A1 Alkuperäisartikkeli tieteellisessä aikakauslehdessä
Planning cost-effective operational forest inventories (2024)

Karppinen, S., Ene, L., Engberg Sundström, L., & Karvanen, J. (2024). Planning cost-effective operational forest inventories. Biometrics, 80(3), Article ujae104. https://doi.org/10.1093/biomtc/ujae104

JYU-tekijät tai -toimittajat

Karppinen, Santeri
Karvanen, Juha

Julkaisun tiedot

Julkaisun kaikki tekijät tai toimittajat: Karppinen, Santeri; Ene, Liviu; Engberg Sundström, Lovisa; Karvanen, Juha

Lehti tai sarja: Biometrics

ISSN: 0006-341X

eISSN: 1541-0420

Julkaisuvuosi: 2024

Ilmestymispäivä: 01.07.2024

Volyymi: 80

Lehden numero: 3

Artikkelinumero: ujae104

Kustantaja: Oxford University Press

Julkaisumaa: Britannia

Julkaisun kieli: englanti

DOI: https://doi.org/10.1093/biomtc/ujae104

Julkaisun avoin saatavuus: Avoimesti saatavilla

Julkaisukanavan avoin saatavuus: Osittain avoin julkaisukanava

Julkaisu on rinnakkaistallennettu (JYX): https://jyx.jyu.fi/handle/123456789/97405

Tiivistelmä

We address a Bayesian two-stage decision problem in operational forestry where the inner stage considers scheduling the harvesting to fulfill demand targets and the outer stage considers selecting the accuracy of pre-harvest inventories that are used to estimate the timber volumes of the forest tracts. The higher accuracy of the inventory enables better scheduling decisions but also implies higher costs. We focus on the outer stage, which we formulate as a maximization of the posterior value of the inventory decision under a budget constraint. The posterior value depends on the solution to the inner stage problem and its computation is analytically intractable, featuring an NP-hard binary optimization problem within a high-dimensional integral. In particular, the binary optimization problem is a special case of a generalized quadratic assignment problem. We present a practical method that solves the outer stage problem with an approximation which combines Monte Carlo sampling with a greedy, randomized method for the binary optimization problem. We derive inventory decisions for a dataset of 100 Swedish forest tracts across a range of inventory budgets and estimate the value of the information to be obtained.

YSO-asiasanat: metsätalous; bayesilainen menetelmä; päätöksenteko; vuoronnus

Vapaat asiasanat: Bayesian modeling; decision making; forestry; quadratic assignment problem; scheduling; value of information

Liittyvät organisaatiot

Hankkeet, joissa julkaisu on tehty

OKM-raportointi: Kyllä

VIRTA-lähetysvuosi: 2024

Alustava JUFO-taso: 2