Artikkelit jotka sisältävät avainsanan 'Nepal'.

Bishnu P. Devkota. (2019). From participation to responsiveness: The changing priorities of community forestry governance in Nepal`s Terai. https://doi.org/10.14214/df.282

Tässä väitöskirjassa tarkastellaan yhteisöpohjaisen metsien hallinnan toteutusta ja ilmaston muutoksen hillitsemiseen liittyviä interventioita. Niiden vaikutuksista on erityisesti tarkasteltu hyötyjen oikeudenmukaisen jakautumisen, heikoimmassa asemassa olevien ryhmien osallistumisen sekä REDD+ ohjelmien sosiaalisten vaikutusten näkökulmasta Nepalin Terai-alueella. REDD+ (Reducing Emissions from Deforestation and Forest Degradation + forest conservation, sustainable management of forests and enhancement of carbon stocks) tarkoittaa kansainvälistä rahoitusmallia metsäkadosta ja metsien köyhtymisestä aiheutuvien hiilidioksidipäästöjen ehkäisemiseksi. Nepalissa varsinkin heikoimmassa asemassa olevien henkilöiden mukanaolo päätöksenteossa ja oikeuden mukainen hyötyjen jakaminen ovat osa luonnonvarahallinnan tavoitteita. Samanaikaisesti sekä kansainvälisellä että kansallisella tasolla on epäselvyyttä siitä, millaisia metsien hallinnan järjestelmiä voidaan toteuttaa paikallistasolla, kun pyritään tehokkaaseen metsien suojeluun ja hoitoon. Metsien hallintaan liittyvien toimien, kuten REDD+ interventioiden, tarkempi tarkastelu on kuitenkin tarpeen, jotta voidaan ymmärtää niiden yhteiskunnallisia vaikutuksia ja arvioida luonnonvarahallinnan vuorovaikutteisuutta.

Tämä tapaustutkimus perustuu laadulliseen haastatteluaineistoon, joka on kerätty kolmelta metsätalousalueelta, joissa on toteutettu REDD+ interventioita. Tutkimusmenetelminä on käytetty ryhmäkeskusteluja, syvähaasteluja ja osallistuvaa havainnointia. Tutkimuksen teoreettisen viitekehyksen avulla tarkastellaan poliittisten tavoitteiden ja metsän hallinnan sosiaalisten vaikutusten samankaltaisuuksia ja eroja. Tutkimuksessa pyrittiin tunnistamaan tekijät, jotka vaikuttavat interventioista saatujen hyötyjen tasa-arvoiseen jakautumiseen. Lisäksi tutkimus arvioi, miten nykyiset vuorovaikutteiset politiikkaprosessit ja käytännössä vallitseva Dalits-järjestelmä vaikuttavat yhteisöjen asukkaiden yhdenvertaisuuteen REDD+ interventioiden hyötyjä jaettaessa.  

Terai-alueella yhteisömetsien köyhät käyttäjät olivat erittäin riippuvaisia metsävaroista mutta rikkaat käyttäjät hyötyvät enemmän REDD+ interventioista. Yhteisöpohjaisessa metsätaloudessa heikommassa asemassa olevien ryhmien osallistumisen muodolliset rakenteet eivät tarjoa riittävästi tilaa yhdenvertaisuudelle. Ja näin REDD+ interventioiden hyödyt eivät ole jakautuneet tasaisesti. REDD+ ohjelman täytäntöönpano on kuitenkin myös tukenut myönteisesti yhteisöjen metsäalueiden hallintaa. Epäedullisessa asemassa olevien ryhmien suhteellinen edustus on saavutettu ja vuorovaikutteisuus on lisääntynyt. Jatkossa uudenlaisia kriteerejä tulee kehittää, jotta metsistä erittäin riippuvaisten käyttäjien sisällyttäminen yhteisömetsien hallintaa olisi etusijalla.

  • Devkota, University of Eastern Finland, School of Forest Sciences ORCID ID:Sähköposti bishnu.devkota@uef.fi (email)
Md Parvez Rana. (2016). Selection of training areas for remote sensing-based forest above-ground biomass estimation. https://doi.org/10.14214/df.227

Tämän työn tavoitteena oli arvioida puuston maanpäällistä biomassaa (AGB) – yhtä keskeistä REDD ja REDD+ MRV -mekanismien metsäinventointiin liittyvistä muuttujista. Tämä tutkimus tarkasteli opetusaluekonseptia kaksivaiheisessa AGB-arvioinnissa käyttäen laserkeilausta (ALS) ja RapidEye -satelliittiaineistoa itä-Suomessa (tutkimus I), opetusalueen sijainnin vaikutusta (tutkimus II) ja (tutkimus II) ja maastoaineiston otoskoon vaikutusta (tutkimus III) käyttäen ALS-, RapidEye- ja Landsat-aineistoa etelä-Nepalissa. AGB-malli sovitettiin käyttäen yksinkertaista lineaarista regressiota (tutkimus I) ja ”sparse bayesialaista” menetelmää (tutkimukset II-III). AGB-mallin tehokkuus testattiin käyttämällä riippumatonta validointiaineistoa ja tehokkuus arvioitiin määrittämällä keskineliövirheen neliöjuuri (RMSE) ja keskipoikkeama. Tutkimuksen I tulokset osoittavat, että RapidEye-mallilla oli lupaava tarkkuus 20%:n suhteellisella RMSE:lla suhteessa riippumattomaan validointiaineistoon. Tutkimuksen II tulokset osoittivat, että etäisyydellä tiestä ja opetusalueen kaltevuudella oli huomattava vaikutus AGB-arvion tarkkuuteen, koska metsän rakenne vaihteli saavutettavuuden mukaan. Tutkimuksen II tulokset osoittavat, että riittävä puuston pituuden ja tiheyden vaihtelevuuden kattavuus oli tärkeä edellytys opetusalueiden valitsemisiin. Suhteellisessa RMSE:ssa havaittiin vain vähäistä nousua, kun opetusalueiden kokonaismäärää pienennettiin. ALS-perusteinen ennustaminen vaati pienimmän määrän opetusalueita verrattuna RapidEye- ja Landsat-aineistoon.

