen und an das Fahrzeug übertragen werden kann.

Es ist besonders günstig, wenn die Fällungsentscheidung hinsichtlich der Wirt- schaftlichkeit für einen vorgegebenen Zeithorizont optimiert wird. Dadurch ist es möglich die Möglichkeiten des erfindungsgemäßen Verfahrens in idealer Weise auszunutzen.

Die Navigation der Vorrichtung wird wesentlich erleichtert, wenn das Fahrzeug ein globales Navigationssatellitensystem (GNSS) aufweist und das Fahrzeug mit Hilfe dessen navigiert und seine Position bestimmt.

Um aktuelle Daten beispielsweise für eine Forstdatenbank zu generieren, ist in einer günstigen Ausführung vorgesehen, dass das Aufnahmemodul ein Lasermodul zur aufweist und die Geometrie und/oder die Lage von Baumoberflächen in hoher Auflösung aufgenommen werden.

Eine gute und günstige Alternative dazu stellt eine Variante dar, bei der das Auf- nahmemodul zumindest eine Kamera, vorzugsweise eine Digitalkamera umfasst, und die Kamera vorzugsweise mit zumindest einem Laserprojektor ausgestattet ist, wobei die Kamera besonders bevorzugt eine Stereokamera ist, und wenn mit dieser Kamera - vorzugsweise während der Fahrt - und/oder mit einer Stereoka- mera, in mehrere Richtungen - bevorzugt in jeder Orientierung - Bilder vom Forst- bestand aufgezeichnet werden.

Um die 3D-Rekonstruktion aus den Bilddaten der Stereo-Kamera besser, schneller und genauer zu ermöglichen, ist es günstig, wenn ein Laserprojektor während der Fotoaufnahmen Lichtpunkte auf die Umgebung projiziert und die Lichtpunkte in den Aufnahmen beim Image-Matching-Verfahren berücksichtigt werden.

Dabei ist es günstig, wenn aus den Bildern Geometrie und Lage der Baumoberflä- chen, sowie das Aussehen der Baumoberfläche stereo-photogrammetrisch ausge- wertet werden.

Alternativ ist eine gute Lösung möglich, wenn das Aufnahmemodul ein Radarmodul und/oder ein Ultraschallmodul aufweist und mit diesen die Geometrie und/oder die Lage der Baumoberflächen des Forstbestandes aufgenommen werden.

Besonders vorteilhaft und genau gelingen Aufnahmen des Forstbestandes, wenn das Aufnahmemodul einen Hyperspektralsensor zur visuellen und automatischen Erkennung von Baumarten, Baumvitalität oder Baumschäden aufweist, und das Fahrzeug Baumarten und/oder Baumvitalität und/oder Baumschäden mithilfe des- sen automatisch erkennt.

Um die Genauigkeit des Verfahrens für die Zukunft immer weiter zu verbessern, ist es günstig, wenn durch die aufgenommenen Daten - vorzugsweise durch Jahr- ringserfassung - ein Waldwachstumsmodell verbessert wird, wobei dies besonders bevorzugt in Echtzeit durchgeführt wird

In der Folge wird die Erfindung anhand eines nicht-einschränkenden Ausführungs- beispiels in der Figur näher erläutert.

In der Figur ist eine Vorrichtung 1 zur Fällung und Ästung gezeigt, die sich durch einen Forstbestand bewegt, der durch einen einzelnen Baum symbolisch darge- stellt wird. Die Vorrichtung 1 umfasst dabei ein Fahrzeug F, und dieses weist dabei an einem Greifarm 2 und ein Aufnahmemodul 3 auf. Das Aufnahmemodul 3 dient der Aufnahme von Daten des Forstbestandes. Dabei umfasst das Aufnahmemodul 3 je nach Ausführung eine Einheit zur Jahrringserfassung J, ein Lasermodul, eine Stereokamera, ein Ultraschallmodul, einen Hyperspektralsensor und einen Laser- projektor zum Image Matching mit den Bildern der Stereokamera.

Am Greifarm 2 ist außerdem eine Vorrichtung zur Ästung A, die als Säge ausge- führt ist, angeordnet. Diese dient dazu, eine Wertastung an noch lebenden Bäu- men durchzuführen.

Zum schnellen Entfernen der Äste nach der Fällung sind am Greifarm 2 zwei wal- zenförmige Schnittwerkzeuge W vorgesehen. Diese sind jedoch für die Wertastung ungeeignet, weil sie dem Baum zusätzliche Verletzungen der Rinde zufügen kön- nen. In der gezeigten Ausführung ist die Steuerung 4 fest außerhalb des Fahrzeuges F angeordnet, und sendet zum Fahrzeug F und empfängt vom Fahrzeug F die Infor- mationen über eine Signalverbindung S, die durch ein Funksymbol angedeutet ist.

