LajirikkauskarttaOpen Knowledge Finland -yhdistyksen

Open Sustainability -työryhmän hankkeen esittely

Tämä dokumentti: http://okf.fi/lajirikkauskartta-hanke

Jaakko Korhonen, Open Knowledge Finlandjaakko@okf.fi

Purunpää datana

Larikkauskartta

Lajirikkauskartta visualisoi valtakunnan biotoopit kartalla. Valtakunnan arvokkaiden luontoympäristöjen tunnistaminen helpottaa kotimaan matkailua ja mahdollistaa faktapohjaisen arvioinnin metsätalouden vaikutuksista luontoarvoihin.

Potree Demo

UAV aerial mapping point cloud

SovellusympäristöKoko maan biomassa

● Puulajijakauma● Maaperätieto● Kosteusindeksi FMI● Infrapunakuva● Laserkeilausaineisto:

puuston korkeus, tilavuus, ikä

Data yhdenmukaistetaanMuodostetaan analyysikerroksiaBiotoopit tunnistetaan ja arvotetaan: Koko, lajisormenjälki, vertailu koealoihin, koko, yhteydet muihin biotooppeihin, paikallinen merkittävyys.

Sovellusympäristö:● Oskari● PostgreSQL● PostGIS

100-200 teraa levytilaa TIFF-, JPEG2000- ja keilausaineistoille.Paljon laskutehoa. Keilausaineiston laskeminen koko valtakunnan alueelle vie normaaleilla palvelimilla päiviä ja viikkoja.Projektin tulokset julkaistaan avoimena datana, rajapintoina ja lähdekoodina.

Luontoarvojen kriteeristö SuomessaEnsimmäiset tutkittavat kriteerit ovat puuston tilavuus pääpuulajeittain, keskiläpimitta, kasvupaikka, puuston kokonaistilavuus, kasvupaikkaluokka, lehtipuiden osuus puuston tilavuudesta ja puuston ikä. Lisäksi tarvittaneen jotain metsän rakenteeseen liittyvää, kuten puulajisuhteet, puuston ikäluokka, lahopuun määrä tai metsän tiheys. Taustadatoista pääosassa ovat maanlaajuiset metsävaroja, luonnonsuojelualueita ja lajihavaintoja kuvailevat avoimet paikkatietoaineistot

Runsaspuustoisimmat metsät ovat kipupiste, koska nämä ovat paitsi kaikkein houkuttevimpia hakkuukohteita, myös usein arvokkaita suojelun kannalta, maaperän ravinnetasosta riippumatta. Runsaspuustoisimmissa kohteissa on myös todennäköisesti eniten järeää lahopuuta, joka on metsälajiston kannalta yksi tärkeimmistä piirteistä. Tarkastelussa on tunnistettava erikseen kuivahkon kankaan, tuoreen kankaan ja lehtomaisen kankaan metsät, lehtojen lisäksi. Kuivahkosta kankaasta kun mennään karummaksi, kallioisuus ja vähäpuustoisuus vaikuttaa mielenkiintoisuuteen sekä metsätalouden että luontoarvojen kannalta.

Työn ohessa syntyy myös kokemuksia skriptauskielten suhteellisesesta tehokkuudesta geoprosessointiin. Lähtökohtaisesti analyysit toteutetaan R-kielellä kunnes tulee pullonkauloja. GDAL toimii taustasovelluksena joka tapauksessa joten jos pitää alkaa operoimaan rasterihilojen arvoilla, niin voidaan joutua siirtymään Python + gdal + numpy -yhdistelmään. Konkreettisena tuotoksena kartta sekä selvityksiä vaikuttavista tekijöistä

Verkkokartta tarjotaan avoimen lähdekoodin alustalta, ja siihen liitetään mukaan tarpeellisia analyysi- ja visualisointitoimintoja.

Potentiaaliset datalähteet● Metsäntutkimuslaitoksen monilähteinen valtakunnan metsien inventointi http://kartta.metla.fi/valinta.

html, tuolla mm. tilavuutta pääpuulajeittain, keskiläpimittaa, kasvupaikkaa, puuston kokonaistilavuus, kasvupaikkaluokka, lehtipuiden osuus puuston tilavuudesta jne.

● Maanmittauslaitoksen maastotietokanta ja korkeusmallit https://tiedostopalvelu.maanmittauslaitos.fi/tp/kartta

● Maanmittauslaitoksen lentokoneesta tehty valtakunnallinen laserkeilausaineisto.● JulkICT avoimen tiedon portaali avoindata.fi.● Ympäristöhallinnon paikkatietoaineistot http://paikkatieto.ymparisto.fi/lapio/lapio_flex.html#● Luomusin FinBIF- aineistot http://ws.luomus.fi/lajitietokeskus/?locale=en ja http://www.gbif.

org/country/FI/summary● Kenttäkatselmointien havainnot.● Birdlife Finlandin tietokanta havainnoista http://www.tiira.fi/● Projektin aikana ilmenevät muut lähteet.

Näistä on mallisuorituksia. Esim. Nordic Board for Wildlife Research teki MLVMI:tä käyttäen analyysi Metsolle lintuanalyysin pelkän metsävaratiedon perusteella. http://www.bioone.org/doi/abs/10.2981/11-073

Kysymyksiä?Kommentteja?

Kiitos!