FOLIA FORESTALIA ma
METSÄNTUTKIMUSLAITOS
• INSTITUTUM FORESTALE FENNIAE • HELSINKI 1985ERKKI LIPAS
KASVUPAIKAN PUUNTUOTOSKYVYN JA LAN NOITUSTARPEEN ARVIOINTI MAAN OMINAI SUUKSIEN AVULLA
ASSESSMENT OF SITE PRODUCTIVITY AND FERTILIZER REQUIREMENT BY MEANS OF SOIL PROPERTIES
Osoite: Unioninkatu40 A
Address: SF-00170Helsinki 17, Finland
rtt:'
<9°>
661401Ylijohtaja: Professori .
_ K.
, Aarne Nyyssönen
Director: Professor
Yleisinformaatio: Tiedotuspäällikkö ..
General information: Information Chief
Julkaisujen jakelu: Kirjastonhoitaja
Distribution of Librarian Liisa Ikävalko-Ahvonen publications:
Julkaisujen toimitus: Toimittaja T
_
. c .
~... . , TommiSalonen
Editoria office: Editor
Metsäntutkimuslaitos onmaa- ja metsätalousministeriön alainen vuonna1917 perustettu valtion tutkimuslaitos. Sen päätehtävänä onSuomen metsätaloutta sekä metsävarojen jametsien tarkoituksenmukaista käyttöä edistävä tutkimus. Metsäntutkimustyötä teh dään lähes 800 hengen voimin yhdeksällä tutkimusosastolla ja yhdeksällä tutkimus- ja koeasemalla. Tutkimus- ja koetoimintaa varten laitoksella on hallinnassaan valtion metsiä yhteensä n. 150000 hehtaaria, jotka on jaettu 17kokeilualueeseen ja joihin sisäl tyykaksi kansallis- ja viisi luonnonpuistoa.Kenttäkokeitaonkäynnissä maankaikissa osissa.
TheFinnish ForestResearch Institute, established in 1917, isastateresearch institution subordinated to the Ministry of Agriculture and Forestry. Itsmain taskistocarry out research work to support the developmentofforestryandthe expedient useof forest
resourcesand forests. The work iscarriedout by means of 800personsinnineresearch departments andnineresearch stations. Theinstituteadministers state-owned forests of
over 150000 hectares for research purposes, includingtwo national parks andfive strictnaturereserves. Fieldexperiments areinprogressin allparts of thecountry.
FOLIA FOREST
ALIA 618
Metsäntutkimuslaitos. Institutum Forestale Fenniae. Helsinki 1985
Erkki Lipas
KASVUPAIKANPUUNTUOTOSKYVYNJA
LANNOITUSTARPEEN
ARVIOINTI MAAN OMINAISUUKSIEN AVULLA
Assessment of site productivity and fertilizer requirement by
means
of soil properties
Approved on30.5.1985
SISÄLLYS
1. JOHDANTO 3
2. AINEISTOJA MENETELMÄT 5
21. Koealat 5
22. Maatunnukset 5
23. Puustotunnukset 7
3. PITUUSBONITEETINRIIPPUVUUSKASVUPAIKASTA 7
31. Regressiomalli 7
32. Mallinyksinkertaistaminen 8
4. LANNOITUSTARPEEN ARVIOINTI 10
41. Aineiston rajoittaminen 10
42. Maantyppijakalsium selittäjinä 11
43. Maa-analyysitulostentulkinta 13
5. TULOSTEN TARKASTELU 13
KIRJALLISUUS—REFERENCES 14
SUMMARY 16
2
LIPAS, E. 1985. Kasvupaikan puuntuotoskyvyn ja lannoitustarpeen arviointi maanominaisuuksien avulla. Sum mary:Assessmentofsiteproductivity andfertilizer requirement by meansofsoilproperties. FoliaFor.618: I—l6.
Puuntuotoskyvyn riippuvuutta kasvupaikan ominai suuksista tutkittiinvalikoivan regressioanalyysin avulla käyttäen aineistona lannoituskokeiden 0-ruutuja eri puolilta Suomea. Koealoja oli kaikkiaan 70. Saadun mallin antamalta pohjalta tutkittiin sitten typpilannoi tuksella saatavan kasvunlisäyksen arviointimahdolli suuksia.
Kivennäismaan (0—30 cm) vaihtuva kalsium ja hu muskerroksenorgaanisenaineksen typpipitoisuus osoit tautuivatpuuntuotoskyvynvahvimmiksi selittäjiksi. Il maston vaikutus otettiin huomioon lämpösumman avulla. Muusta aineistosta erottautuivat merkitsevästi karkeat hiekkamaat sekä kanervatyypin kasvupaikat, joilla puuntuotoskykyä rajoittaa veden puute. Muita
merkitseviä selittäjiä olivat humuskerroksen pH, vaih
tuvakalium ja helppoliukoinen fosfori.Näiden tunnus ten selityskyky olikuitenkin selvästi pienempi kuin kal siumin ja typen.
Lannoitusvaikutuksen selitysmallin tutkimiseksi oli käytettävissä25koettaEtelä-jaKeski-Suomessa. Myös tässä vaiheessa kivennäismaan kalsium ja humusker roksen typpi olivat parhaita selittäjiä,kun selitettävänä oli ensimmäisen 5-vuotiskauden suhteellinen kasvunli säys. Osoittautui, että tiettyä Ca-tasoavastaaaina tietty typen optimitaso, jolla kasvunlisäys onsuurin.Tulosten perusteella on esitetty piirros Ca- ja N-arvojen tulkin nan helpottamiseksi. Menetelmä soveltuu erityisesti nii denkohteiden tunnistamiseen, joissa odotettavissa ole va kasvunlisäys on pieni.
The dependence ofthe timber production capacity (site index, H100) on soil properties was studied by
meansof stepwise regressionanalysis.The material was composedof thecontrol plots offertilizerexperiments invarious partsofFinland. Thetotalnumber ofplots
was70. Assessmentofthe growth responseto nitrogen fertilization was then studied on the basis of the productivity model.
Exchangeable calcium inmineral soil (0—30 cm) and the nitrogencontent of theorganic matter in humus layer proved tocorrelate best with productivity. The effect of climatic variation in the material was taken into account by using temperature sumasacovariate.
Coarse sandy soilsand drysitesin generalappearedto have significantly lower productivity than fresh sites.
Exchangeablepotassium,soluble phosphorus, and pH ofthe humus layer were also significantly correlated with productivity, although their contribution to the coefficient of determination was clearly smaller than that of Ca andN.
Thematerialfor assessing the fertilizerresponse was
comprisedof25 experimentsin Southern and Central Finland. Contents of mineral soil Ca and N in humus layeralso correlated best with the growth reaction, expressed astherelativegrowthincrease during thefirst 5-year period. Foracertainlevel of calcium, therewas
alwaysanoptimumcontentofhumus nitrogen atwhich thegrowthincreasereached itsmaximum.A graphfor interpretationofCaandNvaluesis given. Themodelis especiallysuitable forscreening outthosecaseswhere the growth increase due toNfertilization is expected to be small.
