Browsing by Subject "metsävaratieto"

Pro gradu – tutkielmani käsittelee yhteismaiden hallintaa institutionaalisen teorian sekä kollektiivisen toiminnan näkökulmien kautta. Tutkin kestävän yhteismaan resurssijärjestelmän (common-pool resource -system) hallinnoinnin piirteitä, ja avoimen digitaalisen tietojärjestelmän normatiivisia mahdollisuuksia tuottaa kestävyyttä ja ajankohtaista tietoa ympäristöresurssijärjestelmiin. Tarkastelen digitaalista tietojärjestelmää yhteismaana yhteiskuntatieteilijä ja Nobel palkitun Elinor Ostromin institutionaaliseen viitekehyksen kautta. Ostromin teoria perustuu empiirisiin pienyhteisötutkimuksiin, jotka ovat kautta aikain hallinnoineet yhteisiä ympäristöjärjestelmiä autonomisesti ja kestävästi. Ostrom osoittaa epämuodollisten käyttäytymisten sääntöjen olevan relevantteja yhteismaan kestävyyden kannalta. Yhteisöt pyrkivät edistämään yhteistä pitkän aikavälin etua, jotta tulevatkin sukupolvet pääsevät nauttimaan järjestelmän antimista. Yhteisöllisen hallinnoinnin etuina ovat paikallisen tiedon välityksen ja valvonnan ajantasaisuus. Yhteismaan toimijat ovat yhteistyössä ja vuorovaikutuksessa keskenään ja yhteistä etua motivoi tuntemiseen – perustuvat normit ja sosiaalinen pääoma. Sosiaalisella pääomalla ja järjestelmän kestävyydellä voidaan nähdä olevan yhteys. Suurimmat haasteet yhteismailla palautuvat tieteellisen tiedon puutteeseen ja epävarmuuteen, mitkä voivat johtaa järjestelmän heikentymiseen. Toimijoiden on haastavaa arvioida muiden päätöksenteon ja toiminnan malleja sekä ymmärtää jatkuvasti, ja yllättäen, muuttuvaa ympäristöä. Ostromin empiiriset tutkimukset perustuvat primitiivisiin yhteisöihin, joissa teknologioilla ei ole vahvaa jalansijaa. Näkemykseni mukaan viitekehys on puutteellinen sovelluksessa moderniin yhteisöön. Tuon Ostromin viitekehyksen nykyaikaan tarkastellen tietojärjestelmää yhteismaana. Olennaista on sen potentiaali puuttua sosiaalisiin kiistoihin – erityisesti tiedon puutteesta johtuviin haasteisiin. Havainnollistavana case – tutkimuksena käytän suomalaista metsäalan toimijoita yhdistävää digitaalista metsävaratietojärjestelmää, joka tavoittaa Ostromin pienyhteisöjen itsehallinnon piirteitä. Tietojärjestelmän tulee aluksi tavoittaa hyväksyntä ja legitimiteetti toimijoilta, jonka jälkeen digitaalinen sosiaalinen pääoma voi alkaa muodostua. Sosiaalinen pääoma ja osallistuminen takaavat järjestelmän ylläpidon, kollektiivisen toiminnan ja kestävyyden. Tietojärjestelmän kestävyys ei kuitenkaan vielä riitä, ja tarkastelen voiko se tukea ympäristöjärjestelmien kestävyyttä. Kysymys kuuluu: voiko avoin tietojärjestelmä toimia instrumentaalisesti kestävässä ympäristöjärjestelmän hallinnassa? Parhaimmillaan tietojärjestelmä uutena toimintamallina voi saavuttaa legitimiteetin ja edesauttaa ympäristöekosysteemin uusiutumista, mikäli se istutetaan yhteisöön soveliaalla tavalla. Osallistuminen päätöksentekoon on kestävän hallinnoinnin kannalta merkittävä normatiivinen elementti Ostromin teoriassa. Uusi hallintojärjestelmä tai toimintamalli voi saavuttaa legitimiteetin parhaiten osallistamalla toimijoita järjestelmään, kuten tietojärjestelmässä tiedon tuotantoon. Vastuun sekä tunnustuksen jakaminen toimijoille edistää halua osallistua. Tämän kaltainen osallistava ja avoin metsävaratietojärjestelmä jakaa sekä paikallista tietoa että tieteellistä ennustettavuuteen pyrkivää tietoa, mikä voi edistää metsäekosysteemin kestävyyttä jatkuvasti muuttuvassa ympäristössä. Näkemykseni mukaan ympäristöinstituutioiden tulisi perustua monipuoliseen tietoon, ja yksi ratkaisu voisi olla paikallisen asiantuntijuuden ja tieteellisen tiedon hybridihallinto, kuten metsävaratietojärjestelmä. Näin ollen tiedon puutteeseen ja ympäristöjärjestelmien heikentymiseen voidaan vaikuttaa digitaalisen tietojärjestelmän myötä. Digitaalisuudessa on myös muita myönteisiä piirteitä, se voi muun muassa tavoittaa toimijoita laajemmalta alueelta ilman perinteisten yhteismaiden maantieteellisiä rajoitteita.

