VALUMA-ALUETEKIJÖIDEN VAIKUTUS VIRTAVESIEN PH-ARVOIHIN

Transkriptio

1 TEKNILLINEN TIEDEKUNTA VALUMA-ALUETEKIJÖIDEN VAIKUTUS VIRTAVESIEN PH-ARVOIHIN Tatu Romppanen Diplomityö Ympäristötekniikan koulutusohjelma Helmikuu 2016

2 TIIVISTELMÄ OPINNÄYTETYÖSTÄ Koulutusohjelma (kandidaatintyö, diplomityö) Prosessi- ja ympäristötekniikka Tekijä Romppanen, Tatu Valtteri Oulun yliopisto Teknillinen tiedekunta Pääaineopintojen ala (lisensiaatintyö) Työn ohjaaja yliopistolla TkT Marttila, H DI Eskelinen, R Työn nimi Valuma-aluetekijöiden vaikutus virtavesien ph-arvoihin Opintosuunta Työn laji Aika Sivumäärä Vesi- ja geoympäristötekniikka Diplomityö Helmikuu s., 7 liitettä Tiivistelmä Pohjoisen vesistöissä happamuus tuottaa usein ongelmia vesien ekologiselle tilalle ja virkistyskäytölle. Kausittaista happamuutta esiintyy yleensä alueilla, joilla sijaitsee turvepitoisia happamia sulfaattimaita. Tässä työssä pyritään löytämään uusien paikkatietoihin perustuvien menetelmien avulla happamuuden lähteitä ja keinoja happamuuspiikkien ennakoimiseksi. Pohjois-pohjanmaalla Oulun lähistöllä sijaitseva Sanginjoki on yksi kausittaisesta happamuudesta kärsivistä vesistöistä. Sanginjoen happamuuden lähteitä ja arvoja on tutkittu Suomen ympäristökeskuksen Kaupunki ja vesi Sanginjoen virkistyskäyttöarvon parantaminen ja ekologinen kunnostus hankkeessa, jonka koko valuma-alueen kattavaan ja jatkuvatoimiseen ph-mittausaineistoon tämä työ pohjautuu. Työssä verrataan Sanginjoen valuma-alueelta saatuja veden minimi ph-arvoja kunkin ph-mittauspisteen muodostaman alivaluma-alueen paikkatietoihin/valuma-aluetekijöihin. Sanginjoen alueen valuma-aluetekijätiedot saatiin CSN:n PaITuli ja GTK:n Hakku -paikkatietojen latauspalveluista. Paikkatietojen käsittely ja mittapisteiden alivaluma-alueiden muodostaminen työssä tehtiin ArcGIS:n karttapohja ArcMap:lla. Työn tuloksissa löytyi yhteys happamien sulfaattimaiden, suoalueiden ja eräiden maaperäluokkien happamuutta vahvistavasta vaikutuksesta. Lisäksi eräät maaperäluokat ja laajemmat vesistöalueet työn tulosten perusteella vähentävät happamuutta virtavesissä. Tulosten pohjalta luotiin happamuutta kuvaava usean muuttujan regressiomalli, jonka avulla voidaan ennustaa lähes puolet (42,3 %) veden minimi ph-arvon suuruudesta. Tulokset antavat tukea jo aiemmin tunnetuille toimenpiteille happaman kuormituksen synnyn ehkäisemiseksi. Tietoja tulisi hyödyntää maankäytön suunnittelussa erityisesti Suomen rannikkoseutujen sulfaattimaavyöhykkeellä. Muita tietoja

3 ABSTRACT FOR THESIS University of Oulu Faculty of Technology Degree Programme (Bachelor's Thesis, Master s Thesis) Major Subject (Licentiate Thesis) Process and Environmental Engineering Author Romppanen, Tatu Valtteri Thesis Supervisor PhD Marttila, H, MSc Eskelinen, R Title of Thesis The effect of the catchment properties on the ph-values of running water Major Subject Type of Thesis Submission Date Number of Pages Water and Master s thesis February p., 7 App. Geoenvironmental Engineering Abstract Acidification of water courses is a serious problem to the ecological status and the recreational use of lakes and rivers. Seasonal acidity is a common phenomenon in the northern areas which consists of peatlands and sulphate soils. This thesis includes new geographical information system (GIS) based methods to identify the sources of acidity and ways to predict the acidification peaks of streams. River Sanginjoki at Northern Ostrobothnia, Finland is one of the river systems where periodic acidity occurs frequently. The sources and rates of acidity in the River Sanginjoki have been studied in previous projects. This thesis is utilize previous databases and is based on the whole river basin. The relations between the minimum ph-values of each measurement and the properties of their sub-catchments were studied in this thesis. The data of the catchment properties were downloaded from Finnish GIS databases PaITuli and Hakku. The processing of the catchment data and the formation of the sub-catchment areas were performed using the ArcGIS software package. The results showed acidity increasing effects with presence of the sulphate and four other soil types, and peatlands in the catchment area. Also evidence of decreasing acidity with certain soils types and water areas were found. A multiple regression model, which can be used to predict a sample s minimum ph-value. The regression model can determine almost half (42.3 %) of the variation of the minimum ph-value. The results of this thesis support the known methods of preventing the formation of acid loads. Further on they can be suitable for planning the land use, especially in the coastal areas of Finland sulphate soils are common. Additional Information

4 ALKUSANAT Tämä diplomityö tehtiin Oulun yliopiston Vesi- ja ympäristötekniikan laboratoriossa vuoden 2015 aikana. Työn ph-arvojen mittausdata on peräisin Suomen Ympäristökeskuksen Kaupunki ja vesi Sanginjoen virkistyskäyttöarvon parantaminen ja ekologinen kunnostus projektista, ja paikkatiedot ovat peräisin PaITuli- ja Hakkupalveluista. Haluan kiittää työn ohjauksesta Hannu Marttilaa ja Riku Eskelistä. Työn valvomisesta kiitos Björn Klövelle. Koko vesitekniikan laboratorion henkilökunnalle ja työhuoneen muille diplomityöntekijöille kiitos avusta ja mukavasta työilmapiiristä. Maantieteen laitoksen Harri Antikaiselle erityiskiitos opastuksesta ohjelmiston käytössä. Maa- ja vesitekniikan tuki ry:lle suuri kiitos taloudellisesta tuesta. Vielä lopuksi kiitokset vanhemmilleni tuesta läpi koko opiskeluaikani. Minnalle ja ystäville kiitokset hienoista opiskeluvuosista. Oulussa, Tatu Romppanen

5 SISÄLLYSLUETTELO TIIVISTELMÄ ABSTRACT ALKUSANAT SISÄLLYSLUETTELO MERKINNÄT JA LYHENTEET 1 JOHDANTO TEORIA Sanginjoen vesistöalue Yleistä tietoa Sanginjoen valuma-alueesta Maa- ja kallioperä Maankäyttö Happamoitumisen vaikutukset vesiin Happamuus ja ph-arvo Happamuuden alkuperä ja vaikutukset Sanginjoella Alunamaat Paikkatietomenetelmät GIS Mallintaminen MATERIAALIT JA MENETELMÄT GIS-aineisto Menetelmät TULOKSET Happamat sulfaattimaat Soidenojitustilanne Maankäyttö Latvuspeitto Maaperä Korkeusmalli Topografinen kosteusindeksi TULOSTEN TARKASTELU Happamat sulfaattimaat... 34

6 5.2 Soidenojitustilanne Maankäyttö Latvuspeitto Maaperä Korkeusmalli Topografinen kosteusindeksi Pää- sivu-uoma ja ala- keski- yläosa -tarkastelu Usean muuttujan regressioanalyysi JOHTOPÄÄTÖKSET ja toimenpide-ehdotukset Johtopäätökset Toimenpide-ehdotukset happamuuden vähentämiseksi YHTEENVETO LÄHDELUETTELO LIITTEET

