PUIDEN VUOSIRENKAAT MUINAISMETSIEN KASVUN JA ILMASTOHISTORIAN KUVAAJANA. Tutkielma Valtteri Väänänen. Rovaniemen metsäoppilaitos

Transkriptio

1 PUIDEN VUOSIRENKAAT MUINAISMETSIEN KASVUN JA ILMASTOHISTORIAN KUVAAJANA Tutkielma Valtteri Väänänen Rovaniemen metsäoppilaitos Mti-koulutus / Ekologia 1

2 TIIVISTELMÄ Valtteri Väänänen Ekologia PUIDEN VUOSIRENKAAT MUINAISMETSIEN KASVUN JA ILMASTO- HISTORIAN KUVAAJANA Tutkielma (31 s.+ 2 s. liitteitä) Rovaniemen metsäoppilaitos,

3 Tutkimuksessa selvitettiin puulustotutkimuksen avulla metsänrajamänniköiden kasvu- ja ilmastohistoriaa. Tutkimuksen päätavoitteeksi asetettiin kesien keskilämpötilojen vaihtelun selvittäminen näyteaineistosta mitattujen lustonleveyksien perusteella. Männyn vuosiluston leveyden vahva riippuvuus kasvuympäristönsä lämpötilasta pohjoisissa metsissämme mahdollistaa sen, että subfossiilisista lustonäytteistä voidaan saada arvokasta tietoa viimeisen jääkauden jälkeisen ajan ilmastosta. Käytännön metsätalous saa tutkimuksesta tietoa pitemmän aikajänteen ilmastovaihtelusta, mistä voi olla hyötyä metsätalouden tulevaisuutta koskevassa päätöksenteossa. Näytteet kerättiin Pallas-Ounastunturin kansallispuiston tuntumassa Pitkäjärven sekä UKKpuiston tuntumassa Raja-Joosepista n. 30 km länteen sijaitsevan Kompsiojärven rannoilla kasvavista ja kasvaneista männyistä. Metsätutkimuslaitoksella Rovaniemen tutkimusaseman dendrokronologian laboratoriossa mitattiin kerätyistä kairanlastuista ja näytekiekoista vuosikasvujen leveydet, jonka jälkeen mittaustiedot analysoitiin ja mallitettiin lämpötilatiedoiksi. Analysoinneissa käytettiin DPL- ja KINSYS-ohjelmistoa. Tutkimuksen tulokset noudattelivat pääsääntöisesti aiempien tutkimusten tuloksia. Metsänrajamännylle suotuisten kausien toistuminen tämän tutkimuksen yli 2000 vuotta pitkässä lustosarjassa noudattelee tietynasteista rytmiikkaa ja uudistumisen on tapahtuessa ainoastaan suotuisten kasvujaksojen aikana. Koska ilmasto vaihtelee jatkossakin, on tulevaisuutta ajatellen tärkeätä, että Lapin metsiä hoidetaan/käsitellään mahdollisimman hyvin ilmastonvaihteluita ja ilmastonmuutoksia kestäviksi. Asiasanat: rekonstruktio, dendrokronologia, dendroklimatologia, Pinus sylvestris, vuosirenkaat 3

4 Sisällys 1 JOHDANTO Puiden kasvu ja kasvun vaihtelu Aikaperspektiivit Menneiden tapahtumien tutkiminen Proksitiedot Dendrokronologia Lustokalenterit Lustokalenteri puunkasvun ja sään kuvaajana Metsänuudistumiskysymykset TUTKIMUKSEN TAVOITTEET TUTKIMUSAINEISTOT Aineistojen keruu Aineistojen käsittely Subfossiilinäytteiden mittaus ja ajoitus Kairanlastunäytteiden mittaus ja tarkastus Näytteiden muokkaaminen lustosarjoiksi ja lämpötilakäyriksi TUTKIMUKSEN TULOKSET Subfossiilinäytteet Vuosilustoindeksi Piikkivuosianalyysi Kairanlastunäytteet Vuosilustoindeksit Piikkivuosianalyysi Kasvun selittäminen säätekijöillä PÄÄTELMIÄ...29 LÄHTEET