Helsinki1985.Valtion painatuskeskus ODC 542 + 114.54 ISBN 951-40-0698-4 ISSN 0015-5543
1. JOHDANTO
Jos metsikön kasvua
rajoittaa jonkin
ravinteen puutesiinä
määrin,
että tätä lisäämällä kasvu paranee, sanotaan metsikössä olevan tämän lannoituksen tarvetta. Lannoitustarve on sitäsuurempi,
mitävoimakkaampi
kasvunlisäys
saadaan aikaan. Puutetta voi ollamyös
useammasta kuinyhdestä
ravinteesta.Samoin lannoitustarve voi olla
piilevä, jol
loinsetuleeesiinvastasenjälkeen
kunjokin suurempi
kasvun este, esim. liikavesi,
onpoistettu.
Kun metsikönravinteiden
käyttö
vaihteleepuulajien ja kehitysvaiheen mukaan,
on lan noitustarvekin metsikkökohtaista. Jotta voi taisiinpuhua yleisesti kasvupaikan
lannoitus tarpeesta, on sen vuoksirajoituttava tietyn tyyppisiin
metsiköihin.Tavallisimpia
lan noituskohteitaovat kasvatusikäiset tai vart tuneet männikötja
kuusikot. Tällaisiametsi köitä edustavatmyös
tässä tutkimuksessakäytetyt
kokeet.Lannoitustarpeen
määrittäminen tarkoit taatoimenpiteitä, joilla
ennakoidaanodotet tavissaolevakasvunlisäys. Pyrkimyksenä
on sitenlöytää
nekasvupaikat, joilla
lannoitus lisääparhaiten
kasvua sekä osoittaa näillesopivat lannoitelajit ja
-määrät.Koska
kyseessä
on puustonkasvunja
ravinnetarjonnan
välisten suhteidentarkastelu,
on
luonnollista,
että lähtökohtanaonpidet
tävä kasvunja
ravinteisuudenvälisiäyleisiä riippuvuuksia.
Näitäkysymyksiä, joita
mm.Aaltonen
(1937) pitää
metsämaatieteentärkeimpinä,
onkin tutkittujo
metsämaatieteenalkuajoista
lähtien.Paitsi
maaperän ominaisuuksista,
puuston kasvuriippuu myös ilmastosta, topografiasta
sekä puustonja
muunkasvillisuudenlaadus taja
tilasta(Wilde 1958,
s.259).
Tästäsyystä
eri ominaisuudet voivat eritapauksissa
olla kasvunparhaita selittäjiä.
Aaltonen(1937)
toteaa
vanhempia
tutkimustuloksia tarkastel lessaanpuuntuotoskykyä selitetyn
mm.maanraekoostumuksen, pohjaveden
korkeudenja liikkuvuuden,
maanorgaanisten ja epäor gaanisten kolloidien,
maanilmatilan,
mikrobiologisten ja
kemiallisten ominaisuuksien avulla. Pelkästään maatunnuksiin perustu vien tulostenyleistettävyys
on kuitenkinhuono,
sillä esimerkiksi eri ilmasto-oloissa voi samanlaisellemaallesyntyä täysin
erilainenpuusto
(Wilde 1958,
s.247).
Suomessa varhaisimmat
selvitykset
maan kemiallisten ominaisuuksienja
puuntuotoskyvyn
välisistäriippuvuuksista (Valmari
1921,
Heikinheimo1922,
Ilvessalo1923,
Aaltonen
1937)
osoittavatyhtäpitävästi,
ettämaan kalkkimäärä korreloi säännönmukai simmin
kasvupaikan viljavuuden
kanssa.Myös humuspitoisuus ja kokonaistyppi
ovathyviä selittäjiä
Suomeneteläpuoliskossa,
mutta ei
Pohjois-Suomen
kuusikoissa(Hei
kinheimo1922).
Näistäyleisistä
suuntavii voista huolimattaAaltonen(1937)
toteaa,et teimaa-analyysi
anna riittävää varmuutta tehdäpäätelmiä yksittäisen kasvupaikan puuntuotoskyvystä.
Hän korostaa sensijaan
maan
kosteusolojen merkitystä
tässäsuhteessa.
Viro
(1947, 1951)
on tutkinut sekä raekoostumuksen, kivisyyden
että ravinteisuu denmerkitystä kasvupaikan viljavuudelle.
Raekoostumuksen
ja kivisyyden
lisäksi ainoastaan
kalsiumpitoisuus
selitti Viron ai neistossamerkitsevästivaltapuuston pituutta
60vuodeniällä(Dahl
ym.1961).
Myöhemmin tehty
tutkimus(Urvas ja
Er viö1974)
maammemetsätyyppien ravinnepi
toisuuksista vahvistaa aikaisemman tiedon kalkinja metsätyypin
välisestä korrelaatios ta. Lisäksimyös kaliumpitoisuudet
sekä hu muskerroksentyppipitoisuus lisääntyivät puuntuotoskyvyn lisääntyessä.
Huolimatta kalkin selvästä korrelaatiosta maan
viljavuuden
kanssa ei metsämaankal kitus olelisännyt
puuston kasvua(Kukkola ja
Saramäki1983).
Sensijaan typpilannoitus
on
kangasmailla
useimmitenolluttuloksellis ta(Viro 1967).
Tämänmukaanmaantyppiti
lasopisi paremmin
lannoitusreaktionennus tamiseenkuinkalkkipitoisuus.
Lannoitustarvetta voidaan arvioida useilla
4
eri tasoilla
ja
tarkkuuksilla.Yleispiirteet
saa daanmetsätyyppien avulla, tarkempi selvyys
maa- tai
neulasanalyysilla ja kasvupaikka
kohtainenvarmistuslannoituskokeilla(Baule ja
Fricker1970,
s.66).
Lisäksi voidaanjos
kus todeta ravinnetalouden häiriöitä myös puuston ulkonäönperusteella.
Metsätyyppien
soveltuvuus lannoitustar peenmääritykseen rajoittuu siihen,
että erit täin karutja
toisaaltahyvin viljavat
kasvupaikat
voidaan todetahuonoiksi lannoitus kohteiksi(Viro 1967). Jäljelle jäävät
metsätyypit
kuivahkoista lehtomaisiin kankaisiin sisältävät kuitenkin niin suuren vaihtelu alueen sekä maan vesi- että ravinnetaloudes sa, ettämetsätyypin
voidaan katsoa olevan melkoylimalkaisesti
lannoitustarvettaennus tava tunnus.Syynä
lieneemetsätyypin
kokokasvupaikkaa
kuvastava luonne:hyvinkin
monenlaisetkasvutekijäin yhdistelmät
voivattuottaa saman
metsätyypin (Urvas ja
Erviö1974).
Metsätyyppiä
tarkemman kuvan saami seksi maan ravinnetilasta voidaankäyttää
neulas-taimaa-analyysiä. Neulasanalyysi
pe rustuu siihenajatukseen,
ettäkasvista mitat turavinnepitoisuus
kuvastaakasvupaikan
ravinnetilaa. Vaikkamielipiteet
neulasanalyysin käyttökelpoisuudesta
ovatkin vaihtelevia,
ainakin suurimmatpuutteetvoidaan to deta neulasista(Puustjärvi 1965,
Nömmik1978). Neulasanalyysiä
eivoidasensijaan pi
täähyvänä kasvupaikan puuntuotoskyvyn määritystapana (Aaltonen 1950).