7 MERKINNÄT JA LYHENTEET A a ArcMap B bn GIS GTK H + Hakku HSM Kc Kw Metla MML mpy PaITuli SPSS SYKE TWI Y Xn Happo Usean muuttujan regressioanalyysin vakiotekijä GIS-alusta paikkatieto-ohjelmien käyttöön Emäs Usean muuttujan regressiomallin riippumattoman muuttujan kerroin Geographical Information System eli Paikkatietojärjestelmä Geologian tutkimuskeskus Protoni Geologian tutkimuskeskuksen paikkatietojen latauspalvelu Happamat sulfaattimaat Hapon tasapainovakio Veden ionitulo Metsäntutkimuslaitos Maanmittauslaitos Metriä merenpinnan yläpuolella Paikkatietoaineistojen latauspalvelu Tilastotieteelliseen analyysin ohjelmisto Suomen ympäristökeskus Topographical Wetness Index eli topografinen kosteusindeksi Usean muuttujan regressiomallin riippuva muuttuja Usean muuttuja regressiomallin riippumaton muuttuja

8 8 1 JOHDANTO Pohjoisissa vesistöissä pääsee usein esiintymään ympäristölle ja alueen virkistyskäytölle haitallisia happamia pulsseja. Vesien kausittainen happamuus on yleistä erityisesti Pohjois-Pohjanmaan rannikkoseudun turvepitoisilla alueilla, jotka sijaitsevat happamien sulfaattimaiden vyöhykkeellä. Happamuuspiikki syntyy yleensä alueen maaperän geologisten ominaisuuksien johdosta, jotka voimistuvat maankäyttötoimenpiteiden vaikutuksista. Tässä työssä käytetään uusia paikkatietoihin perustuvia menetelmiä vesistöjen happamien pulssien ennakoimiseksi ja happamuuden lähteiden löytämiseksi. Työ pohjautuu kattavaan materiaaliin ph-arvoja, jotka on mitattu osana Kaupunki ja vesi Sanginjoen virkistyskäyttöarvon parantaminen ja ekologinen kunnostus hanketta. Mittausdata sisältää jatkuvatoimisten anturien ja pistemittausten happamuusarvot, jotka kattaa koko Sanginjoen valuma-alueen joen suulta latvavesiin asti. Tarkoituksena työssä on selvittää paikkatietojärjestelmä ArcGIS:n avulla, mitkä valuma-aluetekijät aiheuttavat ja mitkä ehkäisevät happamia pulsseja.

9 9 2 TEORIA 2.1 Sanginjoen vesistöalue Yleistä tietoa Sanginjoen valuma-alueesta Oulujoen vesistöalueen alin sivujoki Sanginjoki (Kuva 1) aloittaa virtansa Sanginjärvestä kohti Sanginsuun kylää, jonka läheisyydessä se laskee Oulujokeen. Pituudeltaan Sanginjoen pääuoma on noin 66 km. Sanginjoen valuma-alue sijaitsee Pohjois- Pohjanmaalla Utajärven (latvaosa), Muhoksen (keskiosa) ja Oulun alueella (keski- ja alaosa). Sen kokonaispinta-ala on 399 km 2, järvisyys 2,71 %, ja keskivirtaama (MQ) 4,6 m 3 /s (Ekholm 1993). Sanginjokeen laskevista sivu-uomista suurin on Koivujoki, jonka valuma-alueen pinta-ala on 64 km 2, pituus 7,5 km ja järvisyys 0,76 % (Ekholm 1993). Valuma-alueen suurimmat järvet ovat Sanginjärvi (482 ha) ja Iso-Vuotunki (224 ha). Maanpinnan korkeus valuma-alueella kohoaa tasaisen verkkaisesti Sanginjoen vartta ylöspäin, eli itään, mentäessä. Suurin korkeusarvo Sanginjoen valuma-alueella on noin 149 m mpy ja se sijaitsee alueen yläosassa (kuva 15). (Tertsunen ym. 2012) Kuva 1. Sanginjoen valuma-alue ja ph-mittauspisteet.

10 Maa- ja kallioperä Sanginjoen valuma-alueen peruspiirteisiin kuuluu maaston tasaisuus ja laajat turvealueet, joita on koko pinta-alasta 53 %. Yleisesti alueella esiintyvät suot ovat Pohjois- Pohjanmaan aapasoita. Soiden syntymekanismeja Sanginjoen alueella useimmiten ovat metsämaiden soistuminen ja järvien umpeen kasvaminen. Suurin osa alueen soista on metsäojitettu, mutta alueella esiintyy myös luonnontilaisia suoalueita. Sanginjoen vesistön erittäin humuspitoinen ja väriltään ruskea vesi juontaa juurensa maa-alueen suuresta turvepitoisuudesta. Osa (1,7 %) alueen soista onkin valjastettu turvetuotannon käyttöön. Valuma-alueen vallitseva maaperätyyppi on moreeni 45 %:n osuudella pinta-alasta. Sanginsuussa, Sanginjoen, Koivuojan ja Pilpaojan varsilla esiintyy lajittuneita kivennäismaita. Sanginjoen maaperästä löytyy myös sulfidimineraaleja, joita sijaitsee kallioperän mustaliuskejaksoilla ja muinaisen Itämeren Litorina-vaiheen merenpohjan alueella. Sulfidimineraalit ovat muodostuneet bakteeritoiminnan seurauksena sulfidimuotoisen rikin pelkistyessä hapettomissa olosuhteissa meren pohjalla. Valumaalueen kallioperä sisältää enimmäkseen grauvakkaa, kiilleluisketta ja gneissiä. (Tertsunen ym. 2012) Maankäyttö Metsän osuus Sanginjoen valuma-alueen maa-alasta on vajaat kaksi kolmasosaa. Talousmetsää on alueella laajasti. Kivennäismaalla kasvavista metsistä on ojitettu 38 % ja turvemaalla kasvavista 79 %. Alueen uudisojitukset on tehty pääsääntöisesti ja 1970-luvuilla. Nykyiset ojitustyöt Sanginjoella ovat puuntuotantokykyä ylläpitäviä kunnostusojituksia, uudisojituksista on luovuttu. Maataloutta Sanginjoella harjoitetaan eniten valuma-alueen alaosilla. Peltojen pinta-ala valuma-alueella vuonna 2008 oli 530 ha (Peltorekisteri MAVI/TIKE). Viljeltyjen peltojen, nurmien ja laitumien sekä käytöstä poistuneen maatalousmaan pinta-alan suhde Sanginjoen valuma-alueen alaan on vain muutaman prosentin suuruinen.

11 11 Turvetuotanto-alueita Sanginjoen valuma-alueella on seitsemän kappaletta, joiden pintaala on yhteensä 642,3 ha. Turvetuotantoalueiden osuus valuma-alueen pinta-alasta on noin 1,7 %. (Tertsunen ym. 2012) 2.2 Happamoitumisen vaikutukset vesiin Happamuus ja ph-arvo Brönstedin ja Lowryn vuonna 1923 kehittämä yleinen happo-emästeoria (kaava 1) määrittelee hapon yhdisteeksi, joka voi luovuttaa H + -ionin eli protonin emäkselle. Hapon ja emäksen reagoidessa tuotteena on aina uusi emäs ja happo (kaava 2). A (happo) B (emäs) + H + (protoni) (1) A1 (happo1) + B2 (emäs2) A2 (happo2) + B1 (emäs1) (2) Hapon vahvuus kuvaa sen kykyä luovuttaa protoneja. Molekyylitasapaino kaavan 2 mukaisessa reaktiossa pyrkii siirtymään heikomman hapon ja emäksen puolelle. Hapon vahvuutta kuvaa tasapainovakio Kc, joka määritetään kaavan 2 reaktioyhtälön happojen ja emästen konsentraatioiden avulla kaavassa 3. Kc = [A 2 ][B 1] [A 1 ] [B 2 ] (3)

