Luonnon monimuotoisuuden säilyttäminen ja edistäminen Suomen metsissä on ensiarvoisen tärkeää. Sen vuoksi olisi tärkeää tunnistaa kohteet, joissa suojeluarvoja on, ja pyrkiä huomioimaan kohteet hakkuita sekä metsien suojelua suunniteltaessa. Laadukasta paikkatietoa monimuotoisuudesta metsikkö- tai hilatasolla on kuitenkin niukasti saatavissa. Toisaalta heikkolaatuinen tieto voi olla päätöksien kannalta jopa haitallista.

Suomen ympäristökeskuksen vuonna 2018 ilmestyneessä raportissa kuvataan Zonation-analyysi, jossa priorisoidaan metsiköitä niiden suojeluarvojen suhteen kaukokartoitusaineistojen avulla. Tuloksena olevat karttatasot on julkaistu Paikkatietoikkunassa. Analyysin lähtötietona on metsikön lahopuupotentiaalia kuvaava indeksi. Jatkoanalyyseissä indeksin arvoa pienennetään sellaisissa kohteissa, joissa on tehty metsänhoitotoimenpiteitä tai hakkuita vuoden 1997 jälkeen. Vaikka Zonation-analyysi sinänsä on pätevästi tehty, analyysin pohjana oleva lahopuupotentiaalikartta ei kestä kriittistä tarkastelua. Laskentamenetelmät olisi hyvä uusia kokonaisuudessaan.

Lahopuupotentiaalin arviointi

Lahopuupotentiaalin arvioinnissa on hyödynnetty Motti-simulaattoria. Kullekin metsätyypille, puulajille ja maantieteelliselle alueelle on ennustettu metsikön kehitystä perustamishetkestä lähtien viiden vuoden jaksoissa niin pitkään, että puuston ennustettu tilavuus alkaa ennustetun luonnonpoistuman takia pienentyä. Ohjelman ennustama puuston keskiläpimitta (DMAX) ja lahopuun tilavuus (VLMAX) maksimin saavuttamishetkellä on otettu talteen. Tätä edeltäville ajanhetkille lahopuupotentiaalikerroin (LK) on määritetty kaavalla:

jossa D ja VL ovat elävän puuston keskiläpimitta ja lahopuun tilavuus. Tällä kaavalla saatu arvo on otettu vastemuuttujaksi muotoa:

olevaan regressiomalliin, tosin kaikkia termejä ei ole kaikissa malleissa. Malli on sovitettu erikseen kullekin metsätyypille, puulajille ja maantieteelliselle alueelle. Valtaosassa tapauksia käyrät ovat läpimitan suhteen kasvavia ja myös niiden kulmakerroin kasvaa kiihtyvästi keskiläpimitan kasvaessa (Kuva 1).

Kuva 1. Mallin (2) ennusteet Mikkosen ym. vuonna 2018 Syken julkaisusarjassa julkaisemilla kertoimilla eri kasvillisuusvyöhykkeillä, metsätyypeillä ja puulajeilla. Paksu viiva näyttää kuvaajan Motti-simuloinnilla saatua maksimia pienemmille läpimitoille. Ohut kuvaaja näyttää kuvaajat myös tätä suuremmille läpimitoille, mutta kakkosta suuremmat ennusteet on korvattu kakkosella.

Mallilla voidaan ennustaa uuden metsikön kullekin puulajiositteelle positiivinen luku metsikön keskiläpimitan avulla. Tätä ennustetta kutsutaan lahopuukertoimeksi. Vaikka alkuperäinen kaavalla (1) laskettu kerroin on aina nollan ja ykkösen välillä, voi mallin ennuste olla sitä paljon suurempi (ja joskus myös hieman nollaa pienempi). Siksi laskennassa kerroin on rajattu maksimissaan arvoon 2. Puulajiositteen lahopuupotentiaali saadaan kertomalla lahopuukerroin puulajiositteen tilavuudella. Sekametsässä eri puulajiositteiden lahopuupotentiaalit summataan. Näin saatu metsikön lahopuupotentiaali (LP) on:

jossa V on metsikön elävän puuston kokonaistilavuus, puusto-ositteen 1 lahopuukerroin ja P₁ sen suhteellinen osuus kokonaistilavuudesta, ja P₂,...,P_k ovat muiden ositteiden vastaavat arvot. Koska lahopuukertoimet ovat välillä (0,2), saa lahopuupotentiaali arvoja väliltä (0,2V).