Maa-analyysin käyttökelpoisuus
lannoitus tarpeenmäärityksessä riippuu siitä,
missä määrinnäytteenottotekniikalla ja
ravinteiden uuttomenetelmilläpystytään jäljittelemään puiden
ravinteenottoa.Keski-Euroopassa käytetyt analyysimenetelmät (Baule ja
Fric ker1970,
s.66) poikkeavat jossakin
määrin meilläkäytetyistä (Halonen
ym.1983) ja
an netutohjeluvut
kuvastava K-, P-,ja Mg-lan
noituksen tarvetta. Kun Suomessa harvoin on kivennäismaillapuutettanäistä ravinteis ta,eivätkeskieurooppalaiset
tiedotolemeilläkäyttökelpoisia.
Meillesoveltuvat sen
sijaan hyvin
ne ruotsalaisettulokset,
joilla
lannoitusreaktioitaonselitetty
maantyppianalyysien
avulla(Malm
ym.1974).
Kunselitysyhtälössä
oli mukanapuustotunnuksia, lannoitelaji ja
-määrä, helposti
mineralisoituvahumuskerroksenja pin
tamaan
(0
—5cm) typpi
sekä humuksenkokonaistyppi,
saatiinselitysasteeksi yli
80 %.Mainitussatutkimuksessa todettiin
myös,
et tä neulastentyppipitoisuus
onhyvä
lannoi tusreaktionselittäjä,
mutta maatunnusten ohellatarpeeton.Myös pelkästään puustotunnuksia käyt
täen on mahdollista selittää lannoitusreak tiota
jossakin
määrin. Selittäviä tunnuksia ovat esimerkiksipituusboniteetti,
metsikön ikäja
kasvu lannoitushetkellä(Gustavsen ja Lipas 1975). Puustotunnusten,
lannoitean noksenja kasvupaikkaluokan
avulla on saa vutettu noin50 %:nselitysaste (Braastad
ym.1974).
Josselittäjiksi
otetaan näiden lisäksimyös
metsikönsijaintia ja
korkeusasemaa kuvaaviatunnuksia,
voidaanpäästä yli
60 %selitysasteeseen (Rosvall 1980).
Edelläon kuvattu
kasvupaikan
puuntuotoskyvyn ja
toisaaltalannoitustarpeen riip
puvuutta erilaisistakasvupaikkatekijöistä.
Puuntuotoskyky ja
lannoitustarvepuolestaan
ovat ilmeisesti
yhteydessä
toisiinsa. Tätäriippuvuutta
voitaisiinanalysoida
tarkemmin, jos
tunnettaisiinpuuntuotoskyvyn riip
puvuuserityisesti
sellaisistakasvupaikkateki jöistä, joihin
lannoituksellavoidaan vaikut taa. Kutenedellätodettiin, tällaisiatekijöitä
olisivaterityisesti
maantyppitilaa
kuvaavat tunnukset.Mainitulla
perusteella
tutkimuksentavoit teeksi asetettiin ensinnä selvittää metsikönpuuntuotoskyvyn riippuvuutta
erilaisistakasvupaikkatekijöistä.
Tältäpohjalta pyrittiin
sitten kehittelemään menetelmää lannoitus tarpeen määrittämiseksikasvupaikkatekijäin
avulla.Professori Eino Mälkönen ja MMT Carl Johan Westmanovat tehneet käsikirjoitukseen varteenotetta via korjausehdotuksia. Englanninkielisen tekstin on tarkistanutMichael Starr, Ph.D.Esitänmainituille par haat kiitokseni.
2. AINEISTOJA
MENETELMÄT
21. Koealat
Aineiston muodostivat Metsäntutkimuslaitoksen maan tutkimusosaston pitkäaikaiset lannoituskokeet siltä osin,kuin niistä olikäytettävissätarvittavatpuusto-ja maatunnukset. Samojakokeita onkäytetty myösuseis samuissa tutkimuksissa, mm. selvitettäessä toistuvasti lannoitettujenmetsiköidenkehitystä (Kukkolaja Sara mäki 1983). Typpilannoituson kokeita perustettaessa tehty lähes poikkeuksetta ammoniumsulfaatilla (84 kg N/ha).
Kuva 1. Puuntuotoskyvyn arviointiin käytettyjen koe alojen sijainti.
Figure 1. Location of the sample plots usedfor the assessmentof site productivity.
Ensimmäisessä vaiheessa,jossaselvitettiin boniteetin riippuvuutta kasvupaikkatekijöistä, käytettiin ainoas taankokeiden lannoittamattomia vertailukoealoja. Ai neisto käsitti 70 koealaa, joista männikköjä oli 47 ja kuusikkoja 23. Koealat sijaitsivat pääosin Etelä- ja Keski-Suomessa (kuva 1).Lapistaaineistossa oli muka na vain seitsemän koealaa. Jos alue jaetaan kuvan 1 mukaisesti lämpösummavyöhykkeisiin saadaan seuraa va jakaantuma:
Kasvukauden tehoisalämpösummaontässäkäsitetty paikkakunnan todellisten +5°C ylittävien päivittäisten keskilämpötilojen vuosisummaksi vuosien 1941 —70 keskiarvona (Heikurainen 1973).
Metsätyypeittäin aineisto jakaantui siten, että pääosa kokeista olikeskinkertaisilla kasvupaikoilla:
Pintamaan (0—30 cm) keskiraekoko oli yleisimmin karkeata hietaa. Savi-, hiesu-tai soramaita ei aineistos saollut. Pääosin maatolivat moreenia, mitä osoittaa myöskivisyyden yleisyys. Yli puolella koealoista kiviä olipintamaassayli30%tilavuudesta. Moreenia ja lajit
tunuttamaataei eroteltu eriluokiksi,koska rajanveto
onusein vaikeaa. Sen sijaankäytettiinraekokojakaan tumasta määritettyä tunnusta, lajittuneisuusastetta S=
VQ3/Ql.
jossaQjjaQ3 ovatraekokojakaantumanala ja yläkvartiilit (Seppälä 1971). Tällätunnuksella mitat tuna jonkin asteista lajittuneisuutta (S<3,o) oli 29 koe alalla. Kun myös kivisyys ja keskiraekoko otetaan huomioon,varsinaisesti lajittuneisiin maihin voidaan lukea 13 koealaa eli noin 18 % aineistosta.Tutkimuksen toisessa vaiheessa, jossa tarkasteltiin lannoituksella saatavaa kasvunlisäystä, aineistojoudut tiinrajoittamaan25kokeeseen. Rajoittamisperusteeton esitetty luvussa41, ja tietoja mukaan otetuistakokeista
on koottu taulukkoon 4.
22. Maatunnukset
Koealoilta määritettiin kivisyys mittaamalla kivisyys rassinpainumakoealalle merkityiltälinjoiltasystemaat tisesti siten,että linjaväli oli 10m ja mittauspisteiden väli linjalla5 m (Viro1947).Kivisyys laskettiin keski määräisestä painumastasiten,että painuma 0 vastaa 100 % ja painuma30 cm 0 %.Täten kivisyystunnus koskee vainkivennäismaan 30cmsyvääkerrosta.
Samoilta kohdin kuin kivisyyshavainnot, otettiin myös näytteet humuskerroksesta.Tähän käytetiin sisä
öUU —1UUUcu.i :oealaa .050—1200 44 .250—1350
OMT MT VT + EMT
10 1
23 23 +6
koealaa
6
halkaisijaltaan 5,5 cmsuuruista terässylinteriä. Kunkin koealan osanäytteet yhdistettiin yleisnäytteeksi, joka laboratoriossa kuivattiin, punnittiin ja jauhettiin ennen
analyysejä. Näytteenottopinta-alanjanäytteenmassan avulla laskettiin arvio humuskerroksen massasta koe alalla.
