Artikkelit jotka sisältää sanan 'diversiteetti'

Biomassajärjestelmien käyttö on lisääntynyt Euroopassa uusiutuvan energian ja biopohjaisten tuotteiden lähteinä. Erityisesti nopeakasvuisten viljelmien pinta-ala on kasvanut nopeasti vastauksena tarpeeseen vähentää hiilidioksidipäästöjä, hillitä ilmastonmuutosta ja vahvistaa energiaomavaraisuutta. Tuotannollisen roolinsa lisäksi biomassajärjestelmät voivat tarjota useita ympäristöpalveluita niitä ympäröiville maisemille. Näiden hyötyjen laajuus riippuu kuitenkin voimakkaasti paikallisesta kontekstista. Lisäksi biomassajärjestelmiä koskeva paikkatieto on edelleen hajanaista ja hajautunutta, mikä rajoittaa mahdollisuuksia tutkia niiden vaikutuksia.

Tämän puutteen korjaamiseksi väitöskirjassa kootaan paikkatietoa biomassajärjestelmistä eri puolilla Eurooppaa, kuvaillaan niitä ympäröivää maankäyttökontekstia sekä tarkastellaan spatiaalisia ratkaisuja, joiden avulla nämä järjestelmät voivat parantaa maisemarakenteen ominaisuuksia ja ekosysteemipalveluja. Käytettävissä olevan biomassajärjestelmien sijaintitiedon ja maankäyttöaineistojen avulla arvioitiin maankäytön monimuotoisuutta, mallinnettiin ekologista kytkeytyneisyyttä sekä sovellettiin monitavoitteista spatiaalista suunnittelua hoitotoimenpiteiden optimoimiseksi kannattavuuden ja ekosysteemipalvelujen tuottamisen välisten kompromissien näkökulmasta.

Tulokset osoittavat, että poppeli- ja pajuviljelmillä on suurin potentiaali monipuolistaa maatalousmaisemia, mikä johtuu niiden suhteellisen pienestä kuviokoosta ja sijoittumisesta pääosin voimaperäisen maatalouden matriisiin. Sitä vastoin eukalyptusviljelmät voivat aiheuttaa maiseman yksipuolistumisen riskin suuren kuviokokonsa ja pääosin metsäisiin ympäristöihin sijoittumisensa vuoksi. Vesistöalueen tasolla poppeliviljelmät voivat toimia askelkivinä, jotka yhdistävät suuria metsäalueita, mutta niiden tehokkuus riippuu niiden spatiaalisesta sijoittelusta ja tutkittujen lajien leviämiskyvystä. Poppeliviljelmien hoidon spatiaalinen optimointi paljasti niiden mahdollisen roolin ekosysteemipalvelujen ylläpitäjänä tiukoissa suojeluskenaarioissa. Yhdistettynä rantametsiin ne voivat saavuttaa sekä taloudellisen kannattavuuden että toivottavat ekologiset tulokset tuotannollisissa maisemissa.

Kaiken kaikkiaan tämä väitöskirja tarjoaa uuden panoksen biomassajärjestelmien ymmärtämiseen Euroopassa tarjoamalla spatiaalisen viitekehyksen, joka tukee maankäytön suunnittelijoita, päätöksentekijöitä ja tutkijoita maisemien suunnittelussa siten, että tuotannollisuus ja kestävyys ovat tasapainossa.

• Pineda-Zapata, University of Eastern Finland, Faculty of Science, Forestry and Technology, School of Forest Sciences https://orcid.org/0009-0006-8014-0098 Sähköposti: spineda@uef.fi

Tarkka puulajien luokittelu on keskeistä metsäsuunnittelussa, biodiversiteetin seurannassa ja ekologisessa tutkimuksessa. Boreaalisten metsien suhteellisen vähäinen puulajimäärä ja yksinkertainen latvusrakenne tarjoavat suotuisat lähtökohdat kaukokartoitukseen perustuvalle puulajitulkinnalle. Puulajin luokittelu on kuitenkin edelleen haastavaa metsien rakenteellisen vaihtelun sekä ekologisesti merkittävien lehtipuulajien, kuten haavan, hajanaisen esiintymisen vuoksi. Tässä väitöskirjassa arvioidaan RGB-, multispektri- ja LiDAR-sensoreilla varustettujen miehittämättömien ilma-alusten mahdollisuuksia puulajiluokittelussa ja keskeisten biodiversiteetti-indikaattorien tunnistamisessa Suomen boreaalisissa metsissä.

Tutkimus perustuu neljään osatutkimukseen, jotka toteutettiin käyttäen erilaisia miehittämättömiä ilma-aluksia ja sensorikokoonpanoja. Aineistot sisälsivät muun muassa helikopteripohjaista RGB-kuva-aineistoa, fotogrammetrisia pistepilviä ja miehittämättömällä ilma-aluksella kerättyä LiDAR-aineistoa. Luokiteltavat puulajit olivat mänty (Pinus sylvestris L.), kuusi (Picea abies (L.) Karst.), koivut (Betula pendula Roth, B. pubescens Ehrh.) ja haapa (Populus tremula L.). Luokitusmenetelminä käytettiin lineaarista erotteluanalyysiä (LDA), tukivektorikoneita (SVM) ja satunnaismetsiä (RF). Luokittelussa hyödynnettiin kohteiden spektriä, rakennetta, tekstuuria ja muotoa kuvaavia piirteitä.

