Kari Pasanen ja Harri Hyppänen työskentelevät tutkijoina Joen- suun yliopistossa.
Metsäsuunnittelu vaatii tänään entistä monipuolisempaa tietoa luonnonvaroista, jotta ajan haas- teisiin mm. luonnon monimuotoi- suuden säilyttämisestä voitaisiin vastata. Metsäninventoinnin uu- distamisesta on virinnyt vilkasta keskustelua, kun Simo Poso ja Ris- to Päivinen ovat Folia Forestalias- sa esittäneet suuntaviivoja metsä- talouden suunnittelun inventoin- timenetelmien kehittämiseksi.
P
erinteistä kuvioittaista arviointia on eri organi- saatioissa kehitetty kohti monipuolista luon- nonvarainventointia, esimerkkeinä mainittakoon Metsähallitus ja Metsäkeskus Tapio. Nykyaikaiset tietojärjestelmät, mm. GIS-järjestelmät ja tietokan- nat mahdollistavat useista eri lähteistä peräisin ole- van luonnonvaratiedon synteesin. Kuvioittaisen ar- vioinnin ohella tai sijasta voitaisiin myös käyttää otospohjaisia inventointimenetelmiä, joissa kauko- kuvien ym. apumuuttujatiedon avulla pyritään kal-liiksi moitittua kuvioittaista arviointia halvempaan inventointiin. Inventointijärjestelmiä kehitettäessä tulee pyrkiä metsäsuunnittelun eri tasojen kannalta optimaaliseen ratkaisuun, mikä ei suinkaan ole help- po tehtävä.
Pyrkimys kustannustehokkuuteen on ristiriidassa laadukkaan ja ajantasaisen metsävaratiedon kans- sa. Tarkkojen ja monipuolisten tunnusten mittaa- minen maastossa on kallista mutta tarpeellista. Esi- merkiksi metsälautakuntien uusittu tiedonkeruu li- sää entisestään maastotyön kustannuksia, joten pai- neita ns. välialueinventoinnin uudistamiseen lienee odotettavissa. Otospohjaisin menetelmin voidaan metsävaratiedot saada halvallakin, mutta kuviota- son luotettavuudesta ei ole tarkkoja tuloksia. Tieto- jen ajantasalla pito on myös haastava ja akuutti ongelma-alue, josta saadaan varmaan lähivuosina arvokasta käytännön palautetta. Miten kauan met- sävaratietokantaa kannattaa ylläpitää toimenpiteit- täisellä päivityksellä ja kasvumalleilla? Kuinka päi- vitetyn tietokannan laatua pitäisi kontrolloida ja korjata? Voitaisiinko ajantasaisten kuviotietojen laatua nostamalla tehostaa operatiivista suunnitte- lua ja puunhankinnan imuohjautuvuutta?
Perusongelmana on siis suunnittelun eri tasojen ja tulevaisuuden tiedontarpeiden kannalta optimaa- lisen inventointi- ja seuruumenetelmän kehittämi- nen. Tässä artikkelissa hahmotellaan metsäinven- toinnin tulevaisuuden mahdollisuuksia ja pohdi- taan ongelmakenttää metsäsuunnittelun näkökul- masta.
Kari Pasanen ja Harri Hyppänen
Tulevaisuuden metsäninventointi ja metsäsuunnittelun tarpeet –
metsänarvioinnin uudet tuulet
Tiedon tuottaminen
On ilmeistä, että metsäsuunnittelun tiedon tarve ei ole vähentynyt, vaan tarvitaan entistä enemmän tarkempia tai kokonaan uusia tunnuksia metsäluon- nosta. Osa tunnuksista voidaan edelleen tuottaa pe- rinteisen metsänmittauksen keinoin, mutta myös uudenlaista tietoa tarvitaan. Suomessa on yleensä saatavissa monenlaista eri ajankohdilta ja eri läh- teistä peräisin olevaa valmista paikkaansidottua in- formaatiota. Vain todellinen synteesi ja yhteiskäy- tön mahdollisuudet puuttuvat. Mikäli yhteiskäyttö olisi tehokasta, vähennettäisiin myös päällekkäisiä samojen tunnusten inventointia.