Kivennäismaanäytteet otettiin lapiolla o—3ocm sy vyisestä kerroksesta. Kullekin koealalle kaivettiin neljä kuoppaakoealan keskipisteen jakulmien kärkipisteiden puoliväliin, joista otetut näytteet yhdistettiin. Esikäsitte lynä laboratoriossa näytteet kuivattiin, seulottiin 2 mm seulalla ja määritettiin punnitsemalla soranosuus näyt teestä.
Näytteet analysoitiin maantutkimusosaston tavan omaisilla menetelmillä (Halonen ym. 1983). Sekä hu
mus- että kivennäismaanäytteistä määritettiin happa malla ammoniumasetaatilla uuttuva helppoliukoinen P, vaihtuvatkationit Ca, K ja Mg, vesilietos-pH ja koko naistyppi. Lisäksi humusnäytteistämääritettiin orgaa ninen aines polttamalla.Kivennäismaanäytteistäpuo lestaan määritettiin raekoostumus ja tiheys.
Alustava tarkastelu maatunnusten metsikönsisäisestä hajonnasta ja korrelaatiosta puuston kasvuun osoitti, että eräät muunnokset paransivat tunnusten selitysky
kyä. Sen vuoksi lopulliseen selittäjistöön otettiin eräitä muuttujiahiukan alkuperäisestään poikkevassa muo
dossa.
Kivennäismaan ravinnepitoisuudet muunnettiin yk siköistä mg/100gyksikköihin mg/l näytteentiheyden avulla.Vaikka tämä poikkeaakin luonnontilaisen maan
tiheydestä, kuvastanee yksikkö mg/l kuitenkin parem min ravinteiden tarjontaamaassakuinmg/100g.Tila vuusyksikköön perustuvaa ilmaisutapaa käytetään myös viljelysmaan ravinneanalyyseissä (Kurki ym. 1965).
Humuskerros sisältää vaihtelevia määriä kivennäis maata, joka aiheuttaa ylimääräistä vaihtelua ravinnear voihin, jos neilmoitetaan yksikössä mg/100 g. Muun noksena päädyttiin ilmoittamaan kaikki ravinteet or
gaanista ainettakohti, jolloin kivennäismaapitoisuuden vaikutuseliminoituu.Muunnos on looginen paitsi typen jafosforinosalta,jotkaesiintyvät orgaanisinayhdistei nä, myös vaihtuvien ravinteiden osalta, sillä vaihtopai kat sijaitsevat lähes yksinomaan humusaineksessa.
Raekokoomuksesta saatavaatietoa tiivistettiin mää rittämällä rakeisuuskäyrän avullakeskiraekoko sekäla jittuneisuusaste (Lipas 1983).Lisäksi otettiin mukaan hienomaan (<2 mm) sekä hienon hiedan, hiesun ja sa ven (<0,05 mm) osuus. Edellinen on Viron (1947)
Taulukko 1. Regressioanalyysissä käytetyt muuttujat.
Table 1. Thevariablesusedin the regression analysis.
1)Tilavuudesta—Ofvolume 3) S=\Q;/Q 1
2) Näytteestä —Of sample <20mm 4) Orgaanisesta aineesta —Of organicmatter
5) Litraailmakuivaanäytettäkohti—Perliter of air dry sample Lyhenne
Symbol
Yksil Unit
Vaihteluväl Range
Keskiarvo Mean
Vinous Skewness luuttuja —Variable
Metsätyyppi—Sitetype OMT — 0—1 Valemuuttuja—Dummyvariable
MT — 0—1
VT — 0—1
CT — 0—1
'uulaji—Tree species mä — 0—1
lämpösumma—Temperaturesum Is d.d. 800—1350 1156 —1,30
(ivisyys—Stoniness kiv %" 0—89 35 0,19
Rakeisuustunnukset —Texturalparameters
iienomaa —Fineearth<2mm hie %2> 51—99 81 —0,66
<0,05mm hhie %2> 4—61 21 0,60
Ceskiraekoko —Median grain size md mm 0,03—1,85 0,31 2,26
Vlakvartiili —Lowerquartile Qi " 0,006—0,521 0,097 2,30
.ajittuneisuus—DegreeofstratificationS —3> 1,7—8,7 4,0 0,70 Humuskerroksen tunnukset — Properties of thehumus layer
>H-H
20 hpH — 3,0—4,8 3,9 0,70
Cokonais —TotalN hN %4) 1,0—2,7 1,6 1,02
liukoinen—Soluble P hP %0
4> 0,11—0,56 0,28 0,87
haihtuva—ExchangeableCa hCa °/oo4) 1,2—12,2 3,8 1,96
K hK %o4) 0,64—1,88 1,16 0,56
Mg hMg %o4) 0,20—1,51 0,45 2,88
)rg.aine—Organicmatter hoa ton/ha 6,7—54,6 28,7 0,43
Kivennäismaan tunnukset— Properties ofthemineralsoil(0—30cm)
>H-H 2
0 kpH — 4,0—5,3 4,8 -0,92
Cokonais— TotalN kN mg/15' 302—2525 827 1,24
liukoinen—Soluble P kP mg/l5) 1,4—22,6 6,9 1,22
/aihtuva—ExchangeableCa kCa mg/15' 21—979 123 3,70
K kK mg/l5> 13,9—75,4 36,3 0,56
Mg kMg mg/15» 4,0—82,5 15,2 3,25
iienomaa —Fineearth<2mm kha m3/ha 210—2952 1622 0,04
Selitettävä muuttuja —Dependentvariable
'ituusboniteetti—Siteindex HIOO m 15,4—32,7 22,9 0,03
aiemmin käyttämä selittäjä, jälkimmäistä suosittelee mm.Wilde (1958, s. 177).
Näiden perusmuunnosten lisäksi eräiden tunnusten
jakautumien todettiin olevansiinä määrin vinoja, että logaritmimuunnos paransi selityskykyä. Tästä syystä käytettiin sekä humuksen että kivennäismaan N-, P-, Ca-,K- ja Mg-arvojen luonnollista logaritmia selittäjä
nä.Kalsium-ja fosforiarvojen osaltasamaamuunnosta
ovat käyttäneet Dahlym. (1961).
Regressiotarkastelussakäytetytmuuttujatperusmuo dossaan on esitetty taulukossa 1. Samalla esitetään myöseräitä lukujatunnustensuuruusluokista jajakau tumista.
23. Puustotunnukset
Puuston kasvujatilavuus oli mitattu koetta perustet taessa ja sen jälkeen viiden vuoden välein. Tässätutki muksessa käytettiin kuitenkin vainensimmäisen 5-vuo tisjakson kasvulukuja, joista laskettiin puuston ensi reaktio typpilannoitukseen. Koealojen puuston luon taistavaihtelua pyrittiin eliminoimaan korjaamallakas vuluvut kasvulla ennenlannoitusta (Lipas 1979). Kor jauksestahuolimattakokeen sisäisettoistotpoikkesivat usein siinä määrin toisistaan, että lannoittamattoman koealan analyysitulosten selitysarvo koko kokeen kes kimääräiselle lannoitusvaikutukselle tuntui kyseenalai
selta.Ratkaisunapäädyttiinsiihen,ettätypenvaikutus
arvonapidettiinvainpelkän typpilannoituksen saaneen jalannoittamattoman koealan korjattujenkasvujenero
tusta.