Yhteenvetona: (i) ALS-simuloidut opetusalueet voisivat toimia vaihtoehtona kalliille kenttäkoealueille käyttäen kaksivaiheista lähestymistapaa; (ii) opetusalueen pitäisi kattaa laaja vaihtelevuus suhteessa saavutettavuustekijöihin ja metsän rakenteeseen kuten pituus ja tiheys; (iii) ALS-pohjainen ennustaminen onnistui paremmin kuin satelliittimateriaalipohjaiset (RapidEye- ja Landsat) menetelmät. Nämä arvioidut AGB-inventoinnin konseptit ja tekijät ovat hyödyllisiä tukemassa tulevaisuudessa metsävarojen kestävään käyttöön ja REDD-mekanismiin liittyvää metsien monitorointia ja päätöksentekoa.

  • Rana, University of Eastern Finland, School of Forest Sciences ORCID ID:Sähköposti parvez.rana@uef.fi (email)
Md Parvez Rana. (2016). Selection of training areas for remote sensing-based forest above-ground biomass estimation. https://doi.org/10.14214/df.227

Tämän työn tavoitteena oli arvioida puuston maanpäällistä biomassaa (AGB) – yhtä keskeistä REDD ja REDD+ MRV -mekanismien metsäinventointiin liittyvistä muuttujista. Tämä tutkimus tarkasteli opetusaluekonseptia kaksivaiheisessa AGB-arvioinnissa käyttäen laserkeilausta (ALS) ja RapidEye -satelliittiaineistoa itä-Suomessa (tutkimus I), opetusalueen sijainnin vaikutusta (tutkimus II) ja (tutkimus II) ja maastoaineiston otoskoon vaikutusta (tutkimus III) käyttäen ALS-, RapidEye- ja Landsat-aineistoa etelä-Nepalissa. AGB-malli sovitettiin käyttäen yksinkertaista lineaarista regressiota (tutkimus I) ja ”sparse bayesialaista” menetelmää (tutkimukset II-III). AGB-mallin tehokkuus testattiin käyttämällä riippumatonta validointiaineistoa ja tehokkuus arvioitiin määrittämällä keskineliövirheen neliöjuuri (RMSE) ja keskipoikkeama. Tutkimuksen I tulokset osoittavat, että RapidEye-mallilla oli lupaava tarkkuus 20%:n suhteellisella RMSE:lla suhteessa riippumattomaan validointiaineistoon. Tutkimuksen II tulokset osoittivat, että etäisyydellä tiestä ja opetusalueen kaltevuudella oli huomattava vaikutus AGB-arvion tarkkuuteen, koska metsän rakenne vaihteli saavutettavuuden mukaan. Tutkimuksen II tulokset osoittavat, että riittävä puuston pituuden ja tiheyden vaihtelevuuden kattavuus oli tärkeä edellytys opetusalueiden valitsemisiin. Suhteellisessa RMSE:ssa havaittiin vain vähäistä nousua, kun opetusalueiden kokonaismäärää pienennettiin. ALS-perusteinen ennustaminen vaati pienimmän määrän opetusalueita verrattuna RapidEye- ja Landsat-aineistoon.

Yhteenvetona: (i) ALS-simuloidut opetusalueet voisivat toimia vaihtoehtona kalliille kenttäkoealueille käyttäen kaksivaiheista lähestymistapaa; (ii) opetusalueen pitäisi kattaa laaja vaihtelevuus suhteessa saavutettavuustekijöihin ja metsän rakenteeseen kuten pituus ja tiheys; (iii) ALS-pohjainen ennustaminen onnistui paremmin kuin satelliittimateriaalipohjaiset (RapidEye- ja Landsat) menetelmät. Nämä arvioidut AGB-inventoinnin konseptit ja tekijät ovat hyödyllisiä tukemassa tulevaisuudessa metsävarojen kestävään käyttöön ja REDD-mekanismiin liittyvää metsien monitorointia ja päätöksentekoa.

  • Rana, University of Eastern Finland, School of Forest Sciences ORCID ID:Sähköposti parvez.rana@uef.fi (email)

Rekisteröidy käyttäjäksi
Paina tätä linkkiä Metsätieteen aikakauskirjan käsikirjoituksen tarjoamis- ja seurantajärjestelmään (OJS) kirjautumiseen.
Kirjaudu sisään
Jos olet kirjautunut käyttäjäksi, kirjaudu sisään tallentaaksesi valitsemasi artikkelit myöhempää käyttöä varten.
Ilmoitukset päivityksistä
Kirjautumalla saat tiedotteet uudesta julkaisusta.


Valitsemasi artikkelit