Tutkimuksessa verrattiin neljän eri hakkeen tuotantomenetelmän tuottavuutta ja kustannuksia. Tämän tutkimuksen yhteydessä tehtiin vuoden mittaiset seurantatutkimukset kahdesta koneesta. Välivarastohakkureista tutkimuksessa seurattiin R9700 Future-hakkuria. Toinen seurantatutkimus tehtiin Moha-monitoimihakkurista, joka mahdollistaa hakkuutähteiden haketuksen palstalla ja hakkeen kuljetuksen käyttöpaikalle samalla yksiköllä. Tutkimuksessa käytettiin lisäksi VTT Energian aiemmin tekemien Chipset-palstahakkurin ja Evolution-välivarastohakkurin seurantatutkimuksien tuloksia.
Future-välivarastohakkuri osoittautui seurantatutkimuksessa teknisesti luotettavaksi ja toimivaksi. Ongelmaksi Futuren seurannassa havaittiin kuuma korjuuketju, joka aiheutti odotuksia sekä hakkurille että hakeautolle. Moha-monitoimihakkurin tekninen luotettavuus ja toimivuus oli seurantatutkimuksessa koneen prototyyppiluonne huomioon ottaen hyvä.
Kustannusvertailussa Moha-monitoimihakkuriin perustuva puupolttoaineen tuotantomenetelmä osoittautui halvimmaksi alle 25 kilometrin kaukokuljetusmatkoilla. Chipset-palstahakkuriin perustuva hakkeen tuotantomenetelmä oli edullisin yli 25 kilometrin kuljetusmatkalla. Myös Evolution- ja Future-välivarastohakkureiden kilpailukyky parani kuljetusmatkan pidentyessä.
Varastojen kokoa kasvattamalla voidaan välivarastohakkureiden tuottavuutta nostaa merkittävästi. Välivarasto- ja palstahaketuksessa korostuu toiminnan organisoinnin, erityisesti kuljetusten järjestelyjen, merkitys tuotantomenetelmän tuottavuuteen ja kustannuksiin. Tehtäessä valintaa eri tuotantomenetelmien välillä on otettava huomioon paikalliset olosuhteet aina lämpölaitoksen sijainnista saatavilla olevaan raaka-aineeseen saakka.
Tutkimuksessa mallitettiin palstahaketuksen ja hakkeen kaukokuljetuksen muodostama energiapuun toimitusketju. Haketuksen ja kaukokuljetuksen kustannuksia tutkittiin simulointimallin avulla. Haketus suoritettiin palstahakkurilla ja hake kuljetettiin vaihtokonttiautolla, täysperävaunullisella tai puoliperävaunullisella hakeautolla. Lisäksi mallitettiin ketju, jossa puoliperävaunullinen hakeauto ajoi lisäksi turvetta.
Ketjujen ominaisuudet selvitettiin aiemmin tehtyjen hakeharvesteria ja hakeautoja koskevien tutkimusten pohjalta. WITNESS-simulointiohjelmistolla rakennettiin simulointimallit joiden perusteella ketjujen ominaisuuksia vertailtiin. Haketettavien kohteiden tiedot luotiin TASO-laskennan kuviotietojen perusteella.
Simulointitulosten perusteella koneiden välinen kiinteä vuorovaikutus oli merkittävä tekijä kokonaiskustannusten muodostumisessa. Sekä hakeharvesterin että hakeauton ajasta kului huomattava osa odotuksiin, mikä nosti korjuun kokonaiskustannuksia.
Laaditut simulointimallit tulee sovittaa toimivaan yritysympäristöön ja suorittaa simulointimalleille yksityiskohtaisemmat herkkyysanalyysit, jotta malleja voitaisiin käyttää päätöksenteon apuvälineinä. Simulointimallien tarkkuutta voidaan parantaa käyttämällä hyväksi laajempia tutkimuksia ketjun koneiden ominaisuuksista.
Tutkimuksessa tarkastellaan Metsäntutkimuslaitoksen valtakunnan metsien inventoinnin ja maantutkimuksen kenttäryhmien arvioimien maaperätunnusten vastaavuutta ja suhdetta mittaustuloksiin 8. inventoinnin 488 pysyvällä näytealalla.
Inventointiryhmien silmävarainen kivisyysarvio kuvasi huonosti pintamaan kivisyyttä. Inventoinnissa vähäkivisiksi arvioidut maat sisälsivät painamismenetelmän mukaan 30 % ja kiviset ja erittäin kiviset maat yhtä paljon, 54 %, kiviä.
Inventointiryhmän neljään mittaukseen perustunut arvio orgaanisen kerroksen paksuudesta poikkesi maantutkimuksen ryhmän keskimäärin 20 mittaukseen perustuneesta arviosta enintään 2 cm 75 %:ssa ja enintään 5 cm 95 %:ssa tapauksia. Orgaanisen kerroksen laadun (puuttuu, kangashumus, turve, multa) inventoinnin ja maantutkimuksen ryhmät arvioivat samaksi keskimäärin 90 %:ssa tapauksia. Turpeen ja mullan osalta vastavuus oli huonompi, 43 ja 40 %, kun maantutkimuksen ryhmän arviota pidettiin oikeana.
Kivennäismaan raekoostumuksen arviointi onnistui sekä inventoinnin että maantutkimuksen ryhmiltä tyydyttävästi. Inventointiryhmät arvioivat keskimääräisen raekokoluokan (5 luokaa) lajittuneiden maiden osalta oikein enintään yhden luokan virheellä 94 %:ssa tapauksia. Maantutkimuksen ryhmät arvioivat keskimääräisen raekokoluokan (7 luokkaa) oikein enintään yhden luokan virheellä 90 %:ssa tapauksia. Ryhmien arviot kivennäismaan lajittuneisuudesta vastasivat toisiaan 81 %:ssa tapauksia.
