Browsing by study line "Metsien ekologia ja käyttö"

Kuormainvaakamittauksessa puutavara mitataan puutavara-auton tai kuormatraktorin kuormaimeen asennetun, useimmiten hydrauliseen paineeseen perustuvan vaa’an avulla. Kuormainvaakamittaus on yksi puutavaran mittaukseen käytetyistä menetelmistä niin työ-, urakointi- kuin luovutusmittauksessa. Sen ongelmaksi on kuitenkin todettu aiempien tutkimusten perusteella vaakojen punnitustarkkuuden vaihtelut, joita aiheuttavat esimerkiksi lumi ja jää. Sen ohella menetelmän käytettävyydessä, kuten punnitustulosten tiedonsiirrossa, on todettu olevan kehitettävää. Tämän tutkimuksen tavoitteena on tarkastella kuormainvaakojen punnitustarkkuutta ja siihen vaikuttavia tekijöitä. Lisäksi tavoitteena on selvittää kohteita, joita kehittämällä menetelmän käytettävyyttä voitaisiin parantaa tutkimuksen toimeksiantajana toimineessa yrityksessä. Punnitustarkkuutta tutkittiin analysoimalla kuormainvaa’an ja siltavaa’an punnitustulosten välisiä eroja. Analysoitu aineisto käsitti yhteensä 95 296 kuormaa kuuden eri tehtaan puutavaran vastaanotosta. Kuormista 42 448 oli yhden puutavaralajin kuormia, joista analysoitiin taustamuuttujien, kuten kuljetusmatkan, vaikutusta punnituseroon. Tämän ohella kuormainvaakamittauksen suorittamista tutkittiin haastattelututkimuksen avulla. Sen kohderyhmänä olivat punnituserojen perusteella valittujen kahdeksan eri kuljetusyrityksen toimihenkilöt sekä vaakavalmistaja Tamtron Oy. Kuormainvaakojen punnitustarkkuuden todettiin olevan keskiarvollisesti hyvä, mutta punnituserojen keskihajonta oli melko suuri. Siitä kertoo lasketut luottamusväliestimaatit suhteelliselle punnituserolle. Siltavaa’an ja kuormainvaa’an välisen punnituseron todettiin kasvavan huhtikuusta elokuulle. Tähän uskotaan haastatteluiden perusteella olevan syynä säätilavaihtelut sekä puutavaran alhainen ominaispaino ja sen vaikutus punnituseron kertaantumiseen nostettaessa useampia taakkoja. Kuormakoolla, puutavaralajilla, kuljetusmatkalla ja kauppatavalla havaittiin olevan vähäisiä vaikutuksia punnituseroon. Näiden vaikutusten varsinaiset syyt jäivät kuitenkin osin epäselviksi. Haastattelututkimuksen tulosten perusteella punnitustarkkuuteen vaikuttavat myös varastopaikka, säätila, kuljettajan toimintatavat sekä useat muut tekijät. Tutkimuksen tulosten perusteella kuormainvaakaa käytetään aina kuormaamisen yhteydessä kuormakoon hallitsemiseksi. Punnitustarkkuuden seurantaan käytettiin yrityksissä joko ainoastaan siltavaakaa tai sen ohella testipunnusta. Punnitustarkkuuden seurannan todettiin olevan aktiivista, mutta kalibrointi- ja viritystietojen kirjaamisessa havaittiin olevan puutteita. Haastateltavien mukaan kuormainvaakamittaus lisää toiminnan joustavuutta, koska mittaus ei ole paikka- tai aikasidonnaista. Menetelmän käytön edistämiseksi vaakalaitteita olisi kuitenkin tärkeää kehittää punnitustarkkuuden, toimintavarmuuden sekä käytettävyyden osalta. Esimerkiksi Tamtron Oy on tuonut alkuvuodesta 2020 markkinoille uuden sukupolven venymäliuska-anturitekniikkaan perustuvan vaa’an, jonka odotetaan ratkaisevan vanhojen hydraulisten vaakojen ongelmia.

