Tomografia soniczna drzewa

Czym jest tomografia drzewa?

Tomografia drzewa to metoda obrazowania wnętrza pnia lub konaru. Najpopularniejszą metodą jest tomografia soniczna, opierająca się na analizie rozchodzenia się fali dźwiękowej w drewnie. Bazuje ona na tym, że prędkość akustyczna zależy od sprężystości i gęstości drewna, a podczas jego rozkładu te właściwości obniżają się.

Oprócz tego w użyciu jest także tomografia impedancyjna, w której wykorzystuje się pomiar oporu elektrycznego drewna. Niemniej w tym artykule chciałbym przedstawić jedynie tomografię soniczną (która jest zdecydowanie bardziej rozpowszechniona).

Jak wygląda badanie tomografem?

Aktualnie na rynku mamy trzech producentów tomografów: Argus Electronic (Picus), Fakopp (Arbosonic 3D) oraz Rinntech (Arbotom). Różnią się one w szczegółach funkcjonowania i stosowanych algorytmach, ale podstawowa zasada działania jest taka sama.

Badanie polega na umieszczeniu w drewnie sensorów (lub szpilek, do których montuje się sensory), obwodowo na wybranym przekroju (wymagającym badania). Oznacza to więc przebicie wierzchnich warstw pnia i wbicie się do drewna – niemniej głębokość penetracji jest niewielka (około 2-3 cm) i nie powoduje zagrożenia dla drzewa, więc badanie jest uznawane za bezinwazyjne. Następnie każdy z sensorów lub szpilek uderzany jest kilkukrotnie metalowym młotkiem, co wyzwala falę dźwiękową, rejestrowaną przez pozostałe sensory. Zmierzone wartości są interpretowane przez oprogramowanie analityczne (każdy z producentów tomografów oferuje w zestawie własne), a efektem jest tomogram, czyli zobrazowane wnętrze pnia.

Tomografia pnia, fot. Marzena Wystrach

Co pokazuje tomogram?

W skrócie, wykonując tomografię dowiemy się gdzie zlokalizowane są ubytki i zgnilizny. A technicznie rzecz biorąc sprawdzimy, które partie utraciły zdolność do przenoszenia obciążeń mechanicznych, a które jeszcze te właściwość zachowały. Niestety te informacje nie są precyzyjne, niemniej dzięki temu możemy określić w przybliżeniu jak duża jest utrata wytrzymałości drzewa w danym przekroju.

Przykładowe odwzorowanie stanu pnia na tomogramie. Różne kolory reprezentują odmienny stan drewna.
Źródło: instrukcja Arbosonic 3D, Fakopp Enterprise Bt

Czego nie dowiemy się z tomografii?

Przede wszystkim nie poznamy realnych właściwości mechanicznych badanego drewna, tj. nie uzyskamy informacji jakie są ich wartości. Tomografia nie bada, jaka jest sprężystość i gęstość drewna, a jedynie wskazuje, w których obszarach jego wytrzymałość jest obniżona.

Nie dowiemy się także, jak przebiegają procesy rozkładu drewna – czy drzewo aktywnie przeciwdziała rozprzestrzenianiu się zgnilizny (poprzez kompartmentalizację), jak szybko rozwijał się rozkład w poprzednich latach, oraz jak duży jest obszar zainfekowany przez patogeny(tomograf nie wykrywa ich obecności ani początkowych stadiów rozkładu – w badaniu tego może być pomocny tomograf impedancyjny).

Jak dokładny jest wynik tomografii?

To zależy od wielu czynników. Po pierwsze sama metoda ma spore ograniczenia i aby to przeanalizować, musimy jeszcze zgłębić trochę jej szczegółów.

Zacznijmy od wyjaśnienia sposobu rejestracji dźwięków przez czujniki. Wygląda to tak, że po uderzeniu jednego z czujników rozpoznaje on, że został uderzony i zapisuje czas przejścia jako „0μs” (w przypadku Picusa zdejmujemy czujnik i uderzamy szpilkę specjalnym młotkiem), natomiast pozostałe czujniki odnotowują po jakim czasie dotarła do nich fala dźwiękowa. Po zapisaniu wyników następuje reset i wszystkie czujniki przechodzą ponownie w stan oczekiwania. Rejestrowany jest więc tylko czas dotarcia pierwszego dźwięku i z powodów ograniczeń technologicznych nie ma możliwości analizy całej fali dźwiękowej, co znacznie ogranicza możliwości zaawansowanej interpretacji wyników.

