YK:n biodiversiteettisopimuksen 15. osapuolikokous päättyi joulukuussa. Lähes 200 valtiota neuvotteli luonnon monimuotoisuuden vähenemisen pysäyttämisestä vuoteen 2030 mennessä.
YK:n luontokokouksen osapuolet pääsivät sopuun muun muassa siitä, että vähintään 30 prosenttia tilaltaan heikentyneistä maa- ja vesialueista tulee ennallistaa vuoteen 2030 mennessä.
Suomi toteuttaa Montrealissa sovittuja tavoitteita oman kansallisen biodiversiteettistrategian pohjalta. Strategia on parhaillaan lausuntokierroksella.
Sitoumukset edellyttävät, että metsäekosysteemejä varjellaan ja ennallistetaan
Montrealin ja EU-tason sitoumukset edellyttävät, että Suomessa noin 30 % kaikesta pinta-alasta ennallistetaan. Suomen laajan pinta-alan vuoksi vastassa on mittaluokkahaaste, kun maamme kokonaispinta-ala on 33 miljoonaa hehtaaria.
Metsäekosysteemejä varjellaan kaukokartoituksen avulla
Metsäekosysteemin terveyttä arvioidaan lähtökohtaisesti lajistotiedoilla. Metsien yksityiskohtainen kaukokartoitus lisää edelleen ekologista ymmärrystä. Suomalaiset paikkatietoalan toimijat etsivät kuumeisesti keinoja kartoittaa metsien tilaa kokonaisvaltaisesti.
Kaukortaitoituksessa jokainen puu inventoidaan. Käytännössä tämä tarkoittaa sitä, että jokainen latvus, joka on vähintään kuuden metrin korkeudella, lasketaan koko maasta.
“Oletusarvo on, että yksi runko vastaa yhtä lajia. Metsissä kuitenkin aluspuusto, sulkeutunut latvusto ja muut elementit menevät limittäin, eikä tarkkaa tulosta välttämättä synny. Tässä tapauksessa satunnaismuuttuja määrittää puunrunkojen ja lajien määrän”, kertoo Arbonautin toimitusjohtaja Tuomo Kauranne.
Lahopuut ovat ekologisesti kiinnostava kohde
Esimerkiksi lahopuuryhmät löytyvät tällä tavalla. Paikkatietojärjestelmillä voidaan tarkasti rajata arvokkaiden kohteiden maantieteellinen rajaus, kun se näkyy ilmasta.
Yksityiskohtainen lajisto tai vaikkapa suotyyppi on kuitenkin mahdotonta erottaa.
”Kaikkea ei näe taivaalta, vaikka kuinka matalalla lentää. Silloin on tärkeää, että biologi käy paikan päällä tutkimassa.”
Mikä on digitaalinen kaksonen?
Ilmastonmuutoksen hillinnän työkaluna on jo pitkään hyödynnetty digitaalista kaksosta. Tietoaineistoja yhdistelemällä digitaalinen kaksonen tarjoaa parametrisoidun kuvauksen metsäekosysteemin toiminnasta. Sen avulla voidaan tutkia toimenpiteiden vaikutuksia, tai selvittää vaikutus alueelle, jos tiettyjä toimenpiteitä ei tehdä.
Metsien osalta digitaalinen kaksonen voi ennustaa esimerkiksi istutus- tai harvennustoimia metsässä.
“Digitaalinen kaksonen on yleistermi laajalle joukolle metsää kuvaavia, paikkaan sidottuja suureita”, Tuomo toteaa.
“Kun digitaalisesta kaksosesta johdettua tietoa sovelletaan yksittäiselle metsikkökuviolle sama toimenpide – kuten harvennus, lannoitus tai suojelupäätös – laajennetaan tuon metsikkökuvion koko alueelle.”
Mihin suuntaan tiedon jatkokäsittely on kehittymässä?
Suojelutoimissa katse on siirtynyt metsätietomallin kehittämiseen. Tavoitteena on varustaa metsän digitaalinen kaksonen sellaisilla attribuuteilla, jotka kertovat metsän monimuotoisuudesta.
Paikkatiedon puolesta tämä tarkoittaa sitä, että tyypillisen metsikkökuvion lisäksi on olemassa monen tason polygoneja, kuten latvustopolygoneja ja omat tasot eri kasvujaksoille. Alispuuston ja ylispuuston eri lajit todennetaan myös.
”Metsäekosysteemin digitaalinen kaksonen esitetään digitaalisina teemakarttoina joissa teemoina voi olla puuston rakenne ja puiden koko, lahopuun määrä, maaperän tyyppi jne. Teemakartat piirretään laserpisteistä lasketuilta tilastollisilta malleilta joiden parametrit asetetaan kohdalleen maastosta mitattujen koealojen ominaisuuksia käyttäen.”
Mittarien kehittämistä tarvitaan seuraavaksi
Tulemme jatkossa tarvitsemaan mittareita, joita voidaan soveltaa laajoille alueille. Alueiden ekologinen arvo voidaan sitten varmistaa määrätyissä avainkohteissa biologin toimesta.
Arbonaut yhdessä muiden toimijoiden kanssa, kuten Suomen metsäkeskus, Suomen ympäristökeskus, oppilaitokset, laserkeilausalan yritykset ja esimerkiksi metsäpalojen asiantuntijat etsivät tällä hetkellä uusia korvikemuuttujia.
Sopivalla korvikemuuttujalla voidaan erottaa piirteitä kolmiulotteisesta metsäkuvasta, joka on biologille muuten liian harva. Tämä toteutetaan positiivisessa korrelaatiossa jonkun ekologisesti arvokkaan mittarin kanssa, kuten lahopuuryhmät.
Aivan kuten kuvantamisen ja biologin kanssa käytä yhteistyö todistaa, Suomen metsien digitaalinen kaksonen kehittyy yhteistyönä ihmisten ja koneiden kesken. ”Ensin oikea äly, sitten tekoäly.”