Suomessa metsien tutkimus painottuu talousmetsiin, vaikka 13 % Suomen metsistä on suojeltuja. Luonnontilaisten metsien kasvun ymmärtäminen on tärkeää metsien hiilensidonnan ja biomassan tuotannon ymmärtämisen kannalta verrattuna talousmetsiin. Tämän tutkimuksen tavoite on tutkia kuusen (Picea abies) kasvun ajallista muutosta luonnontilaisissa kuusivaltaisissa metsissä ja selvittää syitä mahdolliselle kasvun muutokselle. Tutkimus pyrkii vastaamaan kysymyksiin luonnontilaisten metsien kuusen kasvuun vaikuttavista tekijöistä ja vertaamaan kasvun muutosta talousmetsien kasvun muutokseen. Kuusen kasvua luonnontilaisissa metsissä tarkasteltiin 25:llä koealalla vuosien 1991–2019 välillä mittaamalla koealat kolmena eri ajankohtana. Mittausten välille saatiin kaksi erillistä kasvun tarkastelujaksoa. Tutkimuksessa tarkasteltiin kuusten nettoperustuotantoa (NPP = net primary productivity) ja tilavuutta metsikkötasolla ja niiden muutosta eri tarkastelujaksojen välillä. Puiden tilavuus ja NPP:n laskemiseen käytetty puiden biomassan muutos saatiin käyttämällä kuusen tilavuusmallia sekä biomassamalleja. NPP:n ja tilavuuden muutoksen syitä tarkasteltiin koealojen maantieteellisen sijainnin ja kasvuolosuhteiden, metsän kuolleisuuden ja latvuspeittävyyden kannalta. Luonnontilaisten metsien kuusen NPP kasvoi keskimäärin 0,02 kg C/m2/v tämän tutkimuksen mittausten aikana, joka tarkoittaa ~11 % NPP:n kasvua 1991–2019. Kuusten tilavuus kasvoi tarkastelujaksolla 1 (1991–2007) 2,3 m3/ha/v ja tarkastelujaksolla 2 (2007–2019) 3,0 m3/ha/v. Metsän latvuspeittävyydellä tai puiden vuosittaisella kuolleisuudella ei havaittu olevan korrelaatiota kuusten NPP:n tai tilavuuden muutokseen. Kuusten tilavuus kasvoi molemmilla tarkastelujaksoilla voimakkaammin eteläisemmillä koealoilla verrattuna pohjoisempiin. Kuusten NPP ja tilavuus on tutkimuksen perusteella kasvanut luonnontilaisissa metsissä viimeisen kolmenkymmenen vuoden aikana. Kuusten NPP ja tilavuuden kasvun muutos on ollut suurempaa pohjoisemmissa luonnontilaisissa metsissä verrattuna eteläisempiin. Tilavuuden kasvu on keskimäärin yhtä suurta kuin vanhoissa talousmetsissä. NPP:n ja tilavuuden muutoksen voimakkuuteen vaikuttaa ainakin metsän maantieteellinen sijainti. Metsien rakenteellinen muutos ei tämän tutkimuksen perusteella vaikuta puuston kasvun muutoksen. Luonnontilaisten metsien monimuotoinen rakenne tuo haasteita puuston muutoksen tarkasteluun ja puiden kasvun muutoksen ymmärtämiseksi vaadittaisiin mahdollisesti tarkempaa tarkastelua metsän rakenteesta.

Tämä tutkielma käsittelee valittujen kuusi-koivu-sekametsätaimikoiden rakennetta, tilajärjestystä sekä niiden tulevaisuuden kehityksiä eri tavoin toteutettavilla taimikonharvennuksilla. Työ on osa Luonnonvarakeskuksen monivuotista SEKAVA-hanketta. Sekametsät ovat Suomessa harvinaisia puhtaiden havumetsien ollessa vallitsevia. Sekametsien suosimisella olisi kuitenkin lukuisia etuja yhden puulajin metsiin verrattuna. Sekametsällä voidaan pienentää tuhoriskiä, lisätä monimuotoisuutta ja metsien virkistysarvoa sekä hajauttaa taloudellista riskiä. Sekametsillä voidaan valmistautua myös ilmastonmuutoksen aiheuttamiin muutoksiin. Taimikkovaihe on kriittinen sekametsän kasvatuksessa, sillä mikäli sekapuusto menetetään, ei sitä saada takaisin saman kiertoajan