Typen vaikutuksen lisäksi tarkasteltiin mahdolli suuksia käsitellä myös NP-lannoituksen vaikutusta.
Fosforilla saatava lisävaikutus osoittautui kuitenkin sii nämäärin pieneksi ja satunnaiseksi, ettäaineisto eian tanut mahdollisuuksia NP-vaikutuksen tarkempaan analyysiin.
Kasvupaikan puuntuotoskyvyn mittana käytettiin lannoittamattomalta koealalta arvioitua valtapituutta 100 vuoden iällä (H
100),josta käytetään nimitystäpi tuusboniteetti (Vuokila 1971). Koska kyseinen tunnus
on riippuvainen siitä metsiköstä, joka kasvupaikalla kulloinkin kasvaa,senkyky osoittaakasvupaikantodel listapuuntuotoskykyä (kasvupaikan boniteettia)voiol la puutteellinen (Kuusela 1982). Pituusboniteetti onkui tenkin metsätyyppiä käyttökelpoisempi tunnus selittä
vänä muuttujana, koskase voidaan ilmaistalukuarvo na.
Pituusboniteetin määritys tehtiinGustavsenin (1980) käyrien avulla luontaisesti syntyneilleja Vuokilan ja Väliahon (1980)käyrien avulla viljelymetsiköille.Ko keesta riippuen käytettävissä oli 3—5 mitattua valtapi tuutta 10—20 vuodenajanjaksolta.Kun puustouseim
millakokeilla oli jo perustettaessakeski-ikäistä taivan
hempaavoidaan saatujaH
lOO-arvoja pitää melko luo tettavina (Gustavsen 1980).
Pituusboniteettia käytettiin tarkastelunensimmäises sävaiheessa selitettävänä muuttujana.Sillehaettiinpa ras selitysmallivalikoivalla regressioanalyysillä.Tutki muksen jatkovaiheessa etsittiin sitten selitystä erilaisiin lannoitusreaktioihin edellisen mallin parhaita selittäjiä käyttäen.Kaikissa tilastollisissa tarkasteluissakäytettiin
BMDP-ohjelmapakettia (Dixon ja Brown 1979).
3. PITUUSBONITEETIN RIIPPUVUUS KASVUPAIKASTA
31.
Regressiomalli
Pituusboniteettia
(Hi
0o)
selittäviämuuttujia
etsittiinvalikoivanregressioanalyysin
avulla.Alustavien
kokeilujen jälkeen
lähtökohdaksi otettiin27muuttujaa
siinämuodossakuinne onesitetty
taulukossa 1. Kun lisäksi eräistäselittäjistä
todettiinlogaritmimuunnoksen
li säävän mallinselitysastetta,
saatiin korkeinselitysaste (81 %)
taulukossa2esitetyllä yhtä
löllä.Malliinhyväksyttiin
vainsellaisetselittäjät, joiden
F-arvo malliinlisättäessäoliyli
4,0.Vahvin
pituusboniteetin selittäjä
oli ki vennäismaan vaihtuvakalsium, joka yksi
näänselitti49% mallinvaihtelusta(kuva 2).
Toiseksi tärkeintunnus olihumuksenorgaa nisen aineen
kokonaistyppipitoisuus (kuva 3), joka yhdessä
edellisenmuuttujan
kanssa nostiselitysasteen
60prosenttiin.
Seuraavaksi
selittäjäksi
tuli humuskerrok senpH (hpH). Selittäjän regressiokerroin
Taulukko 2. Pituusboniteettia (H100) parhaitenselittä väänregressiomalliin valikoituneet muuttujat tunnus lukuineen.
Table 2.Thevariables aswellastheirparameterschosen by stepwise regression analysis best describing site index(H
100).
1)Lyhenteettaulukossa1—SeeTable1for symbols 2)Estimaatinkeskivirhe—Standarderror
oftheestimate Muuttuja Regr. kerroin
F
Askel askeleelta —
Step by step
—
r5 TTT
Variable Regr. coeff.
Vakio — Constant In (kCa)
In (hN) hpH md CT Is In (hK) In (hP)
20,43 2,193 8,875
- 3,636
- 3,375
- 3,433 0,00741
- 5,791 2,568
65,9 18,0 11,0 9,0 6,6 11,0 6,3 6,9
0,49 0,60 0,66 0,70 0,73 0,77 0,79 0,81
3,39 3,03 2,83 2,67 2,56 2,38 2,29 2.19
8
(—3,636)
kuitenkinosoittaa,
että alhaisillapH-arvoilla
boniteetti olisisuurempi
kuin korkeammilla.Tämäsinänsäepälooginen
tu losjohtuu selittäjien
keskinäisestä korreloi tumisesta. HumuskerroksenpH
korreloierityisesti
kivennäismaankalsiumin(r
=0,38) ja
humuksentypen(r
=0,64)
kanssa. Pituus boniteetin kanssapH
korreloipositiivisesti,
mutta muiden
selittäjien
lisääminen malliin muuttiriippuvuuden
suunnan, kuten seu raavat osittaiskorrelaatiot osoittavat:Maalajin
vaikutusnäkyy
mallissasiten,
et tä keskiraekoon(md)
kasvaessa boniteettipienenee.
Tavallaansamaaasiaakuvaamyös
se, että kuivat kankaat
(valemuuttuja CT)
muodostivat merkitsevästi muistapoikke
avan
ryhmän, jossa pituusboniteetti
olimuitaalhaisempaa
tasoa.Lämpösumma (ls) pienenee pohjoista
kohti, joten
onluonnollista,
ettätällöinmyöspi
tuusboniteettipienenee.
Lisäksi malliin tuli mukaan humuskerroksen vaihtuva kalium(hK) ja
liukoinenfosfori(hP).
Kaliumillaregressiokertoimen (—5,791)
etumerkkionepä looginen,
samoinkuin humuksenpH:llakin.
Selitys löytyy
tässäkintapauksessa selittäjien
keskinäisestä korreloitumisesta. Osittaiskor relaatiokerroinmuuttujien
ln(hK) ja
H ,00 välillä muuttuialunperin positiivisesta (r
=0,17)
vaiheittainvahvastinegatiiviseksi (r
=—0,41) regressioanalyysin
edetessä.Malliintulleista
selittäjistä
puuttuu valtaosa
tarjolla
olleistamuuttujista. Metsätyy peistä
vain CT tulimukaan, puulajit
eiväteronneet merkitsevästi
toisistaan,
rakeisuus tunnuksista tuli mukaan vain keskiraekokojne.
Tämäjohtuu muuttujien
keskinäisistäriippuvuuksista.
Esimerkiksipuulajin jäämi
nen
pois
mallista voidaan selittääsillä,
että aineiston männiköt kasvoivat karummillakasvupaikoilla
kuin kuusikot. Tätenpuulaji
tulipeitetysti
malliinmuidenviljavuutta
ku vastavientekijöiden välityksellä.
32. Mallin
yksinkertaistaminen
Taulukossa2
esitetyn
mallinselittäjinä
esiin tyy kentällähankalasti määriteltäväkeskira ekoko sekälämpösumma.
