Monilähteisen valtakunnan metsien inventoinnin (MVMI) kartta-aineisto 2021

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 10 kattavaa karttateemajoukkoa ja Lappiin 9. Uusimmassa, vuoden 2021 inventoinnissa on 45 teemaa, puutavaralajitilavuuksien lisäksi puulajeittaiset ja puusto-ositteittaiset biomassat. Ensimmäinen koko maan tuote valmistettiin vuosina 1990-1994; uusimmat ovat vuosilta 2005, 2007, 2009, 2011, 2013, 2015, 2017, 2019 ja 2021. Metla päätti marraskuussa 2012 laittaa vuoden 2009 karttamuotoiset teemat avoimesti jaettavaksi ja vuoden 2021 tulokset ovat kuudes vapaaseen jakeluun tuleva ja viides Luonnovarakeskuksen tuottama karttajoukko. Jatkossa uudet teemat tuotetaan yhden tai kahden vuoden välein. Karttamuotoiset aineistot ovat rasterimuodossa, aiemmin 20m x 20m hilassa ja nyt 16m x 16m hilassa ETRS-TM35FIN-koordinaattijärjestelmässä. 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, 2017, 2019 ja 2021. Vuoden 2009 karttamuotoiset tulokset olivat ensimmäiset vapaasti jaetut tuotteet. Jatkossa uudet teemat tuotetaan yhden tai kahden vuoden välein. Vuoden 2021 tuloslaskentaan käytettiin yhteensä 51 833 VMI-maastokoealaa metsä-, kitu-, ja joutomaalta. Kuva-aineistona käytettiin 7 kpl Sentinel-2A MSI-keilaimen kuvaa, 6 kpl. Sentinel-2B MSI-keilaimen kuvaa ja 6 (3 ylilentoa) Landsat 8 satelliitin OLI-keilaimen kuvaa. Kuvat olivat vuodelta 2021. Vuoden 2021 tuotteissa maastotiedot päivitettiin ajankohtaan 31.7.2021. Päivitysjakson pituus laskettiin maastomittausajankohdan ja 31.7.2021 välisen ajan kasvujakson päivien määränä olettaen kasvun alkavan 1.5. Puuston vuotuinen tilavuuskasvuprosentti ennustettiin puujaksoittain käyttäen Nyyssösen ja Mielikäisen (1978) metsikkökohtaisia ja puulajiryhmittäisiä kasvumalleja männiköille ja kuusikoille. Lehtipuille käytettiin männyn malleja. Monijaksoisissa metsissä jaksojen tilavuusosuudet laskettiin suhteellisina tunnukseen jakson pohjapinta-ala kertaa jakson pituus ennen mallien soveltamisesta. Maastomittausten ja satelliittikuvan ajankohdan välillä tehdyt uudistushakkuut koealoilla tunnistettiin satelliittikuvien ja osittain ilmakuvien avulla. Hakattujen koealojen puustotiedot muutettiin vastaamaan aukeiden alojen puustotunnuksia. Lopullinen tilavuuskasvu kalibroitiin maastotiedoista estimoidun tilavuuskäyrän avulla seuraavasti. Eri vuosien koealoilla laskettiin tilavuusestimaatit ja niihin sovitettiin regressiosuora ajan funktiona. Ajankohdan 31.7.2021 tilavuudet saatiin regressiosuoralta. Kasvatetut tilavuudet kalibroitiin suhteilla edellä mainittuihin estimaatteihin puulajeittain. Metsikön suhteelliselle pituuskasvulle, suhteelliselle läpimitan kasvulle, suhteelliselle pohjapinta-alan kasvulle johdettiin yksikertaiset (kiinteäparametriset) regressiomallit VMI10:n pysyvien koealojen avulla. Malleja sovellettiin vastaavasti kuten tilavuusmalleja. Puuston biomassaestimaatit koealoittain ja biomassaositteittain päivitettiin tilavuusmuutosten suhteiden mukaisesti. Jotta koko maasta voitaisiin esittää mahdollisimman täydellinen kartta, tässä tuotteessa on yhdistetty: 1. vuoden 2021 tulos, jossa on käytetty vuosien 2017-2021 koealatietoja päivitettynä ajankohtaan 31.7.2021 sekä vuoden 2021 satelliittikuvia. 