Potentiaalisia uusia tietolähteitä voisivat olla esi- merkiksi:
– olemassaoleva kuvioittainen metsävaratieto (myös historiatieto)
– koealapohjainen mittaustieto – monilähteinen VMI-tieto
– satelliittikuva, ilmakuva, videokuva, monikanavai- nen keilainkuva lentokoneesta (AISA)
– peruskarttatieto, tiestö, vesistö – maaperä- ym. erikoiskartat – korkeustieto
– erillisinventoinneista saatava tieto (vanhat metsät, riistataloussuunnitelmat jne.)
– pistemäinen tieto erikoiskohteista (esim. pesäpuut)
Kuvioittainen arviointi
Suomessa metsäsuunnittelu on nojautunut perintei- sesti kuvioittaisella arvioinnilla kerättyyn metsäva- ratietoon. Jo jonkin aikaa sitten on kuitenkin todet- tu perinteisen kuvioittaisen arvioinnin tietojen tark- kuuden ja tiedon määrän olevan riittämätön vastaa- maan ajan haasteisiin. Kuvioittaisen arvioinnin heik- koutena on pidetty kuvioiden rajauksen ja silmäva- raisen arvioinnin subjektiivisuutta ja epätarkkuut- ta, menetelmän herkyyttä systemaattisille virheille, kuvioinnin muuttumista ajan myötä ja kallista maas- totyötä. Toisaalta kuvioittaisen arvioinnin yhtey- dessä on helppo kerätä luonnonvaratietoa moni- muotoisuuden huomioon ottamista varten.
Tiedonkeruulaitteilla ja satelliittipaikannuksella voidaan tehostaa tiedon keruuta. Kuvioittaisessa
arvioinnissa voitaisiin relaskooppikoealat sijoittaa systemaattisesti kuviolle ja pitää ne tietokannassa ja laskennassa erillään. Näin menetellen kuvioittai- sen arvioinnin hyötysuhde nousisi huomattavasti tarkempien puustoennusteiden ja sisäisen vaihte- lun tunnusten ansiosta. Inventointitiedon laadun parantuessa tehokkaiden GIS-sovellusten käyttö esimerkiksi puunhankinnassa tulisi mahdolliseksi.
Koealainventointi
Kuvioittaisen arvioinnin vaihtoehtona ovat koeala- pohjaiset menetelmät. Systemaattisen koealainven- toinnin tulosten luotettavuus riippuu alueen koosta, koealojen määrästä sekä arvioitavien tunnusten kes- kiarvosta ja hajonnasta. Tiheän systemaattisen koe- alaverkon avulla voidaan selvittää kuvioittaisen ar- vioinnin luotettavuutta ja korjata systemaattisia ku- viotietokannan virheitä. Suuraluetasolla luotettaviin tuloksiin voidaan päästä edullisesti, kun koealoja tarvitaan vähemmän. Koealatietoja voidaan käyt- tää tällöin taktisen suunnittelun yksikköinä kuvio- tietojen sijasta.
Koealapohjaisessa inventoinnissa voidaan käyt- tää kaksivaiheista otantaa, jossa apumuuttujatieto- jen (esim. kaukokuvat) avulla ositetuille ensim- mäisen vaiheen (esim. 16 koealaa hehtaarilla) koe- aloille yleistetään tarkasti mitattujen toisen vaiheen koealojen tunnukset. Näin saadaan alueen kattava metsävaratietorasteri, josta voidaan tarvittaessa muodostaa metsikkökuviointi. Menetelmän luotet- tavuus kuviotasolla riippuu uhratuista kustannuk- sista, eikä suhde ole toistaiseksi selvillä.
Kaukokuvat
Erilaiset kaukokuvat on esitetty uudeksi tärkeäksi tietolähteeksi metsänarvioinnissa. Kaukokuvilla on selkeitä etuja perinteiseen maastoinventointiin ver- rattuna. Tärkeimpänä mielenkiinnon syynä lienee niiden edullisuus inventointimenetelmänä. Toisaalta tietojen tarkkuutta on kritisoitu.
Ilmakuvien käyttö on jo perinnettä suomalaises- sa metsänarvioinnissa. Siirtyminen digitaalisen, orto-oikaistun ilmakuvan käyttöön lienee siten vai- vatonta ja helposti omaksuttavissa. Kehitystä edes-
auttanee ilmakuvien numeerisen käsittelyn työka- lujen yleistyminen nykyisissä kaupallisissa ohjel- mistoissa.
