Artikkelit jotka sisältää sanan 'aikasarja'

Pystypuiden puuaineen ominaisuuksien mittaus on yleensä työlästä ja tämä rajoittaa saatavilla olevien havaintojen määrää erilaisista metsistä. Tässä väitöskirjassa tutkittiin kahden ajankohdan laserkeilauksen (LS) potentiaalia pystypuiden puuaineen ominaisuuksien arvioimiseen yhdistämällä puun sisäiset ominaisuudet ja ulkoisten puun piirteiden kehitys. Väitöskirja koostuu Etelä-Suomessa toteutetuista tutkimuksista I–III.

Tutkimuksessa I arvioitiin kahden ajankohdan lentolaserkeilauksen (ALS) soveltuvuutta latvusmuutosten havaitsemiseen viiden vuoden aikana. Merkittäviä muutoksia havaittiiin eri latvustunnuksissa. Puulajien välisiä eroja havaittiin myös latvusmittausten suhteellisissa muutoksissa. Tutkimuksessa II seitsemän vuoden seuranta-ajalta määritettyjä puun pituuden ja latvusmittausten muutoksia käytettiin puun alkutilan mittausten lisäksi selittämään rungon tilavuuskasvua (ΔV). Pistepilvien kattavuuden parantamiseksi helikopterista kerätty ALS-pistepilvi yhdistettiin maasta kerättyihin laserkeilauspistepilviin. Männyillä havaittiin vahvimmat yhteydet ΔV:n ja puun pituuden, latvuksen projektioalan sekä latvuksen piirin välillä. Kuusen ja koivun osalta latvustilavuuden ja latvuksen pinta-alan muutokset olivat keskeisiä ΔV:n selittäjiä.

Tutkimuksessa III hyödynnettiin kahden ajankohdan ALS:ää puun sisäisten ominaisuuksien ja niiden vaihtelun arvioimiseen puiden ja metsikköjen välillä. Puun sisäisiä ominaisuuksia mitattiin röntgenmikrodensitometrialla 15 kasvukauden ajalta, joka vastasi ALS-havaintoja. Keskimääräinen vuosikasvu puun pituudessa liittyi kohtuullisesti vuosilustojen keskimääräiseen leveyteen sekä puu- että koealatasolla. Sen sijaan keskimääräisen puuaineen tiheyden ja kasvumittareiden välillä ei havaittu merkittäviä yhteyksiä.

Kokonaisuudessaan tämä väitöskirja osoittaa kahden ajankohdan pistepilvien käytön mahdollisuuden puun ja latvuksen mittausten muutosten kuvaamiseen. Se tarjoaa menetelmiä kasvun arviointiin ja lisää ymmärrystä kuinka hyödyntää puu- ja latvusmittauksia selittämään puun sisäisiä ominaisuuksia ja niiden vaihtelua.

• Poorazimy, University of Eastern Finland, Faculty of Science, Forestry and Technology, School of Forest Sciences https://orcid.org/0000-0002-6341-3887 Sähköposti: maryam.poorazimy@uef.fi

Tietotarpeista metsien seurantaan liittyen on tullut entistä monitahoisempia. Jotta näihin tietotarpeisiin voidaan vastata, aineistojen tulee olla systemaattisesti tuotettuja, spatiaalisesti kattavia ja yksiselitteisiä, sekä niiden avulla tulee olla mahdollista havaita muutokset spatiaalisella ja temporaalisella resoluutiolla, jotka ovat yhteismitallisia sekä luonnon että ihmisen vaikutusten kanssa. Lisäksi raportointivelvollisuudet asettavat edelleen vaatimuksia läpinäkyvyyden, toistettavuuden ja aineistojen alkuperän suhteen. Väitöskirjan tavoitteena oli keskittyä näihin tarpeisiin sekä parantaa metsissä tapahtuvien häiriöiden ja niistä palautumisen seurannan mahdollisuuksia laajoilla alueilla.

Landsat-aikasarja tehostaa metsien seurannan mahdollisuuksia, erityisesti metsissä tapahtuvien häiriöiden jälkeisen palautumisen arviointia, kun taas komposiittikuvien tuottamisen lähestymistapa, jossa hyödynnetään parhaita saatavilla olevia pikseleitä, mahdollistaa Landsat-aikasarjan hyödyntämisen laajoilla metsäalueilla. Osajulkaisuissa I ja IV tunnistettiin metsien seurannan tietotarpeita ja liitettiin niitä komposiittikuvan tuottamisen kriteereihin sekä aineistojen saatavuuteen Kanadassa ja Suomessa. Osajulkaisussa II kehitettiin menetelmiä ja havainnollistettiin niitä tuottamalla laajan alueen yhtenäiset Landsat-komposiittikuvat, joista tunnistettiin muutokset, laskettiin jatkuvat muutospiirteet sekä tuotettiin vuosittaiset tiedot, jotka ovat olennaisen tärkeitä metsien seurannan kannalta. Osajulkaisussa III kansallista seurantamenetelmää testattiin Kanadan yli 650 Mha metsäekosysteemien alueella ja se mahdollisti yksityiskohtaiset analyysit kohteissa, joissa oli tapahtunut metsäpalo tai päätehakkuu edellisen 25 vuoden aikana (1985-2010). Lisäksi metsien lyhyen ja pitkän ajan palautumista pystytiin arvioimaan. Palautumista kuvaavista sävyarvopiirteistä tuotettiin lisätietoa osajulkaisuissa V ja VI. Osajulkaisussa V metsien palautumista kuvaavien sävyarvojen hyödyllisyyttä arvioitiin ja vahvistettiin vertaamalla niitä metsien peitteisyyden ja pituuden kriteereihin, jotka saatiin lentolaserkeilausaineistosta. Osajulkaisussa VI tutkittiin ja määrällistettiin maastossa mitattujen metsän rakenteen ja puulajisuhteiden vaikutusta palautumista kuvaaviin sävyarvoihin.

