Kolmas viikko jatkoi edellisen viikon Kevon kanjonin seudun rasteriaineistoilla ja kurssikerran lukemisto oli jo edellisellä viikolla käsittelemäni katkelma teoksesta Geoinformatiikka luonnonvarojen hallinnassa (Holopainen M. ym., 2015, s. 51-53 & s. 61-65). Materiaalit alkavat olla jo aika tuttuja, sillä samaa teosta käytettiin jo ensimmäisestä viikosta lähtien. Lukemistoa tärkeämpiä materiaaleja tällä viikolla olivat harjoituksen aineistojen metadata-tiedostot. Viikon harjoitukset tehtiin Luonnonvarakeskuksen aineistoilla, jotka kuvasivat alueen puustoon liittyviä tietoja. Harjoitus jakaantui viiteen osaan:
- Datan tarkastelu
- Kokonaisbiomassan laskeminen eri puutyypeille
- Etäisyysbufferit uomille
- Biomassan tilastollisten tunnuslukujen laskeminen etäisyysvyöhykkeittäin
- Latvuspeittävyyden laskeminen korkeusluokittain
- Bonus: Puuston keskipituus etäisyysvyöhykkeittäin.
Harjoituksissa pääsi jonkin verran toistamaan samoja työvaiheita, mikä auttoi muistamaan prosessia. Raportteja kirjoittaessa olen myös huomannut, kuinka työvaiheiden läpikäyminen auttaa jäsentämään prosessia kokonaisuutena ja sitä kautta opittua on helpompi painaa mieleen. Joten jäsennellään tämäkin viikko.
Biomassan laskeminen ja tulosten tarkastelu
Tutkin harjoituksessa männyn, lehtipuiden ja kuusen kokonaisbiomassaa ja vertailin tuloksia keskenään. Tarkastelin alkuun jälleen datan metatietoja, joista selvisi aineiston spatiaalinen resoluutio, joka oli 16x16m / pikseli. Biomassan yksikkö 10kg/ha, mutta muokkaan sen analyyseissa muotoon t/ha, jotta tulosten tarkastelu on selkeämpää. Aineisto on Luonnonvarakeskuksen tuottamaa ja se on osa kuntakohtaisia metsävara-arvioita. Biomassa-aineistojen koostamiseen on hyödynnetty laserkeilainmateriaalia kahdesta keilaimesta sekä Landsat 8-satelliitin laserkeilaimesta. Biomassan selvittämistä varten on hyödynnetty biomassamalleja sekä koepuista mitattuja tietoja, kuten yhteenlaskettua puuaineen tiheyttä. Aineistot ovat peräisin vuodelta 2019.
Laskin männyn, kuusen ja lehtipuiden kokonaisbiomassan raster calculatorilla ja muutin ne muotoon t/ha. Visualisoin biomassaa kuvaavat kartat männyille ja lehtipuille, joista kuvat alla.
Tarkastelin biomassojen määrää ja sijoittumista sekä vertailin lajien välisiä eroavaisuuksia. Yllä olevien mäntyjen ja lehtipuiden biomassaa tarkastelevien karttojen lisäksi tarkastelin harjoituksia tehdessä myös kuusen biomassaa alueella. Kaikkien lajit keskittyvät selvästi kanjonin uomien läheisyyteen. Männyn yhteenlaskettu biomassa on kaikista suurin ja se on levittäytynyt alueelle tasaisesti ja tiiviisti. Seuraavaksi eniten alueella on lehtipuiden biomassaa ja kuusen kaikista vähiten. Mänty on Suomen yleisin puulaji eikä se ole nirso elinympäristön suhteen, mikä selittää sen runsasta esiintyvyyttä. Lehtipuiden kategoriassa taas on summattuna usean lajin biomassa, joten ne ylittävät kuusen, vaikka se onkin männyn jälkeen Suomen toiseksi yleisin puulaji.
Kuusen niukkaa biomassaa selittää myös se, että laji on mäntyä vaativampi elinympäristönsä suhteen. Kuusi tarvitsee riittävästi kosteutta ja pinta-alaa, niinpä se onkin sijoittunut muita lajeja selkeämmin kanjonin välittömään läheisyyteen kapeana nauhana. Kuusen esiintyminen keskittyy etenkin alueen koillisosiin, joissa myös veden virtaama on suurempi ja kosteutta on enemmän saatavilla.
Kevon kanjonia ympäröi luonnonpuisto, joten sen läheisyydessä ei ole merkittävää asutusta, metsätaloutta tai rakentamista, joka vaikuttaisi lajien esiintyvyyteen. Kuusen leviämiseen on kuitenkin vaikuttanut muiden alueiden metsätalous, joka suosii mäntyä. Niinpä kuusi on levinnyt Lapin pohjoisosiin metsätalouden suosimia lajeja hitaammin. Lisäksi lajien sijoittumista ohjaa auringonvalon määrä sekä maaperän ominaisuudet, kuten ravinteisuus ja maastonmuodot. Lehtipuut hyötyvät auringonvalosta havupuita enemmän ja ovat myös ravinteiden suhteen vaativampia. Kaikkien lajien esiintyvyyteen vaikuttaa negatiivisesti myös alueen pohjoinen sijainti, sillä puut eivät menesty parhaiten Lapin karuissa olosuhteissa.
