Tutkijat mallinsivat eri puulajien esiintymistä Amazoniassa
Turun yliopiston Amazon-tutkimusryhmän tutkijat ovat onnistuneet tuottamaan levinneisyysmalleja joukolle tärkeitä trooppisia puulajeja Amazonian alankosademetsäalueella Perussa. Työssä käytettiin koneoppimisen menetelmiä, joilla yhdistettiin satelliittikuvia ja maastosta saatua tietoa. Tutkimus osoittaa, että puulajien levinneisyyttä on mahdollista mallintaa tarkkuudella, joka on riittävä helpottamaan metsäresurssien käytön hallitsemiseen tähtäävää suunnittelua.
Sademetsien latvusto Perun Amazonian alankoalueilla näyttää melko yhdenmukaiselta laajoilla alueilla. Kuva: Hanna Tuomisto.
Amazonia on maailman suurin trooppinen sademetsäalue. Se on erittäin monimuotoinen ja monimutkainen ekosysteemi, jossa arvioidaan kasvavan yli 15 000 puulajia. Yhdellä hehtaarilla voi kasvaa yli 300 puulajia, enemmän kuin koko Euroopassa.
Latvuston puut ovat vaikeita saavuttaa ja määrittää lajilleen, joten laji-inventaariot ovat hitaita, työläitä ja kalliita. Siksi maastossa tehtävät tutkimukset harvoin kattavat riittävän laajoja alueita tuottaakseen luonnonsuojelun ja metsäresurssien käytön suunnitteluun tarvittavaa tietoa. Tietoon pohjautuvaa suunnittelua kuitenkin tarvitaan kiireellisesti, koska laajojen alueiden metsää hävitetään koko ajan maatalouden, kaivostoiminnan, teiden rakentamisen ja muun ihmistoiminnan tieltä.
Uusi tutkimus hyödynsi vapaasti saatavilla olevaa tietoa, jota ovat tuottaneet Landsat- ja Aster-satelliitit. Molemmat rekisteröivät eri aallonpituusalueiden auringonvaloa, joka heijastuu maanpinnasta tai metsän latvustosta.
Landsat-aineisto on erityisen hyödyllistä kasvillisuuden vaihtelun havainnointiin, sillä puulajit, jotka eroavat toisistaan latvuston rakenteen tai lehtien ominaisuuksien suhteen myös heijastavat valoa eri tavoin. Aster-aineisto puolestaan antaa tietoa maanpinnan korkeudesta, joka Amazonian alankoalueella antaa usein viitteitä maaperän kosteusoloista.
– Landsat-aineisto kattaa Amazonian erittäin hyvin sekä ajallisesti että alueellisesti. Olemme tienneet jo jonkin aikaa, että Landsat-kuvien perusteella voi tunnistaa ekologisesti tärkeää vaihtelua ympäristöoloissa ja lajistossa Amazonian sademetsäalueella. Tämä on kuitenkin ensimmäinen kerta, kun käytämme satelliittikuvia lajien esiintymisen varsinaiseen ennustamiseen, sanoo professori Hanna Tuomisto, joka johtaa Turun yliopiston Amazon-tutkimusryhmää.
Tulokset antavat tärkeää tietoa metsävarojen hallinnan ja luonnonsuojelun suunnitteluun
Satelliittikuvissa näkyvän vaihtelun luotettava tulkitseminen vaatii varmennusaineistoa eli maastosta kerättyä dataa. Tutkijat saivat käyttöönsä Etelä-Perussa toimivan Forestal Otorongo -metsäyhtiön keräämän laajan maastoaineiston.
Perun metsälain mukaan metsätalouskäyttöön varatuilla maa-alueilla on tehtävä puulajiselvitys ennen kuin minkäänlaisia hakkuutoimenpiteitä saa aloittaa. Forestal Otorongo antoi aineistonsa tutkijoiden analysoitavaksi vahvistaakseen tietopohjaa, jonka perusteella Perun metsäsektori voi parantaa metsien käyttö- ja hoitotapoja.
– Metsätalouden tarpeisiin kerättyjen aineistojen tietomäärä on valtava. Olisi käytännössä mahdotonta saada yhtä tarkkaa tietoa yhtä laajoilta alueilta tavanomaisten kasvitieteellisten tutkimusmatkojen puitteissa, sanoo yliopistonlehtori Kalle Ruokolainen, joka myös osallistui tutkimukseen.
Jokainen metsäinventoinneissa mitattu puu voidaan paikantaa satelliittikuville, mikä tekee mahdolliseksi heijastusarvojen linkittämisen puulajin esiintymiseen. Koneoppimiseen perustuva algoritmi voi tämän perusteella ennustaa lajin esiintymisen todennäköisyyttä muilla alueilla sen perusteella, kuinka samanlaisia niiden heijastusarvot ovat verrattuna lajin tunnettuihin esiintymispaikkoihin.
Näin mallinnetaan lajien levinneisyyttä. Satelliitti (ylhäällä vasemmalla) mittaa auringonvaloa, joka heijastuu yksittäisistä puista (keskellä vasemmlla) ja metsän latvustosta yleisesti (ylhäällä oikealla). Heijastusarvojen erot voidaan havainnollistaa yksinkertaisella värikuvalla (keskellä oikealla; metsä näkyy vihreänä, metsänpeitteen menettäneet alueet punaisena). Koneoppimisen algoritmit muuntavat tiedon lajin esiintymispaikkojen heijastusarvoista kartaksi, joka esittää ennusteen kunkin paikan soveltuvuudesta lajille (alhaalla oikealla; sininen kuvaa alhaista ja punainen korkeaa soveltuvuutta). Kuva: Pablo Pérez Chaves.
– Amazonian sademetsien hävitys etenee nopeasti Etelä-Perussa. Tutkimuksemme edesauttaa tärkeiden puiden levinneisyyden kartoittamista sekä metsätalouteen ja suojeluun sopivien alueiden tunnistamista. Perimmäisenä tavoitteena on tarjota yksinkertaisia ja käytännöllisiä työkaluja päätöksentekijöille, sanoo Turun yliopiston tohtorikoulutettava, perulainen Pablo Pérez Chaves.
Pérez Chaves, P., Ruokolainen, K. & Tuomisto, H. 2018. Using remote sensing to model tree species distribution in Peruvian lowland Amazonia. Biotropica. https://doi.org/10.1111/btp.12597
HK