Skip to main content
Login | Suomeksi | På svenska | In English

Browsing by Subject "elinympäristöt"

Sort by: Order: Results:

  • Lilja, Jiri (2021)
    Korkeuden vaikutusta eliöiden esiintymiseen on tutkittu eri alueilla jo 1800-luvulta lähtien, mutta vasta viimeisten vuosikymmenien aikana korkeuden vaikutuksen on tunnistettu olevan monimutkainen. Eri eliöryhmien lajirunsaushuiput saavutetaan korkeusgradientin eri vyöhykkeissä eri alueilla. Lintuihin korkeuden ja lajirunsauden välille on tunnistettu neljä toisistaan poikkeavaa trendiä. Korkeuden vaikutusta on tutkittu pääosin lauhkeilla ja trooppisilla alueilla, kun taas korkeiden leveyspiirien alueilta on tutkimusta vähän. Korkeuden lisäksi elinympäristöjen on todettu vaikuttavan merkittävällä tavalla lintujen esiintymiseen, mutta elinympäristöjen vaikutusta on tutkittu lähinnä metsissä, maatalousympäristöissä ja kaupungeissa. Ilmastonmuutos vaikuttaa pohjoisten alueiden elinympäristöihin erityisen voimakkaasti, mikä tekee näistä alueista tärkeitä tutkimuskohteita. Tämän tutkielman tarkoituksena on selvittää, miten korkeus ja elinympäristöt vaikuttavat lintujen esiintymiseen ja runsauteen tunturiympäristössä. Korkeuden ja elinympäristöjen vaikutusta tutkittiin tuottamalla alueellisia malleja kahdella eri mallinnusmenetelmällä (GLM ja GAM) lintuaineiston, korkeuden ja elinympäristöjen välille. Lintuaineisto kerättiin kesän 2019 aikana pistelaskennalla 420 tutkimuspisteeltä Pohjois-Norjassa Rásttigáisá-tunturin ympäristössä noin 180 km² kokoiselta alueelta. Lintuaineiston lajit luokiteltiin taksonomian mukaan lintulahkoihin varpuslintuihin, rantalintuihin, kanalintuihin ja päiväpetolintuihin. Tutkimuspisteet luokiteltiin viiteen eri elinympäristöluokkaan (metsä, metsänraja, kuiva avotunturi, kostea avotunturi, karukko) NDVI-aineiston ja ilmakuvien perusteella. Lintulajeille laskettiin Shannonin habitaatti diversiteetti-indeksi (SHDI), jonka avulla tutkittiin lajien esiintymistä eri elinympäristöissä. Sekä korkeus että elinympäristöt selittävät lintujen esiintymistä tunturiympäristössä. Korkeuden ja elinympäristöjen välillä havaittiin merkittävä suhde ja elinympäristöt sijoittuvat verrattain selvästi korkeusgradientille. Korkeuden ja lajirunsauden suhteen todettiin olevan huipukas, korkeimmat lajirunsaudet havaittiin 300–500 metrissä metsänrajalla ja sen yläpuolella. Korkeus selitti 30,3 % kokonaislajirunsauden, 30,8 % varpuslintujen ja 28,0 % rantalintujen lajirunsauden vaihtelusta (GAM). Elinympäristöluokat selittivät korkeutta paremmin etenkin esiintymisen muutoksia 50 metrin skaalalla. SHDI-arvon mukaan elinympäristöön erikoistuneimmat linnut ovat kosteiden avotuntureiden rantalintuja, kun taas varpuslinnuissa esiintyy enemmän generalistilajeja. Elinympäristöluokat selittivät tarkan skaalan lisäksi erityisen hyvin elinympäristöön erikoistuneiden rantalintujen lajirunsautta (35,5 %). Tulevat muutokset ilmastossa uhkaavat etenkin avotunturissa esiintyviä lajeja, joista monet esiintyvät vain tietyssä elinympäristössä. Korkeuden ja elinympäristöjen vaikutusten syvempään ja tarkempaan ymmärtämiseen tarvitaan lisää tutkimusta. Jatkotutkimusta tarvitaan useammalta korkeusgradientilta ja tarkemmalla elinympäristöluokituksella.