Korkein kokonaisluokittelutarkkuus (95 %) saavutettiin toukokuussa kerätyillä multispektrikuvilla ja käsin rajatuilla latvussegmenteillä. Myös RGB-kuvista johdettuihin pistepilviin perustuva automaattinen segmentointi tuotti hyviä tuloksia: kokonaisluokittelutarkkuus oli 92 % ja kappa-kerroin 0,90. Rakenne- ja spektritietojen yhdistäminen paransi luokittelutuloksia, erityisesti silloin kun aineistot oli kerätty samanaikaisesti. Menetelmät osoittautuivat tehokkaiksi myös ekologisesti merkittävien haapojen ja pystylahopuiden tunnistamisessa. Haavan F1-arvo oli parhaimmillaan 97 %.

Tulokset osoittavat myös, että vuodenaikaisvaihtelu vaikuttaa merkittävästi luokittelutarkkuuteen. Kasvukauden alku tarjoaa parhaat olosuhteet spektriin perustuvalle puulajin luokittelulle. Piirteiden tärkeyttä koskevat analyysit korostivat spektriä, rakennetta ja tekstuuria kuvaavien tietojen yhdistämisen merkitystä luokittelutarkkuuden maksimoimisessa. Vaikka useita sensoreita yhdistävät menetelmät tuottivat korkeimmat tarkkuudet, myös hyvin toteutetut yhden sensorin menetelmät tuottivat luotettavia tuloksia suotuisissa olosuhteissa.

Tämä väitöskirja osoittaa, että miehittämättömiin ilma-aluksiin perustuva kaukokartoitus tarjoaa kustannustehokkaan ja resoluutioltaan korkean vaihtoehdon maastoinventoinneille puulajien luokittelussa ja biodiversiteetin arvioinnissa. Tutkimus esittää joustavia ja käytännön toimintaan soveltuvia työskentelytapoja boreaalisten metsien biodiversiteetin seurantaan. Tulokset myös vahvistavat miehittämättömien ilma-alusten roolia kestävän metsätalouden tukena.

• Kuzmin, University of Eastern Finland, Faculty of Science, Forestry and Technology, School of Forest Sciences https://orcid.org/0000-0001-5066-5535 Sähköposti: anton.kuzmin@uef.fi

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

Tämä väitöskirja tutkii jatkuvapeitteisen metsänhoidon taloutta. Tutkimuksessa yhdistetään jatkuvapeitteisen metsänhoidon taloudellinen kuvaus metsien kasvua kuvaaviin empiirisesti estimoituihin kokoluokkarakenteisiin ja puukohtaisiin malleihin. Optimointiongelma ratkaistaan yleisessä muodossa käyttäen gradientteihin perustuvia sisäpistemenetelmiä. Tulosten riippuvuus ekologisista ja ekonomisista parametreista selvitetään herkkyysanalyysilla. Väitöskirja koostuu yhteenvedosta sekä neljästä artikkelista, joissa ratkaistaan taloudellisesti optimaalinen jatkuvapeitteinen metsänhoito yhden ja monen puulajin metsille. Tulokset esitetään optimaalisille harvennuksille ja puuston rakenteelle, sekä biodiversiteettirajoitteella että ilman. Lisäksi tutkitaan optimaalista transitiota eri alkutiloista kohti pitkän aikavälin tasapainotilaa, korkokannan ja harvennuskustannusten vaikutusta taloudellisesti optimaaliseen puuston rakenteeseen ja hakkuiden ajoitukseen, sekä kuinka tulokset vertautuvat Suomen ja Ruotsin lainsäädäntöihin. Tulosten mukaan hakkuut yleensä kohdistuvat suurimpiin puihin. Monen puulajin metsissä paremmilla kasvupaikoilla lajimonimuotoisuus kasvaa korkokannan noustessa, pitkän aikavälin tasapainotilan ollessa sekametsä. Lajimonimuotoisuus lisääntyy myös, kun biodiversiteetti huomioidaan metsänhoidon optimoinnissa. Hakkuiden ajoitus ja voimakkuus riippuvat sekä korkokannasta sekä kiinteistä hakkuukustannuksista, ja jos alkutila on kaukana pitkän aikavälin tasapainotilasta, laeista löytyvät rajat rikotaan etenkin transitiovaiheessa

• Rämö, University of Helsinki, Department of Forest Sciences Sähköposti: janne.ramo@helsinki.fi

• Vehkaoja, University of Helsinki, Department of Forest Sciences Sähköposti: mia.vehkaoja@helsinki.fi

• Aalto, University of Helsinki, Department of Forest Sciences Sähköposti: juho.aalto@helsinki.fi

• Pakkala, University of Eastern Finland, School of Forest Sciences Sähköposti: timo.pakkala@hotmail.fi

• Vainio, University of Helsinki, Faculty of Biosciences Sähköposti: eeva.vainio@metla.fi

• Rajala, University of Helsinki, Department of Applied Chemistry and Microbiology Sähköposti: tiina.rajala@metla.fi

• Hyvärinen, University of Joensuu, Faculty of Forestry Sähköposti: esko.hyvarinen@joensuu.fi