2. vuoden 2019 tulos, jossa on käytetty vuosien 2015-2019 koealatietoja päivitettynä ajankohtaan 31.7.2019 sekä vuosien 2018-2019 satelliittikuvia, 3. vuoden 2017 tulos, jossa on käytetty vuosien 2013-2017 koealatietoja päivitettyinä ajankohtaan 31.7.2017 sekä vuosien 2017-2018 satelliittikuvia, 4. vuoden 2015 tulos, jossa on käytetty vuosien 2012-2016 koealatietoja päivitettyinä ajankohtaan 31.7.2015 sekä vuosien 2015-2016 satelliittikuvia, 5. vuoden 2013 tulos, jossa on käytetty vuosien 2009-2013 koealatietoja päivitettyinä ajankohtaan 31.7.2013 sekä vuosien 2012-2014 satelliittikuvia, Tähän tuotesarjaan kuuluvasta indeksikartasta "Tietolähdeindeksi, MVMI 2021" näkyy, mistä osa-aineistosta kuva-alkiot ovat peräisin. Karttamuotoiset ennusteet tuotettiin tarkennetulla ei-parametrisellä k:n lähimmän naapurin estimointimenetelmällä (k-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. Kuvan ja koealojen ositus perustui Maanmittauslaitoksen maastotietokannan karttatietoon. Aineistosarja sisältää tietolähdeindeksin lisäksi kaikkiaan 44 teemaa, jotka voidaan ryhmitellä muutamaan ryhmään: Puuston tilavuus on esitetty yhteistuloksena sekä jaoteltuna neljään puulajiryhmään (mänty, kuusi, koivu, muut lehtipuut) ja puutavaralajeihin (tukkipuu, kuitupuu). Mänty sisältää kaikki muut havupuut kuin kuusen ja koivu sisältää hies- ja rauduskoivun. Puun tilavuus tarkoittaa runko-osan tilavuutta kannon yläpuolelta puun latvaan. Maastokoealan puuston tilavuus lasketaan koealaan kuuluvista puista käyttäen puista mitattuja tunnuksia sekä runkotilavuusmalleja.Ladattavissa kartoissa runkotilavuus esitetään 1 m3/ha luokissa. Puuston biomassa on jaoteltu seitsemään eri ositteeseen. Puun runkobiomassa tarkoittaa kuorellisen runko-osan biomassaa kannon yläpuolelta puun latvaan. Puun elävien oksien biomassa sisältää kaikkien elävien oksien massan ilman neulasia tai lehtiä. Puun kuolleiden oksien biomassa sisältää elävien puiden kuolleiden oksien biomassan ilman mahdollisesti jäljellä olevia neulasia tai lehtiä. Puun lehvästön biomassa tarkoittaa elävien neulasten tai lehtien biomassaa. Puun kantobiomassa sisältää elävien puiden kantojen massan. Sekä maanpäälliset että maanalaiset kannon osat otetaan huomioon, ei kuitenkaan juuria. Puun juuribiomassa sisältää elävien puiden yli 1 cm:n paksuisten juurien massan. Puun rungon hukkapuuosan biomassa tarkoittaa sellaisen kuorellisen runko-osan biomassaa, joka osa ei kelpaa aineispuuksi joko kokonsa tai laatunsa vuoksi. Maastokoealan biomassat lasketaan koealaan kuuluvista elävistä puista käyttäen koepuista mitattuja tunnuksia ja tilavuusmalleja sekä puuaineen tiheysmalleja (Repola ym. 2007) ja biomassamalleja (Repola 2008, 2009). Niin sanottujen lukupuiden tilavuudet ja runkobiomassat estimoidaan koepuiden estimaattien sekä lukupuu- ja metsikkötunnusten avulla. Ladattavissa kartoissa biomassat esitetään luokissa 10 kg/ha. Metsikkökuvion puuston ikä määritellään elävien puiden pohjapinta-alalla painotettuna keski-ikänä. Keski-ikä mitataan tai arvioidaan maastossa koealaan osuneilta metsä- ja kitumaan metsikkökuvioilta yhden vuoden luokissa. Metsikkökuvion puuston pohjapinta-ala on elävien puiden runkojen poikkileikkausala 1.3 metrin korkeudelta hehtaaria kohti laskettuna. Puuston pohjapinta-ala mitataan maastossa koealaan osuneilta metsä- ja kitumaan metsikkökuvioilta 1 m2/ha luokissa. 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. Metsikkökuvion puuston keskiläpimitta 1.3 metrin korkeudelta on elävien puiden pohjapinta-alan mediaania vastaavan puun läpimitta. Se on likimain sama kuin pohjapinta-alalla painotettu puiden läpimittojen keskiarvo. Puuston keskiläpimitta mitataan maastossa koealaan osuneilta metsä- ja kitumaan metsikkökuvioilta 1 cm: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. VMI11-koealoille ennustettiin latvuspeittävyys k-NN-menetelmällä VMI10-koealoja käyttäen. VMI9:ssä (Ylä-Lappi) latvuspeittävyys arvioitiin koealalta 