Keskittymällä metsien seurantajärjestelmien neljään tärkeimpään näkökulmaan, tietotarpeeseen, aineistojen saatavuuteen, menetelmäkehitykseen, ja tuotettuun tietoon, väitöskirjatutkimukset osoittivat, että yhdistämällä lähestymistapa, jossa komposiittikuvat tuotetiin hyödyntämällä parhaita saatavilla olevia pikseleitä, ja Landsat-aikasarja on mahdollista tuottaa sellaista tietoa ja aineistoja, joissa on tarvittavat ominaisuudet laajojen alueiden metsien seurantaa varten, samalla kun mahdollistetaan myös kokonaisvaltaisempi arviointi metsissä tapahtuvista häiriöistä ja metsien palautumisesta niiden jälkeen.

• White, University of Helsinki, Department of Forest Sciences https://orcid.org/0000-0003-4674-0373 Sähköposti: joanne.white@canada.ca

Männyn pituuskasvu käynnistyy keväällä lämpötilan ohjaamana, ja lämpötila on myös tärkein kasvun etenemistä selittävä tekijä. Päivittäiskasvu kiihtyy päivien lämmetessä ja saavuttaa huippunsa yleensä aivan alkukesästä. Pituuskasvu päättyy yleensä heinäkuun alkupuolella. Pituuskasvukertymää kuvattiin mallilla, jossa selittävänä muuttujana oli lämpösummakertymä. Riippumatta pituuskasvun määrästä se päättyy, kun noin 40% paikkakunnan pitkäaikaisesta lämpösummasta oli kertynyt. Männyn pituuskasvu on ennaltamääräytynyttä: kasvuaiheet muodostetaan päätesilmuun edellisenä kesänä silloisen pituuskasvun päättymisen aikoihin, ja havaitsemamme pituuskasvu on kasvuaiheiden erilaistumista ja venymistä lopulliseen mittaansa. Pituus¬kasvun vuotuinen vaihtelu seuraa pääosin päätesilmun muodostumisajankohdan kas¬vun minimitekijän vaihtelua, joka pohjoista metsänrajaa lähestyttäessä on useimmin kasvu¬kauden aikainen lämpötila. Tässä tutkimuksessa männyn pituuskasvun vuosivaihtelua kuvaavan mallin selittäväksi muuttujaksi valikoitui puun iän lisäksi edellisen heinäkuun lämpötila, joka selitti 74 % pituuskasvun vuosivaihtelusta. Kun mallia sovellettiin ennustamiseen käyttäen tutkimusjakson aikana mitattuja kuukausilämpötiloja, yhden asteen marginaalisen muutoksen vaikutus seuraavan vuoden pituuskasvuun oli 1,8 cm ja keskimääräisen pituuskasvun vaihteluväli 15–32 cm. Keskimääräisinä vuosina neulastiheys eli neulasparien määrä vuosikasvaimen pituutta kohden määräytyy pituuskasvun tapaan jo edellisen kasvukauden aikana päätesilmun muodostuessa. Jos pituuskasvuyksiköiden venymisessä lopulliseen mittaansa ilmenee häiriöitä tuhojen tai äärevien sääilmiöiden vaikutuksesta, neulastiheys voi nousta korkeaksi. Neulastiheys voi myös laskea niissä tilanteissa, jolloin kasvuvuoden kevään olosuhteet lisäävät pituuskasvuyksiköiden venymistä. Hyvä pituuskasvu tarkoittaa myös runsasta neulastuotantoa. Nuorimmat neulasvuosikerrat ovat merkittävimpiä nettotuottajia, joten runsas neulastuotanto mahdollistaa hyvän kasvun neulasten syntyä seuraavina parina vuotena, mikäli muut olosuhteet ovat suotuisat. Neulasiin on myös sitoutunut energiaa, jota voidaan siirtää etenkin vanhemmista neulasvuosikerroista esimerkiksi läpimitan kasvun tarpeisiin. Läpimitan kasvu korreloikin kahta vuotta aikaisemman pituuskasvun kanssa. Lämpötilan vaihtelussa on paljon satunnaisia ja pitkillä aikaväleillä vaikeasti ennustettavia piirteitä. Koska lämpötila on merkittävin vuotuisen pituuskasvun vaihtelun selittäjä Lapissa, myös pituuskasvuun sisältyy satunnaisen kaltaisena ilmenevää vuosivaihtelua. Seuraavan kasvukauden pituuskasvun suuruus on toisaalta helppo ennustaa hyvin ennalta määräytyneen kasvutavan vuoksi. Voimakas riippuvuus edellisen vuoden heinäkuun lämpötilasta tekee Lapin männyn pituuskasvusta erittäin käyttökelpoisen bioindikaattorin varsinkin yhdessä muiden ympäristöaikasarjojen kanssa.

• Salminen, University of Helsinki, Department of Forest Resource Management Sähköposti: hannu.salminen@metla.fi