12 12 Vesi on amfoteerinen aine eli amfolyytti: se voi toimia sekä happona, että emäksenä. Reaktiossa hapon kanssa (kaava 4) vesi-molekyyli saa hapolta protonin ja muuttuu oksoniumioniksi (H3O + ). Emäsreaktiossa (kaava 5) vesi luovuttaa protonin emäkselle ja näin syntyy hydroksidi-ioni (OH - ). Myös puhdas vesi sisältää hieman oksonium- ja hydroksidi-ioneja, jotka syntyvät veden autoprotolyysireaktion (kaava 6) seurauksena. Autoprotolyysireaktioissa sama aine toimii sekä happena että emäksenä. A1 + H2O H3O + + B1 (4) H2O + B2 A1 + OH - (5) H2O + H2O H3O + + OH - (6) Kun kaavan 3 tasapainolaki ja kaavan 6 autoprotolyysireaktio yhdistetään, saadaan veden tasapainoyhtälö kaavassa 7. Veden ionitulo Kw (kaava 8) voidaan laskea tasapainoyhtälön pohjalta. Kc = [H 3O + ][OH ] [H 2 O] 2 (7) Kw = [H3O + ] [OH - ] (8) Oksoniumionikonsentraatio, joka vaihtelee vesiliuoksen lämpötilan ja sisältämien yhdisteiden konsentraatioiden mukaan, määrittää veden happamuuden. Kun oksoniumioneja on liuoksessa enemmän kuin hydroksidi-ioneja, se on hapan. Vesiliuosten oksonium- ja hydroksidi-ionikonsentraatiot useimmiten ovat mol/l. Logaritminen veden happamuutta kuvaava ph-luku (kaava 8) on kehitetty, jotta konsentraatioarvot voitaisiin esittää käytännöllisemmin. Vesi on hapanta, kun sen pharvo on alle seitsemän 25 C lämpötilassa. ph = - log [H3O + ] (9)

13 Happamuuden alkuperä ja vaikutukset Sanginjoella Orgaanisia yhdisteitä huuhtoutuu luonnollisesti metsä- ja suomailta valumavesien mukana, joista suuri osa on orgaanisia happoja. Sanginjoen valuma-alueella on runsaasti turvemaita (kappale 2.1.2) joiden vedet ovat luonnostaan humusainepitoisia ja happamia. Maankäyttötoimet, kuten turvetuotantoon sekä maa- ja metsätalouteen liittyvät maaperän kuivatustyöt, aiheuttavat vesistöjen happamoitumista Sanginjoen alueella. Sanginjoen valuma-alueella sijaitsee sulfidipitoisia maita, joissa maan kuivatus voi aiheuttaa sulfidimuotoisen rikin hapettumista rikkihapoksi. Voimakkaasti hapan rikkihappo on eliöille erittäin haitallista, se laskee vesien ph-arvoja ja liuottaa myrkyllisiä raskasmetalleja valuma-vesiin. Happamuutta Sanginjoella lisää mahdollisesti myös happamien yhdisteiden kaukokulkeuma happaman sateen tai hiukkaslaskeuman muodossa. Happaman laskeuman vaikutus vesien happamoitumiseen on kuitenkin vähentynyt ilmaston suojelukeinojen tehostumisen myötä. (Tertsunen ym. 2012) (SY s. 42) Kaukokulkeutumisen vaikutus happamana laskeumana vesistöjen happamoitumiseen todettiin ensimmäisen kerran jo 1950-luvulla. Muita tärkeitä tekijöitä happamoitumiseen ovat karbonaattimineraalien puuttuminen valuma-alueelta, hapan silikaattirikas kallioperä, ohut ja karkealajitteinen maaperä. Hydrologisia syitä vesistöjen happamoitumisessa ovat veden lyhyt viipymä valuma-alueella ja pohjaveden vähäinen osuus valumasta. (Kenttämies 1986) Alunamaat Happamat sulfaattimaat eli alunamaat ovat maaperään luonnollisesti muodostuneita rikkipitoisia sedimenttejä. Hapettuneista alunamaista vapautuu ympäristölle haitallista happamuutta ja metalleja. Happamat sulfaattimaat koostuvat savesta, hiesusta tai hienosta hietasta, ja ovat yleensä liejupitoisia. Alunamaita on yleisimmin maaperässä, joka on muodostunut viimeisimmän jääkauden jälkeisen Litorina-meren pohjassa, ja muuttuneet

14 14 kuivaksi maaksi maankohoamisen ansiosta. Happamia sulfaattimaita esiintyy yleisimmin Suomen rannikkoseuduilla, niin Meri-Lapissa kuin etelärannikollakin. (GTK [Internet: Happamat sulfaattimaat riskit ja kartoitus 6.5.]) Paikoittain runsaan bakteeritoiminnan seurauksena hapettomissa olosuhteissa pelkistyi Litorina-kaudella merenpohjaan sulfidimuotoista rikkiä eri muodoissa. Nykyaikana voimakkaasti hapanta rikkihappoa syntyy, kun alunamaiden sulfidisavet ja sedimentit ja niiden muodostamat yhdisteet kuten rautasulfidi eli pyriitti (FeS2) sekä rautamonosulfidi (FeS) hapettuvat. Vesistöihin liukenee runsaasti metalleja rikkihapon happamoittamasta maaperästä. Happamien sulfaattimaiden happo- ja metallipitoisuuksien kasvu aiheuttavat useasti ympäristöongelmia esimerkiksi kalakuolemien muodossa. Sanginjoen valumaalue latvaosia lukuun ottamatta sijaitsee Litorina-vyöhykkeellä. Sanginjoen valuma-alueen alaosissa esiintyy mustaliuskekallioperäalueita. Ne sisältävät myös happamia, sulfidipitoisia maita. Muun muassa eloperäisestä hiilestä, rikistä, raskasmetalleista ja arseenista koostuvat mustaliuskeet ovat muinaisen merenpohjan sedimenttejä (Räisänen & Nikkanen 2000). Samoin kuin Litorina-alueen sulfidisedimentit, hapettuessaan myös mustaliuskeet voimakkaasti happamoittavat ympäristöä. (Tertsunen ym. 2012) 2.3 Paikkatietomenetelmät GIS Paikkatietojärjestelmän eli GIS:n nimi on lyhenne englanninkielisistä sanoista Geographical Information System. GIS on maailmanlaajuinen ja yleisesti käytetty maantieteeseen pohjautuva tietokonejärjestelmä, jonka eri sovelluksia hyödynnetään useilla tieteen aloilla. (Maguire ym. 1991) GIS:llä ratkaistavat ongelmat voidaan jakaa kuuteen eri aihealueeseen (Taulukko 1). Sijaintia määritettäessä haetaan tietokannasta halutut ominaisuudet, jotka sijaitsevat tietyssä paikassa (esim. montako ihmistä oli väestölaskennassa tietyllä alueella?).

15 15 Tilanteen määritys on vastakohta edelliselle. Siinä pyritään löytämään sijainti, joka sisältää halutut ominaisuudet (esim. missä kohdin tietä se on 200 m matkalta metsän ympäröimä?). Muutoskysymykseen saadaan vastaus seuraamalla, miten asiat ovat muuttuneet ajan myötä (esim. miten liikennemäärät ovat muuttuneet?). Loput ongelmat, GIS:llä ratkaistavat ongelmat ovat monimutkaisempia ja niitä ratkaistaessa tarvitaan paikkatieto- eli spatiaalianalyysiä. Kulkuongelmassa tarvitaan parhaan (nopein, lyhin, hienoin maisema jne.) reitin laskemista paikkojen välille (esim. missä on lähin leikkaussali?) Kaavaa pohtiessa kuvataan ja verrataan jonkin tietyn ilmiön levinneisyyttä ja yritetään ymmärtää prosessia joka selittää sen levinneisyyttä (esim. selittääkö jokin kaava tai kuvio säteilyn aiheuttamien tautien levinneisyyttä?) Mallintamiskysymyksessä arvioidaan erilaisten mallien vaikutuksia (esim. missä päin 20 cm merenpinnan nousu aiheuttaa ongelmia?). (Maguire ym. 1991) Taulukko 1. Ongelman ratkaisu ArcGIS:llä 1 Sijainti Mitä on? 2 Tilanne Missä se on? 3 Muutos Mitä on muuttunut? 4 Kulku Mikä on paras reitti? 5 Kaava Mikä on malli? 6 Mallintaminen Entä jos? Mallintaminen Mallintamista käytetään, kun tarvitaan GIS:n avulla jäljitellä hetkellisiä tai pitkäaikaisia maantieteellisiä tapahtumia. GIS-sovellukset, niin yksinkertaiset arviointimallit kuin monipuoliset tulevaisuuden maisemien ennustamissovellukset, useimmiten sisältävät maantieteellistä mallintamista. Ennen mallintamiseen on tarvittu tehokkaita erikoislaitteita ja -ohjelmia, mutta nykyään tekniikan kehityttyä sitä pystytään