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 tilavuuden arvioitua osuutta koealan puuston tilavuudesta. Taimikoissa käytettiin vastaavasti runkolukuja. Maaluokka jakaa metsätalousmaan alaluokkiin metsämaa (arvo 1), kitumaa (2) ja joutomaa (3) sekä metsätalouden tiet ja varastot. Metsätalousmaan ulkopuolella maaluokka kuvaa maankäyttöä. Ladattavassa kartassa yhdistetty metsä-, kitu- ja joutomaa perustuu Maanmittauslaitoksen maastotietokannan rajaukseen, jonka avulla erotetaan muiden maaluokkien peittämä alue. Jokaiselle kuva-alkiolle rajauksen sisällä on ennustettu todennäköisin kolmesta edellä mainitusta maaluokasta. Kansallisen maaluokkamäärittelyn lisäksi vuoden 2011 tuotteisiin otettiin mukaan uusi teema, maaluokat YK:n maatalous- ja elintarvikejärjestön (FAO) globaalin metsävara-arvion (Forest Resource Assessment, FRA) määritelmien mukaan. Kuva-alkion arvo 1 tarkoittaa metsää (forest), 2 muuta puustoista maata (other wooded land), 3 muuta maata (other land) ja 4 muuta maata, jossa kasvaa puita (other land with tree cover). Päätyyppi jakaa metsämaan, kitumaan ja joutomaan kivennäismaiksi (1) ja soiksi ja suot edelleen korpiin (2), rämeisiin (3) ja avosoihin (4). Sekä satelliittikuvat että VMI-koealat ositetaan ennen analyysia Maanmittauslaitoksen maastotietokannan mukaisiin kivennäismaihin ja soihin. Jokaiselle kuva-alkiolle ennustetaan todennäköisin neljästä edellä mainitusta VMI:n päätyypistä.Siten ositteen sisällä voi olla sekä VMI:n mukaisia kivennäismaita että soita. Kasvupaikkatyyppiluokituksella eri metsäkasvillisuusvyöhykkeiden metsä- ja suotyypit ryhmitellään ravinteisuudeltaan ja puuntuotoskyvyltään yhdenmukaisiin luokkiin. Kansallisessa maankäyttöluokituksessa kaikki kivennäismailla olevat luokkien 1-6 kasvupaikkatyypit ovat metsämaata (kuva-alkio arvo 1 on lehto, 2 lehtomainen kangas, 3 tuore kangas, 4 kuivahko kangas, 5 kuiva kangas ja 6 karukkokangas). Seitsemäs luokka, kalliomaat ja hietikot voivat olla myös kitu- tai joutomaata. Pohjois-Suomessa luokat 8 (lakimetsät), 9 (tunturikoivikot) ja 10 (avotunturit) aina kitumaata tai joutomaata. Ojitetut (ojikko- ja muuttumasuot sekä turvekankaat) ja ojittamattomat korvet, rämeet että avosuot luokitetaan kuuteen kasvupaikkaluokkaan riippumatta maaluokasta. Luokat ovat lehtomaiset ja lettosuot (1), ruohoiset suot (2), suursaraiset ja mustikkaiset suot (3), piensaraiset ja puolikkaiset suot (4), tupasvillaiset ja isovarpuiset suot (5) sekä rahkaiset suot (6). Sekä satelliittikuvat että VMI -koealat ositetaan ennen analyysia Maanmittauslaitoksen maastotietokannan mukaisiin kivennäismaihin, puustoisiin soihin ja avosoihin. Jokaiselle kuvanalkiolle on ennustettu karttaositteen sisällä todennäköisin kasvupaikkatyyppi. Siten karttaositteen sisällä voi olla sekä VMI:n mukaisia kivennäismaita että soita. Kuva-alkion tasolla ennustevirhe on suurehko, mutta pienenee alueen koon kasvaessa. Teemojen kuvanalkiokohtainen keskivirhe vaihtelee alueen sijainnista, puuston tilavuudesta ja kasvupaikasta riippuen. Seuraavat virhearviot perustuvat vuoden 2019 MVMI-tuotteeseen. Tilavuusteemojen keskimääräiset virheet kuutiometreinä/ha on esitetty alla taulukkona (puulajiryhmä puutavaralaji Etelä-Suomi/kivennäismaa Etelä-Suomi/suo Pohjois-Suomi/kivennäismaa Pohjois-Suomi/suo): kaikki kaikki 87 67 50 39 mänty kaikki 67 51 44 30 mänty tukki 44 31 24 12 mänty kuitu 39 32 32 24 kuusi kaikki 64 43 28 19 kuusi tukki 47 30 16 10 kuusi kuitu 30 22 17 13 koivu kaikki 35 32 18 19 koivu tukki 11 7 2 2 koivu kuitu 27 26 15 17 muu lehtipuu kaikki 25 16 9 6 muu lehtipuu tukki 8 5 1 1 muu lehtipuukuitu 18 