Jak wspominałem, w drewnie poddanym rozkładowi oraz w ubytkach fala dźwiękowa rozchodzi się dużo wolniej (wskutek spadku gęstości i sprężystości). Ale tak naprawdę najczęściej tomograf nie sprawdza jaki jest czas przejścia fali dźwiękowej przez uszkodzenie, a jedynie ile czasu zajęło jej przejście od jednego czujnika do drugiego (bez informacji o trasie najszybszego dźwięku). Z tego wynika, że obszary uszkodzone są badane jedynie w sposób pośredni. Pokażę to na przykładzie:

W sytuacji zilustrowanej rysunkiem po lewej stronie, fala wywołana uderzeniem młotka rozchodzi się we wszystkich kierunkach. Do przeciwległego czujnika zmierza m.in. najkrótszą drogą, wzdłuż linii „1”. Napotyka jednak uszkodzenie i jest tam wyhamowywana. W tym czasie pozostałe części fali omijają je, m.in. wzdłuż linii „2” i „3”, z czego ta zmierzająca wzdłuż linii „2” dotrze jako pierwsza i jej czas przejścia zostanie zarejestrowany.
Oprogramowanie analitycznie nie ma żadnych informacji na temat tego, jaka jest faktyczna trasa przejścia najszybszego dźwięku, który został zarejestrowany, ale traktuje go jakby przeszedł najkrótszą linią wzdłuż odcinka „1” i na tej podstawie wylicza prędkość rozchodzenia fali dźwiękowej na tym odcinku (co zobrazowane jest na wykresie czasów prędkości – przykładowy przestawiony jest na prawej ilustracji).
W przypadku pozostałych czujników, czasy przejścia po najkrótszych odcinkach są rejestrowane bezpośrednio i bez zakłóceń (zielone linie na obrazie po lewej).
Źródło: materiały własne, na podstawie instrukcji Picus 3, Argus Electronic GMBH.

Przedstawiony powyżej schemat jest oczywiście bardzo uproszczony i nie oddaje rzeczywistego zachowania fali dźwiękowej w drzewie, ale właśnie na takiej koncepcji bazuje analiza tomografii.

W konsekwencji tego m.in. zakorki (pasma zarośniętej kory), nieregularny rozkład (np. wzdłuż pierścieni), wewnętrzne pęknięcia itd., interpretowane są jako obszary osłabione o dużo większym zasięgu (jest to efekt tzw. cienia akustycznego). Oczywiście programy analityczne starają się wykryć takowe zakłócenia, ale ich skuteczność jest niezadowalająca.

Poniżej przeanalizujemy kilka przykładów:

W tym przykładzie, niewielki wyizolowany rozkład z wieku młodocianego (obraz po lewej), został zinterpretowany jako znaczny rozkład o innej geometrii i dużo większej powierzchni (obraz po prawej).
Źródło: Rinn F. (2015a). Central defects in sonic tomography. Western Arborist. Spring 2015, 38-41.

W trakcie tego badania został zarejestrowany znaczny rozkład centralny (obraz po lewej). Analiza czasów rozchodzenia się fali dźwiękowej (obraz po prawej) wskazuje jednak na defekt liniowy (w tym przypadku był to zakorek), którego zakres jest zdecydowanie mniejszy.
Źródło: materiały własne.

A to efekt umieszczenia czujników nr 1 i 10 w tkance przyrannej zamykającej ubytek. Znajdująca się pod nimi przestrzeń zakłóca przebieg fali dźwiękowej, a efektem jest umiejscowienie czujników przez oprogramowanie analityczne „w powietrzu” i zawyżenie powierzchni ubytku. Także w tym przypadku, możemy posilić się analizą czasów rozchodzenia się fali dźwiękowej (obraz po prawej), aby wychwycić błąd.
Źródło: materiały własne.

Ten przykład jest odmienny od poprzednich, o przeciwstawnych konsekwencjach. Pomimo umiejscowienia ubytku otwartego pomiędzy czujnikami, fala dźwiękowa omija go „pomostem” powyżej (obraz po lewej). Wobec tego algorytm ocenia, że między czujnikami znajduje się pas drewna, w dodatku w większości nieuszkodzonego. W tym przypadku objawia się kolejna słabość – chociaż algorytm nie wie, którędy rozeszła się fala dźwiękowa, to jednak zakłada, że zarejestrowany dźwięk przemieścił się w zakresie analizowanego przekroju. Na tomogramie pojawia się więc nieistniejące drewno (obraz po prawej).
Źródło: materiały własne.

