http://creativecommons.org/licenses/by/4.0/

http://creativecommons.org/licenses/by/4.0/

http://creativecommons.org/licenses/by/4.0/

Monilähteinen inventointi tehtiin Suomeen ensimmäisen kerran

1990-1994. Ensimmäinen koko maan tuote valmistettiin vuosina 1990-1994;

seuraavat ovat vuosilta 1996-2003, 2005, 2007 ja 2009. MVMI 2011 on

tekeillä. Ensimmäisessä vaiheessa vapaassa jakelussa ovat vuoden 2009

karttamuotoiset tulokset. Jatkossa uudet teemat tuotetaan yhden tai kahden

vuoden välein.

Vuoden 2009 tuloslaskentaan käytettiin yhteensä noin 54 000 VMI-maastokoealaa

metsä-, kitu-, ja joutomaalta. Kuva-aineistona käytettiin pääasiasssa Landsat

5 satelliitin TM-kuvia ja, jollei niitä ollut saatavilla joko IRS P6, ALOS

AVNIR-2 tai Landsat 7 ETM+ kuvia.

Jotta koko maasta voitaisiin esittää mahdollisimman täydellinen kartta, tässä

tuotteessa on yhdistetty: 1. vuoden 2009 tulos, jossa on käytetty vuosien

2006-2010 VMI-koealatietoja sekä vuosien 2009-2010 satelliittikuvia,

2. Ahvenanmaalta tulos, jossa on käytetty vuoden 2007 VMI-koealatietoja ja

vuoden 2009 kuvia, 3. likimain Inarin ja Utsjoen alueen tulos, jossa on

käytetty vuoden 2003 koealatietoja ja vuoden 2009 kuvia, 4. Enontekiön tulos,

jossa on käytetty vuoden 2003 koealatietoja ja vuoden 2000 kuvia. Tätä on

vielä täydennetty edellisen, vuoden 2007 MVMI-tuotteen avulla, jossa on

käytetty vuosien 2005-2008 VMI-koealatietoja ja vuosien 2005-2007

satelliittikuvia. Tähän tuotesarjaan kuuluvasta indeksikartasta

"Tietolähdeindeksi, MVMI 2009" näkyy, mistä osa-aineistosta kuva-alkiot ovat

peräisin.

Karttamuotoiset ennusteet tuotettiin tarkennetulla ei-parametrisellä k:n

lähimmän naapurin estimointimenetelmällä (k-NN menetelmällä). Useimmiten

estimoinnissa käytettiin viittä lähintä naapuria. Tarkennetussa k-NN

estimoinnissa piirteiden painot optimoidaan minimoimalla estimoitavien

muuttujien ennustevirheet geneettisen algoritmin avulla. Satelliittikuvan

piirteiden lisäksi käytetään metsämuuttujien suuraluekarttoja piirteinä, tässä

aineistossa puuston keskitilavuus puulajeittain. Tarkoituksena on ohjata

lähimpien naapureiden valintaa luokitettavaa kuvanalkiota muistuttaviin

metsiin (kts. alla viitteet). Estimointi tehtiin erikseen kivennäismaan,

puustoisten soiden ja avosoiden ositteille kullekin satelliittikuvalle tai

peräkkäisten satelliittikuvien jonolle. Kuvan ja koealojen ositus perustui

Maanmittauslaitoksen maastotietokannan karttatietoon.

Aineistosarja sisältää kaikkiaan 43 teemaa, jotka voidaan ryhmitellä muutamaan ryhmään:

Puuston tilavuus on esitetty yhteistuloksena sekä jaoteltuna puulajiryhmiin

(mänty, kuusi, koivu, muut lehtipuut) ja puutavaralajeihin (tukkipuu,

kuitupuu). Puun tilavuus tarkoittaa runko-osan tilavuutta kannon yläpuolelta

puun latvaan. Maastokoealan puuston tilavuus lasketaan koealaan kuuluvista

puista käyttäen puista mitattuja tunnuksia sekä

runkotilavuusmalleja. Ladattavissa kartoissa runkotilavuus esitetään 1 m3/ha

luokissa.

Puuston biomassa on jaoteltu seitsemään eri ositteeseen. Puun runkobiomassa

tarkoittaa kuorellisen runko-osan biomassaa kannon yläpuolelta puun

latvaan. Puun elävien oksien biomassa sisältää kaikkien elävien oksien massan

ilman neulasia tai lehtiä. Puun kuolleiden oksien biomassa sisältää elävien

puiden kuolleiden oksien biomassan ilman mahdollisesti jäljellä olevia

neulasia tai lehtiä. Puun lehvästön biomassa tarkoittaa elävien neulasten tai

lehtien biomassaa. Puun kantobiomassa sisältää elävien puiden kantojen

massan. Sekä maanpäälliset että maanalaiset kannon osat otetaan huomioon, ei

kuitenkaan juuria. Puun juuribiomassa sisältää elävien puiden yli 1 cm:n

paksuisten juurien massan. Puun rungon hukkapuuosan biomassa tarkoittaa

sellaisen kuorellisen runko-osan biomassaa, joka osa ei kelpaa aineispuuksi

joko kokonsa tai laatunsa vuoksi.

Maastokoealan biomassat lasketaan koealaan kuuluvista elävistä puista käyttäen

koepuista mitattuja tunnuksia ja tilavuusmalleja sekä puuaineen tiheysmalleja

(Repola ym. 2007) ja biomassamalleja (Repola 2008, 2009). Niin sanottujen

lukupuiden tilavuudet ja runkobiomassat estimoidaan koepuiden estimaattien

sekä lukupuu- ja metsikkötunnusten avulla. Ladattavissa kartoissa biomassat

esitetään luokissa 10 kg/ha.