In einer alternativen Ausführung, die in der Figur strich liert dargestellt ist, ist die Steuerung 4 am Fahrzeug F verbaut. Das ist vor allem in abgelegenen Gebieten praktisch, weil dort die Verbindung zwischen einer entfernt angeordneten Steu- erung 4 und dem Fahrzeug F möglicherweise durch die jeweiligen Gegebenheiten weniger einfach möglich ist.

Diese Steuerung 4 übernimmt die Auswertung von den vom Aufnahmemodul auf- genommenen Messwerten und Daten. Darüber hinaus errechnet die Steuerung 4 unter Benutzung von bereits bekannten Daten, die von vorausgegangenen Auf- nahmen und Forstinventuren herrühren, mithilfe von Waldwachstumsmodellen eine Wachstumsprognose, und führt Anpassungen am Waldwachstumsmodell durch.

Das Verfahren sieht dabei beispielsweise folgendermaßen aus: Das Fahrzeug F nähert sich einem ersten Baum an und bestimmt mit dem Lasermodul des Aufnah- memoduls 3 durch Distanzmessung die Höhe und den Durchmesser des Baumes. Weiters wird die Umgebung des Baumes betrachtet, so wird seine Distanz zu den benachbarten Bäumen und die Größe seiner Krone durch das Aufnahmemodul auf- genommen.

Durch den Hyperspektralsensor und aufgrund der in einer Datenbank gespeicher- ten Daten wird der Baum von der Art A erkannt. Zu ihm ist außerdem bekannt oder es wird anhand der Aufnahmen bestimmt, für welche Verwendung der Baum- stamm genutzt werden kann, wie beispielsweise als Brennholz oder als Konstruk- tionsholz, und was sein derzeitiger monetärer Wert ist. Nun findet während und nach der Aufnahme dieser Baumdaten eine Berechnung in der Steuerung 4 statt, wie sich dieser Baum in der Zukunft entwickeln wird, und ob es sinnvoller ist, diesen ersten Baum jetzt oder in der Zukunft zu asten oder zu fällen oder ob es sinnvoller ist einen benachbarten Baum diese Behandlung zukommen zu lassen.

So wird bei einer Fichte, die nahe an einer vielversprechenden Zirbe oder an einer besonders schönen Furniereiche steht eher die Entscheidung zur Fällung fallen, um der Furniereiche oder der Zirbe mehr Raum zu geben, und ihr somit die Möglichkeit zum weiteren Wachstum zu geben, da ihr Holz einen höheren Wert hat als der Wert einer Fichte, die eher als Konstruktionsholz für den Bau eingesetzt wird.

Dabei kann diese Fällungsentscheidung so getroffen werden, dass der wirtschaft- liche Nutzen für einen bestimmten Zeitraum, beispielsweise die nächsten fünfzig Jahre maximal sein soll. Die Berechnung kann in einer alternativen Ausführung auch hinsichtlich einer anderen Größe optimiert werden, beispielsweise der Stabi- lität des Waldbestandes gegen Sturmschäden.

Wenn eine Fällungsentscheidung getroffen wird, kann mit einem Sägewerkzeug der Einheit zur Jahrringserfassung J eine Aufnahme der Jahrringe gemacht werden. Dabei werden durch einen optischen Aufnehmer die Anzahl der Jahrringe und zu- sätzlich die Dicke der einzelnen Jahrringe bestimmt.

Zum erfindungsgemäßen Verfahren werden vor dem Zeitpunkt der Fahrt (t+1) mit dem Fahrzeug F der Vorrichtung 1 Messungen zu einem Zeitpunkt t und zu einem früheren Zeitpunkt (t-1) durchgeführt und in einer Datenbank gespeichert. Dabei wird beispielsweise der Durchmesser d _t und d _t-i zum Zeitpunkt t und zum früheren Zeitpunkt (t-1) aufgenommen oder die Höhe H _t und H _t-i und die Größe G _t und G _t-i der Krone des Baumes. Die Verhältnisse des Wetters und andere Faktoren für das Wachstum w _t und w _t-i zum Zeitpunkt t und zum früheren Zeitpunkt (t-1) sind be- kannt. Die bekannten Werte werden für die Anpassung eines geeigneten Wald- wachstumsmodells herangezogen.