16 16 toteuttamaan kotikoneillakin. GIS:llä mallintamiseen liittyvät kysymykset datan kelpuutuksesta, mittakaava ja tarkkuudesta, ja mallien jakamisen eri tapojen kehittämisestä. (Maguire 2005)

17 17 3 MATERIAALIT JA MENETELMÄT 3.1 GIS-aineisto Työssä käytetyt ph-arvot (liite 1) on mitattu Sanginjoen valumaalueella osana Happamuuden aiheuttamat vesistöhaitat ja niiden torjuntakeinot tutkimusta. Mittausten ajankohdat oli sijoitettu suurten valuntojen aikoihin, jotta tuloksissa ph-arvot olisivat mahdollisimman alhaisia. Mittauskerrat eri pisteiden välillä vaihtelivat yhdestä neljääntoista kertaan. Työn aineistoon otettiin jokaisen mittapisteen alimman ph-arvon, ja kunkin mittapisteen koordinaatit. (Tertsunen ym. 2012) Korkeusmallin avulla saatiin laskettua jokaiselle mittapisteelle oma valuma-alueensa, kun pisteiden koordinaatit sijoitettiin ArcMap-sovellukseen. Työssä käytetty korkeusmalli 10 m on Maanmittauslaitoksen vuoden 2013 versio, joka ladattiin PaItulipalvelusta. Korkeusmalli 10 m kattaa koko Suomen maanpinnan, sen ruutukoko on 10 m x 10 m, korkeustiedon tarkkuus on 1,4 m ja se on tarkin koko Suomen kattava korkeusmalli. (MML 2013) Korkeusmallista laskettiin myös ZonalStatistics työkalun avulla mittauspisteiden valuma-alueiden tilastollisia arvoja, esim. maksimi- minimi- ja keskiarvokorkeus. Maankäytön data on Maanmittauslaitoksen vuoden 2010 SLICES-hankkeesta ja ladattu PaITuli-pavelusta. SLICES on paikkatietojen yhteiskäyttöhanke, jossa tuotetaan alueiden käyttöä, peitteisyyttä maaperää sekä erityiskäyttö- ja käyttörajoitusalueita kuvaava paikkatietoaineisto koko valtakunnan alueelta. (MML 2010) Maankäyttö-tiedoista laskettiin TabulateArea-työkalun avulla valuma-alueiden maankäyttöluokkien pinta-alat. Työssä käytetyt maaperätiedot ovat peräisin Geologian tutkimuskeskuksen hakkupalvelusta. Maaperän karttatiedosto on 1: mittakaavassa ja se esittää maaperän syntytavan mukaan luokiteltuina geologisina kerrostumina. (GTK 1993) Maaperästä laskettiin jokaisen ph-mittauspisteen valuma-alueiden maaperäluokkien pinta-alat TabulateArea työkalun avulla.

18 18 Happamien sulfaattimaiden esiintymistiedot työhön saatiin GTK:n hakku-palvelusta. Esiintymistiedot esitetään 1 : karttana, jossa happamien sulfaattimaiden esiintymistodennäköisyydet ovat jaettu neljään luokkaan: hyvin pieni, pieni, kohtalainen ja suuri. Karttatiedoston data pohjautuu maastotutkimuksiin, laboratorioanalyysien tuloksiin ja mm. aerogeofysiikan aineiston ja maaperäkarttojen tulkintaan. (GTK 2014) TabulateArea työkalun avulla laskettiin ph-mittauspisteiden valuma-alueiden happamien sulfaattimaiden esiintymistodennäköisyyksien pinta-alat. GTK:n tutkimusalue ei yllä Sanginjoen valuma-alueen latvaosiin (kuva 9), joten kuudelle yläosan mittapisteen valuma-alueelle ei voitu laskea happamien sulfaattimaiden esiintymistodennäköisyyksien pinta-aloja. Latvuspeiton materiaali on peräisin Metsäntutkimuslaitoksen tietokannasta ja perustuu vuoden 2011 tutkimukseen. Latvuspeitto käsittää tiedot puuston vaakatasoon projisoidun latvuston peittämän osuuden kokonaispinta-alasta. Työtä varten laskettiin latvuspeittoprosenttien pinta-alat jokaisen mittauspisteen valuma-alueelle TabulateAreatyökalun avulla. Suomen ympäristökeskuksen teettämässä soidenojitustilanne-datassa suot on luokiteltu asteikolla nollasta kolmeen. Arvon nolla saavat ojittamattomat suot, ja rasterin arvo kolme tarkoittaa turvetuotantoaluetta. Soidenojitustilanneluokkien pinta-alat laskettiin ph-mittauspisteiden valuma-alueille TabulateArea työkalun avulla.

19 19 Taulukko 2. Työssä käytetty rasteri-aineisto. Materiaali Mistä Työkalu Luokitus Soidenojitustilann e SYKE TabulateArea Suoton, Luonnontilainen suo, Ojitettu suo, Turvesuo Latvuspeitto Metla TabulateArea % Happamat sulfaattimaat GTK/Hakku TabulateArea Sulfaattimaiden esiintymistodennäköisyy s. Erittäin pieni, Pieni, Kohtalainen, Suuri Maaperä GTK/Hakku TabulateArea 15 maaperäluokkaa Maankäyttö Korkeusmalli PaITuli/MM L PaITuli/MM L TabulateArea 50 maankäyttöluokkaa ZonalSatistic s Metri 3.2 Menetelmät ArcGIS:n ArcMap-sovelluksen avulla määritettiin Sanginjoen valuma-alue, sekä jokaisen ph-mittauspisteen (kuva 1) oma valuma-alue. Valuma-alueiden muodostamiseen tarvittiin Maanmittauslaitoksen teettämä alueen korkeusmalli PaItulipalvelusta (taulukko 2) ja ArcMap-sovelluksen työkaluja. Korkeusmalli-rasterista muokattiin valuma-alue -rasteri seuraavien työkalujen avulla: Fill, Flow direction, Flow accumulation ja Watershed. ArcMap:n TabulateArea-työkalulla laskettiin valuma-aluetekijä-rasterien eri luokkien pinta-alat jokaisen mittapisteen valuma-alueessa. Pinta-alojen perusteella saatiin tietoon kunkin mittapisteen valuma-alueen valuma-aluetekijät (maankäyttö, soidenojitustilanne, sulfaattimaan esiintymistodennäköisyys, TWI jne.). ZonalStatistics-työkalulla laskettiin rastereiden tilastomuuttujat. ZonalStatistics-työkalua käytettiin korkeusmalli- ja TWI-

20 20 rastereilla. Eli rastereilla, joilla oli lineaariset arvot (korkeusmallin arvot m ja TWI:n arvot -7,32 22,3) Tutkimusta jatkettiin laskemalla eri valuma-aluetekijöiden pinta-alojen osuudet koko valuma-alueen alasta. Näin saatiin tietoon, mistä valuma-aluetekijöistä mittapisteiden valuma-alueet muodostuvat, ja pystyttiin vertaamaan niitä pisteiden minimi ph-arvoihin. Laskemalla korrelaatiot (r-arvot) mittapisteiden alimpien ph-arvojen ja niiden valumaalueiden valuma-aluetekijöiden osuuksien välille saatiin tietoon eri tekijöiden vaikutusten suuruudet minimi-ph-arvoihin. Lisäksi laskettiin minimi-ph:n ja eri valumaaluetekijöiden väliset regressiot (p-arvot). P-arvojen perusteella voitiin päätellä, oliko tutkimusdata tilastollisesti merkitsevää.