Sinällään siirtyminen numeerisiin kuviin ei tuo mitään uutta, jos kuvien tulkintaa ei lisätä. Nykyi- nen ilmakuvien käyttö on melko tehotonta. Metsä- taloudessa kuvien hyödyntäminen on käytännössä visuaalista ennakkokuviointia. Ilmakuvat sisältä- vät kuitenkin valtavan määrän informaatiota luon- nonvaroista aluetunnuksista yksittäisen puun di- mensioihin saakka. Myös tuhojen ja erilaisten bio- tooppien tunnistukseen ilmakuvat tuonevat poten- tiaalisen vaihtoehdon, joko visuaaliseen tai auto- maattiseen tulkintaan perustuen. Kokonaan uusi, todellinen säästöjä tuova aluevaltaus olisi analyyt- tinen puutunnusten mittaus stereokuvilta.
Satelliittikuvien käyttöä on tutkittu ja kehitetty moniin eri tarpeisiin luonnonvarojen inventoinnis- sa ja seuruussa. Suomessa merkittävin satelliittiku- vien metsäsovellus on monilähteinen valtakunnan metsien inventointi, jossa koealoilta mitatut met- sikkötunnukset yleistetään kattamaan koko inven- toitu alue satelliittikuvan sävyarvojen avulla. Toi- nen tärkeä satelliittikuvien sovellus on ollut muu- tosten tunnistaminen eriaikaisilta kuvilta. Tehdyt toimenpiteet ja muut muutokset saadaan selville vertaamalla kahden ajankohdan kuvia ja näin voi- daan maastomittaukset kohdentaa alueille, joilla muutoksia on tapahtunut.
Tarjolla oleva kaukokuvamateriaali monipuolis- tuu nopeasti tekniikan kehittymisen myötä ja kuvi- en käyttö tulee lisääntymään kaikenlaisissa luon- nonvarojen seurannassa. Tulevaisuuden metsänin- ventoinnissa onkin käytettävissä useita erityyppi- siä kuvamateriaaleja, joiden tulkinta tuottaa toivot- tavasti luotettavia metsävaraennusteita. Erityisesti hyvän erotuskyvyn ilma- ja videokuvatulkintaan tarvitaan lisää tutkimusta käyttökelpoisten käytän- nön menetelmien kehittämiseksi. Kaukokuvien te- hokas käyttö edellyttää myös maastoinventoinnin kehittämistä.
Tietojen yhdistely ja hallinta
Tässä tekstissä on jo usein mainittu paikkatietojär- jestelmät eli GIS (Geographic Information Sys- tems) muodostuu avaintekijäksi mikäli halutaan te-
hokkaasti yhdistää eri lähteistä olevaa tietoa. Peri- aatteessa vain mielikuvituksen puute rajoittaa GIS:n hyödyntämistä.
Koska käyttömahdollisuuksien joukko on niin laaja, ongelmana on usein hahmottamisvaikeudet.
GIS-järjestelmään investoitaessa tulisi tarkkaan määritellä, mitä konkreettista hyötyä tavoitellaan eli mitä ongelmia varten GIS:iä kehitetään ja käy- tetään. Muussa tapauksessa voi GIS:iin investoimi- nen olla riskisijoitusta tai uuden teknologian viehä- tystä.
GIS-järjestelmät tarjoavat erittäin tehokkaan ta- van yhdistää eri tietolähteistä tulevaa informaatio- ta. Tämä monilähteisen tiedon yhdistäminen onkin ollut järjestelmien yksi suurimmistä tähänastisista käyttötarkoituksista. Nykyiset järjestelmät ovatkin huippuluokkaa sijaintitiedon käsittelyssä. Metsäta- loudessa GIS -järjestelmille asetetaan kuitenkin muitakin vaatimuksia, metsäsovelluksissa pitää esi- merkiksi ominaisuustiedon käsittely olla tehokas- ta. Tämä asettaa suuret vaatimukset paikkatietojär- jestelmän ja sen rinnalla toimivan tietokantajärjes- telmän yhteiselle toimivuudelle. Lisäksi järjestel- män käyttö tulisi olla joustavaa ja helposti omak- suttavissa.