Die Messung der Werte zum Zeitpunkt der Fahrt (t+1) wird am Fahrzeug F durch- geführt: So werden der Durchmesser d _t+i , die Höhe H _t+i und die Größe G _t+i der Krone des Baumes am Fahrzeug F durch das Aufnahmemodul 3 bestimmt, diese Werte werden in das Waldwachstumsmodell eingepflegt und dieses tagesaktuell verbessert. Eine Optimierung erfolgt online in Echtzeit durch die Steuerung 4. Da- bei wird ein Waldwachstumsmodell verwendet, das beispielsweise folgendermaßen aufgebaut sein kann : d _t+i =oi . d _t + ß . d _t -i+g . w _t +5 . w _t -i

Dabei bezeichnen die griechischen Buchstaben a, ß, g und d Parameter, die auf- grund der Messungen adjustiert werden können, und die die Eigenschaften des Forstbestandes angeben.

Aus dem Stand der Technik ist diese Art von Waldwachstumsmodellen wohl be- kannt. Derzeit werden Fällungsentscheidungen derart getroffen, dass Messungen des Durchmessers zum Zeitpunkt t und zu einem früheren Zeitpunkt t-1 durchge- führt werden, und die Verhältnisse w _t und w _t-i sind wiederum bekannt. Dann wird anhand dieser Daten für den Zeitpunkt der Fahrt ein Wert anhand des Wald- wachstumsmodells erstellt und aufgrund dessen wird die optimierte Fällungsent- scheidung getroffen. Die Ergebnisse aus dem Waldwachstumsmodell stellen nur eine grobe Abschätzung dar, und die Fällungsentscheidung kann somit je nach Aktualität der Messdaten stark von der durch das erfindungsgemäße Verfahren getroffenen Fällungsentscheidung abweichen. In einer praktikablen Alternative werden zu einem Zeitpunkt vor der Fahrt die Messungen durchgeführt und dementsprechend Anpassungen durchgeführt. Dies verringert zwar den Fehler, ist aber durch diese zusätzliche Messung um einiges aufwändiger und kostenintensiver.

Dabei kommt AI (artificial intelligence) in der sogenannten "Precise-Forestry" zur Anwendung. Durch die erfindungsgemäße Vorrichtung werden Hilfestellungen für die Entscheidungen bei der Holzernte geliefert, insbesondere bei der Durch- forstungsauszeige.

Laserscanning vom Flugzeug aus, wird als Airborne Laserscanning (ALS) bezeich- net oder Laserscanning vom Stativ aus, wird als terrestrisches Laserscanning (TLS) bezeichnet, TLS liefert zusätzlich Baumkoordinaten und Durchmesser in unter- schiedlichen Höhen.

Airborne Laserscanning (ALS) wird in vielen Regionen der Erde dazu verwendet, die Eigenschaften der Wälder zu erfassen und zu kartieren. Insbesondere die Baumhöhen und die Dichte der Bäume können auf diese Weise sehr genau be- stimmt werden. Alternativ oder in Ergänzung zu dieser Fernerkundungsmethode wird Laserscanning auch vom Stativ oder von Fahrzeugen aus eingesetzt, um die Eigenschaften von Bäumen zu bestimmen.

In diesem Fall können vor allem die Baumpositionen und Durchmesser der Stämme sehr genau bestimmt werden, inklusive der Veränderungen der Durchmesser in- klusive der Baumhöhen. Auf diese Weise ist es möglich, stehende Bäume in Rund- holz-Sortimente zu zerlegen und deren Verkaufswert noch vor einer allfälligen Holzernte abzuschätzen.

Laserscanner werden zunehmend von der Automobilindustrie eingesetzt, um autonomes Fahren zu unterstützen und in hoher zeitlicher und räumlicher Auflö- sung andere Verkehrsteilnehmer zu erkennen und deren Annäherungsgeschwin- digkeiten und Richtungen abzuleiten. Dies führt dazu, dass immer kleinere, leistungsfähigere und kostengünstigere Laserscanner auf den Markt kommen.

In Skandinavien wurden bereits erfolgreiche Versuche abgeschlossen, Baumern- temaschinen (Harvester) mit Laserscannern ( = Harvester-Laserscanning, HLS) auszustatten und damit die Lage- und Durchmesserinformation der umliegenden Bäume ähnlich des Einsatzes von TLS zu bestimmen. Im Falle einer Durchforstung, bei der in der Regel nur 20-40% der Bäume eines Waldbestandes gefällt werden, kann mit Hilfe solcher Daten der Zustand des Waldes vor und nach dem Durch- forstungseingriff dokumentiert werden. Durchforstungen (DF) sind in aller Regel Pflegeeingriffe, die das Zuwachspotential auf Bäume mit dem höchsten zu erwartenden Wertzuwachs, der größten Produk- tivität (zum Beispiel aufgrund der Größe der Baumkrone) und der besten Qualität lenken. Die Bäume stehen grundsätzlich hinsichtlich Wasser, Nährstoffen und Licht in Konkurrenz. Eine DF greift steuernd in diese Konkurrenzsituation ein, führt zu hohem Wertzuwachs, stabilen Beständen und vorzeitiger Erntereife.

