Artikkelit jotka sisältää sanan 'GAM'

Kategoria : Articles

Piia Ikonen. (2023). Conditions for cooperative forest management on Capercaillie (Tetrao urogallus L.) lekking sites in Finland. https://doi.org/10.14214/df.339

Avainsanat: metsänhoito; elinympäristö; yhteistyö; metsänomistaja; riista

Tiivistelmä | Näytä lisätiedot | Artikkeli PDF-muodossa | Tekijä

Suomessa yksityiset metsänomistajat omistavat lähes 60 % metsäpinta-alasta. Yksityistilan keskikoko on 30 hehtaarin luokkaa. Moni metsänomistajista lukeutuu monitavoitteisiin omistajiin, joilla on puuntuotannon ohella virkistykseen, monimuotoisuuteen ja maisemaan liittyviä tavoitteita. Tämän tutkimuksen tavoitteena oli arvioida, kuinka tilanrajat ylittävän riistametsänhoidon konsepti vastaanotettaisiin Suomessa, ja millaiset seikat ja mekanismit voisivat vaikuttaa konseptin jalkauttamiseen käytännössä. Riistametsänhoito on valikoima metsänhoitotoimenpiteitä, jolla pyritään säilyttämään metsäkanalintujen, kuten laajasti arvostetun metson (Tetrao urogallus L.), elinympäristöt talousmetsissä. Metson soidinpaikat ovat laajoja (voivat ulottua jopa 20 hehtaarin alalle) ja teoriassa sijoittua useamman yksityisen tilan alueelle. Riistametsänhoidon soveltaminen soidinpaikoilla voisi parantaa soidinpaikkojen kytkeytyneisyyttä ja laatua, mutta edellyttäisi naapurimetsänomistajien yhteistyötä. Metsänomistajien avoimuudesta riistametsänhoitoa tai metsänhoitoyhteistyötä kohtaan ei ole kuitenkaan ollut tietoa.

Tutkimus koostuu kahdesta kaksinkertaiseen otantaan perustuvasta kyselytutkimuksesta, jotka sisälsivät yhteensä kolme kyselyä (kaksi metsänomistajille, yksi metsäammattilaisille) sekä laadullisesta metsänomistajien haastattelututkimuksesta. Yhdessä tutkimukset kuvaavat tämänhetkistä riistametsänhoidon ja metsänhoitoyhteistyön toteutusta, metsänomistajien uskomuksia tilanrajat ylittävästä riistametsänhoidosta soidinpaikoilla, ja metsänomistajien valmiutta osallistua vastaavaan metsänhoitoyhteistyöhön. Tulokset viittasivat, että metsänomistajat hyväksyvät riistametsänhoidon menetelmät enenevässä määrin ja metsänhoitoyhteistyö herättää heissä kiinnostusta. Metsänomistajien itsenäisyys, normit ja palveluiden kohtaamattomuus, sekä metsänomistajien välisen kommunikaation vähäisyys voivat kuitenkin hidastaa metsänomistajien mielenkiintoa osallistua tilanrajat ylittävään yhteistyöhön. Tulokset korostivat myös, että metsänomistajien päätöksenteko-oikeuden ja valinnanvapauden tulisi näkyä myös yhteistyössä. Yhteistyömallit, joita edistetään samanlaisia tavoitteita omaavien metsänomistajien välisen yhteistoiminnan kautta, voisivat tuottaa optimaalisimman metsänhoitoratkaisun metson laajoilla metsäelinympäristöillä.

Ikonen, University of Eastern Finland, Faculty of Science, Forestry and Technology, School of Forest Sciences Sähköposti: piia.ikonen@uef.fi

Cheikh Mohamedou. (2019). Improving local forest growth prediction by terrain-derived attributes, airborne γ-ray, and leaf area index. https://doi.org/10.14214/df.268

Avainsanat: kalibrointi; puun kasvu; paikkatieto; gamma-säteily; kosteusindeksi

Tiivistelmä | Näytä lisätiedot | Artikkeli PDF-muodossa | Tekijä

Metsän kasvu on tärkeimpiä tunnuksia metsävarojen suunnittelussa ja eri käyttötarpeisiin tehdyissä metsäympäristön kehitystä kuvaavissa simulointimalleissa. Perinteisesti puulajeittaiset kasvumallit on tehty laajojen alueiden koeala-aineistosta mallintamalla, jolloin paikallisten olosuhteiden vaihtelu ei tule kovin tarkkaan huomioiduksi. Paikallisen kartta- ja muun paikkatiedon avulla on mahdollista kalibroida ja tarkentaa kasvuennusteita.Tässä tutkimuksessa käytettiin paikkatietopohjaisia maaston pintamallista johdettuja kosteustunnuksia, lentokone gamma-säteilyn mittauksia ja latvuspeiton estimaatteja. Käytetyssä aineistossa oli yhteensä 9987 lukupuuta, 1118 koepuuta ja 197 koealaa. Tilastollisessa analyysissä käytettiin sekamallinnusta ja koneoppimisen menetelmiä. Näiden paikkatieto aineistojen avulla puulajeittaisia paikallisia ennusteita onnistuttiin parantamaan 6-18 % puun läpimitan kasvun ennusteita. Parannus oli suurinta karuilla mailla.