Uusista tietolähteistä voidaan GIS:llä tuottaa esi- merkiksi seuraavanlaisia tunnuksia:
– lasketaan puutavaralajien yksikköhintakorjaukset GIS:llä laskettavan metsäkuljetusmatkan funktiona – kuviointia voidaan muuttaa joustavasti (esim. ranta-
kuvioille ja arvokkaille kohteille suojavyöhykkeet) – korjataan kasvuennustetta kuvion kaltevuussuunnan
perusteella (etelärinteellä suurempi kasvu kuin poh- joisrinteellä)
GIS-työkaluilla kuvioille voidaan laskea myös uu- sia tunnuksia kuvion ympäristöön ja muihin tieto- lähteisiin perustuen, esimerkiksi laskemalla ulkoi- luarvoa, maisemaa, riistan elinympäristöä, toimen- piteiden vesistövaikutuksia, luonnon monimuotoi- suutta ja metsätuhoriskiä kuvaavia tunnuksia maas- tomallin ja naapurikuvioiden sijainnin ja ominai- suustiedon funktiona.
GIS-järjestelmien näyttävä ominaisuus ovat eri- laiset tulosteet. Kolmiulotteiset korkeusmallit, mitä monipuolisimmat kuviokarttateemat tai vaihtoeh- toiset suunnitelmat ja jopa todentuntuiset maise- makuvat ovat arkipäivää. Tulosteiden merkitys pää-
töksentekijälle on varsin tärkeä. Kuitenkin on va- rottava sokeaa rakkautta kauniisiin kuviin, vaikka- kin ne kertovat enemmän kuin perinteinen kartan- selityskirja. GIS-järjestelmän monipuoliset tulos- tusominaisuudet voivat olla turmiollisia, jos ne on- nistuvat eksyttämään käyttäjän suorittamaan van- hoja rutiineja uusilla, hienommilla välineillä ja GIS:n todellisen hyödyn konkretisoituminen jää vähäiseksi.
Kuvassa 1 on esitetty esimerkki ajantasaisesta tietojärjestelmästä, jossa käytetään kaukokuvia in- formaation tuottamiseen ja tiedon laadun tarkkai- luun. Järjestelmässä tehdyt toimenpiteet ja kasvut päivitetään tietokantaan. Järjestelmä vaatii myös kontrollimenetelmän. Esimerkissä äkilliset muutok- set on ajateltu kontrolloitavan kaukokuvilla ja tie- don laatua tarkkaillaan tarkistusinventoinnein. In- ventoinnit joko kohdennetaan muutosalueille tai Kuva 1. Esimerkkikaavio ajantasaisesta tietojärjestelmästä, johon on yhdistetty kaukokuvien käyttö
inventointi- ja kontrollimenetelmänä ja jossa eri tietolähteet yhdistetään paikkatietojärjestelmällä.
Muutosten
tunnistus Arvioinnin
tarkastus Muutosten
rajaus
Alueelliset prioriteettifunktiot Maastomittausten kustannusfunktiot Toimenpiteiden todennäköisyydet
Inventointien kohdentaminen
Osittais- inventointi Tiedon laadun
tarkkailu
Täys- inventointi
Jatkuva ajantasaistus
Kasvu-, syntymä-,
kuolemis- ym. mallit Tehdyt
toimenpiteet Luonnonvara-
tietokanta
Uudet tietolähteet
inventoidaan alueet täysin uudelleen. Inventointien kohdentamisessa voidaan myös käyttää alueellisia prioriteetteja, kustannustietoa tai esimerkiksi alu- een toimenpidetodennäköisyyttä. Uusia tietolähtei- tä voidaan myös sisällyttää joko tuottamalla uusia tunnuksia tai käyttämällä uusia tietolähteitä tiedon laadun tarkkailuun. Eri tietolähteet yhdistetään paik- katietojärjestelmillä.