Kolejnym problemem jest to, że nie istnieje katalog precyzyjnych prędkości dźwięków właściwych dla danego stanu drewna (zdrowe/rozkładane/ubytek), nawet z podziałem na poszczególne gatunki. Po pierwsze drewno jest tkanką niejednorodną, zbudowaną z elementów o różnych właściwościach mechanicznych i fizycznych w różnych proporcjach (co zresztą wpływa pozytywnie na odporność pnia na złamanie, która wynika z kombinacji wytrzymałości i elastyczności). Po drugie nawet dla jednorodnych partii tkanki drzewnej te wartości są zróżnicowane i zmienne w czasie (zarówno w ujęciu krótkookresowym jak i długookresowym). Po trzecie czas przejścia fali dźwiękowej przez badany przekrój zależy także od energii fali dźwiękowej (czyli m.in. tego, jak mocno uderzymy młotkiem).

Problem zmiennej energii fali dźwiękowej, zależnej od mocy uderzenia młotkiem, jest eliminowany jest poprzez kilkukrotne uderzanie czujników. Dzięki temu algorytm może wyciągnąć średnią i wyciąć skrajne wartości. Służy to także eliminowaniu szumu otoczenia (czujniki rejestrują nadejście pierwszej fali dźwiękowej, bez względu na je źródło!). Z tego powodu, jeśli np. wykonujecie tomografię przy ruchliwej ulicy, warto zwiększyć liczbę uderzeń, aby dostarczyć większą liczbę danych oprogramowaniu.

Z pozostałym ww. problemami algorytmy programów radzą sobie w ten sposób, że bazują na względnych wartościach propagacji fali dźwiękowej – partie przekroju w których dźwięk rozchodzi się najszybciej traktowane są jako nienaruszone, a te w których następuje znaczne spowolnienie jako uszkodzone (rozkład/ubytek). Niestety wynikają z tego różne negatywne konsekwencje, powodujące powstawanie błędów w analizie.

Po pierwsze jeśli w poszczególnych partiach nie ma znacznych różnic w obliczonych prędkościach, cały przekrój traktowany jest jako nienaruszony. Dwa przykłady:

W tym przypadku, pomimo istnienia ogromnego rozkładu (obraz po lewej), nie został on wykryty w wyniku nasycenia pnia wodą (tzw. mokre drewno). W efekcie występują jedynie niewielkie różnice w propagacji fali dźwiękowej w całym przekroju, a oprogramowanie analityczne zinterpretowało profil jako właściwie nienaruszony (obraz po prawej).
Źródło: strona MycoTrees na Facebooku, https://www.facebook.com/mycotrees.

Drugi – znacznie rzadszy przypadek – to gdy drzewo ma bardzo cienką ściankę, którą przebijamy wszystkimi czujnikami „na wylot”, aż do ubytku (lewa ilustracja). Dźwięk pomiędzy nimi będzie więc rozchodził się z podobnymi prędkościami i oprogramowanie uzna przekrój za nienaruszony, mimo tego, że będą to bardzo niskie prędkości (ilustracja po prawej)
Źródło: materiały własne.

Po drugie, jeśli w poszczególnych występują znaczne różnice w prędkościach, to partie z niższymi wynikami traktowane są jako uszkodzone:

W tym przykładzie mamy tomogram zmrożonego pnia (po lewej), oraz tego samego pnia po rozmarznięciu (po prawej). Konsekwencje są znowu przeciwstawne: pod wpływem zamarznięcia wzrastają prędkości dźwięku w zewnętrznych warstwach pnia, więc te wewnętrzne są rozpoznawane nieprawidłowo jako uszkodzone.
Żródło: Fakopp Bt na Facebooku, https://www.facebook.com/fakopp

Innym problemem analizy jest to, że obszary przekroju są przypisywane są do pewnych „kategorii”, w zależności od wyliczonych prędkości dźwięku. W istocie ogranicza się to do rozdziału na obszary które zachowały zdolność do przenoszenia obciążeń mechanicznych i tych które ją utraciły. Maksymalna „ocena” przyznawana w analizie to „nieuszkodzone”. Nie są więc w żaden szczególny sposób uwzględniane obszary zbudowane z tkanki przyrannej czy też kolumny kambialne, które odgrywają ogromną rolę w utrzymaniu odporności drzewa na złamanie (ich właściwości mechaniczne przewyższają „zwyczajne” drewno).

