Hakkuukoneen tuottama toteumatieto monimuotoisuudelle arvokkaiden luontokohteiden säilymisen todentamisessa ja potentiaalisten kohteiden tunnistamisessa
| Title: | Hakkuukoneen tuottama toteumatieto monimuotoisuudelle arvokkaiden luontokohteiden säilymisen todentamisessa ja potentiaalisten kohteiden tunnistamisessa |
| Author(s): | Mustola, Marjo |
| Contributor: | University of Helsinki, Faculty of Agriculture and Forestry |
| Degree program: | Master's Programme in Forest Sciences |
| Specialisation: | Forest Ecology and Management |
| Language: | Finnish |
| Acceptance year: | 2021 |
| Abstract: |
Metsäluonnon monimuotoisuus on heikentynyt maailmanlaajuisesti ja sitä pyritään Suomessakin turvaamaan monin eri keinoin. Näitä keinoja ovat esimerkiksi metsälaissa ja luonnonsuojelulaissa määritettyjen avainbiotooppien suojelu, uhanalaisten lajien suojelu, talousmetsien luonnonhoito sekä metsäsertifiointi. Metsävaratietoa kerätään pääosin kaukokartoituksen avulla, mutta monimuotoisuuskohteiden säilymisen todentamisessa ja kohteiden tunnistamisessa maastotarkastukset ovat tärkeässä roolissa. Metsäteho Oy:ssä on kehitetty automaattinen kuviointimenetelmä, joka tuottaa toteutuneen hakkuualueen rajauksen, ja sen avulla voidaan ylläpitää metsävaratietoja. Menetelmässä hyödynnetään hakkuukoneen keräämää tietoa. Tämän työn tarkoituksena oli selvittää, voiko hakkuukonetietoa hyödyntää myös monimuotoisuudelle tärkeiden kohteiden säilymisen todentamisessa ja potentiaalisten kohteiden tunnistamisessa, ja kuinka se olisi käytännössä mahdollista toteuttaa.
Aineistona työssä käytettiin eri puolilta Suomea kerättyä hakkuukoneaineistoa, joka koostui runkokohtaisesti puun kaadon yhteydessä tallennetuista hakkuukoneen sijaintipisteistä. Tästä aineistosta oli muodostettu automaattisesti toimenpidekuvioita Metsäteho Oy:n kuviointimenetelmällä. Kuvioidusta aineistosta tunnistettiin automaattisesti kuvioiden sisään ja väliin jääneitä käsittelemättömiä alueita. Sekä automaattisesti muodostettuja toimenpidekuvioita että niistä tunnistettuja käsittelemättä jääneitä alueita verrattiin paikkatietoanalyysissä avoimessa jakelussa olevaan aineistoon (Metsälain 10 §:n kohteet, METSO-alueet, muut suojelualueet, uhanalaisten lajien havaintoalueet sekä maastotietokanta). Näin pyrittiin selvittämään, onko ennalta tiedossa olleet monimuotoisuuskohteet rajattu toimenpidekuvioiden ulkopuolelle tai onko ne jätetty käsittelemättä hakkuukuvioilla. Lisäksi pyrittiin selvittämään käsittelemättömyyden syy automaattisesti tunnistetuille käsittelemättä jääneille alueille sekä haluttiin selvittää, voisivatko kyseiset alueet olla potentiaalisia monimuotoisuuskohteita. Paikkatietoanalyysin jälkeen osalla kohteista suoritettiin maastotarkastuksia.
Paikkatietoanalyysin ja maastotarkastusten perusteella ennalta tiedossa olleet monimuotoisuuden kannalta tärkeät kohteet oli pääosin rajattu hakkuiden ulkopuolelle. Mikäli ne oli jätetty käsittelemättä hakkuukuviolla, ne oli mahdollista tunnistaa käsittelemättömäksi paikkatietoanalyysillä. Tarkastelussa kävi ilmi, että osa toimenpidekuvioilta ja niiden välistä automaattisesti tunnistetuista käsittelemättä jääneistä alueista olisi potentiaalisia monimuotoisuuskohteita. Käsittelemättömiä alueita voidaan hyödyntää myös säästöpuuryhmien tunnistamisessa tietyin rajoituksin.