Metsikkökuvion puuston ikä määritellään elävien puiden pohjapinta-alalla

painotettuna keski-ikänä. Keski-ikä mitataan tai arvioidaan maastossa koealaan

osuneilta metsä- ja kitumaan metsikkökuvioilta yhden vuoden luokissa.

Metsikkökuvion puuston pohjapinta-ala on elävien puiden runkojen

poikkileikkausala 1.3 metrin korkeudelta hehtaaria kohti laskettuna. Puuston

pohjapinta-ala mitataan maastossa koealaan osuneilta metsä- ja kitumaan

metsikkökuvioilta 1 m2/ha luokissa.

Metsikkökuvion puuston keskipituus on elävien puiden pohjapinta-alan mediaania

vastaavan puun pituus. Se on likimain sama kuin pohjapinta-alalla painotettu

puiden pituuksien keskiarvo. Puuston keskipituus mitataan maastossa koealaan

osuneilta metsä- ja kitumaan metsikkökuvioilta 1 dm:n luokissa.

Metsikkökuvion puuston keskiläpimitta 1.3 metrin korkeudelta on elävien puiden

pohjapinta-alan mediaania vastaavan puun läpimitta. Se on likimain sama kuin

pohjapinta-alalla painotettu puiden läpimittojen keskiarvo. Puuston

keskiläpimitta mitataan maastossa koealaan osuneilta metsä- ja kitumaan

metsikkökuvioilta 1 cm:n luokissa.

Puuston latvuspeittävyys VMI:ssa tarkoittaa koealan puuston vaakatasoon

projisoidun latvuston peittämää osuutta koealan alasta. Latvuspeittävyys

arvioitiin VMI10:ssä prosentteina (0-99) kiinteäsäteiseltä koealalta metsä-,

kitu ja joutomaalla. VMI11-koealoille ennustettiin latvuspeittävyys

k-NN-menetelmällä VMI10-koealoja käyttäen. VMI9:ssä (Ylä-Lappi)

latvuspeittävyys arvioitiin koelalta kolmessa luokassa, jos koealan keskipiste

sijaitsi metsä-, kitu-, tai joutomaalla. VMI9 koealoille laadittiin

regressiomalli latvuspeittävyyden ennustamiseksi yhden prosentin yksiköissä.

Lehtipuuston latvuspeittävyyden osuus johdettiin koko puuston

latvuspeittävyydestä käyttäen lehtipuuston tilavuuden arvioitua osuutta kuvion

puuston tilavuudesta (taimikoissa taimien runkoluvuista).

Maaluokka jakaa metsätalousmaan alaluokkiin metsämaa, kitumaa ja joutomaa sekä

metsätalouden tiet ja varastot. Metsätalousmaan ulkopuolella maaluokka kuvaa

maankäyttöä. Ladattavassa kartassa yhdistetty metsä-, kitu- ja joutomaa

perustuu Maanmittauslaitoksen maastotietokannan rajaukseen, jonka avulla

erotetaan muiden maaluokkien peittämä alue. Jokaiselle kuvanalkiolle rajauksen

sisällä on ennustettu todennäköisin kolmesta edellä mainitusta maaluokasta.

Päätyyppi jakaa metsämaan, kitumaan ja joutomaan kivennäismaiksi ja soiksi ja

suot edelleen korpiin, rämeisiin ja avosoihin. Sekä satelliittikuvat että

VMI-koealat ositetaan ennen analyysia Maanmittauslaitoksen maastotietokannan

mukaisiin kivennäismaihin ja soihin. Jokaiselle kuvanalkiolle ennustetaan

todennäköisin neljästä edellä mainitusta VMI:n päätyypistä. Siten ositteen

sisällä voi olla sekä VMI:n mukaisia kivennäismaita että soita.

Kivennäismaiden metsämaat jaetaan seitsemään kasvupaikkatyyppiin Lehto ja

Leikolan (1987) mukaan. Seitsemäs luokka, kalliomaat ja hietikot voivat olla

myös kitu- tai joutomaata. Pohjois-Suomessa kahdeksannen luokan muodostavat

lakimetsät ja tunturit ja ne ovat aina kitumaata tai joutomaata. Sekä korvet,

rämeet että avosuot luokitetaan kuuteen kasvupaikkaluokkaan riippumatta

maaluokasta. Sekä satelliittikuvat että VMI -koealat ositetaan ennen analyysia

Maanmittauslaitoksen maastotietokannan mukaisiin kivennäismaihin, puustoisiin

soihin ja avosoihin. Jokaiselle kuvanalkiolle on ennustettu karttaositteen

sisällä todennäköisin kasvupaikkatyyppi. Siten karttaositteen sisällä voi olla

sekä VMI:n mukaisia kivennäismaita että soita.

Kuvanalkion tasolla ennustevirhe on suurehko, mutta pienenee alueen koon

kasvaessa. Teemojen kuvanalkiokohtainen keskivirhe vaihtelee alueen

sijainnista, puuston tilavuudesta ja kasvupaikasta riippuen.

