Visuaalisen metsämaiseman herkkyysluokitus. Ron Store Oulu

Transkriptio

1 Visuaalisen metsämaiseman herkkyysluokitus Ron Store Oulu

2 Johdanto ja taustaa Taloudellisesti ja maisemallisesti on tarkoituksenmukaista tunnistaa maisemallisesti herkimmät alueet Maiseman herkkyys: Visuaalisen maiseman herkkyys muutoksille, kuten metsänkäsittelyille Maisemallisesti herkimpiä ovat kohteet joiden voimakas muuttaminen aiheuttaa laajaa vastusta ja paljon negatiivisia tunteita Menetelmä maisemallisesti herkkien alueiden tunnistamiseen talousmetsissä Metsäntutkimuslaitos, Suomen ympäristökeskus, Oulun yliopisto, Metsätalouden kehittämiskeskus Tapio, maa- ja metsätalousministeriö, Metsähallitus, Kainuun metsäkeskus, ProAgria Kainuu, Aalto yliopiston arkkitehtuurin laitos sekä Openspace-tutkimuskeskus Rahoitus: MMM:n ja osallistujat

3 Herkkyysluokitusprojektin tavoitteet Kehittää laajoille alueille soveltuva menetelmä maiseman herkkyysluokituksen toteuttamiseen talousmetsissä Kriteerien ja herkkyysmallin laatiminen Kainuun ja Kuusamon vaaramaan maisemamaakuntaan Menetelmän, kriteerien ja mallin testaaminen Sotkamon kunnan alueen kattavassa pilottitutkimuksessa Menetelmän vaiheet 1) Herkkyysmallin laadinta 2) Mallin toteuttaminen paikkatietojärjestelmässä 3) Tulosten arviointi

4 Maisemallisen herkkyyden kriteerit Herkkyysmallin laadinnan ensimmäisessä vaiheessa valitaan maiseman arvioinnissa käytettävät kriteerit Maiseman yleispiirteet vaihtelevat paljon eri puolilla Suomea Käytettävä kriteeristö on hienosäädettävä alueen mukaan Maisemamaakuntajako hyvä lähtökohta Tässä tutkimuksessa kohteena on Kainuun ja Kuusamon vaaramaan maisemamaakunta

5 Malli, jossa maisemalliseen herkkyyteen vaikuttavat tekijät kuvataan hierarkkisesti tarkentuvien kriteerien ja alikriteerien avulla Puustoon liittyviä kriteerejä ei mallissa käytetä, vaan maisemallista herkkyyttä arvioidaan alueiden sijainnin näkökulmasta => mallilla ei ole jatkuvaa päivitystarvetta Mallin pääkriteerit: 1. Näkyvyys 2. Käyttöpaine 3. Maiseman vetovoimaisuus Päätöshierarkia

6 Herkkyysmallin painokertoimien Kriteerien painokertoimet asiantuntijatietämyksen mallinnuksella Kolmekymmentä metsä-, maisema- tai ympäristöalan asiantuntijaa pääosin Kainuun ja Kuusamon alueelta Painokertoimien laskenta ja mallinnuksen epävarmuusanalyysit pareittaiset vertailut, Steps -ohjelmisto Hyötymallien estimoiminen Muuttujan arvojen tuottama hyöty yhteismitallistaminen määrittäminen

7 Herkkyysluokituksen tuottaminen paikkatietojärjestelmässä Kriteerejä kuvaavien karttatasojen yhteismitallistaminen Karttatasojen painottaminen ja yhdistäminen Lopputuloksena herkkyyskartta, joka kuvaa maisemallisen herkkyyden vaihtelua tutkimusalueella Luokituksen yksikkönä 250m ruutu Tutkimuksen tuloksena lisäksi herkkyysluokitusmenetelmä ja herkkyysmalli Kainuun ja Kuusamon vaaramaan maisemamaakuntaan

8 Laskennan kulku Tuotetaan kriteerejä vastaavat tiedot pilottialueelle ArcGis-ohjelmistolla Paikkatietoanalyysit Esim. näkyvyysanalyysi, naapurustoanalyysit ja läheisyysanalyysit Aineistot (vektori ja rasteri) Maastotietokanta ja korkeusmalli Yhdyskuntarakenneaineisto ja digiroad Sotkamon kunnan toimittamat aineistot, Tilastokeskuksen yritysrekisteri Kunnittaiset metsävaratiedot (VMI) Luonnonsuojeluohjelmat

9 Esim. paikkatietoanalyysit; asutuksen käyttöpaine

10 Näkyvyys alikriteeri (Rukan pilottialue) Punainen herkin sininen vähiten herkin

11 Esitysdian otsikko

12 Tulosten arviointi Maastotarkistukset Yksittäiset kriteerit ja herkkyysindeksi Tilastolliset epävarmuustarkastelut Kriteerien suhteen herkkyysanalyysi Mitä epävarmuus merkitsee? Asiantuntijoiden lomakearviointi Toteutettu 5/2011 Asiantuntijoiden maastoarviointi Toteutettu 8/2011

13 Tulosten hyödyntäminen Ei ole maisemallisen arvon kokonaismittari Herkkyystieto on nykyisiä metsiköittäisiä inventointeja täydentävä työväline, jonka avulla voidaan kohdistaa esim. maiseman huomioon ottavien hakkuiden suunnittelu ja toteutus sekä tarkemmat maastoinventoinnit ja maisema-analyysit maisemallisesti tärkeille alueille. Myös julkisrahoitteisen ohjauksen kustannustehokkuutta voidaan parantaa kohdentamalla neuvontaa, maisemapainotteista suunnittelua ja viestintää sekä erilaisia metsäpoliittisia tukia maisemallisen herkkyyden mukaan. Potentiaalisten konfliktitilanteiden tunnistaminen ennakolta

14 Kiitos