Inventointi- ja seuruumenetelmän valinta
Edellä on kuvattu monilähdeinventoinnin tarjoamia mahdollisuuksia, kun käytettävissä on tehokkaat paikkatietojärjestelmät. Monipuolisten ja mittavi- en luonnonvarojen inventointi- ja seuruujärjestel- mien kehittämisen tulisi perustua vankasti tiedon käyttäjien ongelmien analysointiin. Suuri – toistai- seksi ratkaisematon – ongelma onkin määritellä, millainen järjestelmä olisi metsäsuunnittelun eri ta- sojen kannalta paras. Ongelman mieltäminen pel- käksi kustannusten minimoimistehtäväksi johtaa harhaan, koska lopputulos – hyötyjen ja kustannus- ten erotus ratkaisee. Hyötyjen mittaaminen on vali- tettavasti monin verroin vaikeampaa kuin kustan- nusten. Ongelmaa monimutkaistaa lisäksi se, että inventointi- ja seuruujärjestelmän tavoitteena voi olla palvella myös muita kuin metsäsuunnittelun tarpeita ja että tulevaisuuden tietotarpeita on vai- kea ennustaa.
Olisiko kuvioittaista arviointia tarkentamalla mah- dollista kehittää luonnonvaratietokanta, joka tarjo- aisi riittävän monipuoliset ja luotettavat lähtötiedot kaikkiin tarpeisiin, myös operatiiviseen metsäsuun- nitteluun? Vai kannattaisiko taktinen suunnittelu perustaa karkeampaan, esim. kaukokuvia hyödyn- tävin, otospohjaisin menetelmin tuotettuun lähtötie- toon ja kerätä tarkemmat tiedot vasta toimenpiteitä suunniteltaessa? Kolmas vaihtoehto on jatkaa en- tistä rataa pitämällä kaksi kallista työvaihetta, kuvi- oittainen arviointi ja leimikon suunnittelu, erillään.
Luopuminen 10 vuoden inventointikierrosta ja siirtyminen jatkuvaan ajantasaistukseen on suuri haaste metsäorganisaatioille. Tiedot pyritään ajan- tasaistamaan toimenpiteiden huolellisella kirjaami- sella (myös kuviorajojen osalta) ja lepokuvioiden osalta kasvumalleilla. Tietokannan laatua pyritään kontrolloimaan mm. satelliittikuvia hyödyntämäl-
lä. Mikähän lienee taktisen ja operatiivisen suun- nittelun kannalta optimaalinen panostus monipuo- lisen kuviotiedon ylläpitoon? Kannattaako toimen- pidekuviot mitata uudelleen, vai riittääkö harven- nus- ja kasvumallien käyttö? Miten tarkistusinven- toinnit kohdennetaan optimaalisesti?
Lähtötietojen luotettavuuden merkitystä suunnit- telun eri tasoilla ei ole tutkittu tarpeeksi, jotta edel- lä esitettyihin ongelmiin voitaisiin vastata. Seuraa- vassa tarkastellaan ongelmakenttää taktisen ja ope- ratiivisen suunnittelun näkökulmista.
Taktisen metsäsuunnitelun kannalta suunnittelu- yksikön valinta on avainasemassa. Suuraluetason taktisessa suunnittelussa lähtötietoina voidaan käyt- tää pienin kustannuksin mitattuja koealoja. Ongel- mana tällöin on se, että suunnittelun tulokset eivät ole paikkasidonnaisia. Nykyaikainen monitavoit- teinen metsäsuunnittelu, jossa suunnitelmavaihto- ehtojen hyvyyden vertailuun tarvitaan usein paik- kaan sidottua tietoa on tällöin hankalaa. Esimer- kiksi maisema- ja virkistysarvojen, riistan elinym- päristön tai vesistövaikutusten integroiminen suun- nitteluun ei ole mielekästä, jos suunnitteluyksik- köinä on koeala. Otospohjaisesti tuotetusta metsä- varatietorasterista voidaan tosin muodostaa mieli- valtaisia kuvioita laskentayksiköiksi. Näyttöä siitä, saadaanko näin kuviotasolla riittävän luotettavat tunnukset aiempaa edullisemmin ei vielä ole. Mo- net monimuotoisuustunnukset vaativat pienipiirteis- tä ja tarkkaa maastoinventointia, joten otospohjai- sen menetelmän rinnalle tarvittaisiin kuitenkin kal- liita maastoinventointeja. Metsävaratietorasteri tar- joaisi toisaalta arvokasta tietoa mm. kuvion sisäi- sestä vaihtelusta, jota voitaisiin hyödyntää myös monimuotoisuuden määrittelyssä.
Kun suunnitteluyksikkönä on metsikkökuvio, voidaan vaihtoehtoisia suunnitelmia verrata maise- man ym. paikkasidonnaisten tavoitteiden suhteen.