Tilavuusteemojen keskimääräiset virheet kuutiometreinä/ha on esitetty alla

kuusikoina (puulajiryhmä puutavaralaji Etelä-Suomi/kivennäismaa

Etelä-Suomi/suo Pohjois-Suomi/kivennäismaa Pohjois-Suomi/suo):

kaikki kaikki 86 66 47 32

mänty kaikki 63 53 40 26

manty tukki 39 29 19 7

mänty kuitu 40 37 30 22

kuusi kaikki 63 37 27 12

kuusi tukki 43 23 12 3

kuusi kuitu 33 21 18 10

koivu kaikki 32 30 19 16

koivu tukki 10 7 2 1

koivu kuitu 25 25 17 13

lehtipuu kaikki 22 10 8 4

lehtipuu tukki 7 3 2 1

lehtipuu kuitu 16 8 7 2

Biomassojen kuvanalkiotason keskivirheiden (yksikkö 10 kg/ha) suuruusluokka on

seuraavassa kuusikoina (puulajiryhmä biomassaosite Etelä-Suomi/kivennäismaa

Etelä-Suomi/suo Pohjois-Suomi/kivennäismaa Pohjois-Suomi/suo):

mänty runko ja kuori 2400 2100 1500 980

mänty elävät oksat 400 350 350 230

mänty kuolleet oksat 95 85 71 52

mänty neulaset 150 140 140 100

mänty kannot 190 170 140 94

mänty juuret 590 500 410 250

mänty hukkapuu 200 220 190 220

kuusi runko ja kuori 2300 1400 1000 450

kuusi elävät oksat 550 340 340 150

kuusi kuolleet oksat 100 63 48 23

kuusi neulaset 360 250 230 110

kuusi kannot 210 120 110 48

kuusi juuret 760 470 430 200

kuusi hukkapuu 19 18 16 14

lehtipuu runko ja kuori 9 8 8 6

lehtipuu elävät oksat 31 35 50 46

lehtipuu kuolleet oksat 62 52 40 25

lehtipuu lehvästö 58 47 41 35

lehtipuu kannot 9 8 6 6

lehtipuu juuret 85 66 47 31

lehtipuu hukkapuu 39 29 18 7

Muiden jatkuva-arvoisten teemojen kuvanalkiotason keskivirheiden suuruusluokka

on seuraavassa kuusikoina (muuttuja Etelä-Suomi/kivennäismaa Etelä-Suomi/suo

Pohjois-Suomi/kivennäismaa Pohjois-Suomi/suo, yksikkö):

ikä 32 35 50 47 a

pohjapinta-ala 9 8 6 6 m3/ha

keskipituus 59 47 42 35 dm

keskiläpimitta 9 8 8 6 cm

latvuspeittävyys 20 18 16 14 %

lehtip. latvuspeittävyys 15 12 11 10 %

Maaluokkateemassa oikein luokitettujen kuva-alkioiden osuus on keskimäärin 92%

kun luokitusta verrataan VMI:n maastoluokitukseen. Metsämaaksi luokitetuista

kuva-alkioista keskimäärin 98% on VMI:n mukaista metsämaata, kun taas VMI:n

mukaisesta metsämaasta 95% on luokitettu metsämaaksi. Kitumaan osalta

vastaavat osuudet ovat 38% ja 50% ja joutomaasta 74% ja 87%.

Päätyyppiteemassa (kangas, korpi, räme, avosuo) luokka on oikein 84%:lla

kuva-alkiosta. 95% kankaiksi luokitetuista on VMI:n maastoluokituksen mukaan

kankaita, kun taas VMI:n mukaisista kankaista 88% on luokitettu

kankaiksi. Korpien vastaavat luvut ovat 20% ja 45%, rämeiden 76% ja 76% ja

avosoiden 71% ja 84%.

Kasvupaikkaluokitus on vaativaa maastossakin ja luokituserot henkilöiden

välillä yleisiä. Kasvupaikkateeman kuva-alkiosta noin 50%:lla

kasvupaikkaluokka on sama kuin VMI:n maastoluokituksessa. Ero on useimmiten

kuitenkin vain yhden luokan suuruinen. Erot ovat yleisimpiä lehdoissa,

lehtomaisilla soilla ja letoilla ja toisaalta karuilla kasvupaikoilla,

karukkokankailla ja rahkaisilla soilla. MVMI:n ja VMI:n luokitukset ovat

useimmiten yhteneviä tuoreilla kankailla ja vastaavilla soilla eli

suursaraisilla ja mustikkaisilla soilla. Tähän luokkaan luokitetuista

kuva-alkioista 60-65% kuuluu VMI:n maastoluokituksen mukaiseen luokkaan, kun

taas maastoluokituksen mukaan ko. luokan kuva-alkioista 60% on luokitettu

oikein.

Luokkamuuttujien kohdalla on huomattava, että aluetasolla

pinta-alaestimaattien virheet ovat edellä mainittuja pienempiä.

Lisää tietoja menetelmistä ja luotettavuudesta on esimerkiksi julkaisuissa

Tomppo, E., Haakana, M., Katila, M. & Peräsaari, J. 2008. Multi-source

national forest inventory - Methods and applications. Managing Forest

Ecosystems 18. Springer. 374 p. ISBN 978-1-4020-8712-7,

Tomppo, E., Katila, M., Mäkisara, K. & Peräsaari, J. 2013. The

Multi-source National Forest Inventory of Finland - methods and results

2009. Metlan työraportteja / Working Papers of the Finnish Forest Research

Institute 273. 216

p. http://www.metla.fi/julkaisut/workingpapers/2013/mwp273.htm ja

Tomppo, E. & Halme, M. 2004. Using coarse scale forest variables as

ancillary information and weighting of variables in k-NN estimation: a genetic

algorithm approach. Remote Sensing of Environment 92: 1-20.

Lisää tietoa Suomen monilähteisestä valtakunnan metsien inventoinnista on

sivuilla https://www.luke.fi/tietoa-luonnonvaroista/metsa/metsavarat-ja-metsasuunnittelu/metsavarakartat-ja-kuntatilastot/ .