Saatuja tuloksia arvioitaessa on otettava huomioon, että koska inventoinnin ryhmät arvioivat maaperätunnukset näytealan sisältä (r = 9,77 m) ja maantutkimuksen ryhmät arvioivat tunnukset ja ottivat maanäytteet näytealan kehältä, niin ryhmien arvioiden erilaisuus voi johtua osaksi edellä kuvatusta eripaikkaisuudesta. Lisäksi mitattuihinkin tunnuksiin sisältyy merkittäviä otanta- ja analyysivirheitä.
Metsäntutkimuksessa on alettu yhä enemmän kiinnittää huomiota yksittäistä koealaa tai elinympäristölaikkua laajempiin kokonaisuuksiin – maisemiin ja alueisiin. Tähän on vaikuttanut mm. lisääntynyt tieto tarkasteltavien kohteiden ja niiden ympäristöjen vuorovaikutuksista. Myös metsäsuunnitteluun ollaan liittämässä aiempaa monipuolisempia tavoitteita, mikä vaatii suunnittelujärjestelmiltä uusia ominaisuuksia. Apuvälineitä tarvitaan erityisesti suunnittelualuetta kuvaavan tiedon tuottamiseen ja hallintaan sekä alueen rakenneanalyyseihin.
Paikkatietojärjestelmistä ja -menetelmistä on muodostumassa tärkeä väline aluetason suunnitteluun ja tutkimukseen. Niiden avulla on mahdollista tuottaa ja visualisoida maiseman rakennetta kuvaavaa spatiaalista ja määrällistä tietoa mm. erilaisten paikkatietoanalyysien avulla. Paikkatietojärjestelmiä voidaan käyttää apuvälineenä myös tuotettaessa ekologista perustietoa vankistamaan esimerkiksi alue-ekologisen suunnittelun lähtökohtia ja menetelmiä. Sekä metsäsuunnittelun että ekologisen perustiedon tuottamisen kannalta keskeistä on myös, että paikkatietojärjestelmien avulla voidaan hallita suunnittelu- tai tutkimusalueen kokoa ja mittakaavaa joustavasti. Vaikka paikkatietojärjestelmien hyödyntäminen aluetason tutkimuksissa on jo käynnistynyt lupaavasti, tarvitsee maiseman rakenteen tarkasteluja vaativien tavoitteiden sisällyttäminen metsäsuunnitteluun vielä runsaasti kehitystyötä sekä erilaisia tavoitteita kuvaavien mallien että suunnittelumenetelmien osalta.
Katsauksessa tarkastellaan mahdollisuuksia ottaa visuaalinen maisema huomioon monitavoitteisessa metsäsuunnittelussa. Erityisesti tarkastellaan tietokoneiden avulla numeerisessa muodossa tapahtuvaa metsäsuunnittelua alueella, jonka suunnittelussa ei ole mahdollista käyttää työvoimavaltaista ja erityisasiantuntemusta vaativaa kuvailevaa maisemasuunnittelua. Katsauksessa tarkastellaan suunnittelua tukevaa nykyistä tutkimustietoa ja käytössä olevia menetelmiä sekä niiden etuja, puutteita ja kehittämistarpeita. Tiedot eri intressiryhmien maisema-arvostuksista ovat suunnittelun tärkeä perusta. Maiseman tarkastelussa käytettäviä menetelmiä ovat visualisointi, maisema-arvoa kuvaavat mallit ja maisemarakenteen analysointi. Suunnitelmavaihtoehtojen tuottamien hyötyjen arviointi on yksi mahdollisuus yhteismitallistaa numeerista ja visuaalista tietoa. Maiseman tarkastelussa käytettävät välineet antavat aiempaa enemmän tietoa ratkaisujen tueksi. Visuaalisen maiseman liittäminen kiinteämmäksi osaksi suunnittelua vaatii etenkin maiseman rakenteen analysoinnin kehittämistä. Visualisointi on puolestaan keskeinen menetelmä osallistavan suunnittelun kehittämisessä. Lisäksi tarvitaan lisää tietoa maisema-arvostuksista erilaisissa olosuhteissa.
Tutkimuksessa selvitettiin puutuhkasta sekä puutuhkan ja erilaisten jäteaineiden seoksesta telamatriisipuristimella valmistettujen pellettien hajoamista maastossa neljäntoista kuukauden seurantajakson aikana. Pelletit sijoitettiin verkkopusseissa maan pintaan suolle ja kangasmaalle. Tuhkasta ja tuhkasta sekä biolietteestä koostuneiden pellettien ravinnepitoisuudet analysoitiin seurantajakson alussa ja lopussa.
Pellettien massan aleneminen oli suurinta ensimmäisen kuukauden aikana. Tämän jälkeen muutokset olivat hitaampia. Kun pelletit koostuivat tuhkasta, niiden massa aleni neljäntoista kuukauden aikana kankaalla ja suolla 5–7 %. Suuri orgaanisen aineen määrä (lanta tai liete) nopeutti pellettien hajoamista. Erityisen nopeasti hajosivat pelletit, joissa oli kananlantaa. Niiden massa aleni verkkopusseissa seurantajakson aikana 57–59 %.
Pellettien kaliumpitoisuus aleni seurantajakson aikana alle neljäsosaan alkuperäisestä. Pellettien fosfori- ja kalsiumpitoisuudet nousivat hieman. Näidenkin ravinteiden kokonaismäärä pelleteissä laski, kun huomioidaan pellettien massan aleneminen kokeen aikana.