Tulevaisuudessa GIS-järjestelmien käyttö suunni- telmavaihtoehtojen vertailussa yleistynee. Kun kor- keusmalli ja suunnitelmatiedot yhdistetään GIS:ssä, voidaan suunnitelmavaihtoehdolle laskea hyvyys- tunnuksia (hyötyindeksejä) esim. vesistövaikutus- ten, tuulituhoriskin, teeren elinympäristön tai vaik- kapa luonnon monimuotoisuuden suhteen. Simu- loidun vaihtoehdon visuaalinen maisematarkastelu on myös mahdollista.
Taktisen metsäsuunnittelun hyötyyn vaikuttaa
suunnittelumenetelmien ohella kuvioittaisen lähtö- tiedon monipuolisuus ja luotettavuus eli käytänös- sä inventointiin ja ajantasaistukseen uhratut kus- tannukset. Lähtötietojen luotettavuutta kannattaa parantaa vain, jos suunnittelun hyödyn lisäys on inventointikustannusten lisäystä suurempi.
Puustotunnusten kuviotason keskivirheiden avulla voidaan simuloida lähtötietojen virhettä. Eri inven- tointimenetelmillä virheiden suuruus on erilainen.
Lähtötiedon sisältämä virhe voidaan sisällyttää erää- nä riskin lähteenä taktiseen metsäsuunnitteluun.
Alkuperäisistä lähtötiedoista täytyy vain pystyä tuot- tamaan ”virheellisiä” kuviotietojen realisaatiojouk- koja käsittelyohjelmien simulointia varten. Jos ris- kin karttajan optimiratkaisu on erilainen kuin ris- kin suosijalla, lähtötiedon virheellä on merkitystä ja silloin päätöksentekijä voi haluta lähtötietojen tarkistamista. Lähtötiedon merkitys korostuu, jos myös muita epävarmuuden lähteitä (hinnat, kasvun taso) otetaan huomioon.
Lähtötiedon luotettavuuden merkitystä taktiseen suunnitteluun voitaisiin testata myös vertailemalla eri tavoin tuotettujen kuviotietojen (esim. simuloi- tujen, metsätaitokilpailuaineiston ja otospohjaisin menetelmin johdettujen kuviotietojen) ja tarkasti mitattujen tunnusten perusteella laadittuja optimaa- lisia metsäsuunnitelmia.
Operatiivisessa suunnittelussa ongelmana perin- teisen kuvioittaisen tiedon epätarkkuuden lisäksi on kuvioiden jakaminen, koska kuvion sisäinen vaihtelu on usein suurta. Tällöin puutavaralajien kertymiin saataa tulla huomattavia virheitä. Kalliit maastotyöt ovat siis usein tarpeen, jos halutaan tarkat leimikkotiedot. Ihannetilanteessa toimenpi- dekuviointi voitaisiin aina muodostaa inventointi- kuvioista – luonnon monimuotoisuuden kannalta- kin se olisi positiivinen suuntaus. Epätarkka lei- mikkotieto voi aiheuttaa merkittäviä epäoptimaali- suustappioita. Jos taktinen metsäsuunnittelukin hyö- tyisi tarkemmasta lähtötiedosta, inventointipanos- ten keskittäminen tarkkaan kuvioittaiseen arvioin- tiin voisi olla molempien suunnittelun tason kan- nalta oikea ratkaisu. Mikäli taktiselle suunnittelulle riittää epätarkkakin kuviotieto tai pelkkä koealatie- to, niin inventointiin kannattaisi panostaa vasta lei- mikon suunnittelussa.
Kuviotietojen pitäminen ajan tasalla tarjoaa uu- sia mahdollisuuksia myös puunhankinnan suunnit-
teluun. Mitä hyötyä ajantasainen kuviotietokanta, josta leimikoiden muodostaminen olisi joustavaa ja halpaa, voisi tuottaa yrityksen puunhankinnan suunnitteluun? Jos kuviotiedoista saadut leimikko- tiedot ovat tarkkoja (puutavaralajit, tukkien laatu, erikoispuu), puun ostaja voi ulottaa asiakaslähtöi- sen JOT-ajattelun puunhankintaan asti ja alentaa raaka-ainekustannuksia sekä haluaa kenties antaa osan saavutetusta hyödystä metsänomistajallekin.