5 1 JOHDANTO 1.1 Puiden kasvu ja kasvun vaihtelu Puun kasvu vaihtelee vuosittain: kunakin vuonna syntyvien latvakasvainten pituus ja vuosirenkaiden leveys riippuvat lukuisista kasvukauden aikaisista ja myös aiemmilta kasvukausilta periytyvistä säätekijöistä. Vuotuisten säätekijöiden lisäksi puun kasvuun vaikuttavat äkilliset ja lyhytaikaiset tai pitempään vaikuttavat tuhot. Dokumentteja tätä aiemmin tapahtuneista ilmastotuhoista on kirkonkirjoissa. Tästä huolimatta yksittäisten, kauan sitten tapahtuneiden hyönteis- ja myrskytuhojen vaikutusten arviointi on pääosin vuosirenkaiden perusteella tehtävää arvausta (Mielikäinen, Timonen ja Nöjd 1996, 4-5). Muistiin merkityistä laajoista, puiden vuosirenkaissa näkyvistä tuhoista viimeisin on Lapin männiköitä tämän vuosisadan alussa koetellut pakkastuho. Koko Pohjoiskalotin alueella esiintynyt tuho alkoi syyskuussa Tuolloin ankara pakkanen vaurioitti talveen valmistautumattomia, pohjoisella metsänrajalla kasvavia mäntyjä. Poikkeuksellisen epäedulliset sääolosuhteet jatkuivat vielä myöhempinäkin vuosina. Vasta vuoden 1910 jälkeen alkanutta puiden elpymistä edeltänyt huonon kasvun kausi ilmenee sekä vuosirenkaiden kapeutena (Mikola 1951, Lindholm 1996, Nöjd 1996) että neulasvuosikertojen alhaisena määränä (Kurkela ja Jalkanen 1990). Edellä kuvatut esimerkit osoittavat puun kasvuun vaikuttavien tekijöiden kirjavuuden. Yleisemmin ilmaistuna vuotuinen kasvu muodostuu seuraavien osatekijöiden summana (Cook 1992): R t = A t + C t + dd1 t + dd2 t + E t, missä: R t = havaittu lustosarja A t = puun biologinen ikääntyminen C t = sää- ja ilmastotekijät D1 t = metsikön sisäiset (endogeeniset) tekijät D2 t = ulkoiset (eksogeeniset) tekijät E t = selittämättömät tekijät Puun biologinen ikääntyminen (A t ) näkyy selkeästi paksuuskasvussa. Nuorella iällä kasvu aluksi kohoaa kääntyen muutaman kymmenen vuoden jälkeen laskuun. Kasvun maksimin taso ja ajankohta riippuvat mm. kasvupaikasta, alueesta, puulajista ja metsikön syntytavasta. (Mielikäinen ym. 1996, 4-5.) 5

6 Kuva 1. Esimerkki näytekiekosta ja tapahtumista, jotka ovat vaikuttaneet puun vuosilustojen kasvuun Schweingruberin (1989) mukaan. Säätekijöiden (C t ) vaikutus näkyy sekä pituus- että paksuuskasvun vuotuisena vaihteluna. Säätekijöistä lämpötila on tärkein Pohjois-Suomessa, kun puolestaan sademäärä on merkittävin tekijä Etelä-Suomessa. Metsänrajalla on silloin tällöin niin kylmiä vuosia, etteivät puut pysty kasvamaan paksuutta lainkaan rungon tyviosassa. Hiukan etelämpänä epäsuotuisat vuodet ilmenevät kapeina vuosirenkaina. (Mielikäinen ym. 1996, 4-5.) Metsikön sisäisiä tekijöitä (D1 t ) ovat mm. metsikkörakenne ja puuston tiheys, puiden välinen kilpailu, kukkiminen ja siementuotanto. Ulkoisia tekijöitä (D2 t ) ovat mm. hakkuut, metsäpalot, hyönteistuhot, taudit, saasteet, tuulet, tulvat ja myrskyt. D1 t :n ja D2 t :n yhteydessä esiintyvä parametri d voi saada arvon 0 tai 1 sen mukaan, vaikuttaako tekijä vuonna t mallissa vai ei. Selittämätöntä kasvun vaihtelua (E t ) aiheuttavat mm. kasvupaikan maaperäominaisuuksien vaihtelu, rinteen kaltevuussuunta ja mittausvirheet. (Mielikäinen ym. 1996, 4-5.) Kaikkia kasvuun vaikuttavia tekijöitä A t.. E t ei voida mallittaa. Siksi on tavanomaista, että jo aineiston keruuta suunniteltaessa pohditaan keinoja tutkittavan signaalin paljastamiseksi ja taustakohinan vaimentamiseksi. (Mielikäinen ym. 1996, 4-5.) 6