Monilähteinen inventointi tehtiin Suomeen ensimmäisen kerran

1990-1994. Ensimmäinen koko maan tuote valmistettiin vuosina 1990-1994;

seuraavat ovat vuosilta 1996-2003, 2005, 2007 ja 2009. MVMI 2011 on

tekeillä. Ensimmäisessä vaiheessa vapaassa jakelussa ovat vuoden 2009

karttamuotoiset tulokset. Jatkossa uudet teemat tuotetaan yhden tai kahden

vuoden välein.

Vuoden 2009 tuloslaskentaan käytettiin yhteensä noin 54 000 VMI-maastokoealaa

metsä-, kitu-, ja joutomaalta. Kuva-aineistona käytettiin pääasiasssa Landsat

5 satelliitin TM-kuvia ja, jollei niitä ollut saatavilla joko IRS P6, ALOS

AVNIR-2 tai Landsat 7 ETM+ kuvia.

Jotta koko maasta voitaisiin esittää mahdollisimman täydellinen kartta, tässä

tuotteessa on yhdistetty: 1. vuoden 2009 tulos, jossa on käytetty vuosien

2006-2010 VMI-koealatietoja sekä vuosien 2009-2010 satelliittikuvia,

2. Ahvenanmaalta tulos, jossa on käytetty vuoden 2007 VMI-koealatietoja ja

vuoden 2009 kuvia, 3. likimain Inarin ja Utsjoen alueen tulos, jossa on

käytetty vuoden 2003 koealatietoja ja vuoden 2009 kuvia, 4. Enontekiön tulos,

jossa on käytetty vuoden 2003 koealatietoja ja vuoden 2000 kuvia. Tätä on

vielä täydennetty edellisen, vuoden 2007 MVMI-tuotteen avulla, jossa on

käytetty vuosien 2005-2008 VMI-koealatietoja ja vuosien 2005-2007

satelliittikuvia. Tähän tuotesarjaan kuuluvasta indeksikartasta

"Tietolähdeindeksi, MVMI 2009" näkyy, mistä osa-aineistosta kuva-alkiot ovat

peräisin.

Karttamuotoiset ennusteet tuotettiin tarkennetulla ei-parametrisellä k:n

lähimmän naapurin estimointimenetelmällä (k-NN menetelmällä). Useimmiten

estimoinnissa käytettiin viittä lähintä naapuria. Tarkennetussa k-NN

estimoinnissa piirteiden painot optimoidaan minimoimalla estimoitavien

muuttujien ennustevirheet geneettisen algoritmin avulla. Satelliittikuvan

piirteiden lisäksi käytetään metsämuuttujien suuraluekarttoja piirteinä, tässä

aineistossa puuston keskitilavuus puulajeittain. Tarkoituksena on ohjata

lähimpien naapureiden valintaa luokitettavaa kuvanalkiota muistuttaviin

metsiin (kts. alla viitteet). Estimointi tehtiin erikseen kivennäismaan,

puustoisten soiden ja avosoiden ositteille kullekin satelliittikuvalle tai

peräkkäisten satelliittikuvien jonolle. Kuvan ja koealojen ositus perustui

Maanmittauslaitoksen maastotietokannan karttatietoon.

Aineistosarja sisältää kaikkiaan 43 teemaa, jotka voidaan ryhmitellä muutamaan ryhmään:

Puuston tilavuus on esitetty yhteistuloksena sekä jaoteltuna puulajiryhmiin

(mänty, kuusi, koivu, muut lehtipuut) ja puutavaralajeihin (tukkipuu,

kuitupuu). Puun tilavuus tarkoittaa runko-osan tilavuutta kannon yläpuolelta

puun latvaan. Maastokoealan puuston tilavuus lasketaan koealaan kuuluvista

puista käyttäen puista mitattuja tunnuksia sekä

runkotilavuusmalleja. Ladattavissa kartoissa runkotilavuus esitetään 1 m3/ha

luokissa.

Puuston biomassa on jaoteltu seitsemään eri ositteeseen. Puun runkobiomassa

tarkoittaa kuorellisen runko-osan biomassaa kannon yläpuolelta puun

latvaan. Puun elävien oksien biomassa sisältää kaikkien elävien oksien massan

ilman neulasia tai lehtiä. Puun kuolleiden oksien biomassa sisältää elävien

puiden kuolleiden oksien biomassan ilman mahdollisesti jäljellä olevia

neulasia tai lehtiä. Puun lehvästön biomassa tarkoittaa elävien neulasten tai

lehtien biomassaa. Puun kantobiomassa sisältää elävien puiden kantojen

massan. Sekä maanpäälliset että maanalaiset kannon osat otetaan huomioon, ei

kuitenkaan juuria. Puun juuribiomassa sisältää elävien puiden yli 1 cm:n

paksuisten juurien massan. Puun rungon hukkapuuosan biomassa tarkoittaa

sellaisen kuorellisen runko-osan biomassaa, joka osa ei kelpaa aineispuuksi

joko kokonsa tai laatunsa vuoksi.

Maastokoealan biomassat lasketaan koealaan kuuluvista elävistä puista käyttäen

koepuista mitattuja tunnuksia ja tilavuusmalleja sekä puuaineen tiheysmalleja

(Repola ym. 2007) ja biomassamalleja (Repola 2008, 2009). Niin sanottujen

lukupuiden tilavuudet ja runkobiomassat estimoidaan koepuiden estimaattien

sekä lukupuu- ja metsikkötunnusten avulla. Ladattavissa kartoissa biomassat

esitetään luokissa 10 kg/ha.

Metsikkökuvion puuston ikä määritellään elävien puiden pohjapinta-alalla

painotettuna keski-ikänä. Keski-ikä mitataan tai arvioidaan maastossa koealaan

osuneilta metsä- ja kitumaan metsikkökuvioilta yhden vuoden luokissa.

