Ensimmäinen suotyyppien paikkatietoaineisto kattaa koko Suomen suot ja turvemaat
Suomessa on tuotettu ensimmäinen koko maan kattava suotyyppejä, ravinteisuusluokkia ja soiden maankäyttömuotoja koskeva avoin paikkatietoaineisto. Kaukokartoitusaineistoja ja koneoppimista yhdistämällä parannettiin suokasvillisuudesta ja turvemaiden maaperästä kerätyn tiedon tarkkuutta. Suotyyppiaineisto on tietomäärältään ja -sisällöltään poikkeuksellisen kattava. Tietokanta palvelee niin soiden ilmastopäästöjen ja vesistökuormituksen arviointia kuin uhanalaisten suotyyppien suojelua ja metsätalouden suunnitteluakin.
Maaperän ominaisuuksia kuvaavaa tietoa on Suomessa kerätty hajautetusti useisiin tietokantoihin eri organisaatioiden toimesta. Maaperätietoa on tämän vuoksi jäänyt osin hyödyntämättä tai sitä ei ole voitu soveltaa parhaalla tavalla eri käyttökohteisiin. Varsinkin maa- ja metsätalouden toimien suunnittelua on osaltaan rajoittanut maaperätiedon rajallisuus. Tulevaisuudessa metsätalouden tukien perustana on muun muassa suoaluetason suunnittelu, jonka tueksi tarvitaan aiempaa kattavampaa tietoa soiden ominaisuuksista.
Maa- ja metsätalousministeriön rahoittamassa Maaperätiedon kehittäminen (MaaTi) -hankkeessa tuotettu suotyyppiaineisto täydentää valtakunnallisten paikkatietoaineistojen tarkkuutta suotyyppien, ravinteisuusluokkien ja maankäyttömuotojen (metsätalouskäytössä olevat turvekankaat, turvepellot, turvetuotantoalueet) suhteen.
Aineistosta pystytään määrittämään Suomen koko turvemaa-alalle edellä mainitut luokat 10×10 metrin erotuskyvyllä. Vastaavaa kaikkia turvemaita kattavaa avointa paikkatietoaineistoa ei ole ollut aiemmin saatavilla. Suomen turvemaiden kokonaispinta-ala (n. 9 milj. ha) sisältää ojittamattomat ja metsäojitetut suot, turvemaapellot sekä turvetuotantoalueet. Noin puolet turvemaiden kokonaispinta-alasta on ojitettuja soita (4,7 milj. ha).
”Meillä ei ole aiemmin ollut koko maan kattavaa, yhtenäistä ja yhtenäisesti tuotettua paikkatietoaineistoa tässä tarkkuudessa. Samanlaista informaatiota, pistemäisenä tai pienemmiltä alueilta, on kyllä ollut useissa tietokannoissa, mutta tarkoituksenamme oli tuottaa uutta tietoa olemassa olevan pohjalta. Suotyyppiaineistossa uutta on myös tuotantotapa, jossa käytettiin kaukokartoitusaineistoja monesta lähteestä, maastohavaintoja sekä koneoppimismenetelmiä”, kertoo apulaistutkimusprofessori Maarit Middleton Geologian tutkimuskeskuksesta.
Suotyyppiaineisto on tiettävästi kansainvälisestikin ensimmäinen laatuaan, joka kattaa koko maan turvemaa-alan.
Suotyyppien ennustettavuus omaa luokkaansa
Suotyyppiaineiston muodostamiseen kokeiltiin eri koneoppimismalleja ennustamaan suotyyppejä kaukokartoitusaineistojen avulla. Käytännössä koneoppimisen ns. opetusaineisto koostui kaikista olennaisista, avoimesti saatavilla olevista paikka- ja kaukokartoitusaineistoista. Käsiteltävän datan määrä oli niin suuri, että sen laskemiseen käytettiin CSC Tieteen tietotekniikan keskuksen supertietokoneen laskentaresursseja.