Tulosten perusteella hakkuukoneen keräämään tietoon perustuvaa luontokohteiden tunnistusmenetelmää voidaan hyödyntää paikkatiedossa olevien monimuotoisuuskohteiden tai muiden maastokohteiden, esimerkiksi vesistöjen suojavyöhykkeiden säilymisen todentamisessa. Tämän työn havaintojen perusteella on mahdollista kehittää automaattinen luontokohteiden tunnistus-menetelmä, kun vektorimuotoisten aineistojen paikkatietoanalyysit automatisoidaan. Hakkuukoneen paikannustarkkuudessa ja automaattisessa kuvioinnissa on vielä tekijöitä, jotka asettavat haasteita tulosten tulkintaan. Myös käytettävissä olevien monimuotoisuuskohteita kuvaavien aineistojen ajantasaisuus ja tarkkuus vaikuttavat menetelmän tuottamien tulosten osuvuuteen. Eri aineistojen tehokas yhdistäminen on edellytys automatisoidun menetelmän sujuvalle käytölle.
Luontokohteiden tunnistusmenetelmää voi hyödyntää esimerkiksi puunkorjuutyön laadun raportoinnissa. Lisäksi menetelmää voidaan käyttää maastotarkastusten kohdentamisessa ja niiden määrän minimoimisessa uusia monimuotoisuuskohteita todennettaessa. Menetelmän avulla on mahdollista saada tietoa, jota voidaan hyödyntää luonnonhoidon toteutumisen seurannassa käytännön metsänhoidossa. Saadut tiedot edesauttavat metsien hyödyntämistä taloudellisesti ja ekologisesti kestävällä tavalla.
The loss of forest biodiversity is a global issue. In Finland, there are many measures aiming at preserving the forest biodiversity, for example, protection of the forest habitats defined in the Forest Act and in the Nature Conservation Act; protection of threatened species; the nature management methods in commercially utilized forests and the forest certification. Information of forest resources is collected mainly by remote sensing methods, but also field inventories are carried out, especially when preservation of the areas of high biodiversity value needs to be verified and monitored. Metsäteho Oy has developed an automated method for delineating harvested stands based on harvester location data. The method can be a beneficial tool for providing up-to-date forest resource information. The objective of this study was to research, if harvester location data can be utilized in verifying preservation of areas of high biodiversity value, and in recognizing potential areas, and how that could be implemented in practice.
The harvester data used in this study was collected from geographically diverse areas in Finland, and the data contains stem-wise coordinates of harvester while cutting the tree. The delineations of operated areas were generated from harvester location data using the automated method developed by Metsäteho Oy. After the stand delineation was generated, the automated method was utilized in recognizing non-harvested areas left inside and between the harvested stands. Both harvested stands and non-harvested areas were compared to open forest data (including the data of the protected habitats according to the Forest Act and METSO Programme; other protected areas; habitats of threatened species; the Topographic database) using spatial data analysis. The aim was to investigate, if the known areas of high biodiversity value were delimited outside of the harvested stands or if they were left non-harvested within the harvested stand area. In addition, the aim was to research why the automatically recognized non-harvested areas were left without harvesting, and if the non-harvested areas could be potential areas of high biodiversity value. After the spatial data analysis was completed, also field surveys were carried out.
Based on the spatial data analysis and the field surveys, the known areas of high biodiversity value were mainly delimited out-side of the harvested stands. The cases in which they were left without harvesting within the harvested stands, were possible to recognize through spatial data analysis. According to the spatial data analysis, part of the automatically recognized non-harvested areas were potential areas of high biodiversity value. Recognized non-harvested areas can be utilized also in recognizing retention tree groups with certain limitations.
According to the results, the recognition method for high biodiversity value areas, based on harvester location data, can be utilized when verifying preservation of the high biodiversity value areas, and also other areas that are recorded in spatial data. Based on the observations of this study, it is possible to develop an automated recognition method for high biodiversity value areas, when spatial analysis of datasets in vector format is automated. The positioning accuracy of harvester and the automated method for delineating harvested stands are still causing some challenges when interpreting the results. Also, timeliness and accuracy of the available data of high biodiversity value areas affect on the results of the automated method. To combine different data sources effectively, a data platform is needed in order to use the automated method fluently.
The recognition method for high biodiversity value areas can be utilized, for example, when reporting the quality of harvesting work. In addition, the method can be utilized in targeting and minimizing the amount of field inventories when verifying new areas of high biodiversity value. The method enables collecting information and automated monitoring of how the nature management has been integrated into forest management operations in practice. That information contributes to the utilization of forests in economically and ecologically sustainable way.
|
| Keyword(s): | Monimuotoisuus hakkuukonetieto paikkatietoanalyysi |
Files in this item
| Files | Size | Format | View |
|---|---|---|---|
| Mustola_Marjo_progradu_2021.pdf | 2.155Mb |