Satelliitit paljastavat metsätuhon
mutta auttavat myös korjaamaan sen
Viime vuoden suurmetsäpalojen tilanneseuranta ovat vain yksi esimerkki siitä, mihin satelliittikuvia voidaan käyttää. Olemme ensisijaisesti tottuneet liittämään raadollisen ajantasaisen satelliittidatan luonnonkatastrofeihin, katoaviin sademetsiin ja hupeneviin jääkenttiin. Mutta satelliittidataa voidaan hyödyntää myös toisinpäin, elvyttämään ja korjaamaan jo syntyneitä vahinkoja eri elinympäristöissä. Yksi tällainen vaihtoehto on metsittäminen.
Hiilensidontaa metsäpinta-alaa nostamalla
Metsittämisellä tarkoitetaan kokonaan uuden metsän istuttamista alueelle, joka on ollut aikaisemmin muussa käytössä (afforestration) tai päätehakatun tai muuten tuhoutuneen metsän uudelleen istuttamista (reforestration). Koska Suomessa metsälaki velvoittaa päätehakatun metsän uudistamiseen (useissa maissa tällaista velvoitetta ei ole), on kokonaan uusien alueiden metsittäminen nähty täällä yhtenä konkreettisena vaihtoehtona lisätä metsien hiilensidontaa.
Erilaiset metsittämishankkeet koskevat käytännössä kaikkia maailman maita. Ilmastonmuutoksen lisäksi metsittämisellä voidaan torjua eroosiota ja maaperän köyhtymistä, palauttaa luonnon monimuotoisuutta ja hallita tulvariskejä.
Tekoäly löytää metsitykseen soveltuvat kohteet
Ei ole kuitenkaan aivan sama minne metsän istuttaa. Metsityshankkeiden osalta on nostettu esille esimerkiksi arvokkaiden elinympäristöjen, kuten kosteikkojen tai niittyjen katoaminen sekä ruokaturvan vaarantuminen. Huonosti hoidettu metsityshanke voi johtaa yksipuoliseen lajikirjoon, puuston huonoon kasvuun tai lajien katoamiseen.
Lähtökohtaisesti Suomesta metsitykseen sopivia alueita löytyy runsaasti. Hyvinä esimerkkeinä ovat muun muassa:
- viljelyn ulkopuolella olevat tai huonosti kannattavat peltolohkot
- turvetuotannosta vapautuneet suonpohjat
- maakaapeloitavat sähkölinjat
- erilaiset joutomaat
Tällaisen voimalinjan jättämä aukko on mahdollista metsittää uudelleen. (kuva. Pixabay)
Koneoppimisenalgormit osaavat laskennassa ottaa huomioon esimerkiksi suojelualueet. (kuva. WoodsApp)
Satelliittidatan avulla saadaan analyysin pohjaksi nykyhetken kuva maankäytöstä. Se yhdistettynä muuhun paikkatietodataan pystytään ottamaan huomioon esimerkiksi tärkeät elinympäristöt, suojellut avomaat, rantakohteet tai muuten metsittämiseen soveltumattomat kohteet sekä alueelliset erot.
Metsittämiseen sopivia kohteita voidaan etsiä koneoppimisen (machine learning) avulla satelliittidataa ja muita ympäristön tilaa koskevia datalähteiden yhdistämällä. Mitä enemmän ja parempaa opetusaineistoa tekoäly saa käyttöönsä, sitä tarkemmin se oppii tunnistamaan sopivat kohteet.
Liittämällä mukaan säädataa, voidaan metsitettäviä kohteita analysoida myös sellaisilla alueilla joilla esimerkiksi sademäärät ovat kriittisiä.
Mennäänkö metsään jos metsitetään?
Metsittäminen ilmastotoimena jakaa mielipiteitä. Huonosti hoidetut metsittämispyrkimykset voivat käydä kalliiksi niin ympäristölle kuin kukkarollekin. Etenkin ruokahuollon turvaaminen on aiheuttanut kysymyksiä. Metsittäminen on kuitenkin hyvin konkreettinen toimi ilmastomuutoksen hillintää ajatellen, joten se kiinnostaa niin tutkijoita kuin metsänomistajiakin. Luken viime vuonna tekemän tutkimuksen mukaan metsityksen lisääminen on maankäyttösektorin ilmastotavoitteiden näkökulmasta perusteltua, vaikka metsien kokonaisnieluun verrattuna niiden vaikutukset ovatkin suhteellisen pieniä.
Metsitykseen soveltuvien kohteiden automaattista tunnistamista on testattu Bitcompin kehitysprojektien puitteissa. Myös Metsäkeskus ja Luke aloittivat viime vuonna Peltoheitot ja suonpohjat metsittämällä hiilinieluiksi –hankeen.
Metsänomistajat pitävät metsitystä hiilensidonnan kannalta kiinnostava vaihtoehtona. MTK:n viime vuonna tekemän kyselyn mukaan 49 % metsänomistajista piti joutomaan metsitystä houkuttelevana keinona lisätä hiilensidentaa omilla maillaan. Sopivien alueiden paikantamiselle voisi siis olla myös kaupallista potentiaalia.
Soveltuvat alueet saadaan automaattisesti kartatasoksi. (kuva. Bitcomp muutostulkinta)
Satelliittidatan avulla metsityksen onnistumista voidaan seurata
Satelliittikuvia on käytetty maankäytön muutosten arvioimiseen jo kauan, mutta vasta nykyiset korkearesoluutioiset kuvat tuottavat hyvin yksityiskohtaista tietoa. Koneoppimisen algoritmeihin perustuva analyysi voidaan opettaa tunnistamaan pieniäkin piirteitä esimerkiksi metsien terveydestä, lajien muutoksesta tai alueellisista eroista. Näin on mahdollista myös seurata kuinka hyvin metsittäminen onnistuu. Satelliittien avulla pystytään osoittamaan muutoksen kehitys ja voimakkuus, ja vertaamaan sitä aikaisempiin alueen tietoihin tai hiilensidontakykyyn.
Nykyteknologian avulla menetelmät metsitettävien kohteiden tunnistamiseen ovat jo näpeissämme. Pottiputki siis käteen ja menoksi!
