Monilähteisen valtakunnan metsien inventoinnin (MVMI) kartta-aineisto 2006

Metsäntutkimuslaitos (Metla) kehitti niin sanotun valtakunnan metsien monilähteisen inventoinnin (MVMI) ja otti sen käyttöön vuonna 1990. Maastotietojen, satelliittikuvien ja muun numeerisen paikkatiedon avulla tuotetaan kuntakohtaiset metsävara-arviot ja karttamuotoisia metsävaratietoja. Suurimpaan osaan maata on tuotettu 9 kattavaa karttateemajoukkoa ja Lappiin 8. Ensimmäinen koko maan tuote valmistettiin vuosina 1990-1994. Tämä aineisto (kolme teemaa) on tehty CORINE2006-tuotantoa varten MVMI-tekniikalla. Aineistot kattavat metsätalouden maan (VMI-maaluokista metsä-, kitu- ja joutomaan). Tässä aineistossa muu maa ja vesialueet on rajattu pois käyttäen maastotietokannan elementtejä, jotka lähinnä vastaavat VMI:n muita maaluokkia kuin metsä-, kitu- ja joutomaata. Aineistojen latauspalvelu on osoitteessa http://kartta.luke.fi/

Monilähteinen inventointi tehtiin Suomeen ensimmäisen kerran 1990-1994. Ensimmäinen koko maan tuote valmistettiin vuosina 1990-1994; seuraavat ovat vuosilta 1996-2003, 2005, 2007, 2009, 2011, 2013, 2015 ja 2017. Tässä esiteltävät kolme teemaa tehtiin MVMI-tekniikalla CORINE2006-tuotteen tekoa varten. Teemojen tuottamiseen käytettiin n. 45 000 VMI:n koealaa vuosilta 2004-2007 (VMI10) (2003, VMI9 pohjoisimmassa Suomessa). Kuva-aineistona käytettiin 57 IRS-kuvaa ja 41 Spot-kuvaa vuosilta 2005-2007. Maastomittausten ja satelliittikuvan ajankohdan välillä tehdyt uudistushakkuut koealoilla tunnistettiin satelliittikuvien ja osittain ilmakuvien avulla. Koealat, joiden maastossa havaittu hakkuu ei vastannut kuvaa, poistettiin maastoaineistosta. Karttamuotoiset ennusteet tuotettiin tarkennetulla ei-parametrisellä k:n lähimmän naapurin estimointimenetelmällä (ik-NN menetelmällä). Useimmiten estimoinnissa käytettiin viittä lähintä naapuria. Tarkennetussa k-NN estimoinnissa piirteiden painot optimoidaan minimoimalla estimoitavien muuttujien ennustevirheet geneettisen algoritmin avulla. Satelliittikuvan piirteiden lisäksi käytetään metsämuuttujien suuraluekarttoja piirteinä, tässä aineistossa puuston keskitilavuus puulajeittain. Tarkoituksena on ohjata lähimpien naapureiden valintaa luokitettavaa kuvanalkiota muistuttaviin metsiin (kts. alla viitteet). Estimointi tehtiin erikseen kivennäismaan, puustoisten soiden ja avosoiden ositteille kullekin satelliittikuvalle tai peräkkäisten satelliittikuvien jonolle. Kuva ja koealojen ositus perustui Maanmittauslaitoksen maastotietokannan karttatietoon. Metsikkökuvion puuston keskipituus on elävien puiden pohjapinta-alan mediaania vastaavan puun pituus. Se on likimain sama kuin pohjapinta-alalla painotettu puiden pituuksien keskiarvo. Puuston keskipituus mitataan maastossa koealaan osuneilta metsä- ja kitumaan metsikkökuvioilta 1 dm:n luokissa. Puuston latvuspeittävyys VMI:ssa tarkoittaa koealan puuston vaakatasoon projisoidun latvuston peittämää osuutta koealan alasta. Latvuspeittävyys arvioitiin VMI10:ssä prosentteina (0-99) kiinteäsäteiseltä koealalta metsä-, kitu ja joutomaalla. VMI9:ssä (Ylä-Lappi) latvuspeittävyys arvioitiin koelalta kolmessa luokassa, jos koealan keskipiste sijaitsi metsä-, kitu-, tai joutomaalla. VMI9 koealoille laadittiin regressiomalli latvuspeittävyyden ennustamiseksi yhden prosentin yksiköissä. Lehtipuuston latvuspeittävyyden osuus johdettiin koko puuston latvuspeittävyydestä käyttäen lehtipuuston pohjapinta-alan osuutta kuvion puuston pohjapinta-alasta. Taimikoissa käytettiin vastaavasti runkolukuja. Lisää tietoja menetelmistä ja luotettavuudesta on esimerkiksi julkaisuissa Törmä, M., Haakana, M., Hatunen, S., Härmä, P., Kallio, M., Katila, M., Kiiski, T., Mäkisara, K., Peräsaari, J., Piepponen, H., Repo, R., Teiniranta, R. & Tomppo, E., 2008. Finnish Corine 2006-project: Determining Changes in Land Cover in Finland between 2000 and 2006. Remote Sensing for Environment Monitoring, GIS Applications and Geology VIII, Proceedings of SPIE vol. 7110. Tomppo, E., Haakana, M., Katila, M. & Peräsaari, J. 2008. Multi-source national forest inventory - Methods and applications. Managing Forest Ecosystems 18. Springer. 374 p. ISBN 978-1-4020-8712-7, Tomppo, E. & Halme, M. 2004. Using coarse scale forest variables as ancillary information and weighting of variables in k-NN estimation: a genetic algorithm approach. Remote Sensing of Environment 92: 1-20. Lisää tietoa Suomen monilähteisestä valtakunnan metsien inventoinnista on sivuilla https://www.luke.fi/tietoa-luonnonvaroista/metsa/metsavarat-ja-metsasuunnittelu/metsavarakartat-ja-kuntatilastot/ .