Kaukokartoitusaineistoina käytettiin optista ja tutkakuvasatelliittiaineistoa, maan pinnan ja kasvillisuuden korkeusmalleja sekä monilähteistä valtakunnan metsien inventoinnin- ja lentogeofysiikan aineistoja. Mallintamiseen kuului piirrevalinta, jonka avulla aineistoista etsittiin optimaaliset selittävät tekijät ennustamaan ojittamattomia ja ojitettuja suotyyppejä. Suotyypit muodostuvat kahden gradientin, rehevyyden ja kosteuden, perusteella. Tietoaineisto käsittää 40 eri suotyyppiluokkaa ja seitsemän ravinteisuusluokkaa, mikä on poikkeuksellisen tarkka luokittelu verrattuna muihin kaukokartoituksen avulla muodostettuihin soiden paikkatietoaineistoihin.
Luonnonvarakeskuksen erikoistutkija Sakari Tuomisen mukaan aineiston luotettavuus vaikuttaa hyvältä varsinkin alueellisen tarkastelun ja rehevyysluokittelun suhteen. ”Koneoppimismenetelmille on tyypillistä, että mitä pienempää yksikköä ennustetaan, sitä epävarmemmaksi ennuste muuttuu. Yksittäisen pikselin tasolla kartta-aineistoon jää jo aika paljon epävarmuutta. Empiirisen testiaineiston perusteella laajemmilla alueilla jakaumat osuvat taas hyvin kohdilleen. Myös harvinaisten luokkien ennustaminen on koneoppimismenetelmillä aina vaikeampaa havaintojen vähäisyyden vuoksi. Kuitenkin esimerkiksi suometsien kasvatuskelpoisuuden tunnistamiseen ja arviointiin aineisto voi soveltua pohjatiedoksi”, Tuominen toteaa.
Suotyyppiaineiston käyttäjän kannattaa tutustua aineiston metadataan ja laatuluokituksiin huolella. Aineiston epävarmuustaso vaihtelee luokittelu- ja aluekohtaisesti, koska tiettyjä lähdeaineistoja ei ollut saatavilla kaikilta alueilta. Suotyyppiaineiston ohessa on julkaistu myös tekninen raportti, joka kertoo tarkemmin, miten aineisto on tuotettu.
Aineiston ajan tasalla pitäminen on tunnistettu haaste. Esimerkiksi soiden ennallistamisen toimenpiteet muuttavat suoalueita tälläkin hetkellä nopeasti. Suotyyppiaineiston päivittäminen vaatisi uusinta maastohavaintotietoa ja viimeisintä kaukokartoitusaineistoa, joiden saatavuudessa on suurta vaihtelua. Tilannetta voi tulevaisuudessa parantaa kaukokartoitus- ja koneoppimismenetelmien kehittyminen.
Lisätietoja
Suotyyppiaineisto GTK:n Hakku-aineistopalvelussa:
Suotyyppiaineisto GTK:n Suot ja turvemaat -karttapalvelussa
Maarit Middleton, apulaistutkimusprofessori
Geologian tutkimuskeskus GTK
puh. 029 503 4345
maarit.middleton@gtk.fi
Sakari Tuominen, erikoistutkija
Luonnonvarakeskus (Luke)
puh. 029 532 2167
sakari.tuominen@luke.fi
Raisa Mäkipää, tutkimusprofessori ja MaaTi-hankkeen koordinaattori
Luonnonvarakeskus (Luke)
puh. 029 532 2197
raisa.makipaa@luke.fi
Maaperätiedon kehittäminen (MaaTi) -hanke on osa maa- ja metsätalousministeriön keväällä 2020 käynnistämää maankäyttösektorin Hiilestä kiinni -ilmastotoimenpidekokonaisuutta, jolla pyritään vähentämään maa- ja metsätalouden ja muun maankäytön kasvihuonekaasupäästöjä ja vahvistamaan hiilinieluja ja varastoja. Hanke toteutettiin Luonnonvarakeskuksen johdolla yhteistyössä Geologian tutkimuskeskuksen, Helsingin yliopiston ja Turun yliopiston kanssa.
