Browsing by Subject "biomassa"

Tarkastelen pro gradu- tutkielmassani Euroopan puoleisen Venäjän tundran eri kasvupaikkoja. Tutkimuksessa selvitettiin satelliittikuvilta toisistaan erottuvien kasvupaikkojen biomassan ja hiilidioksidivoiden eroja kasvupaikkojen välillä. Lisäksi testasin, voidaanko regressioanalyysillä kasvillisuuden lajiryhmän peittävyyteen ja korkeuteen perustuen ennustaa luotettavasti kasvillisuuden biomassaa. Tämän tutkimuksen avulla saadaan arvokasta tietoa eteläisen tundra-alueen eri kasvupaikkatyyppien tämän hetkisestä maanpäällisestä biomassasta ja siitä mitkä kasvupaikat ovat mahdollisesti ilmakehän hiilidioksidin lähteitä tai nieluja. Mikäli ilmaston lämpenemisen seurauksena kasvupaikkatyyppien suhteet muuttuvat, on tärkeää tietää eri tyyppien hiilenvarannoista ja vaihdosta. Tutkimuksen aineisto kerättiin kesällä 2007. Biomassa aineisto kerättiin systemaattisella otannalla viideltä 900 metrin pituiselta linjalta, lisäksi näytteitä kerättiin myös hiilidioksidivuon mittauskaulusten läheisyydestä. Regressioanalyysiä varten kirjattiin ylös funktionaalisten kasviryhmien (sammalet, jäkälät, ruohovartiset, varvut, vaivaiskoivu ja pajut) peittävyydet (%) ja korkeudet (cm). Keräämäni biomassa-aineiston ja Kuopion yliopiston tutkijoiden kammiomenetelmällä keräämän hiilidioksidivuoaineiston avulla laskin tutkitulle alueelle eri kasvupaikkojen keskimääräiset biomassat ja ekosysteemin hiilidioksidin nettovaihdon (NEE) ja respiraation (ER) mittauskauden keskiarvot. Kaukokartoituksen avulla selvitettiin myös kasvupaikkojen peittävyyksiä laajemmalla alueella (98 km2, Quickbird kuvan koko). Näin saatiin kokonaiskuva alueen tämän hetkisestä biomassasta ja eri kasvupaikkojen jakautumisesta. 98 km2 kokoisella alueella suurimmat peittävyydet olivat varpupeitteisellä turvemaalla (23 %) ja varputundralla (19 %). Alueen kasvupaikkojen peittävyyksillä painotetun biomassan keskiarvo oli 601 g m-2. Merkitsevää eroa kasvupaikkojen biomassojen välillä oli vain muutamien kasvupaikkojen kohdalla. Kaikki hiilidioksidinmittauskohteet, paitsi paljaat turvemaat, olivat kesän 2007 keskiarvon mukaan ilmakehän hiilidioksidin nieluja. Ekosysteemin hiilidioksidin nettosidonta (NEE) oli suurinta pajuvaltaisella kasvupaikalla ja vähäisintä varputundralla. Ekosysteemiin respiraatio (ER) suhteessa ekosysteemin hiilidioksidin nettosidontaan oli voimakkaampaa mineraalimaan kohteilla kuin turvemaan kohteilla. Regressioanalyysi osoittautui luotettavaksi välineeksi ennustaa kasvillisuuden biomassaa peittävyyden ja korkeuden avulla aineiston koon ollessa tarpeeksi suuri. Maanpäällinen biomassa oli tutkimallamme alueella samaa luokkaa aikaisempiin tutkimuksiin verrattaessa, ja alue edusti eteläistä tundra vyöhykettä hyvin. Hiilidioksidivoita tarkastellessa kesän 2007 lämpimämmillä lämpötiloilla saattoi olla vaikutuksensa siihen, että suurin osa kasvupaikoista oli hiilidioksidin nieluja.