Gdyby wytrzymałość pnia na złamanie zależała wyłącznie od geometrii, to te drzewo już dawno powinno się złamać.
Źródło: Rinn F. (2013). Shell-wall thickness and breaking safety of mature trees. Western Arborist. Fall 2013.39(3): pp. 14-18.

Wszystkie te problemy potęgowane są przez fakt, że rozdzielczość tomografii jest nieduża – do badania używa się zazwyczaj 8 do 12 czujników (rzadko kiedy więcej niż 20), a analizowane są tylko obszary na osiach znajdujących się pomiędzy czujnikami. Oczywiście można zwiększać rozdzielczość instalując więcej czujników, ale tu pojawiają się prawa ekonomii – urządzenia są drogie (więcej czujników = wyższy koszt), badanie jest czasochłonne (więcej czujników = dłuższy czas badania). Potrzebny jest więc kompromis, bo i tak badana jest garstka drzew w porównaniu do realnych potrzeb.

Ilustracje pokazują, że rozdzielczość tomografii jest istotnym czynnikiem wpływającym na dokładność wyników. Niemniej nawet maksymalne ich zagęszczenie, nie pozwoli na ominięcie podstawowych ograniczeń metody (obraz nigdy nie będzie odzwierciedlał geometrii uszkodzenia o takim kształcie, jak na ilustracjach po prawej).
Źródło: Rinn F. (2014). Central Basics of Sonic Tree Tomography. J. Soc. Commercial Arborists (SCA-Today), Dec 2014, Vol. 19, No. 4, pp. 8-10.;
Rinn F. (2016) Technical tree safety inspection (within and beyond TRAQ).

Producenci starają się zrównoważyć wysoki koszt zakupu dodatkowych czujników specjalnymi metodami pracy na ich mniejszej ilości. Producent Picusa 3 opracował metodę używania większej liczby punktów pomiarowych niż posiadanych sensorów. Polega ona na: instalacji czujników na części szpilek, wykonaniu pełnego badania, przełożeniu czujników na pozostałe szpilki i powtórnym wykonaniu całego badania (czynności można powielać przy jeszcze większej ilości szpilek). Badanie jest więc wieloetapowe. Fakopp opracował inną metodę, polegającą na wbiciu dodatkowych szpilek pomiędzy czujnikami, które są generatorem fal dźwiękowych z dodatkowych punktów (producent nazywa te szpilki sensorami Ludwig, co w istocie jest nieprawidłowe, gdyż nie odbierają one żadnych sygnałów). W tym przypadku mamy dwa etapy, ale bez przemieszczania sensorów: najpierw uderzamy we wszystkie czujniki, a następnie we wszystkie szpilki.

Zwiększenie rozdzielczości dzięki użyciu dodatkowych szpilek/punktów generujących falę dźwiękową skutkuje dokładniejszym obrazem (obraz po prawej). W tym przypadku, dzięki temu zabiegowi, wyliczony rozkład zmniejszył się z 40 do 32% powierzchni.
Źródło: instrukcja Arbosonic 3D, Fakopp Enterprise Bt.

Kolejny przykład zwiększenia rozdzielczości tomografii poprzez podwojenie ilości punktów. Chociaż w obydwu przypadkach występują te same zakłócenia (w okolicy czujnika nr 8), a obliczony zasięg rozkładu po zwiększeniu rozdzielczości niewiele się różni (spadek z 68 do 65%), to już wyliczenia względnego spadku wytrzymałości są istotne – współczynnik bezpieczeństwa wzrósł z 95 do 123%, co po uwzględnieniu poprawek na zakłócenia, pozwala ocenić drzewo jako „bezpieczne” (czyli spełniające przyjęte wymagania względem odporności pnia na złamanie – dokładniejszy opis nieco niżej).
Źródło: materiały własne.