Puukaupassa eletään monen syyn seurauksena muutoksen aikaa. Entistä kehittyneempi kaukokartoituspohjainen metsä-varatieto, muuttuva metsänomistajarakenne sekä puun noussut kysyntä antavat mahdollisuuksia kehittää, mutta myös pakottavat muuttamaan puukaupan vakiintuneita menetelmiä. Runkohinnoittelun, eli puutavaralajien katkonnasta riippumaton puun hinnoittelutapa on kasvattanut nopeasti osuuttaan markkinoilla. Samanaikaisesti metsävaratiedon tarkkuus on lisääntynyt uuden laserkeilauskierroksen myötä, ja kilpailu uusiutuvasta puuraaka-aineesta kasvanut sekä energia- että teollisuuskäytössä maailmanlaajuisten megatrendien ja Venäjän aloittaman hyökkäyssodan aiheuttaminen maailmankaupan muutosten seurauksena. Metsäkeskus tuottaa avointa metsävaratietoa, joka on saatavissa metsätalouden operatiivisen suunnittelun tueksi erilai-siin metsäjärjestelmiin. Tieto on nopeaa ottaa käyttöön, objektiivista, ajantasaistettua sekä varttuneissa metsissä luotet-tavaa. Tutkimuksessa käytettiin tätä avointa tietoa kuvioina vuoden 2020 ajantasaistetussa muodossa. Referenssiaineiston muodostivat 114 korjuulohkoa, joiden harvennuspoistuman keskijäreys ja puutavaralajijakauma tiedettiin hakkuukoneen mittaustietojen perusteella. Lohkot olivat työn tilaajan, Skogsvårdsföreningen Österbotten rf:n puunkorjuuyhtiön hakkaamia. Tutkimuksessa etsittiin parhaat selittäjät ja luotiin mallit poistuman keskijäreyden ja tukkiprosentin ennustamiseksi metsänvaratiedosta harvennushakkuulla. Lisäksi selvitettiin yllä mainittujen tunnusten ennustettavuus eri järeyksillä. Ennusteiden tilastolliset tunnusluvut laskettiin ja mallien käytännön sovellettavuutta arvioitiin. Tulokseksi saatiin, että etenkin poistuman keskijäreys kyetään ennustamaan jopa suhteellisen vanhasta metsävaratiedosta sen verran tarkasti, että mallien käyttöä voisi kokeilla puunhankinnan operaatioissa. Ennalta tunnetun mukaisesti ennustaminen oli luotettavaa varttuneemmissa puustoissa. Keskijäreyden osalta paras selittäjä oli metsävaratiedon summapuuston keskiläpimitta, johon pohjautuva malli ennusti hakkuussa toteutuneen keskijäreyden alle 10 % suhteellisella ennustevirheellä. Tukkiprosenttia kyettiin ennustamaan vastaavalla tavalla, mutta aineiston vähäisen tukkikertymän vuoksi mallien ennusteet eivät olleet kovinkaan luotettavia. Molempien vastemuuttujien tapauksessa mallien selitysasteet jäivät noin 50 %:n tasolle. Tulokset olivat osittain kuvioittaisen maastoarvioinnin yleisinä pidettyjä virhemarginaaleja parempia, sekä toteuttajasta riippumattomia. Tulokset olivat siten kuitenkin rohkaisevia ja tukevat kaukokartoitetun metsävaratiedon entistä laajempaa soveltamista tulevaisuudessa.

The purpose of this Master’s thesis is to find out what kind of views Finnish forest professionals have concerning forest data that’s based on laser scanning. Lately there have been a lot of changes in forest organizations and in the forest professional’s work environment. One of these big changes is that forest data based on laser scanning is becoming a part of operative forest planning. Extensive mapping of forest areas is more often done with airplane or satellite remote sensing. This way it is possible to cut down costs and make mapping more efficient by reducing sample plots and using more remote sensing data. This study focuses on this change from the perspective of an employee of a forest planning or advisory organization. The theoretical frame is action theory. The aim is to find out how this new forest data suits forest planning and is the quality of the data good enough to make forest plans. This research is a very topical subject because forest data that is based on laser scanning is going to bring significant changes to the forest planning field practices. The strengths of laser scanning are that it is objective and it gives at least as accurate tree data measures as other methods. Forest data based on laser scanning is also quite inexpensive, it can be acquired very quickly and it is easy to update. There is very little previous research about this subject. It is likely that new researched information is going to improve the usability of forest data that is based on laser scanning at forest planners’ everyday work. This research was implemented with web-based questionnaire and both quantitative and qualitative methods where used. The sample was taken from three forest organizations (The Finnish Forest Centre, OTSO Forest Services and The Forest Management Associations). The aim was to select forest professionals that use laser scanning based forest information at their work. The whole sample size was 929 respondents and the response rate was 37 percent. The research methods used were statistical description, cross tables and qualitative thematic analysis. When we look at the results it is clear that there are differences on how regularly forest data based on laser scanning is used in these three organizations. The Finnish Forest Centre and OTSO Forest services are using forest data based on laser scanning more often than The Forest Management Associations, but in all of these organizations there was a desire to use it more. The results of this study clearly show that a main part of forest professionals think that this new method is suitable for forest planning at least as an aid to making forest plans. The forest professionals also thought that there is still room for improvement in this new forest data collection method. There are too many errors at reliability especially in young and untreated forest. There is also a difficulty to determine the ratio of tree species. Generally it can be said that forest data based on laser scanning is liked among the forest professionals and they would like to use it more in the future.