Metsikkökuvion puuston pohjapinta-ala on elävien puiden runkojen

poikkileikkausala 1.3 metrin korkeudelta hehtaaria kohti laskettuna. Puuston

pohjapinta-ala mitataan maastossa koealaan osuneilta metsä- ja kitumaan

metsikkökuvioilta 1 m2/ha luokissa.

Metsikkökuvion puuston keskipituus on elävien puiden pohjapinta-alan mediaania

vastaavan puun pituus. Se on likimain sama kuin pohjapinta-alalla painotettu

puiden pituuksien keskiarvo. Puuston keskipituus mitataan maastossa koealaan

osuneilta metsä- ja kitumaan metsikkökuvioilta 1 dm:n luokissa.

Metsikkökuvion puuston keskiläpimitta 1.3 metrin korkeudelta on elävien puiden

pohjapinta-alan mediaania vastaavan puun läpimitta. Se on likimain sama kuin

pohjapinta-alalla painotettu puiden läpimittojen keskiarvo. Puuston

keskiläpimitta mitataan maastossa koealaan osuneilta metsä- ja kitumaan

metsikkökuvioilta 1 cm:n luokissa.

Puuston latvuspeittävyys VMI:ssa tarkoittaa koealan puuston vaakatasoon

projisoidun latvuston peittämää osuutta koealan alasta. Latvuspeittävyys

arvioitiin VMI10:ssä prosentteina (0-99) kiinteäsäteiseltä koealalta metsä-,

kitu ja joutomaalla. VMI11-koealoille ennustettiin latvuspeittävyys

k-NN-menetelmällä VMI10-koealoja käyttäen. VMI9:ssä (Ylä-Lappi)

latvuspeittävyys arvioitiin koelalta kolmessa luokassa, jos koealan keskipiste

sijaitsi metsä-, kitu-, tai joutomaalla. VMI9 koealoille laadittiin

regressiomalli latvuspeittävyyden ennustamiseksi yhden prosentin yksiköissä.

Lehtipuuston latvuspeittävyyden osuus johdettiin koko puuston

latvuspeittävyydestä käyttäen lehtipuuston tilavuuden arvioitua osuutta kuvion

puuston tilavuudesta (taimikoissa taimien runkoluvuista).

Maaluokka jakaa metsätalousmaan alaluokkiin metsämaa, kitumaa ja joutomaa sekä

metsätalouden tiet ja varastot. Metsätalousmaan ulkopuolella maaluokka kuvaa

maankäyttöä. Ladattavassa kartassa yhdistetty metsä-, kitu- ja joutomaa

perustuu Maanmittauslaitoksen maastotietokannan rajaukseen, jonka avulla

erotetaan muiden maaluokkien peittämä alue. Jokaiselle kuvanalkiolle rajauksen

sisällä on ennustettu todennäköisin kolmesta edellä mainitusta maaluokasta.

Päätyyppi jakaa metsämaan, kitumaan ja joutomaan kivennäismaiksi ja soiksi ja

suot edelleen korpiin, rämeisiin ja avosoihin. Sekä satelliittikuvat että

VMI-koealat ositetaan ennen analyysia Maanmittauslaitoksen maastotietokannan

mukaisiin kivennäismaihin ja soihin. Jokaiselle kuvanalkiolle ennustetaan

todennäköisin neljästä edellä mainitusta VMI:n päätyypistä. Siten ositteen

sisällä voi olla sekä VMI:n mukaisia kivennäismaita että soita.

Kivennäismaiden metsämaat jaetaan seitsemään kasvupaikkatyyppiin Lehto ja

Leikolan (1987) mukaan. Seitsemäs luokka, kalliomaat ja hietikot voivat olla

myös kitu- tai joutomaata. Pohjois-Suomessa kahdeksannen luokan muodostavat

lakimetsät ja tunturit ja ne ovat aina kitumaata tai joutomaata. Sekä korvet,

rämeet että avosuot luokitetaan kuuteen kasvupaikkaluokkaan riippumatta

maaluokasta. Sekä satelliittikuvat että VMI -koealat ositetaan ennen analyysia

Maanmittauslaitoksen maastotietokannan mukaisiin kivennäismaihin, puustoisiin

soihin ja avosoihin. Jokaiselle kuvanalkiolle on ennustettu karttaositteen

sisällä todennäköisin kasvupaikkatyyppi. Siten karttaositteen sisällä voi olla

sekä VMI:n mukaisia kivennäismaita että soita.

Kuvanalkion tasolla ennustevirhe on suurehko, mutta pienenee alueen koon

kasvaessa. Teemojen kuvanalkiokohtainen keskivirhe vaihtelee alueen

sijainnista, puuston tilavuudesta ja kasvupaikasta riippuen.