aikana. Taimikonharvennus on merkittävä vaihe metsikön tulevaisuuden kannalta, sillä siinä määritetään metsän tilajärjestys ja puulajirakenne. Tutkimuksen aineisto kerättiin kesällä 2021 mittaamalla Etelä- ja Keski-Suomen alueilta sekametsätaimikoita, joihin on tehty varhaisperkaus, muttei taimikonharvennusta. Metsiköissä mitattiin kaksi 500 m2:n ympyräkoealaa, joilta mitattiin jokainen kehityskelpoinen taimi. Kuhunkin mitattuun metsikköön simuloitiin neljä vaihtoehtoista taimikonharvennusta tarkoituksena selvittää eri taimikonharvennusten vaikutusta metsikön kehitykseen. Ensimmäisessä vaihtoehdossa taimikko harvennettiin puhtaaksi kuusikoksi, jossa runkoluku on 1800 r/ha. Toisessa vaihtoehdossa runkoluku pysyi samana, mutta puhtaan kuusikon sijaan metsikköön jätettiin 15 % koivua. Kolmannessa vaihtoehdossa koivun osuus oli 25 % ja neljännessä vaihtoehdossa 25 %, mutta metsikön tiheydeksi jätettiin 1600 r/ha. Taimikkovaiheen metsikkörakenteen tulee olla soveltuva, jotta sekapuustoisuus saadaan aikaan. Taimikossa tulee olla tarpeeksi laadukasta ja oikeassa kehitysvaiheessa olevaa lehtipuustoa, ja puuston täytyy olla jakautunut sopivasti. Mikäli jokin kasvatettavista puulajeista on huomattavasti kehityksessä edellä, kehityksessä perässä olevien lajien kehitys hidastuu tai pahimmillaan ne kuolevat. Sekapuusto ei myöskään saa olla omina ryppäinään, vaan sen tulee tasaisesti alueella. Tämän vuoksi tutkielmassa tarkasteltiin myös kehityskelpoisen puuston tilajärjestystä Ripleyn L- ja L12-funktioilla sekä lähinaapurianalyysilla ja mingling-indeksillä. Metsiköissä oli keskimäärin 3012 kehityskelpoista taimea hehtaarilla. Taimikoiden keskipituus oli 3,8 m. Koivut olivat keskimäärin kuusta edellä kehityksessä, mutta eivät kaikilla koealoilla. Osassa metsiköistä kuusen tiheys ei riittänyt puhtaan kuusikon kasvattamiseen. Kaikki metsiköt soveltuivat sekametsiksi taimiaineksen perusteella. Puuston tilajakauma oli niin ikään sekapuustolle sopiva, sillä viljelytaimet olivat istutuksesta johtuen tasaisesti järjestäytyneet, mutta koko metsikön mittakaavassa kuuset olivat sijoittuneet keskimäärin satunnaisesti. Luontaisesti syntyneet koivut puolestaan kasvoivat metsiköissä satunnaisesti järjestäytyneinä. Puulajit olivat sekoittuneet metsikköön keskenään satunnaisesti, eli ne eivät olleet omina ryhminään. Simulaatioiden perusteella eri taimikonharvennukset eivät juurikaan vaikuttaneet myöhempiin toimenpiteisiin tai kiertoaikoihin. Simulaatioiden lehtipuun osuus pysyi keskimäärin melko muuttumattomana kiertoajan kuluessa, mutta yksittäisissä metsiköissä muutokset olivat suuria. Lievä lehtipuusekoitus johti keskimäärin puhdasta kuusikkoa suurempaan hakkuupoistumaan, mutta erot eri simulaatioiden välillä olivat pieniä. Lehtipuusekoitus kuitenkin pienensi tukkiosuutta ja täten suurin tukkitilavuus saatiin keskimäärin puhtaan kuusikon vaihtoehdolla. Suurin tukkiosuus yhdistettynä kuusen parempaan kantohintaan johti siihen, että suurimmat tulot saavutettiin puhtaalla kuusikolla. Sekametsän kasvatus voi olla houkutteleva vaihtoehto metsänomistajalle, joka ei tavoittele suurinta mahdollista tuottoa vaan taloudellista turvaa, arvostaa myös ei-materiaalisia arvoja tai metsien monikäyttöä, taikka haluaa valmistautua ilmastonmuutoksen aiheuttamiin riskeihin.

