Open Knowledge, Open Sustainability, Lajirikkauskartta hanke-esittely

1. Lajirikkauskartta
Open Knowledge Finland -yhdistyksen
Open Sustainability -työryhmän
hankkeen esittely
Tämä dokumentti: http://okf.fi/lajirikkauskartta-hanke
Jaakko Korhonen, Open Knowledge Finland
jaakko@okf.fi

5. Purunpää datana

6. Larikkauskartta
Lajirikkauskartta visualisoi valtakunnan
biotoopit kartalla. Valtakunnan arvokkaiden
luontoympäristöjen tunnistaminen helpottaa
kotimaan matkailua ja mahdollistaa
faktapohjaisen arvioinnin metsätalouden
vaikutuksista luontoarvoihin.

10. Potree Demo
UAV aerial mapping point cloud

11. Sovellusympäristö
Koko maan biomassa
● Puulajijakauma
● Maaperätieto
● Kosteusindeksi FMI
● Infrapunakuva
● Laserkeilausaineisto:
puuston korkeus,
tilavuus, ikä
Data yhdenmukaistetaan
Muodostetaan analyysikerroksia
Biotoopit tunnistetaan ja arvotetaan: Koko,
lajisormenjälki, vertailu koealoihin, koko, yhteydet
muihin biotooppeihin, paikallinen merkittävyys.
Sovellusympäristö:
● Oskari
● PostgreSQL
● PostGIS
100-200 teraa levytilaa TIFF-,
JPEG2000- ja keilausaineistoille.
Paljon laskutehoa. Keilausaineiston
laskeminen koko valtakunnan alueelle
vie normaaleilla palvelimilla päiviä ja
viikkoja.
Projektin tulokset julkaistaan
avoimena datana, rajapintoina ja
lähdekoodina.

12. Luontoarvojen kriteeristö Suomessa
Ensimmäiset tutkittavat kriteerit ovat puuston tilavuus pääpuulajeittain, keskiläpimitta, kasvupaikka, puuston
kokonaistilavuus, kasvupaikkaluokka, lehtipuiden osuus puuston tilavuudesta ja puuston ikä. Lisäksi tarvittaneen jotain
metsän rakenteeseen liittyvää, kuten puulajisuhteet, puuston ikäluokka, lahopuun määrä tai metsän tiheys.
Taustadatoista pääosassa ovat maanlaajuiset metsävaroja, luonnonsuojelualueita ja lajihavaintoja kuvailevat avoimet
paikkatietoaineistot
Runsaspuustoisimmat metsät ovat kipupiste, koska nämä ovat paitsi kaikkein houkuttevimpia hakkuukohteita, myös
usein arvokkaita suojelun kannalta, maaperän ravinnetasosta riippumatta. Runsaspuustoisimmissa kohteissa on myös
todennäköisesti eniten järeää lahopuuta, joka on metsälajiston kannalta yksi tärkeimmistä piirteistä. Tarkastelussa on
tunnistettava erikseen kuivahkon kankaan, tuoreen kankaan ja lehtomaisen kankaan metsät, lehtojen lisäksi.
Kuivahkosta kankaasta kun mennään karummaksi, kallioisuus ja vähäpuustoisuus vaikuttaa mielenkiintoisuuteen sekä
metsätalouden että luontoarvojen kannalta.
Työn ohessa syntyy myös kokemuksia skriptauskielten suhteellisesesta tehokkuudesta geoprosessointiin.
Lähtökohtaisesti analyysit toteutetaan R-kielellä kunnes tulee pullonkauloja. GDAL toimii taustasovelluksena joka
tapauksessa joten jos pitää alkaa operoimaan rasterihilojen arvoilla, niin voidaan joutua siirtymään Python + gdal +
numpy -yhdistelmään. Konkreettisena tuotoksena kartta sekä selvityksiä vaikuttavista tekijöistä
Verkkokartta tarjotaan avoimen lähdekoodin alustalta, ja siihen liitetään mukaan tarpeellisia analyysi- ja
visualisointitoimintoja.

13. Potentiaaliset datalähteet
● Metsäntutkimuslaitoksen monilähteinen valtakunnan metsien inventointi http://kartta.metla.fi/valinta.
html, tuolla mm. tilavuutta pääpuulajeittain, keskiläpimittaa, kasvupaikkaa, puuston kokonaistilavuus,
kasvupaikkaluokka, lehtipuiden osuus puuston tilavuudesta jne.
● Maanmittauslaitoksen maastotietokanta ja korkeusmallit https://tiedostopalvelu.maanmittauslaitos.
fi/tp/kartta
● Maanmittauslaitoksen lentokoneesta tehty valtakunnallinen laserkeilausaineisto.
● JulkICT avoimen tiedon portaali avoindata.fi.
● Ympäristöhallinnon paikkatietoaineistot http://paikkatieto.ymparisto.fi/lapio/lapio_flex.html#
● Luomusin FinBIF- aineistot http://ws.luomus.fi/lajitietokeskus/?locale=en ja http://www.gbif.
org/country/FI/summary
● Kenttäkatselmointien havainnot.
● Birdlife Finlandin tietokanta havainnoista http://www.tiira.fi/
● Projektin aikana ilmenevät muut lähteet.
Näistä on mallisuorituksia. Esim. Nordic Board for Wildlife Research teki MLVMI:tä käyttäen analyysi Metsolle
lintuanalyysin pelkän metsävaratiedon perusteella. http://www.bioone.org/doi/abs/10.2981/11-073

14. Kysymyksiä?
Kommentteja?
Kiitos!