Tilavuusteemojen keskimääräiset virheet kuutiometreinä/ha on esitetty alla

kuusikoina (puulajiryhmä puutavaralaji Etelä-Suomi/kivennäismaa

Etelä-Suomi/suo Pohjois-Suomi/kivennäismaa Pohjois-Suomi/suo):

kaikki kaikki 86 66 47 32

mänty kaikki 63 53 40 26

manty tukki 39 29 19 7

mänty kuitu 40 37 30 22

kuusi kaikki 63 37 27 12

kuusi tukki 43 23 12 3

kuusi kuitu 33 21 18 10

koivu kaikki 32 30 19 16

koivu tukki 10 7 2 1

koivu kuitu 25 25 17 13

lehtipuu kaikki 22 10 8 4

lehtipuu tukki 7 3 2 1

lehtipuu kuitu 16 8 7 2

Biomassojen kuvanalkiotason keskivirheiden (yksikkö 10 kg/ha) suuruusluokka on

seuraavassa kuusikoina (puulajiryhmä biomassaosite Etelä-Suomi/kivennäismaa

Etelä-Suomi/suo Pohjois-Suomi/kivennäismaa Pohjois-Suomi/suo):

mänty runko ja kuori 2400 2100 1500 980

mänty elävät oksat 400 350 350 230

mänty kuolleet oksat 95 85 71 52

mänty neulaset 150 140 140 100

mänty kannot 190 170 140 94

mänty juuret 590 500 410 250

mänty hukkapuu 200 220 190 220

kuusi runko ja kuori 2300 1400 1000 450

kuusi elävät oksat 550 340 340 150

kuusi kuolleet oksat 100 63 48 23

kuusi neulaset 360 250 230 110

kuusi kannot 210 120 110 48

kuusi juuret 760 470 430 200

kuusi hukkapuu 19 18 16 14

lehtipuu runko ja kuori 9 8 8 6

lehtipuu elävät oksat 31 35 50 46

lehtipuu kuolleet oksat 62 52 40 25

lehtipuu lehvästö 58 47 41 35

lehtipuu kannot 9 8 6 6

lehtipuu juuret 85 66 47 31

lehtipuu hukkapuu 39 29 18 7

Muiden jatkuva-arvoisten teemojen kuvanalkiotason keskivirheiden suuruusluokka

on seuraavassa kuusikoina (muuttuja Etelä-Suomi/kivennäismaa Etelä-Suomi/suo

Pohjois-Suomi/kivennäismaa Pohjois-Suomi/suo, yksikkö):

ikä 32 35 50 47 a

pohjapinta-ala 9 8 6 6 m3/ha

keskipituus 59 47 42 35 dm

keskiläpimitta 9 8 8 6 cm

latvuspeittävyys 20 18 16 14 %

lehtip. latvuspeittävyys 15 12 11 10 %

Maaluokkateemassa oikein luokitettujen kuva-alkioiden osuus on keskimäärin 92%

kun luokitusta verrataan VMI:n maastoluokitukseen. Metsämaaksi luokitetuista

kuva-alkioista keskimäärin 98% on VMI:n mukaista metsämaata, kun taas VMI:n

mukaisesta metsämaasta 95% on luokitettu metsämaaksi. Kitumaan osalta

vastaavat osuudet ovat 38% ja 50% ja joutomaasta 74% ja 87%.

Päätyyppiteemassa (kangas, korpi, räme, avosuo) luokka on oikein 84%:lla

kuva-alkiosta. 95% kankaiksi luokitetuista on VMI:n maastoluokituksen mukaan

kankaita, kun taas VMI:n mukaisista kankaista 88% on luokitettu

kankaiksi. Korpien vastaavat luvut ovat 20% ja 45%, rämeiden 76% ja 76% ja

avosoiden 71% ja 84%.

Kasvupaikkaluokitus on vaativaa maastossakin ja luokituserot henkilöiden

välillä yleisiä. Kasvupaikkateeman kuva-alkiosta noin 50%:lla

kasvupaikkaluokka on sama kuin VMI:n maastoluokituksessa. Ero on useimmiten

kuitenkin vain yhden luokan suuruinen. Erot ovat yleisimpiä lehdoissa,

lehtomaisilla soilla ja letoilla ja toisaalta karuilla kasvupaikoilla,

karukkokankailla ja rahkaisilla soilla. MVMI:n ja VMI:n luokitukset ovat

useimmiten yhteneviä tuoreilla kankailla ja vastaavilla soilla eli

suursaraisilla ja mustikkaisilla soilla. Tähän luokkaan luokitetuista

kuva-alkioista 60-65% kuuluu VMI:n maastoluokituksen mukaiseen luokkaan, kun

taas maastoluokituksen mukaan ko. luokan kuva-alkioista 60% on luokitettu

oikein.

Luokkamuuttujien kohdalla on huomattava, että aluetasolla

pinta-alaestimaattien virheet ovat edellä mainittuja pienempiä.

Lisää tietoja menetelmistä ja luotettavuudesta on esimerkiksi julkaisuissa

Tomppo, E., Haakana, M., Katila, M. & Peräsaari, J. 2008. Multi-source

national forest inventory - Methods and applications. Managing Forest

Ecosystems 18. Springer. 374 p. ISBN 978-1-4020-8712-7,

Tomppo, E., Katila, M., Mäkisara, K. & Peräsaari, J. 2013. The

Multi-source National Forest Inventory of Finland - methods and results

2009. Metlan työraportteja / Working Papers of the Finnish Forest Research

Institute 273. 216

p. http://www.metla.fi/julkaisut/workingpapers/2013/mwp273.htm ja

Tomppo, E. & Halme, M. 2004. Using coarse scale forest variables as

ancillary information and weighting of variables in k-NN estimation: a genetic

algorithm approach. Remote Sensing of Environment 92: 1-20.

Lisää tietoa Suomen monilähteisestä valtakunnan metsien inventoinnista on

sivuilla https://www.luke.fi/tietoa-luonnonvaroista/metsa/metsavarat-ja-metsasuunnittelu/metsavarakartat-ja-kuntatilastot/ .

The first country level estimates correspond to years 1990-1994. The most

recent versions are from years 2005, 2007 and 2009. MS-NFI 2011 will be ready

early 2013. The first set of the products freely available are from year

2009. The new set of the products will be produced annually or biannually in

the future. The map from products are in a raster format with a pixel size of

20mx20m and in ETRS-TM35FIN coordinate system. The products cover the combined

land categories forest land, poorly productive forest land and unproductive

land. The other land categories as well as water bodies have been delineated

out using the elements of topographic database of the Land Survey of Finland.