Jak widać ograniczenia metody są znaczne, dlatego niezwykle ważne jest doświadczenie i wiedza wykonującego badanie. Nieumiejętne wykonanie tomografii sprawi, że błędy będą się nakładać i pogłębiać odchylenie od stanu rzeczywistego. Czasami prowadzi to do kuriozalnych wyników:

Przykład skrajnie źle wykonanej tomografii. Niebieski kolor oznacza ubytek obejmujący 75% powierzchni! Powodem nieprawidłowego wyniku były pęknięcia wewnętrzne (częściowo oznaczone na zdjęciu), zakłócające propagację fali dźwiękowej. Autor badania nie zweryfikował wyniku, pomimo tego, że wskazywał on na rozległy ubytek otwarty, który byłby widoczny dla obserwatora.
Źródło: grupa „Arboryści” na Facebooku, https://www.facebook.com/groups/arborysci.

Konieczna jest więc znajomość zasad funkcjonowania tomografu oraz pojawiających się błędów, a także umiejętność interpretacji budowy drzewa, pozwalająca na minimalizację wpływu ograniczeń tomografii. W skrócie, trzeba wiedzieć jak rozmieścić czujniki, wychwycić błędy i na koniec zinterpretować wynik tomografii, bo wygenerowany obraz może znacząco różnić się od rzeczywistości. Jeśli wyniki są niezadowalające, konieczne jest znalezienie rozwiązania (poprzez eliminację błędów lub zmianę konfiguracji) lub ewaluację wyników przy użyciu innej metody (np. rezystografii).

To wszystko sprawia, że w przypadku drzew z rozległymi ubytkami/zgniliznami i o skomplikowanej budowie pnia dokładność tomografii spada, szczególnie gdy jest wykonywana przez niekompetentną osobę.

Ostatnią kwestią- o której wspominałem już kilkukrotnie – wykonując tomografię analizujemy tylko mały wycinek drzewa, a dokładniej zaledwie badany przekrój. Istnieje co prawda możliwość łączenia poszczególnych warstw i tworzenia modeli trójwymiarowych wnętrza pnia, ale jest to czysta „zgadywanka”. Więc jeszcze trzeba poprawnie zidentyfikować obszary, które należy poddać badaniu (potencjalnie najbardziej narażone na złamanie i o najgorszych skutkach takiego zdarzenia).

Tomogram 3D (multi-layer) wygenerowany przez oprogramowanie Arbosonic 3D. Dolny obraz po lewej, to połączenie warstw widocznych na obrazie powyżej niego. Odbywa się to na zasadzie łączenia partii drewna w podobnym stanie, a nie jest to efekt analizy stanu drewna pomiędzy przekrojami.
Źródło: instrukcja Arbosonic 3D, Fakopp Enterprise Bt.

Czy tomografię można zweryfikować?

Tak, w różny sposób.

Po pierwsze dzięki zwykłej obserwacji obiektu można wyciągnąć wiele wniosków. Wróćmy jeszcze raz do przykładu uznania pełnego pnia za rozłożony w 75%:

Przykład skrajnie źle wykonanej tomografii. Niebieski kolor oznacza ubytek obejmujący 75% powierzchni! Powodem nieprawidłowego wyniku były pęknięcia wewnętrzne (częściowo oznaczone na zdjęciu), zakłócające propagację fali dźwiękowej. Autor badania nie zweryfikował wyniku, pomimo tego, że wskazywał on na rozległy ubytek otwarty, który byłby widoczny dla obserwatora.
Źródło: grupa „Arboryści” na Facebooku, https://www.facebook.com/groups/arborysci.

W tym przypadku wystarczyło, aby autor badania zreflektował się, że musiałby widzieć rozległy ubytek otwarty, w który mógłby spokojnie włożyć rękę… Nie ma żadnego powodu, aby zakończyć badanie na tym etapie. Powinno zostać powtórzone, a w przypadku ponownego uzyskania takich wyników, zweryfikowane w inny sposób.

W prostych przypadkach ubytków otwartych, bez twardego rozkładu we wnętrzu, możemy także posilić się pomiarami sondą arborystyczną oraz średnicomierzem.

Porównanie głębokości ubytku ze średnicą pnia, a tym samym obliczenie pozostałej ścianki, pomoże zweryfikować wyniki tomografii.
Źródło: materiały własne.