Etäisyysbufferit uomista ja tilastollisten tunnuslukujen laskeminen
Tässä vaiheessa pääsin hyödyntämään edeltävän viikon uomat 100k-tasoa. Uutena työkaluna käytin tällä viikolla euclidean distancea, jonka avulla loin etäisyysrasterit uomille (Kuva 3). Luokittelin luodut etäisyysrasterit edellisistä harjoituksista tutun reclassify-työkalun avulla. Luokittelin etäisyysrasterit 200m välein uomasta viiteen eri luokkaan. Näiden luokkien pohjalta laskin biomassojen tilastollisia tunnuslukuja ja kokosin ne taulukoiksi alle.
| Taulukko 1: Männyn biomassan tilastollisia tunnuslukuja etäisyysvyöhykkeittäin | |||
| Etäisyysvyöhyke | Keskiarvo (t/ha) | Minimi (t/ha) | Maksimi (t/ha) |
| 0-200m | 0,58 | 0 | 72,83 |
| 200-400m | 4,88 | 0 | 74,32 |
| 400-600m | 0,60 | 0 | 73,72 |
| 600-800m | 0,33 | 0 | 80,63 |
| 800-1000m | 0,32 | 0 | 67,73 |
| 1000-1200m | 0,40 | 0 | 65,51 |
| Taulukko 2: Lehtipuiden biomassan tilastollisia tunnuslukuja etäisyysvyöhykkeittäin | |||
| Etäisyysvyöhyke | Keskiarvo (t/ha) | Minimi (t/ha) | Maksimi (t/ha) |
| 0-200m | 0,56 | 0 | 32,23 |
| 200-400m | 4,14 | 0 | 65,58 |
| 400-600m | 1,22 | 0 | 39,49 |
| 600-800m | 0,81 | 0 | 38,73 |
| 800-1000m | 0,86 | 0 | 39,26 |
| 1000-1200m | 0,31 | 0 | 13,49 |
| Taulukko 3: Kuusen biomassan tilastollisia tunnuslukuja etäisyysvyöhykkeittäin | |||
| Etäisyysvyöhyke | Keskiarvo (t/ha) | Minimi (t/ha) | Maksimi (t/ha) |
| 0-200m | 0,04 | 0 | 6,44 |
| 200-400m | 0,52 | 0 | 35,22 |
| 400-600m | 0,02 | 0 | 11,53 |
| 600-800m | 0,01 | 0 | 7,35 |
| 800-1000m | 0,02 | 0 | 6,16 |
| 1000-1200m | 0,04 | 0 | 8,07 |
Taulukoiden esittämiä tuloksia tarkastellessa huomaa, että kaikkia puutyyppejä sijaitsee enemmän kanjonin läheisillä vyöhykkeillä ja vähemmän kaukaisemmilla. Kaikkien lajien biomassaa sijaitsee selvästi eniten toisella etäisyysvyöhykkeellä kanjonista, eli 200-400m uomista katsottuna. Nämä poikkeuksellisen suuret arvot nostavat myös biomassojen keskiarvoja.
Kasvupaikkaa ohjaavista tekijöistä lajien sijoittumiseen vaikuttaa erityisen voimakkaasti maaston muodot. Siksi lajit suosivatkin toista etäisyysvyöhykettä, joka sijaitsee riittävän kaukana kanjonin jyrkistä rinteistä, mutta riittävän lähellä hyötyäkseen kanjoniin virtaavasta vedestä. Maastonmuodot vaikuttavat myös sen ravinteikkuuteen, sillä jyrkistä rinteistä maan eloperäinen ja ravinteita sisältävä kerros huuhtoutuu helposti pois. Niinpä kasvupaikan suhteen vaativammat lehtipuut ovatkin sijoittuneet vielä havupuita selkeämmin hieman etäämmälle kanjonin välittömästä läheisyydestä.
Latvuspeittävyys eri korkeusvyöhykkeillä
Seuraavaksi tarkastelin alueen puuston latvuspeittävyyttä eri korkeusvyöhykkeillä. Tämän selvittämistä varten lisäsin projektiin tarvittavat rasteriaineistot latvuspeittävyydestä ja sovelsin aikaisempiin työvaiheisiin annettuja ohjeita. Samaan tapaan kuin uomien ja etäisyysrastereiden kohdalla, luokittelin nyt etäisyyden sijasta KevoDEM-korkeusmallin neljään eri korkeusvyöhykeluokkaan. Korkeusvyöhykkeet kuvaavat korkeutta merenpinnasta. Näiden korkeusluokkien mukaan laskin latvuspeittävyyden prosenteissa eri puustoille ja kokosin tulokset taulukoiksi sekä visualisoin niistä kartat.