Jottayhtälön
Kuva 2. Pituusboniteetin (H100) riippuvuus kivennäis maanvaihtuvastakalsiumista (kCa, mg Ca/1).
Figure 2. The dependence ofsite index (Hwo) on the exchangeablecalcium inmineralsoil(kCa,mgCa/l).
Kuva3. Pituusboniteetin (H100) riippuvuus humusker roksen orgaanisenaineentyppipitoisuudesta(hN,%).
Figure3. The dependenceofsite index (HI00) on the nitrogencontentoforganicmatterin thehumuslayer (hN, %).
käyttö
olisiyksinkertaisempaa,
kokeiltiin voitaisiinkonämämuuttujat
ottaaselittäjiksi luokkamuuttujina. Niinpä
keskiraekokokor vattiintavanomaisillamaalajiluokilla:
lallissa mul:ana In (kCa;
-0,02
ln (hN;
;hpH, Hioo) 0,25
-0,38'
HHt) KHt) HHk) KHk)
Hieno hieta Karkea Hieno hiekka Karkea
0,02—0,06 0,06—0,2 0,2 —0,6 0,6 —2,0
5 mm (n = 1) (n =45' (n =14' (n = 10]
Taulukko 3. Pituusboniteettia (H100) selitettävä yksin kertaistettu regressiomalli.
Table 3. The simplified regression model for site index (H,oc>-
R2= 0,76 s.e.= 2,40
1)Lyhenteettaulukossa 1 —SeeTableI for symbols
= Selitysaste — Coefficient of determination
s.e. =Estimaatinkeskivirhe—Standarderroroftheestimate
Kukin
maalaji
otettiinerillisenävalemuuttujana mukaan, jolloin
se saijoko
arvon0tai1. Kuten aineiston kuvauksessa
mainittiin,
valtaosa koealoista oli keskiraekooltaan kar keata hietaa tai hienoa hiekkaa.Lämpösumman
tilalleotettiinyksinkertai
nen
jako
kolmeen luokkaan. Näitä luokkia vastaavien alueidenrajat
onpiirretty
aineiston
sijaintia
esittävään karttaan(kuva 1).
Tästäsaatiin
selittäjistöön
kolme uutta(0/1)- valemuuttujaa
korvaamaanlämpösummaa.
Valikoiva
regressioanalyysi
antoiperiaat
teessa samanlaisen tuloksen kuin taulukossa 2.
Selitysaste
eipienentynyt
lainkaan,mikäosoittaa,
ettäluokkamuuttujilla
voidaankorvata keskiraekoko
ja lämpösumma.
Kun li säksi mallistapoistettiin
suhteellisenheikosti boniteetin kanssa korreloivat humuskerroksen
pH,
kaliumja fosfori,
saatiintaulukon 3 mukainenyhtälö.
Mallin
selitysaste pieneni täydellisen
mal lin0,81
:stäo,76:een,
mutta samalla saatiinyhtälö, jossa
on vainkaksi maatunnusta mukana, kivennäismaan kalsium
ja
humusker roksenorgaanisen
aineentyppi.
Luokkamuuttujat
ovat kaikki boniteettia alentaviatekijöitä,
kuten niidennegatiiviset regressio
kertoimetosoittavat.Maalajeista
vainkarkea hiekka erottui omaksiryhmäkseen,
metsätyypeistä
kuivatkankaat(CT
taivastaava).
Yksinkertaistetun mallin
neljä
luokittelumuuttujaa jakavat
aineiston kaikkiaan 12 ositteeseen. Valtaosaositteistajäi
kuitenkin aineistonsuppeuden
taiyhdistelmän epäta
vallisuuden vuoksi niinpieniksi,
ettei niiden edustavuuttavoipitää tyydyttävänä.
TämänKuva4.Pituusboniteetin (H100) riippuvuushumusker roksen orgaanisen aineen typpipitoisuudesta ja kiven näismaan kalsiumpitoisuudesta. Kuivahkot, tuoreet
ja lehtomaisetkankaat,maankeskiraekoko karkeata hiekkaa hienompaa.
Figure 4. The dependence of site index (H100) on the nitrogencontentoforganicmatterinthehumuslayer and exchangeable calcium in mineral soil of fresh upland sites with finer than coarsesandtexture.
vuoksi
jatkotarkastelu
tehtiin ainoastaan kahdella ositteella:Tarkasteltavat ositteet kattavat siten Suo menetelä-
ja
keskiosienkuivia kankaitatuo reemmatmetsätyypit
karkeata hiekkaa hie nommillamailla.Taulukon3yhtälö
saanäil le ositteille seuraavan muodon:Näiden
yhtälöiden
avullaonpiirretty
kuvassa 4
esitetty käyrästö, jonka
avulla voi daan arvioidatiettyä
kalsium-ja typpitasoa
vastaava keskimääräinen
pituusboniteetti
erikseenKeski-ja
Etelä-Suomeavarten(vas
taavatalueita2
ja
3 kuvassa1).
Luonnollises ti myösyhtälöillä
1ja
2 saadaanvastaava tv (1) HlOO=13,14+ 1,608In(kCa)+6,165In(hN) (2) Hloo=15,05+ 1,608In(kCa)+6,165ln(hN) luuttuja
/ariable
Valem. (0/1) Regr. kerroin Dummy var.(0/1) Regr. coeff.
Vakio —Constant In (kCa) In (hN) Is, 800—1000 d.d.
md, karkea hiekka—
coarse sand CT
Is, 1000—1200 d.d.
x
x
X
X
15,05 1,608 6,165
- 5,409
- 3,160
- 3,914
- 1,909 10,2 11,8 23,6 12,4
14,0 7,0
•site 1
•site 2 CT
Ei Ei
Alue
2 3
KHk
Ei Ei
Havaintoji 15 34
10
los. Aineiston
rajoittuneisuuden
vuoksiyhtä
löitäja käyriä
on kuitenkinpidettävä
vainsuuntaa antavina.
Yhtälöiden 1
ja
2 samoin kuin kuvan 4käyrien
tarkkuudestasaakäsityksen
kuvan 5 avulla.Nähdään,
ettäennusteenpoikkeavuus
mitatustapituusboniteetista
saattaayksittäis tapauksissa
ollajopa
4 —5 m. Tavallisestipoikkeamat
ovat kuitenkin olleetenintään2 m. Männiköillemallionolluttasapainoinen.
Kuusikoissa sen
sijaan näyttäisivät pienet
bo niteetit(alle
21m)
tulleenaliarvioiduiksi,
suuret
(yli
30m)
taasyliarvioiduiksi.
Kuva5. Taulukossa 3 esitetyllä mallilla ennustetun pi tuusboniteetin (H100) tarkkuus. Aineisto sama kuin kuvassa 4.
Figure5. The accuracy ofsite index (HI00) predicted usingtheregression model described in Table 3. The materialisthesameasinFigure 4.
4.
LANNOITUSTARPEEN
ARVIOINTIPituusboniteetin
selitysmallin käyttämistä lannoitustarpeen
arviointiin kokeiltiin ensin siltäpohjalta,
että boniteettiestimaatinja
to dellisen boniteetin erotus kuvastaisi odotet tavissa olevaa lannoitusreaktiota. Pituusboniteetti,
sen estimaatti tainäidenerotus pystyivät
kuitenkin selittämäänvain 24 % lan noitusvaikutusten vaihtelusta. Tästä syystäpäätettiin
hakeaerityistä selitysmallia
lannoi tusreaktiolle. Senpohjana käytettiin
edelläsaatua
tulosta, jonka
mukaan tärkeimmätkyseeseen
tulevat maatunnuksetovat kiven näismaanvaihtuvakalsiumja
humuskerrok senkokonaistyppi.