Trzeba też nie tylko skupić się na tomogramie, ale także przeanalizować wyniki poszczególnych pomiarów w poszukiwaniu błędów/nieścisłości. Poniżej kolejny przykład z początkowych akapitów:

W trakcie tego badania został zarejestrowany znaczny rozkład centralny (obraz po lewej). Analiza czasów rozchodzenia się fali dźwiękowej (obraz po prawej) wskazuje jednak na defekt liniowy (w tym przypadku był to zakorek).
Źródło: materiały własne.

Aby zweryfikować istnienie zakorka (co było najprawdopodobniejsze ze względu na budowę drzewa), wykonaliśmy także tomografię połówek pnia.

Tomografia połówki pnia wyklucza istnienie rozległego ubytku.
Źródło: materiały własne.

Dzięki temu mogliśmy przekonać się, że w środku nie ma rozległego centralnego ubytku. Był więc – jak zakładaliśmy – jedynie zakorek (choć bezpośrednio z wyników można jedynie wywnioskować, że jest to niewielkie osłabienie o charakterze liniowym).

W bardziej skomplikowanych przypadkach takie działanie jest niewystarczające. U drzew o cienkich ściankach, gdzie konieczne jest zweryfikowanie jej grubości, czasami warto sięgnąć po rezystograf. Tutaj również cofniemy się o kilka akapitów:

W tym przykładzie, niewielki wyizolowany rozkład z wieku młodocianego (obraz po lewej), został zinterpretowany jako znaczny rozkład o innej geometrii i dużo większej powierzchni (obraz po prawej).
Źródło: Rinn F. (2015a). Central defects in sonic tomography. Western Arborist. Spring 2015, 38-41.

To drzewo zostało ścięte, ale autor badania pokazał, jak można je zweryfikować:

Rezystograf jasno wskazuje, jaki jest zakres uszkodzeń.
Źródło: Rinn F. (2015a). Central defects in sonic tomography. Western Arborist. Spring 2015, 38-41.

W przypadku drzew stojących, taka weryfikacja również jest możliwa:

W tym przypadku rezystografia pozwoliła stwierdzić, że błędna interpretacja oprogramowania wynika z niewielkiego podpowierzchniowego rozkładu. Ponadto widać, że jego wpływ jest dużo większy i sięga przyległych partii, a grubość ścianki jest znacznie większa, niż mogłoby to wynikać z tomogramu.
Źródło: materiały własne.

Obliczony współczynnik bezpieczeństwa dla tego przekroju wyniósł 123% (oprogramowanie Arbosonic 3D), ale dodatkowa analiza uwzględniająca wyniki rezystografii (program ArboMech 2) oraz obserwacja i pomiary ręczne (zakłócenia przy czujnikach 1, 10 oraz L10, gdzie faktycznie rozwija się tkanka przyranna – zostało to wyjaśnione we wcześniejszych akapitach), prowadzi do wniosków, że drzewo spełnia wymagania względem odporności pnia na złamanie, czyli wyliczony współczynnik bezpieczeństwa osiągnął 150% (a zapewne byłby jeszcze wyższy, gdyby wykonać rezystografia w dodatkowych punktach).
Źródło: materiały własne.

Czy warto wykonywać tomografię?

Czy jest więc sens wykonywać te badanie, skoro tak łatwo o błędny wynik?  Oczywiście, że tak!

W większości przypadków jest to skuteczna i relatywnie szybka metoda wykrycia uszkodzonych partii drzewa oraz określenia spadku wytrzymałości mechanicznej (w %). Po pierwsze, w przypadku ”standardowych” drzew (o przekroju zbliżonym do owalu lub elipsy) możliwości popełnienia błędu są dużo mniejsze i nie potrzeba dużego doświadczenia, aby poprawnie wykonać badanie. Więc tak naprawdę zazwyczaj mogą je wykonywać osoby po podstawowym przeszkoleniu i legitymujące się standardową wiedzą w zakresie budowy drzewa. Po drugie zazwyczaj nie potrzebujemy dużej precyzji w określeniu zasięgu rozkładu. Np. jeśli widzę, że rozkład położony jest centralnie i obejmuje kilka-kilkanaście procent powierzchni to nie ma dla mnie większego znaczenia jest to 5 czy 15% (a przynajmniej w perspektywy aktualnego prawdopodobieństwa złamania). Nawet dużo większy zakres rozkładu nie powoduje istotnego osłabienia wytrzymałości mechanicznej pnia.