For the 2009 products, in total 54 000 NFI field plots were used, locating

either on forest land, poorly productive forest land or unproductive

land. Landsat 5 TM images were prioritized as image material, and, if not

available IRS P6, ALOS AVNIR-2 or Landsat 7 ETM+ images were used.

For a cover as complete as possible from the entire country, the 2009 product has

been completed by the data estimates from the recent years. The product thus consists of the following sub-products:

1. The estimates from 2009, the NFI field data from 2006-2010 and the satellite images from 2009-2010,

2. The estimates for Åland region, the NFI field data from 2007 and the satellite images from 2009,

3. The estimates for about the municipalities Inari and Utsjoki in North

Lapland, the NFI field data from 2003 and the satellite images from 2009,

4. The estimates for about municipality Enontekiö in North Lapland, the NFI

field data from 2003 and the satellite images from 2000,

Furthermore, some areas covered by clouds in the previous sub-products have

been completed by the MS-NFI estimates from 2007 with the NFI field data from

2005-2008 and satellite images from 2005-2007.

Data source index, MS-NFI-2009, has been added to the product to indicate the

source of the estimates.

The map form estimates were made using the improved k-Nearest Neighbour method

(ik-NN method). The value of five for k was used most frequently. The weights

of the features in the ik-NN method are sought using an optimization method

based on genetic algorithm. Coarse scale estimates of forest variables were

used as the supplementary data. The volumes by tree species groups were

selected as the variables. The purpose is to direct the selection of the

neighbours, on the average, to forests similar to the target pixel (see the

references below). The estimation was made separately for mineral soils, mires

and open bogs and fens. The stratification of both the satellite image and the

field plots were made using the topographic map data of Land Survey Finland.

The product consists of 43 theme maps in raster format plus data source

index. These can be grouped as follows:

The volume of growing stock is available as a total for all tree species and

broken down into tree species groups (Scots pine, Norway spruce, Birch, Other

broad leaved trees) and into timber assortments (saw timber, pulpwood). The

volume of a tree is defined as the volume of the stem wood above stump until

the top of the tree. The volume of a tree in the field data is estimated using

the parameters measured in the field and the volume models. The unit and class

interval of the volume is 1 m3/ha in the products available for downloading.

The biomass of the growing stock has been estimated and is available by tree

species groups and by seven tree compartments. The biomass of stem and bark of

a tree is defined as the biomass of the stem above bark and above stump until

the top of the tree. The biomass of the living branches includes the biomass

of the living branches without needles or leaves. The biomass of the dead

branches includes the biomass of the dead branches possibly left in a living

tree. The foliage biomass includes the biomass of the living needles or

leaves. The biomass of stumps includes the biomass of the above and below

ground stump parts without roots. The root biomass includes the biomass of the

living roots with a diameter of at least 1 cm. The biomass of stem residual is

defined as that part of the stem biomass that can not be used as timber or

pulpwood due it size or quality.

The biomasses of the sample trees on a NFI field plot are calculated from the

living sample trees belonging to a plot using the wood density models (Repola

et al. 2007) and biomass models (Repola 2008, 2009). The biomasses of the

trees called tally trees are estimated using the estimates of the sample trees

(with more parameters measured) and the parameters of tally trees and

stands. The unit of the biomass in the maps available for downloading is 10

kg/ha.

The basal area of the growing stock on a forest stand is the cross section

area of the tree stems of a stand per hectare and measured at a height of 1.3

m. The basal area is measured in the field for the field plot stands on forest

land and poorly productive forest land in the classes of 1 m2/ha.

The age of the growing stock on a forest stand is the weighted average of the

trees, the basal area of the tree as the weight. The age is assessed in the

field for the field plot stands on forest land and poorly productive forest

land in the classes of one year.

The mean height of the trees on a forest stand is the height of the basal area

median tree for the development classes young thinning stand or more mature

stands. It is about the same as the basal area weighted average height. For

seedling stands, the mean height is the average height of the dominant and

co-dominant seedlings. The mean height is assessed in the field in the classes

of 1 dm.

The mean diameter of trees is assessed at a height of 1.3 metres and is the

the diameter of the basal area median tree. It is about the same as the

weighted average diameter, the basal area of a tree as the weight. It is

assessed for the field plot stands on forest land and poorly productive forest

land in the classes of 1 cm.

The canopy cover of trees is the vertical projection area on the horizontal

plane of the canopies of the individual trees on a field plot (without double

counting the overlapping canopies). In NFI10, it was assessed in the field as

a shares (0-99%) on a fixed radius plot. For the NFI11 plots, it was estimated

using k-NN method and the NFI10 plot data. In North Lapland in NFI9, the

canopy cover was assessed in three categories if the plot was either on forest

land, poorly productive forest land or unproductive land. A regression model

was constructed to estimate the cover in the classes of one percent.

The canopy cover proportion of broad leaved trees is derived from the total

cover using the volume of the growing stock. However, in the seedling stands,

the canopy cover of broad leaved trees is assessed using the shares of the

stem numbers.

The theme "Land class" divides forestry land into sub-categories forest land,

poorly productive forest land, unproductive land and other forestry land:

forestry roads, forest depots, etc. Outside forestry land, the land class

describes land use. In the present themes, the combined mask of forest land,

poorly productive forest land and unproductive land is based on the

topographic database from the National Land Survey. One of three land

categories is estimated for the pixels inside the three mask categories.