Suomen metsätalous on jo pitkään ollut kestävällä tasolla, sillä metsien vuotuiset hakkuut ovat pienemmät kuin vuotuinen metsänkasvu. Tulevaisuudessa puun tarve kuitenkin tulee kasvamaan, mikä tulee lisäämään hakkuiden määrää. Hakkuiden määrän lisääntyessä hyvälaatuisen puun kysyntä kasvaa, jolloin Suomen metsätalouden yksi suurimmista ongelmista – metsänhoitorästit, nostaa päätään. Metsänhoitorästit ovat Suomessa yleisimpiä taimikoissa ja nuorissa kasvatusmetsissä, jolloin ne vaikuttavat pitkällä tähtäimellä hakattavan puun laatuun. Rästien määrä taimikoissa ja nuorissa kasvatusmetsissä on lähes kaksinkertaistunut viimeisen kymmenen vuoden aikana. Maa- ja metsätalousministeriö onkin käynnistänyt Kansallinen metsästrategia 2025 -hankkeen, jonka yhtenä tavoitteena on keksiä ratkaisu metsänhoitorästien vähentämiseksi. Tämän tutkimuksen tarkoituksena oli selvittää laserkeilatun metsävaratiedon hyödyntämisen vaikutuksia metsänhoidon toimenpiteiden toteutumiseen eri alueilla ja eri omistajaryhmissä. Aineistona käytettiin yhdeksän maakunnan alueelta vuosina 2009–2016 mitattuja Valtakunnan metsien inventointi (VMI) 11 ja 12 maastokoealoja, joista osa oli Suomen Metsäkeskuksen 2010–2012 laserkeilaamalla alueella ja osa ei. Laserkeilatun metsävaratiedon hyödyntämisen erojen tarkastelun avuksi luotiin neljä logistista regressiomallia mallintamaan taimikonhoito- ja ensiharvennusrästien syntymisen todennäköisyyttä: 1) eri alueilla, 2) eri omistajaryhmissä, sekä taimikonhoidon ja ensiharvennuksen toteutumisen todennäköisyyttä 3) eri omistajaryhmissä, ja 4) ilman erottelua omistajien suhteen. Tulosten perusteella laserkeilattu metsävaratieto laskee taimikonhoito ja ensiharvennusrästien syntymisen todennäköisyyttä alueellisesti taimikoissa keskimäärin 0,8 % ja nuorissa kasvatusmetsissä 1,2 %. Omistajaryhmien välillä laserkeilattu metsävaratieto laski taimikonhoito- ja ensiharvennusrästien syntymisen todennäköisyyttä molemmissa omistajaryhmissä. Yksityisomistuksessa olevissa taimikoissa keskimäärin 1,5 % ja muut-ryhmän omistamissa 1 %. Ensiharvennusrästien syntymisen todennäköisyyttä keilaus laski yksityismetsissä keskimäärin 2,4 % ja muut-ryhmän omistamissa metsissä 1,8 %. Taimikonhoitojen ja ensiharvennusten toteutumisen todennäköisyyteen laserkeilatulla metsävaratiedolla oli alentava vaikutus. Keilaus laski taimikonhoidon todennäköisyyttä yksityismailla 1,3 % ja muut-ryhmän omistamilla mailla 1,2 %. Ilman omistajaryhmien huomioimista keilatulla alueella oli 1,1 % pienempi todennäköisyys taimikonhoidolle. Vastaavat luvut ensiharvennukselle olivat yksityismailla 1,5 %, muut-ryhmän mailla 1,3 % ja ilman omistajaryhmiä 1,2 %. Vaikka tutkimuksen mukaan laserkeilattu metsävaratieto laski taimikonhoito- ja ensiharvennusrästien syntymisen todennäköisyyttä, niin johtopäätösten kanssa täytyy olla varovainen, sillä metsänhoidon aktiivisuuteen vaikuttaa myös muita tekijöitä kuten metsänomistajien tavoitteet, alueen metsänhoitoyhdistyksen toiminta ja puun hinta. Laserkeilatun metsävaratiedon laskevaa vaikutusta taimikonhoidon ja ensiharvennuksen toteutumisen todennäköisyyteen ei voida perustella tämän tutkimuksen aineiston avulla. Tutkimus osoitti, että laserkeilatulla metsävaratiedolla on mahdollisesti metsänhoitoa aktivoiva vaikutus, mutta aihe vaatii vielä lisätutkimuksia.