Metsävaratiedon laatupäivät 12.10.2016
Helsinki
Puustotulkintaan vaikuttavat tekijät – puustotulkitsijan näkökulma
Arbonaut Jussi Peuhkurinen
Esityksen sisältö 1. Lähtöaineistojen merkitys 2. Laadun vaihtelu alueiden, metsiköiden ja tunnusten välillä 3. Menetelmän ominaisuuksia ja miten ne voisi huomioida
aineistoja käytettäessä
Lähtöaineistojen merkitys
Lopputulos ei voi olla parempi kuin käytettävistä lähtöaineistoista saatava informaatio.
Mutta yhdistelemällä aineistoja (viisaasti) voidaan saada parempi lopputulos kuin hyödyntämällä vain yhtä tietolähdettä.
Laadun vaihtelu •Aineistojen keruun onnistuminen
•Vaikutus koko inventointialueen keskimääräiseen tarkkuustasoon. •Alueen sisällä voi olla kohtia, joissa systemaattista virhettä.
Laadun vaihtelu •Keskimäärin tarkkuustaso eri puolilla Suomea melko vakio, mutta on myös ns. helppoja alueita ja vaikeita alueita.
•Helppoja: pääosin yhtä puulajia, pieni vaihtelu alueen sisällä, ”Metsänhoitosuositusten mukaan hoidettuja talousmetsiä” •Vaikeita: useita puulajeja, paljon vaihtelua, epätasaisia puustoja, ”Korkea biodiversiteetti”
Laadun vaihtelu Pituus tarkin tunnus, melkein ”mitattu”
Läpimitta, ppa ja tilavuus seuraavaksi tarkimmat, perustuvat kuitenkin enemmän tilastolliseen mallinnukseen
Laadun vaihtelu Puulajitieto perustuu vahvasti ilmakuviin
Ikä ja runkoluku ovat epäluotettavimpia Ikäennuste saadaan luotettavimmin käyttämällä joskus maastossa tehtyä arviota tai tietoa metsikön perustamisajankohdasta
Laadun vaihtelu
Taimikot • Taimikoissa laserpiirteinen ja puuston väliset korrelaatiot
ovat huomattavasti heikompia kuin varttuneissa puustoissa
• -> Sama tarkkuus vaatisi moninkertaisen määrän koealoja taimikoista
Ominaisuuksia
Läpimittajakaumien tarkastelu paljastaa menetelmän ominaisuuksista
Kuva: Tapio
Ominaisuuksia
Aineiston pilkkominen osiin paljastaa menetelmän ominaisuuksista • Esimerkiksi
harvennuskohteissa usein tiheyden aliarvio
Ominaisuuksia
Menetelmän perusyksikkö, jolle inventointi lasketaan, on hilaruutu • Ei ole samantekevää,
miten tieto hilalta yleistetään kuviolle
Yhteenveto
• Menetelmä tuottaa objektiivista pohjatietoa päätöksentekoon
• Osa tunnuksista on luotettavampia kuin toiset, toisilla metsiköillä parempi tarkkuus kuin toisilla
• Erityispiirteet kannattaa huomioida soveltaessa aineistoa omaan käyttöön
• Menetelmää kehitetään koko ajan, tarkkuus paranee pikkuhiljaa
Kiitos