21 21 4 TULOKSET 4.1 Happamat sulfaattimaat Sanginjoen valuma-alue sijaitsee happamia sulfaattimaita sisältävällä Litorinavyöhykkeellä (kappale 2.2.3). Geologian tutkimuskeskuksen Happamat sulfaattimaat karttapalvelusta saatujen tietojen avulla laskettiin ArcGIS-paikkatietojärjestelmää käyttäen sulfaattimaiden esiintymistodennäköisyysluokkien pinta-alojen suuruudet phmittauspisteiden valuma-alueissa. Mittapisteiden valuma-aluetiedot on esitetty liitteessä a. Koko Sanginjoen valuma-alueella esiintyy sulfaattimaita hyvin pienellä todennäköisyydellä 24,6 % alasta. Pienen sulfaattimaatodennäköisyyden omaavia maita on 39,9 %, kohtalaisen 2,8 % ja suuren 4,5 % valuma-alueen alasta (Taulukko 1). Sanginjoen valuma-alueen latvaosat, yhteensä 28,3 % koko alasta, eivät sijaitse sulfaattimaavyöhykkeellä. Happamien sulfaattimaiden esiintymisen todennäköisyysluokista eniten alhaisia minimi ph-arvoja korreloivat (taulukko 3 ja kuva 2) hyvin pienen todennäköisyyden omaavat maat. Esiintymistodennäköisyysluokat pieni, kohtalainen ja suuri saivat lähellä nollaa olevia korrelaatiokertoimen arvoja. Sulfaattimaavyöhykkeen ulkopuoliset alueet korreloivat vahvasti suuria alhaisimpia ph-arvoja, korrelaatiokertoimen arvo lähes 0,5. Tilastollista merkitsevyyttä määrittävät p-arvot sulfaattimaiden esiintymisen todennäköisyysluokkien ja minimi-ph-arvojen välille on esitetty taulukossa 1. Tulokset joiden p < 0,05 ovat tilastollisesti merkitseviä. Laskettuja korrelaatiota sulfaattimaiden esiintymisen ja alimpien ph-arvojen väillä ei voida siis pitää tilastollisesti merkitsevinä, pelkästään suuntaa-antavina.

22 22 Taulukko 3. Happamien sulfaattimaiden esiintymisen todennäköisyysluokat, esiintymistodennäköisyyden pinta-alan osuus Sanginjoen valuma-alueesta, sulfaattimaiden esiintymisen ja alimpien ph-arvojen välinen korrelaatiokerroin, tilastollinen merkitsevyys sulfaattimaiden esiintymisen ja alimpien ph-arvojen välillä. Todennäköisyysluokka Osuus R-arvo P-arvo Hyvin pieni 24,6 % -0,182 0,106 Pieni 39,9 % -0,0300 0,365 Kohtalainen 2,8 % -0, ,536 Suuri 4,5 % 0,0381 0,871 Ei vyöhykkeellä 28,3 % 0,474 0, y = x R² = ph Osuus valuma-alueen pinta-alasta Kuva 2. Happamien sulfaattimaiden hyvin pienen esiintymistodennäköisyyden vaikutus minimi-ph-arvoihin.

23 Soidenojitustilanne Sanginjoen valuma-alueella tehtyjen happamuusmittausten alimpia arvoja verrattiin mittapisteiden valuma-alueiden ojitustilanneluokkien pinta-alojen osuuksiin (ks. liite a), ja saatiin korrelaatiokertoimien arvoiksi suottomalle alueelle (r = 0,426) (kuva 4), luonnontilaiselle suolle (r = -0,117), ojitetulle suolle (r = -0,253) (kuva 3) ja turvetuotantosuolle (r = -0,327). Suottoman alueen saama korrelaatioarvo on tilastollisesti hyvin merkitsevä (p = 0,00775). Myös ojitettujen soiden tulos on tilastollisesti merkitsevä. Luonnontilaisen suon ja turvetuotantosuon tulokset ovat suuntaa-antavia (p > 0,05). Taulukko 4. Soidenojitustilanneluokka, soidenojitustilanneluokan pinta-alan osuus koko Sanginjoen valuma-alueen pinta-alasta, ojitustilanneluokan ja mitattujen alimpien ph-arvojen välinen korrelaatiokerroin, ojitustilanneluokan ja mitattujen alimpien ph-arvojen välinen p-arvo (tilastollinen merkitsevyys). Ojitustilanne Osuus R-arvo P-arvo Suoton alue 47,9 % 0,426 0, Luonnontilainen suo 13,7 % -0,117 0,577 Ojitettu suo 36,7 % -0,253 0,0193 Turvetuotantosuo 1,8 % -0,327 0,190

24 24 ph y = x R² = Osuus valuma-alueen pinta-alasta Kuva 3. Ojitettujen soiden vaikutus minimi ph-arvoihin ph y = 1.451x R² = Osuus pinta-alasta Kuva 4. Suottoman alueen vaikutus minimi ph-arvoihin. 4.3 Maankäyttö Tarkastelussa maankäytön vaikutuksesta virtavesien happamuuteen Sanginjoen alueella on hyödynnetty Maanmittauslaitoksen maankäyttötietoja. Suurin maankäyttöluokka Sanginjoen valuma-alueella on metsämaa, jonka osuus koko alueen pinta-alasta on 75,3

25 25 %. Seuraavaksi suurimmat luokat ovat jättömaa 10,1 %:n ja kitumaa 6,0 %:n osuudella koko valuma-alueen pinta-alasta. Säännöstelemättömiä luonnonvesiä (järvet ja joet) esiintyy 3,1 %:n osuudella alueesta. Yli prosentin osuuksia saavat myös pellot ja turvetuotantoalueet. Loput alle prosentin suuruisen osuuden saavat maankäyttöluokat on esitetty liitteessä a. Suurimpien maankäyttöluokkien pinta-alat korreloivat mitattuja alimpia ph-arvoja seuraavasti: turvetuotantoalueet, metsämaat (kuva 5) ja kitumaat saavat negatiivisia korrelaatiokertoimien arvoja (taulukko 5). Pellot ja säännöstelemättömät luonnonvedet korreloivat suuria alimpia ph-arvoja, eli korrelaatiokertoimien arvot ovat positiivisia. Jättömaan saama korrelaatiokertoimen suuruus on lähes nolla (kuva 6). Liitteessä a on muiden maankäyttöluokkien korrelaatiokertoimien arvot. Tulokset maankäyttöluokkien vaikutuksista virtavesien happamuuteen ovat säännöstelemättömien luonnonvesien kohdalla tilastollisesti merkitseviä. Muiden maankäyttöluokkien kohdalla tulokset ovat suuntaa-antavia.

26 26 Taulukko 5. Maankäyttöluokka, maankäyttöluokan pinta-alan osuus Sanginjoen valuma-alueen koko alasta, maankäyttöluokan ja alimpien ph-arvojen välinen korrelaatiokerroin, maankäyttöluokan ja alimpien ph-arvojen välinen p-arvo. Luokka Osuus R-arvo P-arvo Turvetuotantoalueet 1,2 % -0,341 0,152 Pellot 1,3 % 0,350 0,547 Metsämaa 75,3 % -0,221 0,0922 Kitumaa 6,0 % -0,252 0,125 Jättömaa 10,1 % -0, ,902 Säännöstelemättömät luonnonvedet 3,1 % 0,377 0, ph y = x R² = Osuus pinta-alasta Kuva 5. Metsämaan vaikutus alimpiin mitattuihin ph-arvoihin.

27 ph y = x R² = Osuus pinta-alasta Kuva 6. Jättömaan vaikutus minimi ph-arvoihin. 4.4 Latvuspeitto Latvuspeiton vaikutuksen minimi-ph-aroihin arvioimisessa käytettiin Metsäntutkimuslaitoksen tarjoamaa latvuspeittodataa, jossa puiden muodostaman latvuston peittävyys maanpintaan nähden on paikkakohtaisesti arvioitu nollasta sataan prosenttiin. Prosenttiosuudet jaettiin kymmeneen luokkaan (taulukko 6), jotta tulokset olisi selkeät esittää. Sanginjoen valuma-alueella esiintyy eniten latvuspeitoltaan % olevia maita. Näistä latvuspeittoprosentiltaan suurempia olevien maiden osuus valuma-alueen alasta vähenee logaritmisesti, latvuspeittoprosentin maita ei ole juuri yhtään (0,003 %). Alhaisia minimi-ph-arvoja parhaiten korreloivat latvuspeittoluokat % (kuva 7), % ja % korrelaatiokertoimien ollessa noin -0,2. Myös luokat % ja % saivat negatiiviset korrelaatiokertoimet. Muiden luokkien kertoimet olivat lähellä nollaa.