Ein Waldbestand, der bis zu seiner Ernte mehrmals optimal durchforstet wird, er- reicht seine Reife (z.B. Zieldurchmesser) früher, liefert eine höhere Holzqualität und ist in der Regel resistenter gegen Windwurf und Schneebruch. Für die Erzie- lung eines finanziellen Ertrages in der Forstwirtschaft ist dies von großer Bedeu- tung, denn durch diese selektiven Eingriffe lässt sich die Produktivität auf einer begrenzten Fläche signifikant steigern.

Die Klassifizierung der Bäume eines Waldbestandes in jene, die aufgrund ihrer Eigenschaften als förderungswürdig gelten und jene, die im Zuge einer Durch- forstung als unerwünschte Konkurrenten vorzeitig gefällt werden sollen, wird als "Auszeige" bezeichnet. Sie erfordert Erfahrung und forstliche Ausbildung, zudem ist sie wegen der mühsamen Fortbewegung im dichten Wald zeitaufwändig. Letzt- lich muss die Person, welche die Auszeige durchführt, sehr rasch entscheiden, wel- chen Bäumen in den kommenden Jahrzehnten der größte Wertzuwachs zugetraut wird, und welche Bäume als "Bedränger" entnommen werden sollten.

Aus Kostengründen wird diese Wert-entscheidende Tätigkeit dem Harvesterfahrer überlassen, der von seiner Position in der Steuerkabine nicht den nötigen Überblick hat und dadurch eine suboptimale Auswahl trifft.

Die Erfindung soll diesem Mangel abhelfen und betrifft ein auf Sensoren basiertes in den Harvester integriertes Expertensystem, das während der Holzernte in Echt- zeit regelbasiert die Fällungs-Entscheidung übernimmt. Dabei wird die Wachs- tumsprognose für jeden einzelnen Baum des Waldbestandes inklusive seiner er- warteten Reaktion auf einen Durchforstungseingriff hergeleitet.

Die Simulation und Vorhersage des Wachstums der einzelnen Bäume eines Wald- bestandes ist seit mehreren Jahrzehnten Gegenstand wissenschaftlicher For- schung. Es gibt Waldwachstumsmodelle (z.B. MOSES, entwickelt an der Universität für Bodenkultur Wien), die bisher nur zu Forschungszwecken zum Einsatz kommen konnten, weil die großflächige Verfügbarkeit der erforderlichen Eingangs- Parame- ter (z.B. Baumpositionen, Baumhöhen, Größe der Baumkronen, Nährstoff- und Wasserversorgung), aus denen die Konkurrenzsituation beurteilt werden könnte, bisher nicht gegeben war. Diese und noch eine Vielzahl weiterer Parameter stehen in Zukunft durch Harvester-basiertes Laserscanning (HLS) zur Verfügung. Die Verarbeitung von HLS-Daten inklusive der Verarbeitung der Information von Zusatzsensoren in Echtzeit ist neu.

Die Laserscanning-Daten werden in besonderen Ausführungen durch Digital-Fotos von den Stämmen ergänzt und mit der Digital-Kamera gekoppelter Bilderken- nungs-Algorithmen, welche dazu dienen, die Baumart aus dem Rindenmuster und der Rindenfarbe automatisch herzuleiten.

Die Baumart wird mittels Bilderkennung aus Rindenmuster und -färbe identifiziert. Vorhandene Geodäten zur Beschreibung von Bodeneigenschaften, Geologie, Nie- derschlag, Temperatur, Sonneneinstrahlung werden berücksichtigt. Bei den gefäll- ten Bäumen werden Jahrringbreiten gemessen, um Information über das bisherige Wachstum zu erhalten. Ergänzend werden Bodenproben entnommen und analy- siert. Diese werden aus verschiedenen Tiefen entnommen und analysiert. Die Er- gebnisse der Messungen des Aufnahmemoduls werden für die Berechnung und der Wachstumsmodellierung berücksichtigt. Wegen der Fülle der Eingangsdaten wer- den die Daten mithilfe neuronaler Netze (DeepLearning Algorithmen) verarbeitet.