Lahopuupotentiaalin arvoja on verrattu mitattuihin lahopuiden tilavuuksiin Evolla ja Kuhmossa. Mallin antama lahopuupotentiaali oli Evolla noin kahdeksankertainen havaittuun lahopuun määrään verrattuna ja Kuhmossa noin kaksinkertainen. Mallin selitysasteet hoidetuissa metsissä olivat Evolla 11 ja Kuhmossa 23 prosenttia. Suojelluissa metsissä selitysasteet olivat 62 ja 24 prosenttia.

Kritiikkiä

Lahopuupotentiaalin laadintamenetelmä ei kestä tieteellistä kritiikkiä

Tekijöiden tuottaman lahopuupotentiaalikartan laatimisessa ei ole käytetty mitään mitattua aineistoa lahopuusta. Mittaustiedon asemesta aineistona on käytetty Motti-ohjelmistolla laskettuja arvoja, jotka kuvaavat lahopuun potentiaalista kehittymistä metsissä. Potentiaali ei siis tarkoita, että kohteilla olisi tällä hetkellä lahopuuta, vaan että siellä voi olla lahopuuta tai sinne voisi ajan mittaan kehittyä lahopuuta, mikäli päätehakkuuta viivästytetään niin pitkään, että puut alkavat iän ja kilpailun takia kuolla. Todellisuudessa erityisesti järeä lahopuu on usein luonnontuhojen kuten tuulen tai tuhohyönteisten aiheuttamaa, mutta tätä kuolleisuutta Motti ei kuvaa lainkaan, koska luonnontuhoja syntyy hyvin satunnaisesti. Siten se ei näy myöskään tuloksena olevassa kartassa.

Kaavassa (1) esitettyä lahopuukerrointa ei millään muotoa voida tulkita lahopuun esiintymisen todennäköisyydeksi tai sen suhteelliseksi osuudeksi. Ainoa järkeenkäypä tulkinta luvulle voisi olla lahopuusta ja keskiläpimitasta suojelunäkökulmasta saatava hyöty. Lahopuupotentiaali (3) saadaan kertomalla ennustettu hyöty (joka voi olla ykköstä suurempi polynomimallin muotoilun vuoksi) puuston kokonaistilavuudella. Tälle arvolle ei ole olemassa mitään järkevää tulkintaa, ja sen kutsuminen lahopuuennusteeksi tai lahopuupotentiaaliksi on harhaanjohtavaa. Kuten testituloksetkin osoittivat, se on luultavasti moninkertainen yliarvio lahopuun määrälle ja korreloi sen kanssa vain heikosti myös suojelluissa metsissä. Näin epävarman tiedon soveltaminen ilman, että epävarmuuden vaikutuksia on millään tavalla analysoitu tai huomioitu, on suuri riski.

Näennäisesti monimutkaisen laskentaketjun taakse hämärtyy se tosiasia, että lopulta puulajiositteen lahopuupotentiaali kertoo vain puujakson keskiläpimitasta. Kartassa käytetty metsävaratieto ei sisällä informaatiota lahopuusta, joten sitä informaatiota ei voida saada myöskään tiedon perusteella laskettuihin karttoihin. Järeää puuta sisältävistä metsiköistä malli ei pysty lainkaan erottelemaan metsiköitä, joilla on oikeasti monimuotoisuusarvoa. Zonation-analyysissä tämän arvioimiseksi käytetään käsittelyhistoriaa. Sekametsissä metsikön lahopuupotentiaali lasketaan ko. metsikön puulajikohtaisten lahopuupotentiaalien summana. Tämä ei välttämättä paranna tilannetta juurikaan, sillä kaukokartoitukseen perustuvassa inventoinnissa nimenomaan puulajisuhteet on ennustettu heikoimmin.

