Metsävaratiedot ovat metsäbiotalouden toimintojen suunnittelun perusta.  Metsävaratiedon ja metsien kehitystä kuvaavien skenaarioiden sisältöön, laatuun, ajantasaisuuteen, saatavuuteen ja käytettävyyteen on panostettava erityisesti nyt, kun hallitus on määritellyt biotalouden yhdeksi painopistealueekseen.

 

Uudet ja muuttuvat tietotarpeet edellyttävät tutkimukselta kansainvälisesti korkeatasoista menetelmäkehitystä. Esimerkiksi biotalouden jalostusarvon lisääminen edellyttää uusia, kustannustehokkaita ratkaisuja puuston laatua ja rakennetta kuvaavien tietojen tuottamiseen. Myös maankäyttöpäätöksiä tekevät viranomaiset tarvitsevat uutta tietoa biotalouden ja muiden metsien käyttömuotojen vaatimusten huomioonottamiseksi ja yhteensovittamiseksi

Metsävaratiedon tuottamisessa hyödynnetään huipputeknologiaa

Metsävaratiedon keruussa hyödynnettävää teknologiaa kehitetään koko ajan. Kaukokartoituksen rooli korostuu samalla kun maastotyöhön käytettävissä olevat resurssit niukkenevat. Kunnittaisten metsävaratietojen tuottamisessa on hyödynnetty satelliittikuvia jo vuosikymmeniä. Uusilta Sentinel- satelliiteilta odotetaan laadukkaampaa jälkeä nykyisin käytettyihin Landsat-kuviin nähden.

dsm-model-800
Ilmakuvista fotogrammetrisesti muodostettu kasvillisuuden pintamalli Vesijaon tutkimusalueelta. Kuva: Sakari Tuominen, Luke.

Viime vuosina on kehitetty menetelmiä ja tekniikoita 3D-tiedon, kuten latvuston pintamallin tuottamiseksi esimerkiksi laserkeilauksesta tai ilmakuvista. Hallituksen kärkihankkeeseen liittyvässä Pohjoismaisen neuvoston (SNS) rahoittamassa pohjoismaisessa CARISMA- verkostohankkeessa testataan 3D-tiedon hyödyntämistä valtakunnan metsien inventoinneissa (VMI).

Myös maastossa tiedonkeruu siirtyy digiaikaan. Jo tällä hetkellä koealat paikannetaan tarkkuus-GNSS:n avulla, ja puiden mittauksissa hyödynnetään paikantavia elektronisia mittasaksia. Nykytekniikan avulla voidaan kerätä myös entistä monipuolisempaa tietoa. Esimerkiksi digikameroilla tai maalaserkeilaimilla voidaan kerätä tietoa puiden runkojen muotoa, oksien määrää tai muista puun laatua kuvaavista tunnuksista. Puuntuotantoa kuvaavien tietojen lisäksi maastossa mitataan myös kuolleen puun määrää ja laatua sekä puuston terveydentilaa. Myös niistä voidaan saada lisää tietoa uudella teknologialla.

Raaka mittaustieto ei vielä riitä, vaan se on jalostettava käyttökelpoiseen muotoon. Jalostamisessa käytetään hyväksi erilaisia laskennallisia menetelmiä ja järjestelmiä.  Tuotetun tiedon laatu on tunnettava, ja laatuarvioiden on oltava käytettävissä tietoja jalostettaessa ja hyödynnettäessä.

Hallituksen kärkihankkeen tavoitteena on tuottavuusloikka myös tiedon saatavuudessa ja käytettävyydessä. VMI-tiedon päälle rakennetaan laskentapalvelu-verkkosovellus, jonka avulla tiedon käyttäjät voivat tehdä omia kyselyitä. Poliittisten päätöksentekijöiden lisäksi myös monet virkamiehet tarvitsevat työssään metsävaratietoa. Esimerkiksi kaavoittajan täytyy kyetä määrittämään mahdollisten päätösten vaikutukset biotaloudelle tai ekosysteemipalveluille. Projektissa kehitetään työkaluja myös maakuntaa pienempien alueiden hakkuumahdollisuuksien sekä kaavoituksen vaikutusten arviointiin metsävarakarttoihin pohjautuen.

Työkaluja päätöksentekijöille

Metsiä ja niiden kehitystä kuvaavia tietoja tarvitaan päätöksenteon pohjaksi. Metsien nykytilaa ja historiaa koskevien tietojen lisäksi tarvitaan arvioita metsien tulevasta kehityksestä ja käyttömahdollisuuksista. Tietotarpeisiin vastaamiseksi tarvitaan päätöstukijärjestelmiä. MELA (Metsälaskelma) -ohjelmistolla sekä siihen perustuvilla verkko- ja laskentasovelluksilla, kuten NettiMELA, DemoMELA, MVMI-MELA voidaan laskea skenaarioita esimerkiksi suojelun tason tai metsänkäsittelymenetelmien muutosten vaikutuksista puuntuotannon kestävyyteen alueellisesti tai valtakunnallisesti. Ohjelmistoja ja laskureita.

MELA-laskelmia käytetään muun muassa kansallisten (KMO) ja alueellisten (AMO) metsäohjelmien, muiden metsään liittyvien sektoreiden kansallisten strategioiden sekä alueellisten metsä- ja maankäyttösuunnitelmien valmistelun pohjatietoina.

Luken ja Ruotsin maatalousyliopiston (SLU) yhteistyönä kehitetyn EFDM-mallin avulla voidaan eri maissa tuottaa kansallisen tason inventointitiedoilla (VMI) yhteismitallisia skenaarioita ylikansalliseen päätöksentekoon.  Horisontti2020-hankkeessa testataan 23 Euroopan maassa mahdollisuuksia harmonisoida myös kansallisilla malleilla, kuten MELA, tehtyjä skenaarioita.

Laskentajärjestelmät palvelevat päättäjien lisäksi myös muita organisaatioita. Esimerkiksi J-ohjelmistoa käytetään optimointialgoritmina myös Luken ulkopuolella kehitetyissä kotimaisissa ja ulkomaisissa päätöstukijärjestelmissä.

Yläreunan kuva: Erkki Oksanen, Luke.

Katso myös