HAMKissa syntyi uraauurtava mittari luonnon monimuotoisuuden seurantaan ‒ kartoittaa lahopuun määrää luonnossa
Uusi mittari hyödyntää muun muassa koneoppimista, ohjelmointia ja matematiikkaa potentiaalisten maalahoesiintymien kartoittamiseksi.
Jopa viidennes eli noin 5000 kotimaista metsälajia on riippuvaisia lahopuusta selviytyäkseen. Kuva: Jaana KankaanpääLuonnon monimuotoisuuden tilan seuranta kasvattaa tulevaisuudessa tarvetta konkreettisille työkaluille.
Nyt tarkasteluun on Hämeen ammattikorkeakoulussa Biotalouden ratkaisut -koulutuksen YAMK-opinnäytetyössä kehitetty uudenlainen mittari.
Pirkko Väkimiehen työssään kehittämän mittarin avulla voidaan kartoittaa monimuotoisuuden ylläpitämisessä tärkeän lahopuun esiintymiä. Asiasta kertoo Hämeen ammattikorkeakoulu HAMK tiedotteessaan.
Uusi mittari hyödyntää HAMKin mukaan koneoppimista, ohjelmointia ja matematiikkaa potentiaalisten maalahoesiintymien kartoittamiseksi. Lisäksi työssä luotiin karttapohjainen visualisointi, mikä tuotti selkeän näkymän lahopuun esiintymistodennäköisyyksistä.
Pirkko Väkimiehen työssään kehittämän mittarin avulla voidaan kartoittaa monimuotoisuuden ylläpitämisessä tärkeän lahopuun esiintymiä.
Väkimiehen mittari hyödyntää laserkeilauksella kerättyä dataa, joka tarjoaa tarkkaa tietoa muun muassa metsäalueiden rakenteesta ja maaston muodosta.
Yhteensä 2 400 hehtaaria kattavasta data-aineistosta analysoitiin opinnäytetyössä 200 hehtaaria ja tiivistettiin tulokset noin kahden hehtaarin alueelle.
Aineistojen perusteella ja matemaattista algoritmia hyödyntäen mittari kykenee tunnistamaan ne alueet, joissa maalahoa esiintyi runsaasti, sekä kohteet, joissa sitä ei ollut lainkaan.
HAMKin mukaan tutkimuksen kannalta tärkeää oli vähentää väärien positiivisten ennusteiden määrää.
Väkimies luonnehtii itse tutkimus- ja kehitysprosessia sanalla toistuva, eli iteratiivinen.
“Haasteena oli niin sanottu mitallistaminen ja normalisointi. Tätä pyörittelin, kunnes Python-ohjelmointikielen avulla piirretyillä visualisoinneilla löysin gammajakauman muodon, ja sitä kautta päädyin todennäköisyysluokitteluun.”
Aineistojen perusteella ja matemaattista algoritmia hyödyntäen mittari kykenee tunnistamaan ne alueet, joissa maalahoa esiintyi runsaasti, sekä kohteet, joissa sitä ei ollut lainkaan.
Tuore menetelmä mahdollistaa laajamittaisemman laskennan ja siihen voidaan lisätä uusia luonnon monimuotoisuutta kuvaavia indikaattoreita. Tämä voi edelleen parantaa ennusteiden tarkkuutta ja helpottaa metsäammattilaisten työtä maastotarkastusten suorittamisessa.
Opinnäytetyön ohjaaja, Arbonaut Oy:n toimitusjohtaja ja soveltavan matematiikan dosentti Tuomo Kauranne kuvailee Väkimiehen työtä uraauurtavaksi. Menetelmä on myös laajasti sovellettava.
”Käytetty aineisto haettiin Suomen kansallisesta laserkeilausaineistosta, joten menetelmä on sovellettavissa teknisesti koko valtakunnan alueella”, Kauranne kertoo.
Suomessa lahopuulla on keskeinen merkitys luonnon monimuotoisuuden ylläpitämisessä, sillä se tarjoaa ravintoa ja elinympäristöjä monille lajeille sekä vaikuttaa hiilen kiertokulkuun.
”Jopa viidennes eli noin 5000 kotimaista metsälajia on riippuvaisia lahopuusta selviytyäkseen”, tiedotteessa muistutetaan.
Metsäpalvelu
Miltä metsäsi näyttää euroissa? Katso puun hinta alueittain ja hintojen kehitys koko Suomessa.
- Osaston luetuimmat