Tarkastelin jälleen metadatasta, kuinka latvuspeittävyyttä esittävät aineistot on luotu. Latvuspeittävyyden määrittäminen on osa Luonnonvarakeskuksen viiden vuoden välein tehtävää valtakunnallisten metsien inventointia (VMI). Latvuspeitto on saatu selville projisoimalla latvuspeittävyys vaakatasoon koepinta-alalle ja mittaamalla sen peittävyys prosentteina välillä 0-99. Myös tämä aineisto on peräisin vuodelta 2019.
| Taulukko 4: Havupuiden latvuspeiton tilastollisia tunnuslukuja korkeusluokittain. | |||
| Korkeus merenpinnasta | Keskiarvo (%) | Minimi (%) | Maksimi (%) |
| 0-200m | 8,02 | 0 | 50,00 |
| 200-300m | 4,75 | 0 | 46,00 |
| 300-400m | 5,40 | 0 | 47,00 |
| 400-500m | 7,14 | 0 | 20,00 |
| Taulukko 5: Lehtipuiden latvuspeiton tilastollisia tunnuslukuja korkeusluokittain. (Korkeus merenpinnasta) | |||
| Korkeus merenpinnasta | Keskiarvo (%) | Minimi (%) | Maksimi (%) |
| 0-200m | 15,13 | 0 | 51,00 |
| 200-300m | 8,08 | 0 | 49,00 |
| 300-400m | 6,63 | 0 | 42,00 |
| 400-500m | 7,50 | 0 | 20,00 |
Sekä havu- että lehtipuiden latvuspeitto on korkeimmillaan ensimmäisessä korkeusluokassa 0-200m. Tämä käy järkeen, sillä mitä korkeammalla puut sijaitsevat, sitä enemmän ne altistuvat kasvua heikentäville luonnonolosuhteille, kuten kylmälle lämpötiloille ja kovalle tuulelle. Kuten odotettua, lehtipuiden latvuspeitto on havupuita suurempi, sillä lehdet ovat neulasia suurempia. Tämä pitää paikkansa kuitenkin vain kesäisin, sillä puiden pudottaessa lehtensä tilanne kääntyy talvisin päittäin.
Bonustehtävä
Pienenä bonuksena näpyttelin myös puiden keskipituuksien tilastollisista tunnusluvuista taulukon.
| Taulukko 6: Puuston keskipituuksien tilastollisia tunnuslukuja etäisyysvyöhykkeittäin uomista. | |||
| Etäisyysvyöhyke | Keskiarvo (dm) | Minimi (dm) | Maksimi (dm) |
| 0-200m | 3,04 | 0 | 116,00 |
| 200-400m | 20,94 | 0 | 143,00 |
| 400-600m | 4,89 | 0 | 136,00 |
| 600-800m | 3,24 | 0 | 111,00 |
| 800-1000m | 3,511904 | 0 | 118 |
| 1000-1200m | 1,89677 | 0 | 84 |
Puiden keskipituutta kuvataan desimetreinä. Suurimmat keskipituudet sijoittuvat toiselle etäisyysvyöhykkeelle uomista katsottuna ja pääsääntöisesti arvot pienenevät mitä kauempana uomista ollaan. Tämä ei yllätä, sillä aikaisemmista analyyseistä on käynyt ilmi, että kaikki lajit viihtyvät eniten uomien läheisyydessä ja erityisesti toisella etäisyysvyöhykeellä sen kasvuolosuhteiden vuoksi.
Lopuksi:
Tälläkin viikolla sain kulutettua lukuisia työtunteja tehtäviin, taulukoihin ja karttavisualisointeihin. Tehtävän työvaiheet olivat kuitenkin melko selkeitä ja aikaa kului lähinnä työvaiheiden toistoon ja useiden karttavisualisointien hienosäätöön. Toiston ansiosta harjoituksen sisältö kuitenkin painui mieleen, mikä varmaan oli tarkoituskin. Etenkin aineistojen metadatan tarkastelu oli tällä kertaa jo helpompaa, vaikka yksikköjä pitikin välillä miettiä hetki. Oli myös hyvä käyttää samoja työkaluja kuin aikasemmillakin viikoilla, vaikka raster calculatorin kanssa joutuukin välillä kikkailemaan. Kaiken kaikkiaan viikko sujui kivasti, joten ensiviikkoon tältä erää.
Lähteet
Holopainen M., Tokola T., Vastaranta M., Heikkilä J., Huitu H., Laamanen R., & Alho P. (2015) Geoinformatiikka luonnonvarojen hallinnassa. Helsingin yliopiston metsätieteiden laitoksen julkaisuja 7 s. 51-53 & s. 61-65