Opinnäytetyö on tehty osana Suomen metsäkeskuksen esiselvityshanketta Keski-Suomen ensiharvennuksien laadusta. Työssä tarkastellaan Metsäkeskuksen tekemän korjuujäljen laadun seurannan perusteella ensiharvennusmetsiköiden jäävän puuston tunnuksia, pääasiassa runkolukuja. Aineiston avulla simuloitiin OpeMotti-ohjelmistolla puuston kehitys koko kiertoajalle. Mitattuja ensiharvennuskuvioita oli 85, joista simulaatioissa mukana oli 83. Mäntyvaltaisia metsiköitä oli 42, kuusivaltaisia 32 ja koivuvaltaisia 9 kappaletta. Simulaatioiden tuloksista selvitettiin koko kiertoajan muutoksia ensiharvennettujen metsiköiden puuston runkoluvuissa, tilavuudessa, biomassassa ja hiilen sekä hiilidioksidin sidonnassa. Maastomittausten perusteella ensiharvennusten laatu oli heikko. Kaikki kuviot oli harvennettu liian harvoiksi, ja ajouran osuus pinta-alasta oli keskimäärin 28 %. Hakkuuvaurioita tai ajourapainaumia oli alle 3 %. Suositusten mukaisen maastodatan puuttuessa kiertoaikasimuloinnit tehtiin sekä maastodatan että laskettujen suositusarvojen perusteella. Simulaatioita tehtiin yhteensä 166 eri kuviotiedoilla; mitattu data ja suositusdata jokaisesta 83 kuviosta. Simulointien mukaan tarkastettujen ensiharvennettujen kuvioiden runkotilavuus vähenisi kiertoajan aikana 15 % ja biomassan tuotto 14 % verrattuna suositusten mukaisesti ensiharvennettuihin. Vaikka voimakas harvennus hieman nopeutti puuston kasvua, nopeampi kasvu ei korvannut menetettyä puumäärää normaalin kiertoajan aikana. Tulos ei juurikaan muuttunut valtapuulajeittain tarkasteltuna, vaikka puulajien kasvutavat ja -nopeudet erosivat toisistaan. Liian voimakkaat ensiharvennukset saattavat aiheuttaa metsänomistajille tulonmenetyksiä tulevaisuudessa. Simulaatioiden mukaan suositusten mukaan ensiharvennetuista kuvioista voisi saada päätehakkuussa 800–2000 euroa enemmän tuloa hehtaarilta. Suositusten mukaiset kuviot sitoivat hiilidioksidia 15 % ja hiiltä 14 % enemmän kiertoajan aikana. Vaikka esiselvitys oli alueellinen ja verrokkina olleet suositusarvot olivat mallien mukaisia keskiarvoja, tulokset kertovat ensiharvennuksen laadun heikkenemisestä. Ensiharvennuksen voimakkuudella on pitkäaikaiset vaikutukset metsän puuston tilavuuteen ja metsien hiilensidontaan. Koska ensiharvennuksia tehdään liian vähän tarpeeseen nähden, ensiharvennusten oikea-aikainen ja suositusten mukainen tekeminen on hyvin tärkeää. Ongelman korjaamiseen tarvitaan koko metsäalan toimijoiden yhteistyötä, koska syitä ensiharvennusten laadun heikentymiseen on monia.

Tässä tutkimuksessa laadittiin haavalle (Populus tremula) puun rungon ja oksien tilavuuden käsittävä malli. Mallin luontia varten kerättiin 11 koepuun aineisto. Puista mitattiin Hyytiälän metsäasemalla erilaisia tunnuksia. Rungon ja oksien absoluuttiset tilavuudet selvitettiin käyttämällä dimensiometri-nimistä mitta-laitetta. Manuaalisesti koepuista mitattiin läpimittoja usealta eri korkeudelta rungosta ja oksista katkaisu-kohdasta. Myös oksien ja puun kokonaispituus mitattiin tarkasti puun kaadon jälkeen. Läpimittojen avul-la laskettuja pohjapinta-aloja analysoitiin korrelaatiokertoimien avulla. Koepuiden tilavuutta selitettiin lineaarisella regressioanalyysillä, jossa selittävinä tekijöinä olivat puusta mitatun rinnankorkeusläpimitan ja pituuden luonnolliset logaritmit. Lisäksi laadittiin yhdistetty malli, jossa olivat mukana kaikki aineiston koepuut. Viimeiseksi laadittiin vielä malli, jossa käytettiin vastaavia muut-tujia (neljä kappaletta) kuin Laasasenahon (1982) tilavuusmallissa. Rungon ja oksien pohjapinta-alojen välillä oli selvä korrelaatio puun suhteellisilla korkeuksilla. Korrelaa-tiokertoimet olivat rungon ja oksien yhteenlaskettujen pohjapinta-alojen osalta jopa puiden latvassa yhtä poikkeusta lukuun ottamatta yli 0,9. Pelkkää rungon pohjapinta-alaa tarkasteltaessa latvuksen korrelaa-tiokertoimet olivat hieman alhaisemmat. Koko aineiston käsittävän tilavuusmalli korjattu selitysaste oli 2 ja 4 muuttujan versioissa 0,999 ja keski-virhe vastaavasti 0,062 ja 0,066. Koepuuaineistoon perustuva haavan tilavuusmalli tuotti vain 0,56 % suurempia tilavuuksia haavan rungon ja oksien tilavuudelle verrattuna upotusmittauslaitteella tehtyihin mittauksiin. Haavan biomassan jakautuminen erikokoisten puiden välillä on tämän tutkimuksen mukaan samankal-taista. Myös runkomuodot olivat aineiston puilla samankaltaisia: niiden rungon ja oksien yhteenlasketuil-la pohjapinta-aloilla puun suhteellisilla korkeuksilla oli selvä korrelaatio. Tutkimuksessa luodulla haavan tilavuusmallilla on korkea selitysaste ja pieni keskivirhe.