41. Aineiston
rajoittaminen
Lähtöaineistona olleista 48 kokeesta karsit tiinensin
pohjoisen vyöhykkeen (vyöhyke 1,
kuva1)
viisikoetta, joiden vertailukelpoisuus eteläisempien
kokeiden kanssa onkyseen
alainenilmastoeroistajohtuen.
Maanetelä-
ja
keskiosienkokeistajätettiin pois
karuimmatmaat,joissa metsätyyppi
on CT:tä tai keskiraekoko karkeata hiekkaa(>0,6 mm).
Tämä siitäsyystä,
että nämä muodostivatjo viljavuustarkastelussa
omanryhmänsä (taulukko 3).
Tällaisillakokeilla, joita
aineistossaoli 12,vedensaantirajoittaa
kasvua siinämäärin,
että lannoitusreaktiojää yleensä
melkopieneksi (Kukkola ja
Sa ramäki1983).
Jäljelle jääneistä
karsittiin edelleenneljä
koettasiitäsyystä,
että kivennäismaankeski raekoot0-ja
N-koealoillapoikkesivat
liiaksi toisistaan.Rajana pidettiin
75 %:npoikkea
maa0-ruudunkeskiraekoosta. Tämänlisäksi aineistosta
jätettiin pois
kaksikoetta, joissa
0-ja
N-ruuduilleyhtälöllä (taulukko 3)
lasketut
Hjoo-arvot poikkesivat
toisistaan enem mänkuinyhtälön
keskivirhe(2,4 m).
Mainittujen toimenpiteiden
seurauksena saatiin 25 kokeenaineisto, joka
edustaamaanetelä-
ja
keskiosien CT:täviljavampia
kasvupaikkoja ja joilla maalaji
on keskimää rin karkeata hiekkaahienompaa.
Karsinnanseurauksena aineistosta saatiin melko tasai nen, mutta suppea. Koska koemetsiköiden ikä vaihtelitässäkinaineistossa
suuresti,
otet tiin selittäväksimuuttujaksi
lannoituksella saatu suhteellinenkasvunlisäys (%
kasvusta ilmanlannoitusta)
absoluuttisenvaikutuksensijasta.
Eräitätietoja
aineistosta on koottu taulukkoon 4.42. Maan
typpi ja
kalsiumselittäjinä
Kun suhteellista lannoitusvaikutusta
(vaik.
%)
selitettiinerilaisillapuustotunnuksilla,
todettiin,
että kasvu ilman lannoitusta(i
v)
oli voimakkainselittäjä.
Parhaallamallilla, jossa selittäjänä
olipelkästään
l/iv,päästiin
42prosentin selitysasteeseen.
Kasvun lisäksi muillaselittäjillä
oli vain vähänselitysvoi
maa.Koskasuhteellinen
kasvunlisäys
onlas kettuprosentteina
iv:stä, saatu tulos on 100-ginen.
Kasvun voimakkaastaselityskyvystä
sekä sen korrelaatiostakasvupaikkatekijöi
denkanssaaiheutuikuitenkinse,etteiaineis tossa ollut mahdollistayhdistää puusto- ja
maatunnuksiasamaanselitysmalliin.
Seuraavaksi kokeiltiin erilaisia mahdolli suuksia selittää suhteellista
kasvunlisäystä
kivennäismaan vaihtuvankalsiumin(kCa) ja
humuskerroksenorgaanisen
aineentyppipi
toisuuden(hN)
avulla. Kunkasvunlisäys
olisaatu N-
ja
0-koealan erotuksena, otettiin kalsiumarvonäidenkoealojen
keskiarvonaja typpiarvo
O-koealalta. Kalsium osoittautui selvästityppeä
vahvemmaksiselittäjäksi,
mutta se ei kuitenkaan pystynyt
syrjäyttä
mään tätä huolimatta näiden tunnusten voi makkaasta korreloitumisesta(r
hN> kca=
0,60). Niinpä parhaaksi
todetussa mallissa ovatkin sekätyppi
että kalsiummukana:Taulukko4. Lannoitustarpeen arviointiin käytettyaineisto.
Table4.Materialused for estimation of the fertilizer requirement.
1) mä=mänty (Pinus silvestris L.) ku=kuusi (Picea abiesKarst).
2)Humuksen kokonaistyppi, % org.aineesta —Totalnitrogeninthehumus layer, % of organicmatter.
3)Kiv.maan(0—30cm)vaihtuvaCa, mg/1 —Exchangeable Cainthemineralsoil(0-30cm), mg/l.
4) Ensimmäisten 5 vuoden aikana — During thefirst 5 years.
5) Kokeenalussa—Atthe beginning of the experiment.
(3) vaik. % = 3,81927 - 74,2041 (hN) + 0,599809 (kCa)
—1,86505(kCa)/(hN)+44,0112ln(kCa) R=0,61 s.e.= 16,40
Sijainti Location
Puulaji1^
Species H,00
m
hN2> kCa3>
Typen Effect of N mVha/a %
i4) Vv mr/ha/a
Ikä5>
Age Coe
Ixp.
25 55 115 156 224 34 49 112 147 153 154 182 183 83 99 104 129 131 139 86 87 120 130 202 203
Punkaharju Sääminki Heinolan mlk
Kerimäki Sulkava Punkaharju Heinola Mouhijärvi Heinola
Längelmäki
Pihtipudas Kuru
Perho Kuorevesi Eno Vieremä Kuru
Ähtäri Eno Längelmäki
mä
ku
mä
ku
28 26 27 27 24 26 25 29 21 32 31 28 26 21
23 18 26 25 25 18 18 22 25 20 18
1.29 1.88 1.89 2,00 1.30 1.91 2.38 2.33 1,65 2,41 2,13 1,67 1,54 1,28 1,18 1,28 1,52 1.90 1.49 1,27 1.50 1.34 1.92 1,60 1.39
133 222 151 148 81 123 243 76 185 678 406 48 48 46 103 28 89 70 147 55 81 82 5,8 49 106
0,2 0,7 1.5 1.6 2,9 1.4 0,6 3,1 1.1 -1,4 0.8 2,6 2.8 1.5 1.6 0,6 0,6 0,9 1,4 1.2 1.9 0,8 -0,2 2.7 -0,1
2 22 19 22 45 50 19 20 15 -9 4
23 27 58 35 26 9 9 19 36 66 15 -2 42 -1
8,6 3,4 7,9 7.3 6.4 2,9 3.4 15,9 7.5 14,7 17,4 11.2 10.3 2.6 4,4 2.2 6.3 9.4 7.7 3.3 2.8 4.9 10,9 6.4 8,4
30 15 45 50 85 22 25 33 90 50 35 70 80 90 31 130 70 45 30 105 95 90 45 90 100
12
Yhtälön
ennustyskykyä
voidaantarkastel la kuvan 6 avulla. Nähdään,että suuret(yli
20%) kasvunlisäykset
tulivatmyös yhtälön
Kuva6.Mitatun ja maatunnuksilla ennustetunsuhteel lisen kasvunlisäyksen välinenriippuvuus.
