Seloste artikkelista Katila M., Rajala T., Kangas A. (2020). Assessing local trends in indicators of ecosystem services with a time series of forest resource maps. Silva Fennica vol. 54 no. 4 article 10347. https://doi.org/10.14214/sf.10347

Kaukokartoituksen avulla voidaan pienilläkin alueilla tehokkaasti seurata muutoksia metsävaroissa ja niitä kuvaavissa tunnuksissa ja sitä kautta ekosysteemipalvelujen indikaattorimuuttujissa. Esimerkiksi metsien käytön kestävyyden seuranta edellyttää aikasarjatyyppistä tietoa.

Suomessa monilähteisen valtakunnan metsien inventoinnin (MVMI) menetelmällä on tuotettu metsävarakarttoja ja metsävaratietoa pienalueille 1990-luvulta lähtien. Tulokset on saatu yhdistämällä valtakunnan metsien inventoinnin (VMI) koealoja, satelliittikuvia ja numeerista karttatietoa käyttäen epäparametrista k:n lähimmän naapurin menetelmää. Metsävarakartat on tuotettu MVMI:n avulla kahdeksasta kymmeneen kertaa riippuen maantieteellisestä alueesta, mutta karttojen aikasarjoja ei ole juurikaan analysoitu.

Tämän työn tavoitteena oli selvittää metsävarakarttojen aikasarjojen soveltuvuutta metsäekosysteemin tilaa kuvaavien avainindikaattorien seurantaan. Muutosten merkitsevyyttä testattiin kontekstuaalisella Mann-Kendall (CMK) -testillä; se etsii havaintojen aikasarjasta monotonisia trendejä, ottaen huomioon havaintojen, tässä kuva-alkioiden, välisen spatiaalisen autokorrelaation metsävarakartoissa. Tuhansien sarjojen yhtäaikaisen testauksen aiheuttamaa vääristymää testisuureen p-arvossa korjattiin FDR-menetelmällä (False Detection Rate).

Muutoksia voidaan yrittää havaita ja tulkita eri mittakaavoissa, kuten metsikkö, metsälö, kunta. Trendejä testattiin eri kokoisilla yksiköillä: alkuperäisessä MVMI-metsävarakarttojen kuva-alkiokoossa, 16 × 16 m² ja niistä summatuissa ruuduissa, joiden koko oli 240 × 240 m², 1200 × 1200 m² ja 12 000 × 12 000 m². Teemoja olivat puuston keskitilavuus, männyn ja kuusen keskitilavuus, lehtipuun osuus tilavuudesta ja metsikön ikä. Aikasarja käsitti 9 tai 10 MVMI-teemakarttaa yli kahden vuosikymmenen ajalta kahdella testialueella Hämeessä ja Kainuussa, pinta-alaltaan 1,4 ja 2,5 milj. ha metsätalouden maata.

CMK-testi löysi merkitseviä nousevien trendien alueita keskitilavuudelle molemmilla testialueilla 240 × 240 m² ja suuremmilla yksiköillä (Taulukko 1). Muiden muuttujien osalta merkitseviä trendejä löytyi lähinnä vain suurimmilla ruuduilla, 12 000 × 12 000 m², joka vastaa kooltaan pientä kuntaa Etelä-Suomessa. Yleisesti merkitsevien havaintojen osuus kasvoi ruudun koon kasvaessa (Taulukko 1). Havaittujen trendien suunta vastasi suuralueella peräkkäisissä VMI:ssa havaittuja muutoksia.

MVMI-teemakartoista yleistettyjen ruutujen aikasarjoissa esiintyy vaihtelua sitä enemmän, mitä pienempiä ne ovat kooltaan. 240 × 240 m² ruudulle voi osua yksi tai useampia metsikkökuvioita, joilla on tehty hakkuu tarkastelujaksolla (esim. Hämeessä arviolta 20 % kuvioista uudistushakattu 23 vuoden kuluessa). Yksittäisten metsiköiden hakkuut aiheuttavat äkillisiä muutoksia aikasarjassa. Ruudun koon kasvaessa hakkuiden sijoittumisen ja MVMI-ennustevirheiden vaikutus pienenee. Kuvassa 1 on kymmenen ruudun satunnainen otos 1200 × 1200 m² ruuduista, joilla havaittu merkitsevä a) nouseva tai b) laskeva trendi keskitilavuudessa, Hämeen testialueella. Aikasarjoissa voi olla yksittäisiä, tyypillisesti käytetyn satelliittikuvan ominaisuuksista johtuvia poikkeamia, mutta Mann-Kendall testi on robusti ja havaitsee trendin tästä huolimatta (esim. vuoden 2007 alaspäin poikkeavat havainnot kuvassa 1a).

Kuva 1. Kymmenen havainnon satunnaisotos ruuduista, joissa merkitsevä trendi (p < 0,05) CMK-testissä MVMI:n keskitilavuuskarttojen aikasarjassa 1994–2017 Hämeessä. 1200 × 1200 m² ruudut ja positiivinen testisuure S (a), 1200 × 1200 m² ruudut ja negatiivinen testisuure S (b).

Tutkimus osoitti, että merkitseviä trendejä voidaan havaita eri mittakaavoissa satelliittikuvapohjaisten metsävarakarttojen aikasarjoista, kun havaintoja on riittävä määrä suhteellisen tasaisin aikavälein. Tulokset myös kertovat, että useamman vuoden aikasarjasta tehdyt päätelmät ovat robustimpia kuin kahden ajanhetken erotuksista tehdyt. Tuloksia ja menetelmiä voidaan käyttää esimerkiksi ekosysteemipalvelujen indikaattorimuuttujien seurantaan.