The environmental effects of agriculture are on display nowadays. There are many things than can be done in livestock and grass production to help solve these negative environmental impacts of agriculture. Grass production in Finland is the base of livestock production and grazing is an important part of it. Grazing affects the biomass on the pastures and thus affects the carbon sequestration potential in the grazing areas. To control the loss of biomass in the pastures grazing should be regulated. This regulated grazing is called adaptive grazing. This project’s goal was to find out how adaptive grazing system actually works and how it affects the biomass in the pastures. Pastures’ biomass, it’s removal and re-growth affect the emissions of grazing. This is why the amount of biomass is important to find out. Hypothesis is that with adaptive grazing the removal of biomass is easier to control than in continuous grazing. This research was done in Finland, Southern Ostrobothnia in two beef production farms. Both of the farms had two pastures in the research with different trial arrangements. One of the farms was testing slow and fast adaptive grazing models and the other tested over and optimum grazing models. To measure the changes in the pastures’ biomass, biomass samples were taken and NDVI-maps formed. Samples were taken in June and August of 2021. According to the results there were clear differences between the different grazing types and their effects to the pasture’s biomass. When the pasture was separated to be grazed in lanes it was noted that the removal of biomass was smoother than when the animals got to graze a larger area at once. The uneven removal of biomass affected the re-growth of the pasture and therefore the coming grazing cycles. The results of this research gave references to the idea that adaptive grazing could affect the removal of biomass thru grazing in the pastures. It was noted that separating the pastures to smaller areas (lanes) to be grazed at once grants more even removal of biomass that grazing the whole pasture at once. These findings support the hypothesis. However, more detailed and carefully planned data collection would have been needed in order to find out how the amount of biomass actually changes before and after grazing and how it affects the re-growth of the pasture.

In recent years objectives to increase fuelwood usage have created a need to develop new re-mote sensing based methods to map fuelwood reserves. Laser scanning (LiDAR) is a remote sensing method which has been used in traditional forest inventories on large forest areas. These inventories have mainly concentrated on the stem volume instead of the total tree bio-mass. Former studies concerning fuelwood inventory accuracy have been made on a sample plot level. The aim of this study was to determine the precision of LiDAR based fuelwood inventory on a forest stand level. Wood stem volume and biomass estimates were produced by using two dif-ferent methods: point cloud and digital terrain model. The estimates were compared with field inventory results and results from the multi-source National Forest Inventory. Of the two compared methods the point cloud method was found to be more accurate than the method based on digital terrain model. When the point cloud was used, the accuracy (RMSE %) of the most important fuelwood estimates were following: waste wood vol-ume 37.4 %, branch biomass 21.8 % and stump biomass 18.6 %. The study indicates that re-sults got by laser scanning are on similar level as results got with traditional standwise inventory. This study concentrated only to predict the amount of fuelwood on the forest stand level. The suitability of the stand for fuelwood harvesting was not estimated. In order to utilize LiDAR-based fuelwood inventory for wood acquisition in forest industry, methods to estimate the suita-bility of the stand for harvesting need to be developed.

Improving land management to mitigate climate change is important, especially in agriculture on soils with high organic content. Many studies have found evidence that increasing diversity can help to improve plant biomass production and soil carbon storage. This is attributed to complementarity which consists of more efficient resource use due to niche differences and facilitative interactions. For the total climate impact, the effect of greenhouse gas emissions from the soil needs to be considered. To find out if adding more species to a grass mixture could have similar benefits in boreal zone grass cultivation in Finland, an experiment was set up with four different species mixtures, and three levels of species richness were established under a nurse crop. It was additionally of interest if these effects can counter the emissions of cultivation on organic soils. Biomass samples were collected both before the nurse crop was removed and at the end of the growing season. Both species richness and Shannon diversity index were considered as explanatory factors. Carbon exchange, divided into respiration and photosynthetic capacity, as well as nitrous oxide and methane fluxes, were monitored monthly. There was no strong evidence that species richness affects biomass or greenhouse gas fluxes during the first year. The effect of species richness on the biomass was clearer when the diversity index was considered. These results were significant when the lowest biomass values were excluded from the analysis, probably because complementary resource use needs enough biomass to have an effect. The differences in carbon flux measurements may be sensitive to timing within the growing season since the results closest to significant were obtained at the start of the season. At the time, the measurement conditions were good and the nurse crop biomass was small enough not to obscure the effects of grass mixture. When it comes to other greenhouse gases, species richness had most impact on early nitrous oxide emissions, while methane flux probably needs significantly more time for any changes to appear. Overall, the effect of species richness needs to be studied over the full grass cultivation cycle to find out the full effect. Based on current results, increasing species richness may be an option when other methods cannot be used to reduce emissions and improve carbon sink of agriculture.