Metsien intensiivinen hoito on johtanut lahopuun määrän vähenemiseen ja sen myötä monien lahopuusta riippuvaisten lajien uhanalaistumiseen. Talousmetsien lahopuun määrä on vähentynyt noin kymmenes- jopa sadasosaan luonnonmetsien lahopuun määrästä. Toisin kuin talousmetsien, kaupunkimetsien hoidon tavoitteena ei ole puuntuotos. Hoidon tavoitteena on tarjota ensisijaisesti kaupungin asukkaille virkistyspalveluita ja ylläpitää maisemaa ja kaupunkikuvaa, jolloin metsien hoito on intensiteetiltään kevyttä. Kaupunkimetsistä on myös löydetty harvinaisten ja/tai uhanalaisten lajien esiintymiä ja viime aikoina myös kaupunkiluonnon monimuotoisuuden säilyttämiseen on kiinnitetty huomiota muun muassa jättämällä enemmän lahopuuta kaupunkimetsiin. Kaupunkimetsien monimuotoisuutta on alettu myös tutkia viime vuosina, mutta tutkimuksia lahopuun määrästä kaupunkimetsissä on vähän. Tämän työn tavoitteena oli selvittää lahopuun määrään ja laatuun vaikuttavia tekijöitä Helsingin kaupunkimetsissä. Lahopuun määrää ja laatua tutkittiin maastoinventoinnilla, joka toteutettiin vuonna 2021. Inventoinnissa mitattiin lahopuita kolmenlaisilta koealoilta: kokonaan inventoiduilta metsänhoitokuvioilta, kaistakoealoilta ja linjakoealoilta. Lahopuiden tilavuusmittojen lisäksi niistä kirjattiin tiedot puulajista, puun ilmiasusta sekä puun lahoasteesta. Näin saatiin tietoa määrän lisäksi myös lahopuun laadusta, joka on tärkeä monimuotoisuuden mittari. Tilastollisen analyysin avulla pyrittiin selvittämään, vaikuttaako metsikön hoitoluokka, ikä, ravinteisuus tai elävän puuston pääpuulaji lahopuun määrään ja laatuun. Maastoinventoinnin tulosten perusteella Helsingin kaupunkimetsissä on lahopuuta keskimäärin 14 m3/ha. Arvometsiksi luokitelluilla metsäkuvioilla oli keskimäärin vähintään kaksinkertainen määrä lahopuuta muiden hoitoluokkien metsiin verrattuna. Sen sijaan kasvupaikan ravinteisuudella tai metsän iällä ei ollut tilastollisesti merkitsevää vaikutusta lahopuun määrään. Kuusivaltaisissa metsissä lahopuuta oli enemmän kuin mänty- tai rauduskoivuvaltaisissa metsissä. Tulosten perusteella voidaan päätellä, että lahopuun määrä oli suurin alueilla, jotka on monimuotoisuusarvojensa perusteella määritelty arvometsäkohteiksi ja joilla metsien hoito on sen vuoksi jätetty hyvin vähäiseksi. Hoidetuilla metsäalueilla lahopuuta oli vähemmän. Tulos on yhdenmukainen kahden aikaisemmin aiheesta tehdyn tutkimuksen kanssa. Helsingin kaupunkimetsien lahopuu on laadullisesti monimuotoista: lahopuu koostuu useista eri puulajeista ja lahoasteista. Lahopuuta on sekä pysty- että maapuina. Suurin osa lahopuusta oli lehtilahopuuta, mutta havupuiden, erityisesti mäntyjen osuus oli suurempi karummilla kasvupaikoilla ja mäntyvaltaisissa metsissä. Lahopuun lajisto mukaili elävän puuston puulajijakaumaa. Lahopuusta suurin osa oli hyvin vähän lahonnutta puuta. Pitkälle lahonnutta puuta oli noin kolmasosa mitatuista lahopuista. Lahopuiden keskiläpimitta oli 20 cm. Puolet mitatuista lahopuista oli läpimitaltaan alle 17 cm eli melko pieniläpimittaisia. Lahopuun määrä Helsingin kaupunkimetsissä on suurempi kuin Suomen talousmetsien keskimääräinen lahopuun määrä. Lahopuu on myös laadullisesti monimuotoisempaa kuin talousmetsissä. Lahopuusta riippuvaisen eliöstön elinolosuhteet voivat olla kaupunkimetsissä paremmat kuin talousmetsissä. Lahopuuta on kuitenkin kaupunkimetsissä vain korkeintaan neljäsosa luonnonmetsien lahopuun määrästä. Määrä on myös riittämätön turvaamaan useimpien lahopuista riippuvaisten lajien selviytymistä. Tutkimusten mukaan lahopuuta tulisi olla boreaalisissa metsissä vähintään 20–30 m3/ha, jotta useimpien lahopuusta riippuvaisten lajien säilyminen voitaisiin turvata. Kaupunkimetsissä on myös yksittäisiä alueita, joilla lahopuun määrä saavuttaa tai jopa ylittää edellä mainitun suosituksen. Näitä kohteita tulisi kuitenkin lisätä ja olemassa olevaa lahopuuta tulisi vaalia ja lisätä myös muilla alueilla. Kaupunkimetsien lahopuumäärää voidaan helposti lisätä jättämällä metsään kaikki luontaisesti syntynyt kuollut puu. Nopeampaa lisäystä tavoitellessa lahopuuta voidaan myös luoda kaatamalla esimerkiksi ikääntyneitä ja vaaralliseksi katsottuja eläviä puita maapuiksi. Kaupunkimetsien lahopuuston hoidossa tulee ottaa huomioon asukkaiden ja metsien käyttäjien turvallisuus ja toisaalta myös maisemalliset tekijät.

