Uraauurtava YAMK-opinnäytetyö indikoi lahopuun määrää luonnossa

Pirkko Väkimies tuotti osana Biotalouden ratkaisut YAMK-tutkintoaan opinnäytetyön, jossa hän kehitti mittarin, jolla voidaan kartoittaa makaavan lahopuun määriä luonnossa. Lahopuulla on merkittävä rooli luonnon monimuotoisuudelle, yli 5 000 lajia tarvitsee lahopuuta elääkseen. Haastattelimme Pirkkoa opinnäytetyön aiheesta sekä prosessista.
Mistä tuli idea kehittää biodiversiteettiä indikoiva mittari?
Tämä idea on monien tekijöiden summa, johon on kietoutunut useiden vuosien aikana havaintojani niin politiikasta, talous – ja elinkeinoelämästä, koulutuksesta – oikeastaan kaikesta, johon eläin ”Homo sapiens” jättää jälkensä. Vahvimpina ponsina tälle työlle ovat kuitenkin henkilökohtainen kiinnostukseni biodiversiteettiin, mittaamiseen, laskentaan – yleisesti luonnon ihmettelyyn.
En vähättele turhautumistani, kun näen ihmisen riistävän luontoa milloin milläkin verukkeella. Tutkijat onneksi varoittavat kriittisistä keikahduspisteistä, mutta kuunnellaanko tarpeeksi?
Lahopuun biodiversiteetin arvo on tunnistettu monelta taholta, metsäalalla esim. METSO-ohjelman kriteerit painottavat lahopuun määrää. Tuskin kukaan lehtiä lukeva on tietämättä, että esim. erittäin uhanalaiseksi käynyt hömötiainen on riippuvainen lahopuusta. Seurasin sisäistä ääntäni ja yritän kantaa pienen korteni kekoon. Lähipiirini mukaan olisin kirja nimeltä ”Tyttö, joka pelasti madon”.

Mikä rooli lahopuulla on mielestäsi Suomen metsien monimuotoisuuden ylläpitämisessä? Miksi se on mielestäsi merkittävä?
Tämä ei ole mielipidekysymys, vaan tutkittua tietoa lahopuusta ja sen merkityksestä on jo paljon. Siteeraan Suomen metsäkeskusta tiivistetysti: ”Suomen metsälajeista noin 20 % eli noin 5 000 lajia tarvitsee lahopuuta elääkseen, niin hyönteiset, käävät, sammalet, jäkälät, monet linnut ja nisäkkäät”. Tämän perusteella jokainen meistä voi miettiä sen merkittävyyttä.
Tämä ei ole mielipidekysymys, vaan tutkittua tietoa lahopuusta ja sen merkityksestä on jo paljon.
Miten kansallista laserkeilausaineistoa hyödynnettiin tutkimuksessasi? Miten laajasta aineistosta on kyse?
Kysymys on laserkeilausaineiston (pistepilvidatan) jatkokehityksestä. Hehtaareina aineisto kattoi yhteensä 2400 hehtaaria, josta opinnäytetyössäni prosessoin 200 hehtaaria ja tiivistin tulokset noin 2 hehtaarin alueelle.
Käytännön haasteina ja rajoitteina olivat maastomittauksien ajankohta, GPS-häirintä, myöhemmin laskettujen ennusteiden maastoverifiointi (lumentulo) sekä itse opintojen ja tutkimuksen aikarajaus. Halusin työni valmiiksi ajoissa.
Miten koneoppiminen ja ohjelmointi liittyvät uuden mittarin kehittämiseen?
Olennaisesti. Ilman niitä ei tämmöistä olisi syntynyt.
Mitkä olivat suurimmat haasteet projektin aikana ja miten ratkaisit ne?
Lähestyin ideaani lukemalla laajasti tieteellisiä julkaisuja, metsäalan lehtiä, biodiversiteettistrategiaa jne., joiden perusteella tein synteesin metodeista paino sanalla ”makaava lahopuu”. Tämän jälkeen mietin, että mitä tästä ehkä puuttuu, ja lähdin kokeilemaan.
Prosessia voisi kuvata sanalla iteratiivinen, eli toistuva. Haasteena oli ”mitallistaminen” ja ”normalisointi”. Tätä pyörittelin, kunnes visuaalisten kuvien piirtämisen, eli Python ohjelmointikielen, avulla löysin gammajakauman muodon, ja sitä kautta päädyin todennäköisyysluokitteluun.
Mikä kehittämässäsi mittarissa on uutta tai ainutlaatuista?
Tehdyssä työssä uutuutena voidaan pitää kolmea asiaa; ensin metodia, jolla suodatin ja yhdistin laserkeilausaineiston pisteitä. Näiden perusteella syntyvästä ”pistekuvasta” etsittiin runkojen muotoja eli käytännössä lasketaan suoria. Toisena voidaan pitää suorien perusteella muodostunutta ”esiintymätiheyttä”. Lopuksi työn jalokivenä voitane pitää itse gammajakaumaa ja siitä visualisoituja todennäköisyyksiä värikoodattuina 50 m x 50 m (2 500 m²) ruudukkoina 1 km² karttapohjalla. Menetelmä on skaalautuva ja soveltuu isojen alueiden prosessointiin, mutta tarvitsee jatkokehitystä, joten käytännön kokeilut jatkuvat.
Mitä seuraavia askelia suunnittelet – onko esimerkiksi jatkotutkimuksia tai yhteistyöprojekteja näköpiirissä?
Lähden maltillisesti liikkeelle. Tutkimukseni ja kokeiluni toivottavasti jatkuvat yhteistyötahojen kanssa. Valitettavasti tohtorikoulutukseni rahoitushakemus tämän tiimoilta ei vetänyt kiinni, joten jatkan itsellisiä kokeitani budjettini mukaan.
Biotalouden ratkaisut YAMK-koulutus
- Ylemmässä ammattikorkeakoulututkinnossa edistämme älykästä, kestävää ja hyvinvointia parantavaa biotaloutta ja aitoa kiertotaloutta.
- Koulutuksen keskiössä ovat ratkaisukeskeiset ja tulevaisuussuuntautuneet menetelmät.
- Koulutus sopii metsätalous- ja muille insinööreille, hortonomeille, ympäristösuunnittelijoille, agrologeille sekä laajasti erilaisille bio- ja luonnonvara-alan ammattilaisille.
- Koulutus suoritetaan pääasiassa verkossa sekä bio- ja luonnonvara-alan kampuksillamme.