Artikkelit jotka sisältää sanan 'kasvumalli'

Nykyisin lähes kaikki metsiä koskevat päätökset, yksittäisistä hakkuu- ja hoitopäätöksistä aina metsänhoito-suositusten muotoiluun ja metsäpoliittisiin päätöksiin perustuvat kasvusimulaattoreihin. Tutkimustietoa kasvun ja erityisesti luonnonpoistuman ennusteiden tarkkuudesta on kuitenkin vähän, etenkin pidemmiltä ennustejaksoilta. Luotettavuutta tyypillisesti arvioidaan keskimäärin koko testiaineistossa, jolloin tietoa mallin käyttäytymisestä soveltamisalueensa rajoilla on vähän. Tässä tutkimuksessa selvitettiin, miten MOTTI mallit ennustavat metsien kehitystä ylitiheissä metsiköissä. Erityisesti tarkasteltiin itseharvenemisen ennusteiden onnistumista. Tulokset osoittavat, että metsät voivat kasvaa luontaisesti huomattavasti tiheämpinä kuin käytetyt mallit ennustavat. Tällöin erityisen tiheiden metsien pohjapinta-alan kehitys aliarvioidaan, vaikka tavanomaisempien metsiköiden kasvuennusteet ovat melko tarkkoja. Se voi vaikuttaa paitsi yksittäisten metsiköiden käsittelysuosituksiin, myös mallien perusteella laadittuihin hoitosuosituksiin.

• Välimäki, Sähköposti: ei.tietoa@metsatiede.org
• Kangas, Sähköposti: ei.tietoa@metsatiede.org

Kasvumallien tarkoituksena on kuvata yksittäisen puun tai suuremman puujoukon kehitystä. Niiden käyttökelpoisuus riippuu suurelta osin siitä, miten luotettavasti puuston rakenne ja dynamiikka on saatu kuvattua. MOTTI-simulaattorissa käytettävät kasvumallit tuottavat harhattomia kasvun ennusteita valtakunnan tasolla, mutta pienemmillä, esim. metsäkeskusten alueilla, ennusteet voivat olla harhaisia. Tällaisillekin alueille olisi tärkeää saada kasvunarviot harhattomiksi metsävarojen kehityksen paikallista tilastointia ja puutaselaskelmia ajatellen.

Tässä tutkimuksessa kalibroitiin MOTTI-simulaattorissa käytettävät männyn kivennäis- ja turve maiden pohjapinta-alan kasvumallit Pohjois-Pohjanmaan metsäkeskuksen alueelle, ja vertailtiin neljän eritasoisen kalibrointimallin vaikutusta kasvun ennusteeseen. Kalibrointimalleja olivat 1) vakiokalibrointi, 2) metsikkökalibrointi, 3) puukalibrointi ja 4) ikäkalibrointi, jotka estimoitiin sekamalleilla.

Kivennäismailla vakiokalibrointi korjasi pohjapinta-alan kasvun ennustetta noin 23 % pienemmäksi ja turvemailla 17 % suuremmaksi valtakunnallisten kasvumallien ennusteisiin verrattuna. Puustotunnusmuuttujia sisältävät mallit (mallit 3 ja 4) olivat tilastollisesti parhaita, mutta laadinta-aineistosta johtuen niiden soveltuvuus kalibrointimalliksi oli kyseenalainen. Metsikkötunnusmallin jäännöshajonta oli suurempi kuin puustotunnuksia sisältävien mallien, mutta kalibrointimalliksi se soveltui hyvin, sillä selittävät muuttujat olivat tunnuksia, jotka eivät muuttaneet alkuperäisen kasvumallin sisäistä dynamiikkaa.