Climate change is expected to cause long-term drying on northern peatlands due to increased evapotranspiration. Summer heatwaves and droughts are also predicted to increase with climate change. Vascular plant leaf area phenology on peatlands is affected by reduced water levels and interannual variation in weather. Nutrient rich mire types are more susceptible to both functional and compositional changes in response to long-term and short-term changes in water level. What remains unexplored is the potential for interactive effects between long-term drying and short-term drought events on leaf area phenology on varying mire types. This study quantifies the response of leaf area phenology to 20-year experimental water level drawdown (WLD) across three mire types of varying nutrient levels (mesotrophic fen, oligotrophic fen and ombrotrophic bog). Measurements were conducted in two contrasting growing seasons, 2017 a cool wet year and 2021 a hot dry year. WLD led to significantly earlier growth peaks across all sites. Community compositional changes in response to WLD were most significant at the more nutrient rich mire sites. At the mesotrophic site WLD resulted in significant reductions in peak leaf area (LAIMAX), which was not observed at the other sites. Across all the WLD plots the hot dry year 2021 resulted in significantly greater LAIMAX relative to the cool wet year 2017, this difference was not significant at any of the control plots. This suggests long-term drying alters the way mire phenology responds to short-term variations in weather. This has important implications for the ability of northern mires to function ‘normally’ under future climate conditions.

Metsäpeura (Rangifer tarandus fennicus) on Suomessa ja Venäjän Karjalassa esiintyvä vähälukuinen peurasuvun alalaji, joka on listattu uhanalaisuusluokitukseltaan silmälläpidettäväksi. Metsäpeuran tärkeimmät kuolinsyyt ovat suurpetojen saalistus sekä liikennekuolleisuus, josta erityisesti liikennekuolleisuus on vähän tutkittu ja huonosti tunnettu aihe. Suurpetojen saalistuksen on havaittu olevan merkittävä metsäpeurapopulaatioiden säätelijä, mutta liikennekuolleisuudesta ja sen vaikutuksista vastaavaa tutkimustietoa ei ole. Tässä tutkimuksessa selvitettiin suurpetojen ja liikenteen tappamien aikuisten metsäpeurojen ikärakennetta. Ikärakenteen tutkimisen tarkoituksena on tuottaa uutta tietoa liikenteessä kuolleista ja suurpetojen tappamista metsäpeuroista. Pro gradu työssä selvitettiin ikäjakaumien lisäksi myös Suomenselän metsäpeurojen liikennekuolleisuusjakaumaa. Tarkoituksena oli selvittää, eroaako metsäpeurahirvaiden kuukausittainen liikennekuolleisuusjakauma metsäpeuravaatimien kuukausittaisesta liikennekuolleisuusjakaumasta. Tutkimuksessa kerätiin liikenteessä kuolleiden ja suurpetojen tappamien metsäpeurojen alaleukoja iänmääritystä vasten. Aineisto kerättiin Suomenselän ja Kainuun metsäpeuraosakantojen alueelta SRVA-vapaaehtoisten ja Luonnonvarakeskuksen avustuksella 1.1.2018–31.12.2019 välisenä aikana. Iänmääritysaineisto käsitti yhteensä 71 metsäpeuran hammasnäytettä. Peuroista 52 oli kuollut liikenteessä ja 19 oli suurpetojen tappamia. Aikuisten metsäpeurojen ikärakenteen eroja testattiin Mann-Whitney U -testin avulla. Suomenselän metsäpeurojen kuukausittaisen liikennekuolleisuusjakauman tutkimiseen käytettiin Suomen riistakeskuksen Oma riista -aineistoa. Aineisto käsitti kaikki Oma riista -järjestelmään kirjatut Suomenselällä liikenteessä kuolleet metsäpeurat ajalta 2017–2019, joista oli tiedossa aika, paikka ja sukupuolitiedot. Aineistoa testattiin khiin neliö- eli χ² testin avulla. Suurpetojen ja liikenteen tappamien metsäpeurojen ikäjakaumat erosivat tilastollisesti merkitsevästi toisistaan. Suurpetojen tappamien aikuisten metsäpeurojen keski-ikä oli 10,8 vuotta ja liikenteessä kuolleiden 3,9 vuotta. Tulosten perusteella suurpedot tappavat erityisesti yli 6,5-vuotiaita metsäpeuroja, kun taas liikenteessä kuolee pääasiassa alle 6,5-vuotiaita yksilöitä. Suomenselän metsäpeuravaadinten ja -hirvaiden kuukausittaisessa liikennekuolleisuusjakaumassa ei havaittu tilastollisesti merkitsevää eroa. Kummallakin sukupuolella on kolaripiikki marras–joulukuun välisenä aikana, jolloin tapahtui 45 % kaikista aineiston metsäpeuraonnettomuuksista. Hirvaita jäi kokonaisuudessaan 18 prosenttiyksikköä enemmän autojen alle kuin vaatimia. Vaikka kuukausittaista liikennekuolleisuusjakaumaa ei testattu tilastollisesti, se tukee käsitystämme marras-joulukuun kolaripiikistä, sekä siitä, että hirvaat ovat alttiimpia liikenneonnettomuuksille kuin vaatimet. Erityisen huolestuttavaan liikenteen ja suurpetojen tappamien metsäpeurojen ikäjakaumissa oli, että liikenteessä kuolee eritoten parhaassa lisääntymisiässä olevia metsäpeuroja. Varsinkin lisääntymisikäisten metsäpeuravaatimien poistuminen alentaa populaation vasatuottoa tehokkaasti.

