Artikkelit jotka sisältää sanan 'haapa'

Metsillä on erityinen rooli luonnon monimuotoisuuteen liittyvässä päätöksenteossa, sillä ne kattavat noin 80 % maaekosysteemien monimuotoisuudesta maailmanlaajuisesti. Metsäkasvillisuuden rakenne ja sen moninaisuus vaikuttavat paikalliseen monimuotoisuuteen muokkaamalla mikroilmastollisia olosuhteita, tarjoamalla suojaa ja lisääntymispaikkoja, sekä vaikuttamalla resurssien ja ekologisten lokeroiden jakautumiseen ja saatavuuteen. Metsien kasvillisuuden rakenteen arvioinnissa kaukokartoitusdataa, kuten lentolaserkeilausdataa (ALS; Airborne Laser Scanning) ja optista dataa (esim. ilma- ja satelliittikuvat), hyödynnetään laajalti. Tämän väitöskirjan tavoitteena oli tarkastella ALS-datan käyttömahdollisuuksia metsien biologisen ja rakenteellisen monimuotoisuuden arvioinnissa.

Ensiksi tehtiin katsaus ALS-datan hyödyntämisestä metsien biologisen ja rakenteellisen monimuotoisuuden arvioinnissa. Katsauksessa raportoitiin yleisimmin tutkitut aiheet ja yleisimmät tutkimusalueiden maantieteelliset sijainnit, sekä listattiin kaikista eniten käytetyt ja hyödyllisimmät ALS-metriikat. Toiseksi arvioitiin ALS-datan ja ilmakuvien yhteiskäyttöä ekologisesti arvokkaiden metsähaapojen tunnistuksessa. Haavan ekologista tärkeyttä alleviivaa se, että lukuisat haavasta riippuvat lajit ovat Punaisen listan lajeja. Kaukokartoitukseen perustuva haavan kartoitus on tunnetusti haastavaa, sillä haavat sekoittuvat eniten muiden lehtipuiden kanssa, mutta myös siksi, että haapoja esiintyy vain harvakseltaan. Haapojen harvalukuisuus otettiin huomioon tasapainottamalla opetusaineistoa niin kutsutulla SMOTE-menetelmällä (Synthetic Minority Oversampling TEchnique). Kolmanneksi arvioitiin ALS-datan ja Sentinel 2-satelliittikuvien yhteiskäyttöä metsikkökoealojen iän ennustamisessa. Kaukokartoitusmuuttujien lisäksi laskettiin maastoaineistosta kategorisia selittäjiä, joilla kuvattiin koealan kasvuolosuhteista. Koealojen iän ennustamisessa verrattiin lineaarista sekamallia (LME) ja tehostettua päätöspuumenetelmää, joka hyödyntää satunnaisvaikutuksia (GPBoost). Joillakin koealoilla oli edellisen puusukupolven niin kutsuttuja ylispuita (siemen- ja jättöpuita), jotka vaikeuttivat iän ennustamista näillä koealoilla. Ylispuut otettiin huomioon testaamalla vaihtoehtoista ennustusmenetelmää, joka sisälsi ylispuukoealojen luokituksen ennen iän ennustamista.

Tulokset osoittivat, että suurin osa ALS-perustaisesta metsien biologisen ja rakenteellisen monimuotisuuden tutkimisesta on tähän saakka tapahtunut Euroopassa ja Pohjois-Amerikassa. Eläinekologia, kuollut puusto ja puulajien monimuotoisuusindeksit olivat eniten tutkittuja aihealueita. ALS-dataa käytettiin usein yhdessä muiden kaukokartoitusaineistojen, kuten ilma- ja satelliittikuvien kanssa, mikä oli erityisen hyödyllistä, kun puulajeja käsiteltiin suorasti tai epäsuorasti. Katsauksen perusteella ei löydetty yhtä selvää ALS-selittäjää, joka olisi hyödyllinen kaikenlaisessa metsien biologisen ja rakenteellisen monimuotoisuuden arvioinnissa. Kasvillisuuden korkeuden keskihajonta, keskiarvo ja variaatiokerroin olivat eniten hyödynnettyjä ja useimmiten hyödyllisiksi osoittautuneita ALS-selittäjiä.

Kookkaiden haapojen puu- ja koealatasojen luokittelutarkkuus parani, kun SMOTE-menetelmää hyödynnettiin harvinaisten haapahavaintojen augmentoinnissa. Ilmakuvaselittäjät osoittautuivat ALS-selittäjiä tärkeämmiksi kookkaiden haapojen tunnistamisessa. Eritoten lähi-infrakanava ja sen suhteet muiden ilmakuvakanavien kanssa olivat tärkeitä selittäjiä. Tulokset osoittavat, että kookkaiden haapojen tunnistaminen aidoissa populaatioissa on edelleen haasteellista.