Ajantasaisen kuviotietokannan hyödyntäminen puunhankinnassa edellyttäisi yksityismetsien osal- ta tietosuojaongelman ratkaisua. Tehokas puunhan- kinnan suunnittelu edellyttäisi metsänomistajien suostumusta suunnitelmatietojen luovuttamiseen mahdollisille ostajille. Jos saavutettavaa hyötyä ja- ettaisiin kantohinnan muodossa, tietojen luovutta- jia luulisi riittävän
Kuviotietojen laadun ja luotettavuuden vaikutuk- sesta operatiiviseen suunnitteluun ja puunhankin- nan imuohjautuvuuteen ollaan kyllä varsin kiin- nostuneita, mutta tutkimustoiminta aiheen piirissä on vasta aluillaan.
Päätelmiä
Inventointi- ja seuruujärjestelmien kehittäminen metsäsuunnittelun eri tasoja parhaiten palvelevaksi on vaikea ongelma. Menetelmien ja tekniikan ke- hitys on ollut ripeää ja vaihtoehtojen määrä on suurempi kuin koskaan aikaisemmin. Tässäkään kirjoituksessa ei ole pystytty antamaan selkää rat- kaisua, vaan pikemminkin esittelemään vaihtoeh- toja ja tuomaan esiin tutkimustarpeita. Ilmeistä on, että tarvitaan erityisesti soveltavaa tutkimusta ja tiivistä yhteistyötä tutkimuksen ja käytännön met- säorganisaatioiden kesken.
Tutkimuksella lähtötiedon virheiden merkityk- sestä taktisessa ja operatiivisessa metsäsuunnitte- lussa näyttäisi olevan akuutti tarve nyt kun eri met- säorganisaatiot kehittävät metsävarojen inventoin- ti- ja seuruujärjestelmiään. Osa metsäorganisaati- oista on siirtymässä kuviotietojen jatkuvaan ajan- tasaistukseen, mikä tuo oman lisänsä tutkimustar- peeseen.
Kirjallisuutta
Hannelius, S. (toim.). 1991. Elektroniikka metsän- arvioinnissa – kasvu ja sen mallittaminen. Metsäntut- kimuslaitoksen tiedonantoja 384.
Holopainen, M. 1995. Kaukokartoitus luonnon moni- muotoisuuden inventoinnissa. Diplomityö. Teknilli- nen korkeakoulu. 60 s.
— & Lukkarinen E. 1994. Digitaalisten ilmakuvien käyttö metsävarojen inventoinnissa. Helsingin yliopiston metsävarojen käytön laitoksen julkaisuja 4. 33 s.
Kangas, A. & Päivinen, R. 1994. Metsän mittaus. Silva Carelica 27.
Kokkola, J. 1994. GIS puunhankinnan suunnittelun työ- kaluna. Joensuun yliopisto, metsätieteellinen tiede- kunta, tiedonantoja 27: 59–66.
Pekkonen, T. 1991. Digitaalisesta kuvasta metsätalous- kartaksi. Elektroniikka metsäarvioinnissa – metsän kasvu ja sen mallittaminen. Metsäntutkimuslaitoksen
tiedonantoja 384: 16–19.
Poso, S. 1994. Metsätalouden suunnittelu uusiin puihin.
Voidaanko silmävaraisesta kuvioittaisesta arvioinnista luopua? Folia Forestalia 1994(1).
— 1995. Risto Päivisen vastineen johdosta. Folia Fores- talia 1995(1).
Pukkala, T. 1994. Metsäsuunnittelun perusteet.
Päivinen, R. 1995. Kuvioittaisesta arvioinnista ei kanna- ta luopua vähään aikaan. Folia Forestalia 1995(1).
Ståhl, G. 1994. Optimizing the utility of forest inventory activities. Dissertation. Swedish University of Agri- cultural Sciences, Department of Biometry and For- est Management, Umeå.
Tokola, T., Soimasuo, J., Turkia, J., Talkkari, A., Store, R. & Kangas, A. 1994. Paikkatieto ja paikkatieto- järjestelmät. Silva Carelica 28. 96 s.
Varjo, J. 1993. Controlling continuously updated forest data by satellite remote sensing. Lisensiaatintutkimus.
Joensuun yliopisto. 66 s.