Dead wood is an integral part for forest biodiversity in boreal forests. 5000 (25 %) of Finland’s forest dwelling species depend on decaying dead wood during their life cycle. The loss of dead wood in forest ecosystems has been identified as the number one reason for species endangerment. Conventional dead wood mapping is done by counting and measuring dead wood from field plots or by aerial laser scanning, both of which can be timeand resource consuming. UAV-borne aerial imaging provides cost effective and high spatial and temporal resolution in comparison to conventional aerial imaging and satellite-based imagery. A convolutional neural network (CNN) is a deep learning algorithm that has shown promise in recognizing spatial patterns. The strengths of CNNs are end-to-end learning and transfer learning. CNNs have been used for mapping both standing and downed dead wood. This thesis aims to further investigate the usability of a method based on detecting downed coarse woody debris (CWD) in a coniferous boreal forest from RGB UAV-imagery using a CNN based segmentation approach. CWD was digitized from an orthomosaic created from UAV-imagery. CWD was digitized from 68 square shaped 100 x 100 m virtual plots surrounding 9 m radius circular field plots. The plots were divided into 57 training plots for training the CNN and 11 test plots for evaluating the CNN model performance. The effect of different loss functions and the effect of data augmentation on model segmentation performance was evaluated. The number of digitized and segmented CWD objects were compared to the number of CWD objects from the field plots and the effect of canopy cover and basal area on the detection rate was assessed. The CNN model segmented 324 m ² of CWD from the 11 virtual test plots, from which 469 m ² of CWD had been digitized, resulting in a 69 % segmented-to-digitized CWD ratio. The model with the best performance achieved a precision of 0.722, a recall of 0.500, a Dice-score of 0.591, and an intersection over union (IoU) of 0.42. The sample size of field measured CWD from the field plots was relatively small and neither canopy cover nor basal area was found to have a statistically significant (P = 0.05) effect on CWD detection rate. For the digitized CWD detection rate, canopy cover had a p-value of 0.059 and basal area a p-value of 0.764. For the model segmented CWD detection rate, the p-values were 0.052 and 0.884, respectively.

Maisterintutkielman toimeksiantajana toimi Metsäteho Oy. Tarve metsäalan työturvallisuuskulttuurin tutkimukseen syntyi, kun Metsäteho toteutti metsäalan tapaturmatilastoihin liittyvän raportin. Suomessa metsäalan työturvallisuuskulttuurin kartoitusta ei ollut aikaisemmin tehty ja koska kulttuurin ja ihmisten asenteiden tiedetään vaikuttavan sattuvien tapaturmien määrään ja organisaatioissa tehdyn turvallisuustyön vaikuttavuuteen, ryhdyttiin toteuttamaan kyselytutkimusta työturvallisuuskulttuurista. Tavoitteena oli selvittää, millainen on puuhuollon parissa työskentelevien ihmisten työturvallisuuskulttuuri ja millaisia työturvallisuushaasteita henkilöstö koki alalla olevan tutkimushetkellä. Tavoitteen pohjalta syntyi kaksi tutkimuskysymystä. Tutkimuksessa selvitettiin millä tasolla kunkin ammattiryhmän turvallisuuskulttuuri on. Lisäksi selvitettiin mitkä asiat koettiin uhaksi turvallisuudelle ja millaisia keinoja vastaajat näkivät tilanteen parantamiseksi olevan. Kysely sisälsi vastaajan perustietojen lisäksi Likert-asteikollisia kysymyksiä, monivalintakysymyksiä, sitoutumista mittaavia arviointiasteikollisia kysymyksiä sekä avoimia kysymyksiä. Kysely toteutettiin sähköisenä verkkolomakkeena, joka jaettiin Metsätehon osakasyhtiöihin ja heidän kauttaan yhtiöiden työmailla työskenteleville yrittäjille ja heidän henkilöstölleen. Kerätty aineisto anonymisoitiin eikä vastaajan työnantajaa voinut vastausten perusteella tunnistaa. Kyselyyn vastasi 2146 metsäalalla työskentelevää. Ensimmäiseen tutkimuskysymykseen vastattiin määrittelemällä eri ammattiryhmien sijoittuminen