28 28 Tilastollisesti merkitseviä tuloksia (p < 0,05) saatiin vain luokalle %. Luokat % ja % saivat lähelle tilastollisesti merkitsevät p-arvot. Muiden luokkien arvot olivat tilastollisesti suuntaa antavia. Taulukko 6. Latvuspeittoprosenttiluokitus, luokan pinta-alan osuus koko valumaalueesta, latvuspeittoluokan ja alimpien ph-arvojen välinen korrelaatiokerroin, latvuspeittoluokan ja alimpien ph-arvojen välinen tilastollinen merkitsevyys Latvuspeittoluokka Osuus R-arvo P-arvo 0 % 9,5 % -0,0441 0, % 5,9 % -0,0207 0, % 6,4 % -0,245 0, % 7,6 % -0,219 0, % 9,5 % -0,193 0, % 15,9 % -0,0227 0, % 20,0 % 0, , % 12,8 % -0, , % 3,9 % -0,155 0, % 0,2 % 0,0373 0, % 0,003 % -0,254 0,524

29 ph 3 y = x R² = Osuus pinta-alasta Kuva %:n latvuspeiton vaikutus alimipiin ph-arvoihin. 4.5 Maaperä Geologian tutkimuskeskuksen teettämä maaperäkartoitus jakaa Sanginjoen valumaalueen maaperän kahdeksaan eri luokkaan. Pinta-aloiltaan suurimmat maaperäluokat Sanginjoen alueella ovat sora ja hiekkamoreeni sekä turvekerrostuma, jotka kattavat yhteensä yli 80 % maaperästä (taulukko 7). Näiden lisäksi ainoastaan kumpumoreenin alan osuus on yli kymmenen prosenttia. Vesistöjä on 2,4 % Sanginjoen alasta. Laskettujen korrelaatiokertoimien arvojen mukaan harju, delta, sanduri, lajittunut reunamuodostuma, prekvärtäärisen kallioperän paljastuma ja vesistö nostavat alimpia ph-arvoja merkittävästi (r 0,6). Sora ja hiekkamoreeni (kuva 8), litoraalinen sora ja hiekkamuodostuma, sekä moreenipeitteinen harju laskevat eniten alimpia ph-arvoja (r = -0,353), (r = -0,727) ja (r = -0,636). Maaperäluokkien p-arvoista tilastollisesti merkitsevyyden rajan (p < 0,05) alittaa kumpumoreeni (p = 0,0108). Muut tulokset ovat tilastollisesti suuntaa antavia.

30 30 Taulukko 7. Maaperäluokka, maaperäluokan pinta-alan osuus koko valumaalueesta, maaperäluokan ja alimpien ph-arvojen välinen korrelaatiokerroin, maaperäluokan ja alimpien ph-arvojen välinen p-arvo. Luokka Osuus R-arvo P-arvo Harju, delta, sanduri, lajittunut reunamuodostuma 0,9 % 0,642 0,102 Kumpumoreeni 10,5 % 0,251 0,0108 Prekvärtäärisen kallioperän paljastuma 1,1 % 0,618 0,0920 Sora ja hiekkamoreeni 38,8 % -0,353 0,344 Litoraalinen sora ja hiekkamuodostuma Moreenipeitteinen harju 3,3 % -0,727 0,0917 0,4 % -0,636 0,0710 Turvekerrostuma 42,6 % -0,141 0,109 Vesistö 2,4 % 0,595 0,131

31 ph y = x R² = Osuus pinta-alasta Kuva 8. Sora ja hiekkamoreeni -maaperäluokan vaikutus minimi-ph-arvoihin. 4.6 Korkeusmalli Maaston korkeuden vaikutusta Sanginjoen valuma-alueella alimpiin ph-arvoihin tarkasteltiin laskemalla tilastollisien muuttujien arvot ph-mittauspisteiden muodostamille valuma-alueille. Koko valuma-alueen tilastomuuttujien arvoja on esitetty taulukossa 8. Lisäksi liitteessä a on esitetty jokaisen ph-mittapisteen oman alivalumaalueen tiedot ja enemmän tilastollisten muuttujien arvoja. Minimi ph-arvoja nostivat korrelaatiokertoimien (r > 0) perusteella valuma-alueen minimi korkeus, maaston korkeuden keskiarvo ja mediaani. Muilla taulukossa 5 esitetyillä tilastomuuttujien arvoilla ei ollut suurta vaikutusta alimpiin ph-arvoihin, eli niiden r-arvot ovat lähellä nollaa. Tulokset maaston korkeusmallin tilastollisten muuttujien vaikutuksista alimpiin pharvoihin eivät olleet tilastollisesti merkitseviä. Jokaisen muuttujan ja alimpien ph-arvojen välinen p-arvo ylitti 0,05:n tilastollisen merkitsevyyden rajan.

32 32 Taulukko 8. Tilastomuuttuja, luvun arvo koko valuma-alueelle, tilastoluvun ja alimpien ph-arvojen välinen korrelaatiokerroin, tilastoluvun ja alimpien pharvojen välinen p-arvo. Muuttuja Arvo R-arvo P-arvo Minimi 11 0,182 0,169 Maksimi 149 0, ,695 Vaihteluväli 138-0,0643 0,628 Keskiarvo 79,8 0,124 0,349 Keskihajonta 24,8-0,0346 0,795 Mediaani 79 0,116 0, Topografinen kosteusindeksi Topografisen kosteusindeksin (Togographic Wetness Index, TWI) vaikutuksen minimiph-arvoihin analysointi toteutettiin laskemalla tilastollisten muuttujien arvot TWIrasterille ArcGIS:n ArcMap sovelluksessa ZonalStatistics työkalun avulla. Sanginjoen koko alueen TWI-rasterin tilastomuuttujien arvot on esitetty taulukossa 9. Alivalumaalueiden tilastollisten muuttujien arvot on esitetty liitteessä a. Tilastomuuttujien vaikutusten ph-arvoihin selventämiseksi laskettiin phmittauspisteiden valuma-alueiden TWI-arvojen ja alimpien ph-arvojen väliset korrelaatiokertoimet (r-arvot). Laskettujen r-arvojen perusteella TWI-keskiarvo nostaa ja TWI-keskihajonta laskee alimpia ph-arvoja. Minimi-, maksimi- ja TWI-vaihteluväli eivät vaikuta juurikaan alimpiin ph-arvoihin. Topografisen kosteusindeksin vaikutuksen arvioinnista saadut tulokset eivät olleet tilastollisesti merkitseviä.

33 33 Taulukko 9. Tilastomuuttuja, luvun arvo koko valuma-alueelle, tilastoluvun ja alimpien ph-arvojen välinen korrelaatiokerroin, tilastoluvun ja alimpien pharvojen välinen p-arvo. Muuttuja Arvo R-arvo P-arvo Minimi -7,63 0,0159 0,905 Maksimi 22,3-0,0309 0,816 Vaihteluväli 29,9-0,0238 0,858 Keskiarvo 7,37 0,109 0,411 Keskihajonta 2,31-0,106 0,423

34 34 5 TULOSTEN TARKASTELU 5.1 Happamat sulfaattimaat Happamista sulfaattimaista saadut tulokset (taulukko 3) osoittavat, että jo hyvin pienikin sulfaattimaiden esiintymistodennäköisyys laskee minimi ph-arvoja. Sulfaattimaavyöhykkeen ulkopuolisten maiden saama korrelaatiokertoimen korkea r- arvo (r = 0,474) vahvistaa tulosta. Kohtalaisen ja suuren esiintymistodennäköisyyden maita sijaitsee Sanginjoen valuma-alueella harvakseltaan, kohtalaisen osuus 2,8 % ja suuren 4,5 % pinta-alasta. Tämä voi selittää kyseisten esiintymistodennäköisyyksien saamat lähes neutraalit korrelaatiokertoimien arvot. Happamien sulfaattimaiden vaikutusten tarkastelusta alimpiin ph-arvoihin lasketut p-arvot eivät olleet tilastollisesti merkittäviä: hyvin pieni (p = 0,106), pieni (p = 0,365), kohtalainen (p = 0,536), suuri (p = 0,871) ja vyöhykkeen ulkopuoliset alueet (p = 0,108). Laajin alue Sanginjoella, jossa suurella todennäköisyydellä esiintyy happamia sulfaattimaita, sijaitsee Koivujoen ympäristössä (kuva 9). Koivujoelta onkin mitattu yksi matalimmista minimi-ph-arvoista, eikä yhtään korkeaa (yli 5,2) minimi ph-arvoa. Sanginjoen laskussa on mitattu alle neljän arvo. Yksi syy tähän voisi olla korkea todennäköisyys sulfaattimaiden esiintymiselle. Sulfaattimaavyöhykkeen ulkopuolelta on mitattu kaksi korkeimmista minimi-ph-arvoista, eikä yhtään matalimmista arvoista. Tämäkin havainto kertoo sulfaattimaiden ph-arvoja alentavasta vaikutuksesta.

