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.
Hienojuurten tuotos ja hajotus ovat keskeisiä prosesseja, jotka vaikuttavat ravinteiden kiertoon ja hiilitaseeseen boreaalisilla soilla. Tämän väitöskirjan tavoitteena oli määrittää hienojuurten tuotos suometsissä, tarkastella tuotoksen vaihtelun syitä ja kehittää tilastollisia malleja tuotoksen ennustamiseen puuston, kasvupaikan ja ilmastotekijöiden perusteella (I). Toisena tavoitteena oli määrittää hienojuurten hajotusnopeus erityyppisissä ojitetuissa suometsissä ja verrata juurten hajotusnopeutta ojitetuissa suometsissä ja kivennäismaametsissä (II).
Hienojuurten tuotos (I) mitattiin juurisukilla 0–50 cm maakerroksessa yhteensä 28 ojitetulla suometsäkohteella Suomessa. Hienojuurten koealakohtainen tuotos oli kuivamassana 30–473 g m–2 vuodessa, keskiarvon ollessa 120 g m–2 vuodessa. Tuotoksesta 76–95 % oli 0–20 cm maakerroksessa. Tuotos vaihteli merkittävästi kasvupaikkatyypin mukaan ja väheni kasvupaikan karuuntuessa. Lisäksi tuotos oli sitä suurempi, mitä syvemmällä pohjavedenpinta oli. Puuston pohjapinta-ala oli paras yksittäinen tuotosta ennustava muuttuja, ja se selitti 16 % tuotoksen vaihtelusta. Malli, jossa selittäjinä olivat pohjapinta-ala ja kasvupaikkatyyppi, selitti 47 % hienojuurten tuotoksen vaihtelusta.
Hienojuurten hajotusnopeutta (II) tutkittiin karikepusseilla, jotka sisälsivät kolmen vallitsevan puulajin (mänty, kuusi, hieskoivu) ja metsäalvejuuren juuria. Näytteet sijoitettiin 0–30 cm maakerrokseen kuudella ojitetulla suometsäkohteella ja neljällä kivennäismaametsäkohteella Suomessa. Hajotusnopeus vaihteli merkittävästi maalajin ja kasvupaikkatyypin mukaan. Karuilla kasvupaikoilla hienojuurten hajotus oli hitaampaa suometsissä kuin vastaavissa kivennäismaakohteissa, kun taas rehevillä kohteilla hajotus oli hitaampaa kivennäismaakohteissa. Nopeinta hajotus oli rehevissä suometsissä. Näytteenottosyvyys ja juurten läpimitta vaikuttivat myös hajotusnopeuteen, joka oli hitaampi syvemmällä maassa ja paksummilla juurilla. Puulajeista kuusen juurilla oli hitain hajotusnopeus.
Yhteenvetona hienojuurten tuotos vaihteli merkittävästi kasvupaikkatyypin mukaan, ja tuotos oli suurempi syvemmällä pohjavedenpinnalla ja ravinteikkaissa olosuhteissa. Puuston pohjapinta-ala osoittautui tärkeäksi tuotoksen ennustajaksi. Hienojuurten hajotusnopeuteen vaikuttivat maalaji ja kasvupaikan ravinteisuustaso, juurten läpimitta ja näytteenottosyvyys. Hajotus oli nopeinta ravinteikkailla turvemailla ja hitainta syvemmissä maakerroksissa ja paksummilla juurilla. Tulokset tarjoavat arvokasta tietoa hienojuurten dynamiikan ja kasvupaikkatekijöiden välisistä suhteista ja lisäävät ymmärrystä hiilen kierrosta ojitetuissa suometsissä.
Tuhohyönteisten aiheuttamat häiriöt ovat lisääntyneet boreaalisissa metsissä viime vuosina. Nämä häiriöt johtuvat ensisijaisesti ihmisen aiheuttamasta monimuotoisuuden vähenemisestä, metsien heterogeenisyydestä sekä ilmastonmuutoksen aiheuttamista lämpötilan ja sademäärien muutoksista. Suomessa metsätuhohyönteisten esiintymistiheys on lisääntynyt ja tuhohyönteislajit ovat levinneet yhä pohjoisemmaksi. Lisätietoa tarvitaan, jotta voidaan ymmärtää mitkä tekijät altistavat metsiköt hyönteistuhoille.
Tämän väitöskirjan tavoitteena oli tutkia metsätuholaisten dynamiikkaa tarkastelemalla bioottisten ja abioottisten tekijöiden välisiä vuorovaikutuksia sekä niiden ekologisia ja taloudellisia vaikutuksia. Väitöskirjassa keskityttiin kahteen taloudellisesti merkittävään hyönteistuholaislajiin: pilkkumäntypistiäiseen (Diprion pini L.) ja kirjanpainajaan (Ips typographus L.). Tavoitteena oli tutkia ympäristötekijöitä, jotka altistavat metsiä hyönteisten aiheuttamille häiriöille sekä eri bioottisten ja abioottisten tekijöiden välisiä vuorovaikutuksia.
Ensimmäisessä tutkimuksessa selvitettiin miten luontaiset viholliset vaikuttavat pilkkumäntypistiäisen kotelokoppakuolemiin pitkittyneen massaesiintymän aikana. Metsän ominaisuudet, erityisesti kasvupaikan niukkaravinteisuus, näyttävät heikentävän luonnollisten vihollisten tehokkuutta. Toisessa tutkimuksessa selvitettiin mitkä puusto- ja maaperä- sekä metsikön topografiaa kuvaavat tekijät selittävät pilkkumäntypistiäisen aiheuttaman männyn (Pinus sylvestris L.) neulaskadon voimakkuutta. Vakavimmat tuhot esiintyvät maanpinnanmuodoiltaan tasaisimmilla ja maaperätekijöiltään korkeampaan ravinteikkuuteen viittaavilla kasvupaikoilla. Kolmannessa tutkimuksessa mitattiin pilkkumäntypistiäisen massaesiintymän vaikutukset männyn läpimitan kasvuun ja arvioitiin siihen liittyvät taloudelliset menetykset. Selvisi, että pitkittynyt neulaskato aiheuttaa merkittäviäkin kasvutappioita ja tappiot kasvavat neulaskadon voimistuessa. Lisäksi vakavasta neulaskadosta kärsineet puut eivät toipuneet 10 vuoden tutkimusjakson aikana. Neljäs tutkimus keskittyi ympäristötekijöihin, jotka altistavat kuusikot (Picea abies (L.) Karst.) kirjanpainajalle. Suurimmat todennäköisyydet voimakkaille kirjanpainajan aiheuttamille puusto-oireille löytyvät kasvupaikoiltaan ravinteikkailta itään päin avautuvilta ja kohtalaisen jyrkiltä rinteiltä, ohuen maakerroksen tai maaperän korkean hiili/typpi -suhteen omaavilta alueilta.
Metsän eri abioottiset ja bioottiset tekijät säätelevät tuholaisten dynamiikkaa ja lisäävät alttiutta tuhohyönteisten aiheuttamille häiriöille metsässä. Väitöskirjani keskeiset havainnot tulisi ottaa huomioon metsänhoitokäytännöissä, jotta tilanteeseen voidaan sopeutua sekä hillitä hyönteisten aiheuttamien häiriöiden vaikutuksia tulevaisuudessa.