• Talvitie, Sähköposti: mervi.talvitie@helsinki.fi

Tutkimuksen tavoitteena oli selvittää eri virhelähteiden vaikutus toimenpide-ehdotuksiin, jotka on tuotettu laskennallisesti ajantasaistetusta kuvioaineistosta. Tutkimuksessa tarkasteltuja virhe-lähteitä olivat aineistonmuodostus, mittausvirheet ja ajantasaistus. Tutkimuksessa keskityttiin ensimmäisen suunnittelukauden (5 vuotta) toimenpidetarpeisiin nykyhetkellä tai 5 ja 10 vuoden ajantasaistuksen jälkeen. Kunkin metsikön ”todellisena toimenpidetarpeena” pidettiin puittaisesta inventointitiedosta tuotettua harvennusmalleihin ja uudistamisrajoihin perustuvaa toimenpidetarvetta. Tutkimusaineisto käsitti 274 metsikköä, jotka valittiin Metsäntutkimuslaitoksen pysyviltä kasvukoealoilta, ns. INKA-aineistosta. Lisäksi käytettiin 988:a tarkistusinventointiaineiston metsikköä kuvioittaisen arvioinnin virheiden generoinnissa tutkimusaineistoon. Tutkimusaineistosta muodostettiin puittaiset ja kuvioittaiset lähtötiedostot. Toimenpide-ehdotuksien tuottamisessa ja laskennallisessa ajantasaistuksessa käytettiin MELA-ohjelmistoa. Mittausvirheet osoittautuivat tutkituista virhelähteistä suurimmaksi epävarmuuden aiheuttajaksi sekä puustotunnusten ajantasaistuksessa että toimenpide-ehdotusten ennustamisessa. Puittaisista aineistoista tuotetut toimenpide-ehdotukset, ja erityisesti harvennustarpeen määrittelyt, olivat luotettavampia kuin metsikkötason aineistoilla tuotetut toimenpide-ehdotukset. Kasvumallien avulla ajantasaistettu inventointiaineisto voisi soveltua toimenpide-ehdotusten kannalta metsäsuunnittelun lähtöaineistoksi, mikäli toimenpide-ehdotuksia tarkastellaan puustotietojen ja harvennus- ja uudistamismallien mukaan. Toimenpide-ehdotusten luotettavuuteen vaikutti merkittävästi se, miten kasvumalleissa käytettävä lämpösumma oli johdettu. Jos lämpösummaksi otettiin INKA-aineiston kullekin metsikölle määritetty alkuperäinen lämpösumma, tulokset olivat selvästi heikompia kuin jos lämpösumma määritettiin laskennallisesti vastaavalla tavalla kuin kasvumallien laadinnassa. Lisätutkimusta tarvitaan etenkin laskennallisesti johdettujen ja maastossa arvioitujen toimenpidetarpeiden yhteneväisyydestä.

• Haara, Sähköposti: arto.haara@metla.fi
• Korhonen, Sähköposti: ei.tietoa@metsatiede.org

Tutkimuksessa tarkasteltiin nuoren kuusikon kasvattamista koivuylispuuston alla. Tutkimusongelmana oli selvittää, kuinka paljon tiheydeltään ja kooltaan vaihteleva koivuylispuusto tuottaa puuta ja kuinka paljon se hidastaa kuusikon kehitystä. Tutkimuksessa laadittiin kertamittausaineistoon perustuvat kasvumallit. Niiden lisäksi sovellettiin aiemmassa sekametsätutkimuksessa laadittuja malleja.

Tutkimusaineisto käsitti 31 sekametsikköä lehtomaisilla ja tuoreilla kankailla Etelä-Suomessa. Kuusikoiden biologinen ikä oli 15–39 vuotta ja koivikoiden rinnankorkeusikä 17–77 vuotta. Koivuylispuusto oli poistettu 6 metsiköstä.

Malleilla ennustettua puuston kehitystä tarkasteltiin kahdessa esimerkkimetsikössä kolmena kasvattamisvaihtoehtona: koivuylispuuston poistaminen, ylispuuston harventaminen ja käsittelemätön metsikkö. Koivuylispuusto tuotti enemmän puuta (3,5–11,2 m³ ha^–1 v^–1) kuin sen kasvattaminen vähensi kuusikon tuotosta (kasvutappio 0,6–4,4 m³ ha^–1 v^–1). Harvennus lisäsi nuoren, tiheän koivikon tukkipuun tuotosta selvästi, mutta pienensi sitä vanhassa, järeäpuustoisessa koivikossa.

• Mielikäinen, Sähköposti: kari.mielikainen@metla.fi
• Valkonen, Sähköposti: ei.tietoa@metsatiede.org