Suomen metsäkeskuksen Suometsien sadonkorjuu -hankkeen järjestämän Pehmeiden maiden puunkorjuun kehittämispäivän materiaalia. Kehittämispäivä järjestettiin 22.11.2018 Seinäjoella. Paikkatiedosta apua suometsien sulan maan aikaiseen puunkorjuuseen - Harri Lindeman ja Jori Uusitalo, Luonnonvarakeskus

1. © Luonnonvarakeskus© Luonnonvarakeskus
Pehmeiden maiden puunkorjuun kehittämispäivä
Suometsien sadonkorjuu –hanke
22.11.2018 Seinäjoki
Harri Lindeman, Jori Uusitalo
Luonnonvarakeskus
Paikkatiedoista apua
suometsien sulan maan
aikaiseen korjuuseen

2. © Luonnonvarakeskus
Esityksen aiheet
• Kosteuden/pohjaveden korkeuden/kantavuuden ajallisen ja
paikallisen vaihtelun ennustaminen
• Kantavuuden ennustaminen ja puunkorjuun suunnittelu
paikkatietoaineistojen avulla
2 30.11.2018Suometsien sadonkorjuu

3. © Luonnonvarakeskus
Kosteuden/pohjaveden korkeuden ajallisen ja
paikallisen vaihtelun ennustaminen
• Ennustemalli pohjaveden pinnan korkeuden ennustamiseen
• Laaditaan osalle demonstraatio kohteista
• Korjuun ajoituksen suunnittelun tukemiseen
• Aineistot
– Ilmatieteenlaitoksen avoin data
• Sademäärä
• Lämpötila
– Suomen ympäristökeskuksen avoin data
• Haihdunta
– Puusto
– Ojien vaikutus
• Pohjaveden pinnan korkeuden mittaus korjuun yhteydessä
Hökkä H., Uusitalo J., Lindeman H., Ala-Ilomäki J. (2016). Performance of weather
parameters in predicting growing season water table depth variations on drained
forested peatlands – a case study from southern Finland. Silva Fennica vol. 50 no. 4
article id 1687. 12 p. http://dx.doi. org/10.14214/sf.1687.
3 30.11.2018Suometsien sadonkorjuu
Kuva:Salmivaara ym.

4. © Luonnonvarakeskus
Kantavuuden ennustaminen Big Datan avulla
turvemaan puunkorjuussa
• Laserkeilattuun avoimeen aineistoon perustuva kantavuus
ennuste hakkuukuvion korjuun suunnitteluun
• Aineistot
– Maanmittauslaitoksen avoin data
• Laserkeilauspistepilvi
• Maastotietokanta
– Ojat
– Suomaski
– Metsäkeskuksen avoin data
• Puustotulkinta
4 30.11.2018Suometsien sadonkorjuu

5. © Luonnonvarakeskus
Big Data Kantavuusennusteet
• Laserkeilausaineisto
– DEM (digital elevation model, korkeusmalli) rasteri
• Korkeusaseman vaikutus kantavuuteen?
– CHM (canopy heigth model, latvuksen/kasvillisuuden korkeusmalli)
rasteri
• Puuston vaihtelu kuvion sisäisesti
• Maastotietokanta
– Ojat
• Etäisyys ojasta/vaikutus kosteuteen/kantavuuteen
– Suomaski
• Turvemaa-alueiden erottaminen kankaista
• Puustotulkinta/ennuste
– Puuston määrä, pohjapinta-ala/tilavuus
– Puulajisuhteet
5 30.11.2018Suometsien sadonkorjuu

6. © Luonnonvarakeskus
CHM
6 30.11.2018Suometsien sadonkorjuu
Keskiarvo r=5m

7. © Luonnonvarakeskus
Ojaverkko
• Pohjaveden pinta on yleensä
ojien läheisyydessä
syvemmällä kuin keskellä
sarkaa
• Maastotietokannan ojien
avulla voidaan mallintaa ojien
kuivatusvaikutusta
7 30.11.2018Suometsien sadonkorjuu

8. © Luonnonvarakeskus
Korkeusmalli (DEM)
• DEM voidaan etsiä
pinnanmuotoja, joissa
poikkeava kantavuus
– Harjanteet
– Painaumat
– Yms.
8 30.11.2018Suometsien sadonkorjuu

9. © Luonnonvarakeskus
Puulajisuhde
9 30.11.2018Suometsien sadonkorjuu
Mänty, tilavuus, m3/ha Lehtipuut, tilavuus, m3/haKuusi, tilavuus, m3/ha
Puulajisuhteen vaikutus kantavuuteen
- Hakkuutähteet
- Kuivatus
- Juuristo

10. © Luonnonvarakeskus
Kantavuusindeksi
• Eri aineistoista voidaan
yhdistää kantavuusindeksi
– Esimerkeissä
CHM+ojaetäisyys
10 30.11.2018Suometsien sadonkorjuu

11. © Luonnonvarakeskus11 30.11.2018Suometsien sadonkorjuu
Pohja-aineistot ja kartat, Maanmittauslaitos, Avoin data 2018

12. © Luonnonvarakeskus12 30.11.2018Suometsien sadonkorjuu Pohja-aineistot ja kartat, Maanmittauslaitos, Avoin data 2018

13. © Luonnonvarakeskus
Kantavuusennuste
• Suometsien sadokorjuu-projektin demonstraatioissa testataan
kantavuusennusteita ja pohjaveden pinnan korkeuden
ennustamista sekä kerätään oppia aineistojen käytöstä
jaettavaksi
13 30.11.2018Suometsien sadonkorjuu

14. © Luonnonvarakeskus
Kiitos!
30.11.2018Suometsien sadonkorjuu14

15. © Luonnonvarakeskus15 30.11.2018Suometsien sadonkorjuu