Tarkkuudeltaan yhtä hyvä, mutta läpinäkyvämpi tapa järjestää metsiä lahopuukertoimen mukaan olisi järjestää metsiköitä keskiläpimitan suhteen. Sekametsässä voitaisiin puulajeittain määrittää sellainen läpimitta, jota suurempia puita pidetään ekologisesti arvokkaina ja potentiaalisina lahopuina, suhteuttaa jakson keskiläpimitta siihen ja laskea näin saaduista arvoista jakson puuston tilavuudella painotettuja keskiarvoja. Tällaisellakaan kartalla ei tulisi arvioida metsän ekologista arvoa suoraan, vaan arvon tulisi aina perustua maastomittauksiin, koska elävän puuston keskiläpimitta (tai sille laserkeilauksella saatu keskiarvoistava ennuste) ei sisällä todellista tietoa lahopuun määrästä. Jos järjestyksen sijaan halutaan myös suhteellisia eroja metsiköiden välille, tulee silloin monimuotoisuusarvon epälineaarinen riippuvuus keskiläpimitasta huomioida. On kuitenkin kyseenalaista, onko edellä kuvattu Mottiin perustuva tapa edes korjattunakaan merkittävästi parempi tapa arvioida epälineaarisuutta kuin esimerkiksi asiantuntijamielipiteeseen perustuva estimointi.

Kaavoja (1) ja (2) tarkastelemalla nähdään, että regressiomallissa (2) läpimitta D on mukana sekä vasemmalla että oikealla puolella. Mallissa siis selitetään läpimitalla läpimittaa, johon on lisätty simulaattorin lahopuuennusteesta riippuva komponentti. Motti-ohjelmalla kuollut puusto saadaan karkeasti ennustetun puuston tilavuuden ja metsikön maksimitilavuuden (ns. itseharvenemisraja) erotuksena. Maksimitilavuus taas on suoraan verrannollinen keskiläpimittaan, koska käytetyssä itseharvenemismallissa maksimirunkoluku on kääntäen verrannollinen keskiläpimitan neliöön ja (kolmiulotteisen) puun rungon tilavuus on suunnilleen verrannollinen läpimitan kolmanteen potenssiin. Kun malleissa myös tilavuuskasvu riippuu voimakkaasti mutta käyräviivaisesti keskiläpimitasta, ei ole lainkaan yllättävää, että simuloidut lahopuupotentiaalit seuraavat monotonisesti metsikön keskiläpimittaa ja mallien selitysasteet ovat käytännössä 100 %. Mallien selitysaste on korkea vain siksi, että selitettävänä muuttujana on simulaattorilla laskettu ennuste, jonka arvo simuloinnissa määräytyy lähes yksinomaan selittävänä muuttujana käytetyn metsikön keskiläpimitan avulla.

Motilla saatua läpimittarajaa järeämmissä puustoissa lahopuukertoimen ennuste perustuu vain siihen, miten polynomi käyttäytyy ekstrapoloitaessa. Tämän vuoksi tekijät ovat päätyneet rajoittamaan kertoimen arvon kakkosta pienemmäksi. Valitulle maksimiarvolle on vaikea keksiä perustetta. Erityisesti sellaisten metsiköiden keskinäinen järjestys, jossa jonkin ositteen läpimitta on Motilla saatua maksimia suurempi, on hyvin sattumanvaraista. Perustellumpaa olisi ollut käyttää maksimiarvona arvoa 1 tai mallin ennustetta silloin, kun läpimitta saa arvokseen käytetyn maksimiläpimitan. Nämäkin ratkaisut ovat varsin keinotekoisia, ja viisaampaa olisi ollut käyttää mallissa (2) sellaista muotoilua, joka ei mahdollista nollaa pienempiä tai ykköstä suurempia lahopuukertoimen ennusteita.