  • Imponen, Joni (2015)
    Metsäkanalintujen elinympäristövaatimukset tunnetaan Suomessa hyvin ja elinympäristöihin kiinnitetään yhä enemmän huomiota osana metsän- ja luonnonhoidon toimia. Metso (Tetrao urogallus) ja pyy (Tetrastes bonasia) ovat elinympäris-töjen valinnassaan melko tarkkoja ja lajien välillä on selkeitä eroja. Elinympäristöjen ennakkotarkasteluun ei tällä hetkellä ole olemassa monipuolisia metsäsuunnittelun työkaluja ja lentolaserkeilauksella kerättyä aineistoa ei ole käytetty metsä-kanalintujen elinympäristötutkimuksiin Suomessa. Tässä kvalitatiivisessa tutkimuksessa selvitettiin Maanmittauslaitoksen vuonna 2012 keräämän lentolaserkeilausai-neiston soveltuvuutta potentiaalisten metso- ja pyyelinympäristöjen ohjaamattomaan luokitukseen. Aineiston pulssitiheys oli 0,74–0,8 / m2. Tutkimusalueena oli noin 1 200 hehtaaria Metsähallituksen omistamaa metsätalousmetsää Hämeenlinnan Evolla. Tutkimusalue jaettiin 16 x 16 metrin soluihin. Laserkeilausaineistosta laskettiin viisi elinympäristöä kuvaavaa lisäpiirrettä: latvuspeitto CC, alikasvostunnus US, puuston korkeusosuuden tiheystunnus k60_den, korkeusosuuden keski-hajonta H60_stdv sekä pituustunnus H_max. Menetelmänä käytettiin solukohtaista ohjaamatonta luokitusta (K-means), joka jakoi solut 43 luokkaan. Edelleen kohdennettuun maasto-otantaan valittiin 16 luokkaa. Säteeltään kiinteitä 9 metrin ympyräkoealoja mitattiin alueelta kaikkiaan 168 kpl, joista selkeitä pyykohteita ja vähintään arvosanalla 8 arvioituja metsokohteita oli molempia 12 kpl. Ohjaamaton luokitus ei nostanut esiin yhtä tai useampaa potentiaalisia kohteita kuvaavaa luokkaa, vaan potentiaalisten kohteiden lisäksi luokissa oli paljon ei-potentiaalisia soluja. Vähintään arvosanalla 8 arvioitujen metsokohteiden lisäpiirteet täyttäviä kohteita oli suhteellisesti eniten luokissa 3, 7 ja 8 osuuksilla 40,4 %, 35,6 % ja 31,8 %. Vastaavasti pyylle osuudet luokissa 4, 18 ja 20 olivat 38,4 %, 28,5 % ja 23,8 % minimiarvosanalla 6. Tutkimusalue sisältää arvioitujen kohteiden lisäpiirteiden perusteella hyviä elinympäristöjä metsolle (Arvosana ≥ 8) 15,0 % ja pyylle (Arvosana ≥ 6) 9,2 % sen pinta-alasta. Korkeimman arvosanan kohteiden lisäpiirteiden arvojen herkkyysanalyysissä alueet olivat vastaavasti 8,5 % ja 14,4 % kunkin lisäpiirteen ± 30 % marginaaleilla. Arvosanarajoite toimi loogisesti eli lisäpiirteiden vaihteluväli kapeni arvosanan kasvaessa. Tuloksena saadut poten-tiaaliset solut olivat toisiinsa erittäin kytkeytyneitä molemmissa analyyseissä vaikka käytetty menetelmä oli täysin riip-pumaton solujen sijainnista toistensa suhteen. Pyyhavainnot olivat potentiaalisuutta kuvaavalla solulla neljässä ja hyvin lähellä potentiaalisuutta kuvaavaa solua kahdessa havainnossa kuudesta, kun lisäpiirteiltään potentiaaliset solut valittiin arvosanoihin perustuen. Käytetyn aineiston kyky kuvata tässä tutkimuksessa määritettyjä potentiaalisia kohteita on siis lupaava. Aineiston kykyä tulee kuitenkin edelleen testata ennen kuin luotettavia metsäsuunnittelun työkaluja voidaan soveltaa operatiiviseen käyttöön.