Es werden nicht nur bestehende Waldwachstumsmodelle mit den vorhandenen und während des Erntevorganges zu gewinnenden Daten in Echtzeit angewandt, son- dern diese Modelle werden mit Hilfe der Datenfülle entweder erweitert oder mittels neuronaler Netze (DeepLearning Algorithmen) neu generiert.

In jedem Fall ist es vorteilhaft, die Waldwachstums-Prognosemodelle während des Erntevorganges laufend durch die gewonnenen Daten zu kalibrieren.

Um das Wachstum eines Baumes während der vergangenen Jahre zu ermitteln, kann die Breite seiner Jahrringe analysiert werden, daraus wird ein Volumen- wachstum abgeleitet. Dazu wird die Schnittfläche, die beim Auftrennen eines Stammes in einzelne Holzstücke (Bloche) entsteht, fotografiert und die Jahrring- breite auf den Bildern ausgewertet. Dieser Vorgang kann bereits durch eine auto- matische Analyse des Bildes durchgeführt werden.

Eine mögliche erfindungsgemäße Zusatz-Vorrichtung für ein Experten System be- inhaltet eine Kamera, die unmittelbar nach einem Trennschnitt die Schnittfläche fotografiert und das Bild einer Analyse der Jahrringbreiten unterzieht.

Es werden in Echtzeit die oben beschriebenen Sensor-Daten verarbeitet und die Vorrichtung kalibriert sich laufend während der selektiven Holzernte selbst, sodass in der Waldentwicklung nach dem Durchforstungseingriff der optimale Wertzu- wachs, die höchste Biodiversität sowie die beste Stabilität und Risikominimierung gegenüber Waldschäden gewährleistet ist. Als Zusatzergebnis stehen nach dem Durchforstungseingriff, der selektiven Holzernte flächendeckend detaillierte Ein- zelbaum-Daten zur Verfügung.

Bei Bedarf greift die Steuerung der Vorrichtung während der Durchführung des erfindungsgemäßen Verfahrens für seine Berechnungen auch auf Klima- und/oder Jahrringdatenbanken zu.

Laserscanning-Daten vom Harvester können noch nach weiteren Kriterien ausge- wertet werden. Eine Möglichkeit ist die Interpretation des Gelände-Reliefs. Nähr- stoffe und Wasser sammelt sich in Mulden und verflüchtigt sich rasch von Kuppen oder steilen Hängen. Es lässt sich somit bis zu einem gewissen Grad Vorhersagen, ob ein einzelner Baum im Vergleich zu den Bäumen seiner unmittelbaren Umge- bung auf einem eher begünstigten oder eher benachteiligten Kleinstandort wächst. Diese Information kann beim Fällen mit den Jahrringbreiten verglichen und insge- samt in den Auszeige-Entscheidungs-Algorithmen verwertet werden.

Auch die Ausdehnung der Baumkronen und die gegenseitige Abschattung der Baumkronen bei unterschiedlichen Sonnenständen kann anhand der Laser- scanningdaten abgeschätzt werden und mit den Jahrringbreiten verglichen wer- den.

Somit stehen wichtige Eingangsgrößen zur Beurteilung der Konkurrenzsituation jedes einzelnen Baumes mit seinen Nachbarbäumen zur Verfügung. Sie können mit den aus den Jahrringbreiten herleitbaren Zuwächsen verglichen und zur lau- fenden Kalibrierung der Zuwachs-Prognosemodelle herangezogen werden.

Die Zuwachsprognosemodelle wiederum dienen dazu, in Echtzeit die Auszeige der zu fällenden Stämme so zu optimieren, dass der zukünftige Wertzuwachs des Waldbestandes maximiert wird.

Eine nützliche Zusatzeinrichtung für derartige Precise-Forestry-Anwendungen kann zusätzlich eine Vorrichtung beinhalten, die mittels Bohrsonden Bodenproben in unterschiedlicher Tiefe des Waldbodens entnimmt, wodurch die Nährstoffver- sorgung des Mineralbodens kleinflächig analysiert werden kann.

Das Zusammenspiel der gespeicherten Geodäten, des akkumulierten Wissens, das durch den Vergleich zurückliegender Sensordaten entstanden ist und die aktuellen Messwerte der Sensoren ermöglichen bei Verfügbarkeit der entsprechenden Rechenleistung eine auf den maximalen Ertrag und / oder ein minimiertes Aus- fallsrisiko hin optimierte Ernteentscheidung für den einzelnen Baum. Das System liefert zudem nach dem Ernteeinsatz einen Datensatz, der alle verbleibenden Bäume und deren Zuwachsprognose beinhaltet und dem Forstmanagement für weitere Bewirtschaftungsfragen zur Verfügung steht.