35 35 Kuva 9. Happamien sulfaattimaiden esiintymistodennäköisyys Sanginjoen valumaalueella. Kuvaan on merkitty ph-mittauspaikkojen sijainnit. 5.2 Soidenojitustilanne Laskettujen korrelaatioarvojen (taulukko 4) perusteella suoalueet laskevat alimpia virtavesien ph-arvoja. Mitä suurempi suoalue on, sitä alempia (happamia) ovat mitatut alimmat ph-arvot. Myös suottomien alueiden saama korrelaatiokertoimen arvo (r = 0,417) tukee väitettä. Soiden ojitus vaikuttaa laskevasti vesien ph-arvoihin. Luonnontilaisen (ojittamattoman) suon korrelaatiokerroin (r = -0,117) on arvoltaan suurempi kuin ojitetun suon saama korrelaatio kertoimen arvo (r = -0,253). Turvetuotantosoiden korrelaatiokerroin (r = - 0,327) on puolestaan pienempi kuin ojitettujen soiden kertoimen arvo. Soidenojitustilanneluokista saadut tulokset olivat ojitettujen soiden (p = 0,0193) ja suottoman alueen (p = 0,000775) kohdalla tilastollisesti merkittäviä.

36 36 Kartalta tarkastellessa soidenojitustilannetta ja ph-mittauspaikkojen sijaintia voidaan todeta, että useat korkeimmat (ph > 5,2) minimi-ph-arvon mittauspaikat sijaitsevat suottomalla alueella (kuva 10). Monet matalimmat (ph < 4) minimi-ph-arvon antaneet pisteet puolestaan sijaitsevat ojitetun suon läheisyydessä. Tämä tukee r-arvojen antamaa kuvaa soidenojitustilanteen vaikutuksesta alhaisimpiin ph-arvoihin. Turvetuotantosoiden läheisyydessä ei sijaitse korkeimpia minimi ph:n pisteitä, mutta ei myöskään matalimpia minimi-ph-mittapisteitä. Koivujoen turvetuotantoalueen vaikutusalueen lähimmät mittauspaikat sijaitsevat Sanginjoen pääuomalla, jonka vesimassan puskurivaikutuksen ansiosta ph-arvot eivät laske jyrkästi alivaluman aikana. Pilpaojan laskun mittauspaikasta saatu minimi-ph-arvo on kymmenen matalimman joukossa. Pilpaojan latvaosien turvetuotantosuot vaikuttavat todennäköisesti tähän arvoon. Kuva 10. Soidenojitustilanne Sanginjoen valuma-alueella. Kuvaan on merkitty phmittauspaikkojen sijainnit.

37 Maankäyttö Maankäyttöluokista taulukon 5 korrelaatiokertoimien perusteella virtavesien alimpia pharvoja laskevat turvetuotantoalueet (r = -0,341), metsämaa (r = -0,221) ja kitumaa (r = - 0,252). Turvetuotantoalueiden luku on lähellä jo soidenojitustilannetarkastelussa saatua r-arvoa turvetuotantosoiden korrelaatiokertoimelle (r = -0,327). Voidaan todeta, että paikkatiedot maankäytön ja soidenojitustilanteen rastereiden välillä ovat lähestulkoon samat. Maankäyttörasterin turvetuotantoalueista puuttuu soidenojitustilannetiedoissa oleva kaikista itäisin turvetuotantosuo (kuvat 10 ja 11). Happamuutta vähentävät maankäyttöluokat laskettujen korrelaatiokertoimien mukaan ovat pellot ja säännöstelemättömät luonnonvedet. Säännöstelemättömät luonnonvedet eli järvet, joet ja lammet nostavat minimi ph-arvoja puskurivaikutuksen (suurissa vesimassoissa ph-arvo pääse laskemaan nopeasti) ansioista. Kuvaa 11 ja 10 vertaamalla voidaan todeta, että maankäyttöluokat kitu- ja jättömaa vastaavat suurimmilta osin soidenojitustilanteen luonnontilaisia soita. Pellot useimmiten sijaitsevat Sanginjoen valuma-alueella luonnonvesien lähettyvillä. Tämä saattaa vaikuttaa peltojen ja minimi ph-arvojen väliseen korrelaatiokertoimen suuruuteen (r = 0,350).

38 38 Kuva 11. Yleisimmät maankäyttöluokat Sanginjoen valuma-alueella. Kuvaan on merkitty ph-mittauspaikkojen sijainnit. 5.4 Latvuspeitto Latvuspeittoprosenttiluokista korreloivat minimi-ph-arvoja laskevasti %, %, %, % ja % (taulukko 6). Luokkien % ja % osuudet valuma-alueen koko pinta-alasta ovat 3,9 % ja 0,003 %. Pienistä osuuksista ja korkeista p-arvoista, (p = 0,281807) ja (p = 0,524118), johtuen kyseisten luokkien tuloksia ei voida pitää tilastollisesti merkittävinä. Muiden luokkien korrelaatiokertoimien arvot ovat lähellä nollaa, eli niiden vaikutukset alimpiin ph-arvoihin ovat vähäiset. Eri latvuspeittoluokat ovat levittäytyneet tasaisesti Sanginjoen valuma-alueella (kuva 10). Pienimmät latvuspeittoprosentit sijaitsevat alueilla, jotka sisältävät lähinnä jättömaata ja luonnontilaisia soita (kuvat 10, 11, ja 12). Alimpiin ph-arvoihin eniten vaikuttavat luokat

39 39 sijaitsevat pieninä keskittyminä tasaisesti koko valuma-alueella (kuva 13). Niinpä niiden vaikutuksista yksittäisten mittapisteiden ph-arvoihin on hankalaa vetää johtopäätöksiä. Kuva 12. Latvuspeitto Sanginjoen valuma-alueella. Kuvaan on merkitty phmittauspaikkojen sijainnit.

40 40 Kuva 13. Sanginjoen valuma-alueen vesien ph-tasoon vaikuttavat latvuspeittoluokat. PH-mittauspaikkojen sijainnit on merkitty karttaan. 5.5 Maaperä Maaperätiedoista saatiin kaikista suurimmat ja pienimmät r-arvot (taulukko 7). Kaikki suuria korrelaatiokertoimien itseisarvoja saaneet maaperäluokat esiintyvät pienissä osin ja suppealla alueella (kuva 14). Tämä voi olla syynä niiden suuriin vaikutuksiin minimi ph:n suhteen. Kuitenkin moreenipeitteisen harjun pinta-alan osuus koko Sanginjoen valuma-alueesta on vain 0,4 %, ja tutkimustulosten p-arvo on 0,0710. Eli moreenipeitteisestä harjusta saadut tulokset ovat lähes tilastollisesti merkitseviä. Vesistön arvo (r = 0,595) tukee aiempaa käsitystä (kappale 5.3) vesialueiden happamuutta vähentävästä vaikutuksesta. Turvekerrostuman ja minimi ph-arvojen välinen korrelaatiokerroin (r = -0,141) antaa lisää näyttöä suoalueiden ph-arvoja laskevasta vaikutuksesta.