turvallisuuskulttuurin tasoa kuvaavalle Bradleyn käyrälle. Bradleyn käyrän teorian mukaan, mitä korkeammalla tasolla turvallisuuskulttuuri on, sitä vähemmän työtapaturmia työyhteisössä sattuu. Käyrä koostuu neljästä tasosta siten, että mitä vahvempaa turvallisuuskulttuuria ammattiryhmän vastaukset ilmensivät, sitä korkeammalle tasolle ammattiryhmä sijoittui. Ammattiryhmät sijoitettiin käyrälle pisteyttämällä ammatti-ryhmät kuhunkin kysymykseen saatujen vastausten ammattiryhmäkohtaisten keskiarvojen avulla. Toiseen tutkimuskysymykseen saatiin vastaukset avoimien kysymysten analyysin avulla. Saadut vastaukset kategorisoitiin ja vastausten jakauman perusteella selvitettiin mitkä asiat koettiin turvallisuutta uhkaaviksi ja mitä keinoja turvallisuuden parantamiseksi olisi. Tutkimuksessa mukana olleista ammattiryhmistä Bradleyn käyrälle korkeimmalle sijoittuivat terminaalityöntekijät ja puutavara-autoyrittäjät. Heikoiten sijoittuivat metsäkoneen- ja puutavara-autonkuljettajat. Keskiarvoisesti kyselyyn vastanneet sijoittuivat käyrän tasolle kolme eli metsäalan turvallisuuskulttuuri oli itsenäisellä tasolla. Suurimpana uhkana turvallisuudelle koettiin kiire ja huolimattomuus. Tärkeimpänä keinona oman työturvallisuuden parantamiseksi nähtiin keskittyminen ja ennakointi. Muilta ihmisiltä toivottiin huolellisuutta, ohjeiden noudattamista ja sitoutumista turvallisuusasioihin. Tulosten perusteella erityisesti metsäalalla itsenäistä työtä yksin tekevien turvallisuuskulttuurin kehittymiseen on syytä kiinnittää huomiota. Jotta metsäalan työturvallisuuskulttuuri saavuttaisi yhteisöllisen tason, tulisi alalla työskentelevien kokea voimakkaammin vastuuta myös muiden turvallisuudesta. Lisäksi kiireen taustalla olevia tekijöitä tulisi selvittää ja vähentää koko alan kattavasti.

Euroopassa esiintyy kahta metsähanhen alalajia: tundrametsähanhi Anser fabalis rossicus sekä taigametsähanhi Anser fabalis fabalis. Taigametsähanhia pesii Suomessa, mutta myös tundrametsähanhia esiintyy kevät- ja syysmuuttojen aikana. Tundrametsähanhen muuttoreitti kulkee kuitenkin idempää kuin taigametsähanhen, ja ne myös muuttavat myöhemmin syksyllä kuin taigametsähanhet. Metsähanhen metsästys on ollut Suomessa viime vuosina tiukasti säädeltyä ja metsästystä on pyritty ajallisilla sekä paikallisilla rajoituksilla kohdentamaan elinvoimaiseen tundrametsähanheen. Saaliissa esiintyy kuitenkin edelleen molempia alalajeja. Alalajien erottaminen toisistaan silmänvaraisesti on vaikeaa, ja siksi olisi tärkeää saada tietoa saaliin alalajikoostumuksesta kestävän metsästyksen pohjaksi. Tutkimuksen tavoitteena oli löytää taiga- sekä tundrametsähanhen nokan muodoista tilastollisesti merkitseviä eroavaisuuksia morfometriikan ja nokan värityksen avulla. Tuloksista on tarkoitus luoda työkalu, jonka avulla alalaji voidaan tunnistaa tietyllä todennäköisyydellä valokuvasta. Lajintunnistus on tärkeää hanhien kannanhoidon kannalta, jotta metsähanhisaaliin alalajijakaumaa on mahdollista seurata. Saalislintujen tunnistaminen on välttämätöntä taigametsähanhen kannan elinvoimaisuuden turvaamisessa. Tutkimuksen aineisto koostuu noin yhdeksästä sadasta hanhen päästä. Aineisto kerättiin Ruotsista vuosina 2017–2018 sekä Suomesta ja Virosta vuosina 2018–2019. Päistä otettiin DNA-näyte sekä standardisoitu kuva. DNA-tulosten avulla oli mahdollista tutkia alalajien eroja, jotka voisivat auttaa tunnistuksessa. Kuvista otettiin myös absoluuttisia mittoja sekä mitattiin keltaisen värin määrää ylänokassa. Mallinnuksessa selvitettiin, onko mitoilla mahdollista selittää metsähanhen alalajia. Tutkielmassa esitellyn tilastollisen mallin avulla oli mahdollista neljän muuttujan: keltaisen värin määrän nokassa, nokan pituuden ja ala- ja ylänokan paksuuden perusteella ennustaa alalaji noin 93 prosentin tarkkuudella. Tulokset tukivat aiempia taksonomisia tutkimuksia, mutta eivät ole suoraan verrannollisia. Tulosten mukaan tundrametsähanhia tulee yleisesti metsähanhisaaliiseen Suomessa sekä Virossa ja taigametsähanhia on valtaosa metsähanhisaaliista Ruotsissa.

