Marjasatomallien toimivuus satojen ennustamisessa

31.10.2016

Metsänomistajat ja metsäalan sidosryhmät tarvitsevat päätöstensä tueksi monenlaista tietoa metsästä. Nykyään ollaan kiinnostuneita puuntuoton lisäksi myös muista metsän tarjoamista asioista kuten marjoista, sienistä, monimuotoisuudesta, virkistyskäytöstä ja hiilen sitomisesta. Metsäsuunnittelussa voidaankin nykyään ottaa huomioon erilaiset metsän tuotteet ja palvelut. Tällainen metsäsuunnittelu edellyttää numeerisia malleja, joiden avulla voidaan ennustaa erilaisten ekosysteemipalveluiden, esimerkiksi marjasatojen, kehitystä.

Marjojen satomalleihin liittyvä tutkimus on ollut aktiivista Suomessa. Satomallien luotettavuutta ei kuitenkaan ole tätä ennen arvioitu itsenäistä aineistoa käyttämällä. Tässä Luonnonvarakeskuksen tutkijoiden suorittamassa tutkimuksessa selvitettiin, 1) kuinka hyvin mallit pystyvät ennustamaan tutkimusalueella havaitun marjasadon, 2) pystyykö malleja hyödyntämään parhaiden marjamaastojen paikallistamisessa, ja 3) kuinka herkkiä ennusteet ovat aineistoille, jotka tulevat erilaisista metsäinventoinnin lähteistä.

Mustikka (Vaccinium myrtillus)

Tutkimus suoritettiin 230 tutkimusalalla Pohjois-Karjalassa. Jokaiselta alalta määritettiin erilaisia muuttujia kuten kehitysluokka, dominoiva puulaji, hakkuuhistoria ja puuston ikä. Tutkimusaloilta määritettiin myös mustikan ja puolukan prosenttipeittävyys ja mustikoiden ja puolukoiden lukumäärä. Lisäksi tutkimusaloille ennustettiin mustikka- ja puolukkasadot käyttämällä neljää mustikkamallia ja neljää puolukkamallia. Näin päästiin vertaamaan ennustettua marjasatoa havaittuun, todelliseen marjasatoon.

Mallien tarkkuus vaihteli huomattavasti. Maastossa havaitut keskimääräiset mustikka- ja puolukkasadot olivat 32,7 kg/ha ja 24,0 kg/ha, kun taas mallien avulla ennustetut satokeskiarvot olivat 8.1-41.7 kg/ha ja 2.7-61.5 kg/ha. Kaikkien mallien ennusteet olivat jossain määrin virheellisiä ja RSME-arvot (keskineliövirheen neliöjuuri) korkeita. Tuloksien perusteella mustikkamallit ennustivat hyvien satojen sijaintia puolukkamalleja paremmin. Mustikkamallit ohjasivat poimijan muutamalle todella hyvälle marja-alueelle, mutta myös joillekin keskitasoisille ja jopa huonoille marja-apajille. Tutkimuksessa käytettiin kahdenlaista aineistoa: maastosta kerättyä metsäinventointiaineistoa ja kansallisen metsäinventoinnin aineistoa. Molemmat aineistot olivat soveltuvia käytettäväksi satomalleissa.

Tuloksia tarkasteltaessa on huomioitava, että tutkimuksessa oli mukana ainoastaan yhden vuoden (vuosi 2014) marjasadot. Vuonna 2014 mustikkasato oli hiukan keskimääräistä huonompi ja puolukkasato puolestaan keskimääräistä parempi. Lisäksi myös erilaiset sääolot vaikuttavat vuosien väliseen eroon marjasadoissa.

 

Puolukka (Vaccinium vitis-idaea)

Tutkimuksen perusteella voi siis todeta, että marjojen satomallit täytyy kalibroida ajantasaisen maastoaineiston avulla ennen ennusteiden hyödyntämistä päätöksenteossa. Kaikkia mustikkamalleja pystyi käyttämään hyvien marja-apajien paikantamisessa, mutta puolukkamallit eivät pystyneet ennustamaan luotettavasti hyvien marjapaikkojen sijaintia. Tarkan satoennustemallinnuksen (kg/ha) sijaan osaa malleista pystyy siis tällä hetkellä hyödyntämään parhaiten potentiaalisten poimintapaikkojen paikallistamisessa.

Lähde: Kilpeläinen, H., Miina, J., Store, R., Salo, K. & Kurttila, M. (2016): Evaluation of bilberry and cowberry yield models by comparing model predictions with field measurements from North Karelia. Forest Ecology and Management 363: 120-129.

 

Teksti:
Anni Koskela, Arktiset Aromit ry

anni.koskela@arktisetaromit.fi

+358 40 164 6177

Avainsanat:
päätöksentekoa tukevat ratkaisut  mallin testaaminen  metsien monikäyttö  luonnontuotteet  villit marjat  decision support  model validation  multiple use forest management  non-wood forest products  wild berries 



« Takaisin