41 41 Kuva 14. Maaperäluokitus Sanginjoen valuma-alueella. Kuvaan on merkitty phmittauspaikkojen sijainnit ympyrällä. Mittauspaikat joiden minimi ph on alle 4 on merkitty karttaan kolmiolla, ja mittauspaikat joiden minimi ph on yli 5,2 on merkitty neliöllä. 5.6 Korkeusmalli Korkeusmallista saadut r-arvot olivat itseisarvoiltaan verrattain muiden rastereiden arvoihin pieniä (taulukko 8). Suurin vaikutus minimi ph-lukuihin oli korkeusmallin minimillä (r = 0,182). Korkeusmallin matalimmat kohdat (11 mpy) sijaitsevat Sanginjoen suun kohdalla, josta voidaan päätellä että r-arvoon vaikuttaa suuren vesimassan happamuutta vähentävä puskuri-ilmiö. Korkeuserot ovat Sanginjoen valuma-alueella vähäisiä (kuva 15). Maasto laskee tasaisesti latvaosan korkeusmaksimista kohti purkupisteessä sijaitsevaa minimiä, eikä alueella

42 42 sijaitse paikallisia suurempia korkeuserojen vaihteluja. Tämä saattaa olla syynä r-arvojen pieniin itseisarvoihin. Kuva 15. Korkeus merenpinnasta Sanginjoen valuma-alueella. Kuvaan on merkitty ph-mittauspaikkojen sijainnit. 5.7 Topografinen kosteusindeksi Topografisen kosteusindeksin tilastomuuttujista keskiarvo (r = 0,109) ja keskihajonta (r = -0,106) vaikuttavat eniten minimi-ph-arvoihin (taulukko 9). Alueen kosteus siis vähentää ja kosteuden vaihtelu lisää sen happamuutta. Nämä johtopäätökset tukevat aiemmin tehtyjä havaintoja vesialueiden ph-arvoja nostavasta vaikutuksesta. Minimi ja maksimi TWI-arvoilla ei ole suurta vaikutusta Sanginjoen valuma-alueen vesien happamuuteen. Kuvasta 16 voidaan nähdä kuinka suurimmat topografisen kosteusindeksin arvot sijoittuvat enimmäkseen järvien ja soiden kohdille (siniset alueet), ja pienimmät arvot (punaiset viivat) lähinnä vesiuomien rantapenkkojen kohdille.

43 43 Kuva 16. Topografinen kosteusindeksi Sanginjoen valuma-alueella. Karttaan on merkitty ph-mittauspaikkojen sijainnit 5.8 Pää- sivu-uoma ja ala- keski- yläosa -tarkastelu Mittaustulosten mukaan (liite 1) Sanginjoen valuma-alueella virtavesien alimmat pharvot ovat keskimäärin happamampia sivu-uomissa kuin pääuomassa (taulukko 7). Sivuuomissa happamimpien mittaustulosten keski-, mediaani- ja minimi-arvo olivat pienempiä kuin pääuomassa. Sivu-uomissa alimpien ph-arvojen vaihtelu oli suurempaa kuin pääuomassa. Keskihajonta ja minimi- ja maksimiarvojen vaihteluväli olivat suurempia sivu-uomissa. Kymmenestä alimmasta minimi-ph-arvosta vain yksi sijaitsi pääuomassa. Ylimmistä kymmenestä mitatusta minimi-ph-arvosta kahdeksan sijaitsi sivu-uomissa. Yksi selitys suuremmalle vaihtelulle sivu-uomissa on laajempi mittaustulosten määrä. Toinen selitys vaihtelulle, joka selittää myös sivu-uomien happamuuden, on pääuoman

44 44 suuremmasta vesimassasta johtuva puskurivaikutus. Sen ansiosta happamuutta ei pääse esiintymään Sanginjoen pääuomassa yhtä helposti kuin virtaamiltaan pienemmissä sivuuomissa. Useat sivu-uomien suurimmat minimi-ph-arvot mitattiinkin suurempien vesimassojen, kuten järvien, läheisyydestä. Sanginjoen valuma-alueen happamuutta tarkasteltiin myös jakamalla alue ala-, keski- ja yläosaan (kuva 17). Alaosan alimmat ph-arvot ovat hieman happamampia kuin keski- ja yläosissa, joiden keskiarvot ovat samaa luokkaa kuin koko alueella (taulukko 7). Alaosan minimi-ph-arvojen vaihtelu oli vähäisempää kuin keski- ja yläosassa. Alimpien pharvojen pienempi vaihtelu selittyy ainakin mittapisteiden vähäisemmällä määrällä muihin osiin verrattuna. Tulosten tilastollista merkitsevyyttä tutkittiin pää- sivu-uoma vertailulle kahden riippumattoman muuttujan t-testin avulla, ja ala-, keski-, yläosa vertailulle ANOVA testin avulla. T-testin avulla tutkitaan johtuuko kahden toisista riippumattoman otoksen keskiarvojen ero mittausten otantavirheestä, vai onko ilmiön selittävä tekijä tilastollisesti merkitsevä. ANOVA testi pyrkii selvittämään saman kuin t-testi useamman keskiarvon välille. Molemmat testit tehtiin SPSS-ohjelman avulla. T-testin tuottaman p-arvon (p = 0,53) mukaan sivu- pääuoma vertailulla ei ollut tilastollista merkitsevyyttä (p > 0,05) (taulukko 8). Myös ANOVA testi osoitti, että valuma-alueen eri osista saatujen tulosten välillä ei ole tilastollista merkitsevyyttä. Testien tulokset viittaavat siihen, että veden ph-arvojen vaihtelu ei johdu pelkästään mittauspaikan sijainnista, vaan enimmäkseen muista tekijöistä, kuten mittausten otantavirheestä.

45 45 Taulukko 7. Minimi-pH-arvojen tilastollinen vertailu Sanginjoen pää- ja sivuuomissa. Alue n Keskiarvo Keskihajonta Minimi Maksimi Koko alue 60 4,55 0,647 3,2 6,3 Pääuoma 12 4,65 0,567 3,5 5,4 Sivu-uomat 48 4,52 0,662 3,2 6,3 Alaosa 7 4,41 0,601 3,5 5,2 Keskiosa 29 4,55 0,675 3,4 6,0 Yläosa 24 4,58 0,648 3,2 6,3 Taulukko 8. ANOVA- ja t-testin tulokset. Testi Testin kohde P-arvo T-testi Pää- sivu-uomat 0,53 ANOVA Ala- keskiosa 0,898 ANOVA Ala- yläosa 0,836 ANOVA Keski- yläosa 0,976

46 46 Kuva 17. Sanginjoen valuma-alueen jako ala-, keski- ja yläosaan. Karttaan on merkitty ph-mittauspaikkojen sijainnit 5.9 Usean muuttujan regressioanalyysi Aiemmin työssä esitetyt tutkimustulokset ilmaisevat yksittäisten tekijöiden vaikutuksia minimi ph-arvoihin. Usean muuttujan regressioanalyysin avulla voidaan tutkia valumaaluetekijöiden yhteisvaikutusta happamuuden suhteen. Usean muuttujan regressioanalyysi tässä työssä tehtiin SPSS-ohjelman avulla. Usean muuttujan regressioanalyysi antaa tutkittavalle ilmiölle mallin, joka ennustaa riippuvan (/selitettävän) muuttujan (Y) suuruuden riippumattomien (/selittävien) (Xn) muuttujien ja niiden kertoimien (bn), sekä vakiotekijän (a) avulla (kaava 9). Tässä tapauksessa veden minimi ph-arvo on mallin riippuva muuttuja ja valuma-aluetekijöiden pinta-alojen suuruudet ovat riippumattomia muuttujia. Usean muuttujan regressioanalyysiin valittiin mukaan ne valuma-aluetekijät, joiden tilastollinen

47 47 merkitsevyyden p-arvo oli analyysissa alle 0,1 (taulukko 9). Valuma-aluetekijöistä analyysiin kuuluvat maaperärasterin sora- ja hiekkamoreeni, literaalinen sora- ja hiekkakerrostuma, moreenipeitteinen harju, sekä turvekerrostuma. Malliin otettiin mukaan myös happamien sulfaattimaiden esiintymistodennäköisyyksistä erittäin pieni ja pieni. Regressioanalyysissa mallin vakiotekijän arvoksi tuli 5,721. Usean muuttujan regressioanalyysin yhtälö esitetään kaavassa 10. (Laerd Statistics) Y = a + b1x1 + b2x bnxn (10) Kun kaavan 10 yhtälöön sijoitetaan usean muuttujan regressioanalyysista saadut riippumattomien muuttujien kertoimet (taulukko 8) ja vakiotekijä (5,721), saadaan regressiomalliksi kaavan 11 mukainen yhtälö. Y = 5,721-1,075X1-22,939X2-1,698X3-0,891X4-1,034X5-0,510X6 (11)