Koealatason iän ennustamisessa GPBoost-menetelmä oli LME-menetelmää parempi, ja luokka-asteikollisten selittäjien mukaan ottaminen satunnaisvaikutuksina johti selvään ennustevirheen pienentymiseen. Ennustevirheen pieneneminen oli LME-malleissa suurempaa kuin GPBoost-malleissa. Kaikista parhaat tulokset saatiin, kun ylispuukoealojen luokitus tehtiin ennen iän ennustamista.

Tämä väitöskirja osoitti, että ALS-data tarjoaa arvokasta informaatiota metsäluonnon monimuotoisuuden arviointiin niin pienessä kuin suuressakin mittakaavassa. Se myös osoitti, että on tärkeää arvioida menetelmän tehokkuutta aineistolla, joka antaa realistisimman kuvan tarkasteltavasta populaatiosta. Tulevaisuudessa tarvitaan enemmän tutkimusta vähemmän tutkituista aiheista, kuten funktionaalisesta monimuotoisuudesta. Lisäksi GPBoost-menetelmää tulisi testata myös muiden metsää kuvaavien ominaisuuksien kuin iän ennustamisessa.

• Toivonen, University of Eastern Finland, Faculty of Science, Forestry and Technology, School of Forest Sciences https://orcid.org/0000-0003-1319-3035 Sähköposti: janne.toivone@gmail.com

Metsien elinympäristöjä ja monimuotoisuutta voidaan turvata perustamalla suojelualueita ja ylläpitämällä monimuotoisuutta talouskäytössä olevissa metsissä. Sekä suojelualueilla että talousmetsissä monimuotoisuuden kannalta tärkeät metsän rakennepiirteet esiintyvät alueellisesti eri tasoilla. Pienimmät rakennepiirteet ovat yksittäisen puun tasolla tai puiden sisäisessä rakenteessa. Metsien dynaamiset muutokset (ekologinen sukkessio, luontaiset ja ihmisen aiheuttamat häiriöt) voivat muuttaa pienipiirteisiä rakenteita, mikä puolestaan voi vaikuttaa metsien kykyyn ylläpitää monimuotoisuutta.

Tutkin erityisesti kahta pienipiirteistä pohjoisten havumetsien rakennepiirrettä: lehtipuita (etenkin haapaa (Populus tremula)) havupuuvaltaisessa metsässä sekä tikkojen tekemiä pesäkoloja. Nämä rakennepiirteet ovat tärkeitä monille metsien eliölajeille. Niiden esiintymiseen ja runsauksiin voivat kuitenkin vaikuttaa metsien dynaamiset muutokset. Tutkin näiden rakennepiirteiden ajallista dynamiikkaa pitkäaikaisten (16–30 vuotta) havaintoaineistojen avulla. Erityisesti selvitin lehtipuiden taimien dynamiikkaan vaikuttavia tekijöitä talousmetsissä, haapapuiden demografiaa vanhoissa suojelluissa metsissä, puissa olevien tikkojen kolojen dynamiikkaan vaikuttavia puu- ja metsikkötason tekijöitä sekä kaukokartoituksen soveltuvuutta haapapuiden seurantaan suojelualueilla.

Tärkeimmät tulokseni ovat:

1) Lehtipuiden selviämistä sukkession alussa voidaan parantaa kulotuksella. Nisäkkäiden taimiin kohdistama herbivoria vaikuttaa lehtipuiden selviytymiseen, mutta herbivorian vaikutus on riippuvainen metsän iästä.

2) Elävien haapojen määrä laski 37% vanhoissa suojelluissa metsissä 18 seurantavuoden aikana. Uusia haavantaimia syntyi paljon, mutta taimet eivät pystyneet kasvamaan isoiksi puiksi. Haapojen uudistuminen keskittyi reunavyöhykkeille.

3) Puulaji, puun koko ja puun kunto vaikuttivat puissa olevien tikkojen tekemien kolojen elinikään. Pisimpään säilyivät hyväkuntoisissa ja suurikokoisissa havupuissa olleet kolot. Haapapuissa myös pienissä puuyksilöissä kolot säilyivät pitkään.

4) Pienoiskoptereiden (droonien) avulla kuvattuja monispektrisiä kuvia voidaan käyttää isokokoisten haapojen havaitsemiseen vanhoissa metsissä. Erityisesti loppukevät on otollinen ajankohta haapojen erottamiseksi muista puulajeista.

Tulokseni korostavat, että metsien monimuotoisuudelle tärkeät rakennepiirteet voivat dynaamisten prosessien seurauksena muuttua nopeasti. Tutkimani pienialaiset rakennepiirteet, jotka ylläpitävät metsien monimuotoisuutta, muuttuivat jo muutamien vuosikymmenien kulussa. Tulosteni perusteella suojelualueiden metsien rakennetta tulisi seurata tarkasti, jotta muutokset alueiden kyvyssä ylläpitää monimuotoisuutta havaitaan ajoissa. Kaukokartoitus tarjoaa uusia mahdollisuuksia myös metsien pienipiirteisten rakenteiden seurantaan.

• Hardenbol, University of Eastern Finland, Faculty of Science and Forestry, School of Forest Sciences https://orcid.org/0000-0002-0615-505X Sähköposti: alwin.hardenbol@uef.fi