Tutkimuksen tarkoitus oli selvittää miten metsänhoito tai hoitamattomuus vaikuttavat puiden uudistumiseen, ja mitkä ovat eri puulajien uudistumismahdollisuudet kaupunkimetsissä. Kaupunkimetsät sijaitsevat kaupunkialueella ja ovat pääasiallisesti virkistyskäytössä. Kaupunkimetsät ovat useimmiten jäänteitä isommista metsäalueista, ja niille on tyypillistä luontainen tai luontaisen kaltainen metsäkasvillisuus. Kaupunkimetsien puusto on usein kookkaampaa, läpimitaltaan suurempaa ja iältään vanhempaa kuin talousmetsissä. Myös lahopuun määrä on kaupunkimetsissä talousmetsiä suurempi. Tutkin puiden uudistumista 29 kuusivaltaisessa metsässä Lahdessa ja Tampereella. Tutkimusmetsistä seitsemän oli hoitamattomia luonnontilaisia metsiä, loput olivat eriasteisesti hoidettuja kaupunkimetsiä. Tutkimuksessa tarkasteltiin metsänhoitoluokan (hoitamaton, lievästi hoidettu, hoidettu), kuluneisuuden (%), pohjapinta-alan (m2) ja puustoisen alueen osuuden (50 m säteellä) vaikutusta kuusen, pihlajan ja valopuiden (koivut, haapa ja tammi) taimien esiintymistodennäköisyyteen sekä taimien ja taimilajien lukumäärään. Aineisto analysoitiin yleistetyillä lineaarisilla sekamalleilla. Lukumäärämalleihin otettiin mukaan havaintoyksiköt, missä kyseessä olevia taimia esiintyi. Tulosten perusteella havaittiin, että hoitamattomissa metsissä kuusen taimien esiintymistodennäköisyys oli merkittävästi suurempi kuin hoidetuissa metsissä. Lievästi hoidetuissa metsissä pihlajan ja valopuiden taimien esiintymistodennäköisyys oli suurempi verrattuna hoitamattomiin metsiin. Muiden selittävien tekijöiden vaikutus taimien esiintymistodennäköisyyteen oli vähäinen, lukuun ottamatta kuluneisuuden lisääntymistä, joka vähensi pihlajan taimien esiintymistodennäköisyyttä. Kuusen taimien määrä näytti kasvavan, kun puustoisen alueen osuus lisääntyi metsäkohteen ympärillä. Pihlajan taimia oli runsaammin hoidetuissa ja lievästi hoidetuissa metsissä kuin hoitamattomissa metsissä. Valopuiden taimien määrä puolestaan näytti olevan pienempi hoidetuissa metsissä, ja se väheni, kun puustoisen alueen osuus (50 m säteellä) ja kuluneisuus lisääntyivät. Metsänhoitoluokalla, puustoisen alueen osuudella metsäkohteen ympärillä (50 m säteellä), puuston pohjapinta-alalla (m2) tai maaperän kuluneisuudella (%) ei ollut merkitystä taimilajien lukumäärään. Tulosten perusteella erityisesti metsänhoito ja virkistyskäyttö vaikuttavat taimien esiintymiseen ja lukumäärään. Hoitotoimenpiteillä voidaan edistää haluttujen puulajien kasvua ja luoda suotuisampia olosuhteita uudistumiselle. Kaupunkimetsien hoidossa tulisikiinnittää erityisesti huomiota valopuiden uusiutumiseen, metsien monilajisuuteen ja latvuston kerroksellisuuteen.