Kuva 6. The relationship between the measured and predicted (using soil factors) relative growth responses.
(3)
mukaansuuriksi. Sensijaan pienillä
kasvunlisäyksillä
ennuste olivaihtelevampi.
Kääntäentulosvoidaantulkita
siten,
ettäjos
ennuste antaa voimakkaanreaktion,on
epä
varmaa saadaanko silti
käytännössä
suurtakasvunlisäystä. Toisaalta, jos
ennuste onpie
ni(alle
20%)
tämäyleensä myös
toteutuu.Ennusteyhtälön merkitys
olisi tämänmukaansiinä,
että sillä voidaan erottaa huonot lan noituskohteet muista erilleen.Mallin toiminnan havainnollistamiseksi on kuvaan 7
laskettu,
miten lannoitusreaktio muuttuu typen funktiona eri Ca-tasoilla.Tunnusomaista mallille on, että
typellä
ontietty optimitasonsa, jolla
reaktio on suurin.Kun
Ca-pitoisuus lisääntyy,
tämäoptimityp pipitoisuus
kasvaamyös.
Ilmiövoidaan tul kitasiten,ettähumuksentypentuleeollatie tyssä suhteessa kivennäismaan kalsiumiin.Jos
typpeä
onkalsiumiinnähdenliianvähän,
se kuvastaa
epäsuotuisia kasvuolosuhteita, jotka
voivatjohtua
esimerkiksi vedenpuutteesta. Tällaisessa
tapauksessa
lannoitus eipaljon
pysty vaikuttamaankasvuun.Optimi
tason
yläpuolella
taastypenlisääntyessä
reak tiovähenee,
kuten onodotettavissakin.Kuva 7. Suhteellisen kasvunlisäyksen riippuvuus hu muskerroksen orgaanisenaineen kokonaistyppipitoi suudesta ja kivennäismaan vaihtuvastakalsiumista.
Figure 7. The dependence ofrelative growth response on thetotal nitrogen of organic matterin thehumus layer andonthe exchangeable calciuminmineral soil.
Kuva8. Varjostettu alue osoittaanekalsiumin jatypen pitoisuuksienyhdistelmät,joilla odotettavissa oleva kasvunlisäys on yli 20%kasvusta ilmanlannoitusta.
Figure 8. The shaded areaindicates thecombinations of soil calcium and nitrogencontents with which theex
pected growth response is more than 20 % of the growth withouf fertilization.
43.
Maa-analyysitulosten
tulkintaKoska
yhtälön (3) selityskyky
on melko alhainen,
sen suoranainenkäyttö
kasvunlisäyksen
ennusteen laskemiseenvoi olla harhaanjohtavaa. Niinpä
olisikin suositeltavam paa soveltaa sitä vain kohteiden karkeaanjakamiseen "hyviin" ja
"huonoihin"lannoi tusmetsiköihin.Jos huonon
ja hyvän
reaktionrajaksi
otetaan 20 % kasvusta ilman
lannoitusta,
voi daankohteidenarvostelussakäyttää hyväksi
kuvaa 8. Kuntunnetaan kivennäismaanpin
takerroksen(0
—30cm)
vaihtuva kalsiumja
humuskerroksen
orgaanisen
aineentyppipi
toisuus, voidaankuvasta katsoa, osuuko arvopari hyvän
vai huonon reaktion alueelle.Kutenedellä
todettiin,
tällätavoinhuonoksi osoittautunutkohde ei todennäköisesti reagoi hyvin.
Sensijaan hyväksi
todetunkohteentodellinen
reagointi
onepävarmempaa.On
syytä
kuitenkinmuistuttaa,
ettäesitet ty menetelmäon vaineräs lisätarkistuskoh teenvalinnassa. Puustonja kasvupaikan
lannoituskelpoisuus
ovat needellytykset, jotka
kohteidenvalinnassa tulisi ainaensisijaisesti
ottaa huomioon.
5. TULOSTEN TARKASTELU
Kasvupaikan puuntuotoskyvyn riippuvuutta
eritekijöistä
on tutkittu eripuolilla
maailmaavarsinrunsaasti
(Hägglund 1981).
Useissa tutkimuksissakasvupaikan fysikaaliset
omi naisuudet ovat osoittautuneet vahvimmiksiselittäjiksi.
Shrivastavaja
Ulrich(1978)
tote sivat vesitaloudenyksin
selittävän57%,
mik roilmaston 9 %ja
maan ilmavuuden 2 % kuusikoidenpituusboniteetista
Länsi-Saksas sa. Ravinnetarjonta puolestaan
selittivain 15%.
Moosmayer (1978)
on saanutpelkällä
karttatiedollaja
maastokuvauksellaselitetyk
si noin75% kasvun vaihtelusta.Tärkeinsyy maan kemiallisten tunnusten huonoon selityskykyyn
lienee niiden suuri luontainen vaihtelu(Blyth ja
MacLeod1981b).
Maankemiallisillaominaisuuksillaeiedel lämainitusta
syystä
ole mahdollista kuvatakasvupaikkojen
välisiäeroja
muuta kuin il mastoltaanja
vesitaloudeltaansamankaltai sillakasvupaikoilla (Evers ja Moosmayer
1980).
Tässä tutkimuksessarajaus
vesitalou den suuntaan ilmenisiten,
että hiekkamaat erosivat selvästi muusta aineistosta. Ilmastonmerkitystä puolestaan
osoittilämpösumman
merkitseväselityskyky.
Tarkastelumaanke miallisten ominaisuuksien vaikutuksestapi
tuusboniteettinja
lannoitusreaktioononsitenrajattu
vainEtelä-ja
Keski-Suomen kuivahkoille,
tuoreilleja
lehtomaisillekankaille.Maan kemiallisista ominaisuuksista tär keimmiksi osoittautuivat kivennäismaan kal sium
ja
humuskerroksentyppi.
Paitsijoh
dannossa
mainittuja vanhempia
kotimaisia tutkimuksia tulos onyhtäpitävä myös
usei denvastaavissa oloissasaatujen
ulkomaisten tulostenkanssa.Typen
tunnuksenaonuseim mitenkäytetty C/N-suhdetta, jonka
vahva korrelaatio metsikön kasvuun on todettu mm. Saksassa(Hofmann 1976,
Rehfuessja
Baum1980) ja Yhdysvaltain
kaakkoisosissa(Lea ja
Ballard1982).
Skotlannissa humus kerroksenkokonaistyppi
osoittautui vah vimmaksiyksittäiseksi
kasvunselittäjäksi (r
=
0,42) (Blyth ja
MacLeod1981a).
Tässä tutkimuksessa
käytettiin typpitun
nuksena humuskerroksenorgaanisen
aineentyppipitoisuutta.
Koskaorgaanisen
aineenhiilipitoisuus
vaihtelee varsin vähän(Aalto
nen
1940,
s.286),
tunnusta voidaanpitää
samanarvoisena C/N-tunnuksen kanssa.Kummassakinon
näytteen tuhkapitoisuuden
vaihtelu eliminoitu. Kunorgaanisen
aineenpitoisuus
voidaansaadayksinkertaisesti
kuivapoltolla,
onkäytetty typpiarvo helpompi
määrittää kuin C/N-arvo. Humuskerroksenorgaanisen
aineentyppipitoisuuden ja
boni teetin välisenriippuvuuden
osoittijo
Aaltonen
(1925).
Maan