Dzięki tomografii możemy więc łatwo zidentyfikować drzewa, których stan nie wymaga interwencji, pomimo istnienia wewnętrznych uszkodzeń.

Istotne jest, aby w trudnych przypadkach wyniki tomografii były interpretowane przez doświadczonych diagnostów, a drzewo było oceniane całościowo.

Podsumowanie:

Tomografia soniczna pnia to najpopularniejsza metoda instrumentalnego badania wnętrza drzewa. Swoją popularność zawdzięcza bezinwazyjności, dobrej dokładności w standardowych przypadkach, a także… kolorowym obrazkom i jednoznacznym wyliczeniom (bo można ciekawie przedstawić wyniki i zaproponować zleceniodawcy „konkrety”). Niestety w niewykwalifikowanych rękach zmienia się w śmiercionośną maszynę i przyczynia się do niepotrzebnych wycinek drzew. Artykuł powstał z myślą o ludziach, którzy chcą pogłębić wiedzę na temat tomografii i wykorzystać ją w swojej pracy (jako osoba wykonująca lub weryfikująca badanie). Mam więc nadzieję, że taki będzie jego efekt.

Uwagi:

Artykuł zawiera sporo uproszczeń i potocznych określeń, szczególnie w zakresie właściwości i zachowania fal dźwiękowych. Celem artykułu nie jest dogłębna analiza fizyki procesów odbywających się w trakcie wykonywania tomografii, ale przede wszystkim ich wpływ na otrzymany wynik. Niemniej będę wdzięczy za wszystkie krytyczne uwagi w tej materii. Zarówno doprecyzowanie terminologii jak i uściślenie zjawisk fizycznych pomogą w lepszym przedstawieniu tematu, a także dogłębniejszym jego zrozumieniu.

Literatura:

  • Instrukcje producentów do obsługi tomografów sonicznych: Argus Electronic (Picus), Fakopp (Arbosonic 3D) oraz Rinntech (Arbotom).
  • Rinn F. (2015a). Central defects in sonic tomography. Western Arborist. Spring 2015, 38-41.
  • Rinn F. (2014). Central Basics of Sonic Tree Tomography. J. Soc. Commercial Arborists (SCA-Today), Dec 2014, Vol. 19, No. 4, pp. 8-10.
  • Rinn F. (2016). Technical tree safety inspection (within and beyond TRAQ).
  • Rinn F. (2013). Shell-wall thickness and breaking safety of mature trees. Western Arborist. Fall 2013.39(3): pp. 14-18.
  • Rinn F. (2017) Key result of sonic tree tomography. Western Arborist, Fall 2017: 43-47.
  • Rinn F. (2020) How Sensor Positioning Influences Sonic Tomography Results. Western Arborist, Summer 2020: 49-54.
  • Giuliana Deflorio, Siegfried Fink, Francis W. M. R. Schwarze (2007). Detection of incipient decay in tree stems with sonic tomography after wounding and fungal inoculation.
  • Valentino Cristini, Jan Tippner, Barbora Vojáčková, Vinko Paulić (2021). Comparison of Variability in Results of Acoustic Tomographs in Pedunculate Oak (Quercus robur L.). BioResources 16(2), 3046-3058.
  • Andrés Arciniegas, Loïc Brancheriau, Philippe Lasaygues (2016). Tomography in standing trees: revisiting the determination of acoustic wave velocity.
  • Jiwon Son, Gwanggyu Lee, Jinho Shin (2021). Reliability of Noninvasive Sonic Tomography for the Detectionof Internal Defects in Old, Large Trees of Abies holophylla Maxim. Forests 2021, 12, 1131.
  • Steffen Rust (2022). Reproducibility of Stress Wave and Electrical Resistivity Tomography for Tree Assessment. Forests 2022, 13, 295.
  • Seray Özden (2015). The Relationship between the Anatomy and Mechanical Properties of Different Green Wood Species.
  • Hanns Christof Spatz, Jochen Pfisterer (2013). Mechanical Properties of Green Wood and Their Relevance for Tree Risk Assessment. Arboriculture & Urban Forestry 2013. 39(5): 218–225.
  • Karl J. Niklas, Hanns-Christof Spatz (2010). Worldwide correlations of mechanical properties and green wood density. American Journal of Botany 97(10): 1587–1594. 2010.