Lähtöaineistojen välille syntyy systemaattisia eroja

Karttoja varten lahopuupotentiaalimalleja sovelletaan kaukokartoitusaineistossa, jossa keskiläpimitta, tilavuus ja puulajisuhteet oletetaan tunnetuiksi. Kaukokartoitusaineistona sovelletaan ensisijaisesti Suomen metsäkeskuksen (SMK) laserkeilausdataa, mutta mikäli sitä ei ole saatavissa sopivalta ajankohdalta, käytetään myös esimerkiksi Luonnonvarakeskuksen monilähdeinventointidataa. Lahopuumallin yhdistäminen kaukokartoitusaineistoon on ainoa mahdollinen tapa saada monimuotoisuudesta mitään karttatietoa, joten siinä suhteessa analyysi on juuri sitä, mitä kaivataan.

Ongelmana kuitenkin on (ym. lahopuupotentiaalimallin selkeiden virheiden lisäksi), että eri puolilla maata sovelletaan erilaisia aineistoja. Monilähdekartta-aineisto tuottaa karttoja, joissa suuria tilavuuksia esiintyy harvoin, mutta keskimääräisiä tilavuuksia usein verrattuna todelliseen puustoon. SMK:n laserkeilausaineisto pystyy kuvaamaan puuston jakauman tältä osin paremmin, mutta sen puutteena on, että aineisto on paikoin jopa 10 vuotta vanhaa. Jo muutamassa vuodessa aineistoon muodostuu kasvun päivityksessä virheitä, jotka voivat vaikuttaa suojeluarvon analyysiin. Lisäksi eri aineistot tuottavat puulajeittaista metsävaratietoa hyvin erilaisin perustein, ja tämä edelleen lisää virheiden mahdollisuutta.

Ongelmallisinta eri aineistojen käytössä on, että ne tuottavat pahimmillaan systemaattisen eron eri omistajaryhmien välille. Suojeluarvojen ero yksityismaiden ja Metsähallituksen maiden välillä voi siis johtua pelkästään kartta-aineistojen erosta, vaikka suojeluarvoissa ei olisi mitään eroa, tai vaikka ne olisivat todellisuudessa toiseen suuntaan.

Johtopäätökset

Johtopäätöksinämme esitämme, että suojelualuearvokarttaa ei pidä käyttää mihinkään metsiä koskevaan päätöksentekoon, ennen kuin laskennan ja aineistojen puutteet ja virheet on korjattu. Analyysistä voi (etenkin korjausten jälkeen) olla hyötyä maastoarvioiden kohdentamisessa, mutta ilman maastoarviota käytettynä analyysi johtaa suurella todennäköisyydellä virheellisiin päätöksiin. Siksi lahopuupotentiaalin arvo tietyssä metsässä ei saa vaikuttaa metsänomistajan mahdollisuuteen hyödyntää metsäänsä taloudellisesti, vaan suojeluarvo tulee aina arvioida maastossa. Hämäävä lahopuupotentiaalikäsite tulisi hylätä ja korvata se metsikön järeysindeksillä tai puulajisuhteilla painotetulla järeysindeksillä.

Lähteitä

Hynynen J, Ojansuu R, Hökkä H, Siipilehto J, Salminen H, Haapala P (2002) Models for predicting stand development in MELA System. Metsäntutkimuslaitoksen tiedonantoja 835. Metsäntutkimuslaitos, Vantaan tutkimuskeskus. http://urn.fi/URN:ISBN:951-40-1815-X.

Mikkonen N, Leikola N, Lahtinen A, Lehtomäki J, Halme P (2018) Monimuotoisuudelle tärkeät metsäalueet Suomessa. Puustoisten elinympäristöjen monimuotoisuusarvojen Zonation-analyysien loppuraportti. Suomen ympäristökeskuksen raportteja 9/2018. http://hdl.handle.net/10138/234359.

Mikkonen N, Leikola N, Halme P, Heinaro E, Lahtinen A, Tanhuanpää T (2019) Modeling of dead wood potential based on tree stand data. Forests 11, article id 913. https://doi.org/10.3390/f11090913.