Mohamedou, University of Eastern Finland, School of Forest Sciences Sähköposti: cheikh.mohamedou@uef.fi

Susanna Sironen. (2009). Estimating individual tree growth using non-parametric methods. https://doi.org/10.14214/df.94

Avainsanat: pituuskasvu; läpimitan kasvu; k-lähimmän naapurin menetelmä; yleistetyt additiiviset mallit

Tiivistelmä | Näytä lisätiedot | Artikkeli PDF-muodossa | Tekijä

Metsien tulevan kehityksen ennustamisessa tarvitaan informaatiota sekä metsien nykytilasta että metsän kasvun mallinnusta. Luotettavat ennusteet metsävarojen kehityksestä ovat tärkeitä niin metsäsuunnittelussa, arvioitaessa metsänhoidollisten toimenpiteiden vaikutuksia kuin varmistettaessa metsien käyttöä kestävän kehityksen mukaan. Suomessa käytettävät kasvumallit ovat yleisesti valtakunnallisia, jotka tuottavat harhattomia ennusteita suuremmilla alueilla, mutta pienemmillä alueilla ja metsikkötasolla kasvumallien ennusteet voivat olla suuriakin yli- tai aliarvoita. Ei-parametriset menetelmät tarjoavat vaihtoehdon perinteisille regressiomalleille, joita kasvun ennustamisessa on yleisesti käytetty. Ei-parametrisissa menetelmissä kasvuja ei ennusteta koko aineiston perusteella kuten regressiomalleilla, vaan kunkin kohdehavainnon ennustettu kasvu saadaan yleensä sitä selittävien muuttujien suhteen läheisesti muistuttavien havaintojen eli lähimpien naapureiden kasvujen painotettuna keskiarvona. Ei-parametrisilla menetelmillä paikallisuutta voidaan kuvata helposti, mikäli paikallista aineistoa on saatavilla. Tämän väitöskirjatyön tarkoituksena oli tutkia ei-parametristen menetelmien soveltuvutta puukohtaisen kasvun ennustamiseen. Yhtenä keskeisimmistä tavoitteista oli kyetä vähentämään kasvuennusteisiin liittyviä aluekohtaisia harhoja, ja saada metsiköittäin ja alueittain mahdollisimman tarkkoja kasvuennusteita. Tutkimusaineisto koostui kahdesta erillisestä aineistosta: paikallisesta kertakoeala-aineistosta, joka oli kerätty Kuusamon alueelta Koillis-Suomesta, sekä valtakunnallisesta kasvatusmetsien pysyvien koealojen INKA-aineistosta. Kasvuennusteet laadittiin männylle ja kuuselle. Tutkimuksessa käytetyt ei-parametriset menetelmät olivat k-lähimmän naapurin menetelmä sekä yleistetyt additiiviset mallit. Tutkimuksessa käsiteltyihin aiheisiin kuuluivat paikalliset ei-parametriset kasvunennustamismenetelmät, ei-parametristen kasvuennusteiden lokalisointi, läpimitan kasvun ja pituuskasvun yhtäaikainen ennustaminen sekä korreloivien havaintojen vaikutus ei-parametrisiin kasvunennustamismenetelmiin. Tulosten mukaan ei-parametriset menetelmät soveltuivat kasvun ennustamiseen. Yksikään tutkituista ei-parametrista menetelmistä ei osoittautunut ylivertaisesti paremmaksi, vaan menetelmien toimivuus riippui käytetystä aineistosta ja sovelluksesta. Ei-parametrisin menetelmin saatiin vähennettyä kasvuennusteiden aluekohtaista harhaa. Ei-parametrisin menetelmin saatiin vähintään yhtä tarkkoja kasvuennusteita kuin vertailuissa käytetyillä parametrisilla menetelmillä sekä puu-, metsikkö- että aluetasolla. Tässä tutkimuksessa esitettyjä menetelmiä voidaan käyttää käytännön metsäsuunnittelujärjestelmissä, vaikkakin erityisesti metsänhoidollisten toimenpiteiden sisällyttäminen ei-parametrisiin kasvunennustamismenetelmiin vaatii vielä lisää tutkimista.

Sironen, University of Joensuu, Faculty of Forest Sciences Sähköposti: susanna.sironen@joensuu.fi

Rekisteröidy

Click this link to register to Dissertationes Forestales.

Kirjaudu sisään

Jos olet rekisteröitynyt käyttäjä, kirjaudu sisään tallentaaksesi valitsemasi artikkelit myöhempää käyttöä varten.

Ilmoitukset päivityksistä

Kirjautumalla saat tiedotteet uudesta julkaisusta

Valitsemasi artikkelit