The main site class divides the forest land, poorly productive land and waste

land into mineral soils and peatlands, and further divides the peatlands into

spruce mires, pine mires and treeless mires. Both the satellite images and the

NFI field plots are stratified to mineral soils and peatlands before analysis

according to the topograhic database from the National Land Survey. The most

probable of the four NFI main site classes is predicted for each pixel within

these strata. This means that each stratum may include both mineral soils and

peatlands according to the NFI classification.

The site fertility classification divides the mineral soils into seven classes

according to Lehto and Leikola (1987). Class 7 (rocky and sandy soils) can be

forest land, poorly productive forest land or unproductive land. In Northern

Finland, the eighth class is composed of summit and fjeld forests, and these

are always poorly productive land or waste land. Peatlands are classified into

six fertility classes independently of the land class. Both the satellite

images and the NFI field plots are stratified before analysis to mineral

soils, mires and open bog according to the topograhic database from National

Land Survey. The most probable site fertility class is predicted for each

pixel within a stratum. This means that a map stratum may include both mineral

soils and peatlands according to NFI.

The estimation errors at pixel level are rather high but decrease when the

area in question increases, i.e., when the area of interest consists of

several pixels. The errors vary by the themes and depend also on the actual

value in the field, for example on the volume of growing stock and the site

fertility class.

The magnitude of the average errors of the volume estimates at pixel level are

presented below (SF = South Finland, NF = North Finland, min = mineral soil,

peat = peatland):

species group assort. SF/min SF/peat NF/min NF/peat

all all 86 66 47 32

pine all 63 53 40 26

pine saw t. 39 29 19 7

pine pulpw. 40 37 30 22

spruce all 63 37 27 12

spruce saw t. 43 23 12 3

spruce pulpw. 33 21 18 10

birch all 32 30 19 16

birch saw t. 10 7 2 1

birch pulpw. 25 25 17 13

other br. l. all 22 10 8 4

other br. l. saw t. 7 3 2 1

other br. l. pulpw. 16 8 7 2

The magnitude of the average error of the biomass estimates at pixel level are

presented below (SF = South Finland, NF = North Finland, min = mineral soil,

peat = peatland):

tree species compartment SF/min SF/peat NF/min NF/peat

pine stem and bark 2400 2100 1500 980

pine living branches 400 350 350 230

pine dead branches 95 85 71 52

pine foliage 150 140 140 100

pine stump 190 170 140 94

pine roots 590 500 410 250

pine stem residual 200 220 190 220

spruce stem and bark 2300 1400 1000 450

spruce living branches 550 340 340 150

spruce dead branches 100 63 48 23

spruce foliage 360 250 230 110

spruce stump 210 120 110 48

spruce roots 760 470 430 200

spruce stem residual 19 18 16 14

broad leaved stem and bark 9 8 8 6

broad leaved living branches 31 35 50 46

broad leaved dead branches 62 52 40 25

broad leaved foliage 58 47 41 35

broad leaved stump 9 8 6 6

broad leaved roots 85 66 47 31

broad leaved stem residual 39 29 18 7

The magnitude of the average error of the estimates of the other continuous

variables at pixel level are presented below (SF = South Finland, NF = North

Finland, min = mineral soil, peat = peatland):

theme SF/min SF/peat NF/min NF/peat unit

age 32 35 50 47 a

basal area 9 8 6 6 m3/ha

mean height 59 47 42 35 dm

mean diameter 9 8 8 6 cm

canopy cover 20 18 16 14 %

canopy cover of br. l. 15 12 11 10 %

The overall accuracy (OA) at pixel level of the land class is on the average

92% when the classification is compared to that based on the NFI field

data. The user accuracy (UA) of the category forest land is on average 98%

while the producers accuracy (PA) is on average 95%. The corresponding figures

on poorly productive forest land are 38% and 50% and on unproductive land 74%

and 87%.

The pixel level OA of main site class (mineral soil, spruce mire, pine mire,

treeless mire) is 84%. For the category mineral soil, UA is 95% and PA

88%. The corresponding figures for spruce mires are 20% and 45%, for pine

mires 76% and 76% and for treeless mires 71% and 84%.

The assessment of site fertility is very challenging even in the field and the

results vary by the assessors (field crew leaders). For site fertility class,

OA is 50% as compared to the NFI field data. In most cases, the difference was

not more than one class. The differences were most frequent on one hand for

the categories herb rich sites and herb rich heath forests and for the

corresponding peatland sites, and on the other for poor mineral soil sites and

for ombrotrophic peatlands. The accuracies are highest for mesic forest and

for the corresponding peatland sites (meso-oligotrophic peatlands). In this

category, UA is 60-65% and PA 60% when compared to the result based on the NFI

field data.

The errors of estimates at areal level are lower than the errors presented above.

More information about the methods and the accuracies are given in the

publications, e.g.:

Tomppo, E., Haakana, M., Katila, M. & Peräsaari, J. 2008. Multi-source

national forest inventory - Methods and applications. Managing Forest

Ecosystems 18. Springer. 374 p. ISBN 978-1-4020-8712-7,

Tomppo, E., Katila, M., Mäkisara, K. & Peräsaari, J. 2013. The

Multi-source National Forest Inventory of Finland - methods and results

2009. Metlan työraportteja / Working Papers of the Finnish Forest Research

Institute 273. 216 p. http://www.metla.fi/julkaisut/workingpapers/2013/mwp273.htm and

Tomppo, E. & Halme, M. 2004. Using coarse scale forest variables as

ancillary information and weighting of variables in k-NN estimation: a genetic

algorithm approach. Remote Sensing of Environment 92: 1-20.

Tietoaineistosarja

ISO19115

2003/Cor.1:2006