11 7 5 Biomassojen kuvanalkiotason keskivirheiden (yksikkö 10 kg/ha) suuruusluokka on seuraavassa taulukkona (puulajiryhmä biomassaosite Etelä-Suomi/kivennäismaa Etelä-Suomi/suo Pohjois-Suomi/kivennäismaa Pohjois-Suomi/suo): mänty runko ja kuori 2624 1982 1711 1179 mänty elävät oksat 355 280 315 215 mänty kuolleet oksat 91 74 70 51 mänty neulaset 118 98 108 81 mänty kannot 186 150 141 100 mänty juuret 609 470 444 295 mänty hukkapuu 153 146 176 135 kuusi runko ja kuori 2342 1596 1074 744 kuusi elävät oksat 511 367 319 211 kuusi kuolleet oksat 95 68 46 34 kuusi neulaset 324 240 195 142 kuusi kannot 201 142 115 75 kuusi juuret 722 529 424 292 kuusi hukkapuu 164 158 103 99 lehtipuu runko ja kuori 2127 1755 974 994 lehtipuu elävät oksat 350 272 189 181 lehtipuu kuolleet oksat 19 16 11 11 lehtipuu lehvästö 75 70 55 54 lehtipuu kannot 190 152 116 111 lehtipuu juuret 585 505 340 342 lehtipuu hukkapuu 386 339 285 274 Muiden jatkuva-arvoisten teemojen kuvanalkiotason keskivirheiden suuruusluokka on seuraavassa taulukkona (muuttuja Etelä-Suomi/kivennäismaa Etelä-Suomi/suo Pohjois-Suomi/kivennäismaa Pohjois-Suomi/suo, yksikkö): ikä 26 30 47 36 a pohjapinta-ala 7 7 5 5 m2/ha keskipituus 52 43 38 31 dm keskiläpimitta 7 5 6 4 cm latvuspeittävyys 17 17 16 15 % lehtip. latvuspeittäv. 15 14 10 11 % Maaluokkateemassa oikein luokitettujen kuva-alkioiden osuus on keskimäärin 94% kun luokitusta verrataan VMI:n maastoluokitukseen. Metsämaaksi luokitetuista kuva-alkioista keskimäärin 96% on VMI:n mukaista metsämaata, kun taas VMI:n mukaisesta metsämaasta 99% on luokitettu metsämaaksi. Kitumaan osalta vastaavat osuudet ovat 61% ja 52% ja joutomaasta 89% ja 78%. Päätyyppiteemassa (kangas, korpi, räme, avosuo) luokka on oikein 85%:lla kuva-alkiosta. 89% kankaiksi luokitetuista on VMI:n maastoluokituksen mukaan kankaita, kun taas VMI:n mukaisista kankaista 96% on luokitettu kankaiksi. Korpien vastaavat luvut ovat 47% ja 22%, rämeiden 79% ja 78% ja avosoiden 96% ja 84%. Kasvupaikkaluokitus on vaativaa maastossakin ja luokituserot henkilöiden välillä yleisiä. Kasvupaikkateeman kuva-alkiosta noin 55%:lla kasvupaikkaluokka on sama kuin VMI:n maastoluokituksessa. Ero on useimmiten kuitenkin vain yhden luokan suuruinen. Erot ovat yleisimpiä lehdoissa,lehtomaisilla soilla ja letoilla ja toisaalta karuilla kasvupaikoilla, karukkokankailla ja rahkaisilla soilla. MVMI:n ja VMI:n luokitukset ovat useimmiten yhteneviä tuoreilla kankailla ja vastaavilla soilla eli suursaraisilla ja mustikkaisilla soilla. Tähän luokkaan luokitetuista kuva-alkioista 61% kuuluu VMI:n maastoluokituksen mukaiseen luokkaan, kun taas maastoluokituksen mukaan ko. luokan kuva-alkioista 68% on luokitettu oikein. Luokkamuuttujien kohdalla on huomattava, että aluetasolla pinta-alaestimaattien virheet ovat edellä mainittuja pienempiä. Lisää tietoja menetelmistä ja luotettavuudesta on esimerkiksi julkaisuissa 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, Mäkisara, K., Katila, M. & Peräsaari, J. 2022. The Multi-Source National Forest Inventory of Finland – methods and results 2017 and 2019. Natural resources and bioeconomy studies 90/2022, Natural Resources Institute Finland. 73 s.http://urn.fi/URN:ISBN:978-952-380-538-5 Mäkisara, K., Katila, M., Peräsaari, J. & Tomppo, E. 2019. The Multi-Source National Forest Inventory of Finland – methods and results 2015. Natural resources and bioeconomy studies 8/2019, Natural Resources Institute Finland. 57 s.http://urn.fi/URN:ISBN:978-952-326-711-4 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/fi/seurannat/valtakunnan-metsien-inventointi-vmi