7 Luotettavimmat tulokset tutkittaessa lämpötilojen vaihteluita saadaan sieltä, missä puut joutuvat kasvamaan elinolosuhteidensa äärirajoilla (Fritts 1976, 15-16). Pohjolan männyn ja erityisesti lähellä metsänrajaa kasvavan männyn kasvu riippuvat voimakkaasti kasvukauden lämpötilaoloista. Vain poikkeustapauksessa voi kuivuus aiheuttaa pohjoisessa kasvun alenemisen (Mikola 1950). Pohjoisen kuusen kasvunvaihtelu on erityisen riippuvainen sademääristä, joten tässä tutkimuksessa kuusta ei voi käyttää. Männyn vuosilustojen leveyksien muuntaminen keskilämpötiloiksi perustuu tietoon, että lämpötila on kasvun minimitekijä lähellä metsänrajaa (Mikola 1950, Sirén 1961, Lindholm 1994). Lämpötilan ja lustoleveyden välinen riippuvuus saadaan selvitetyksi yli sata vuotta kerättyjen säätilastojen ansiosta (Kuva 1). 1.2 Aikaperspektiivit Metsätieteissä ja käytännön metsätalouden suunnittelussa on totuttu satojen vuosien aikajänteisiin. Ilvessalo (1970) tarkasteli Pohjois-Lapin männiköitä koskevassa tutkimuksessaan puiden kasvuja vuoden ajalta. Mikola (1950) ulotti kasvunvaihtelututkimuksensa luvun puoliväliin. Sirén (1961) julkaisi metsänrajamäntyä koskevassa tutkimuksessaan ajanjaksoa koskevan kansainvälisestikin tunnetun 780-vuotisen lustosarjan. Uusimpana kehitysvaiheena metsäntutkimukseen ovat ilmaantuneet tuhatvuotiset aikaperspektiivit. Sitä todistavat Rovaniemen tutkimusaseman dendrokronologian laboratoriossa valmistuneet 1911-vuotinen ja 7500-vuotinen kelluva metsänrajamännyn lustosarja (Timonen 1996b). Syynä jopa viime jääkauden jälkeisiin ensimmäisiin puusukupolviin ulottuvien sarjojen kehittämiseen on tutkimustoiminnan laajentuminen aihepiireihin, joissa tarvitaan pitkiin aikasarjoihin perustuvaa vertailutietoa kasvusta. Tällöin tutkimusasetelmana on tyypillisesti jonkin puunkasvussa trendimäisesti näkyvän ympäristötekijän tunnistaminen ja sen vaikutusten arvioiminen. Viime aikoina on selvitelty kasvuanalyysein ympäristömuutokseen liittyviä kysymyksiä, esimerkiksi Euroopan kasvutrendejä (Spiecker, Mielikäinen & Köhl & Skovsgaard 1996), Suomen kasvutrendejä (Mielikäinen ja Timonen 1996) ja Kuolan metallisulattojen päästöjä (Nöjd ja Reams 1996). Aikaperspektiivien merkitystä on alettu korostaa yleisestikin uusissa kansainvälisissä ympäristöohjelmissa: on huomattu pitkien aikasarjojen luovan pohjaa tämänhetkisten ja jopa tulevien tapahtumien ymmärtämiseksi. Korhola (1994) kiteyttää aikaperspektiivien ja pitkien havaintosarjojen tärkeyden seuraavin väittämin: 7

8 1. Tulevia uhkia torjuttaessa on hyvä tietää mahdollisimman paljon menneisyydestä. 2. Ihmisen haitallinen vaikutus luontoon voidaan tunnistaa ajoissa, jos luonnon oma vaihtelurytmiikka tunnetaan riittävän hyvin. 3. Ilman pitkäaikaisia havaintoja tutkijoilta puuttuu aikaperspektiivi, mikä seikka voi johtaa heidät helposti harhaan. Vaikka väittämien metsätieteellistä merkitystä on ehditty tutkia vasta muutaman vuoden ajan, on käynyt ilmeiseksi, että muinaisten metsien kasvun tutkimisesta on hyötyä sovitettaessa Lapin metsätaloutta muuttuviin ilmasto-oloihin (Timonen 1996c, 275.) Pitkät aikaperspektiivit eivät aina takaa tulosten luotettavuutta. Ongelmana on luotettavan vertailutason määritteleminen erityisesti trendien paljastamiseen tähtäävissä kasvututkimuksissa. Suurimpana vaikeutena on löytää kriteerit trendiin liittyvän kasvun erottamiseksi muusta kasvusta. Usein tutkija joutuukin luottamaan ammattitaitoonsa ja soveltamaan harkintaa vertailutason asettamiseksi. Näin menetellen lopputulos ei ole aina paras mahdollinen. Objektiivisiin tuloksiin pääsemiseksi tarvitaan aiempaa yksityiskohtaisempaa tietoa puiden kasvun ja kasvunvaihtelun ominaispiirteistä ja ennen kaikkea äärirajoista. (Timonen 1996c, 275.) Jotta myös ilmastonvaihteluiden koko kirjo tulisi huomioonotetuksi kasvussa, on metsien historiallista kehittymistä tutkittava mahdollisimman pitkältä aikajaksolta. Suomen oloissa se tarkoittaa tutkimusten ulottamista viime jääkauden jälkeisiin ensimmäisiin puusukupolviin saakka. (Timonen 1996c, 275.) 1.3 Menneiden tapahtumien tutkiminen Proksitiedot Muutosprosessit ovat Erosen (1980, 144) mukaan usein hitaita ja edellyttävät esimerkiksi ilmastonvaihtelututkimuksissa satojen tai tuhansien vuosien tai vieläkin pitempiä vertailusarjoja. Usein joudutaan toteamaan, ettei kunnollista vertailukohtaa löydy aikasarjojen lyhyyden vuoksi. Mittausvälineillä tehdyt mittaukset yltävät parhaimmillaankin vain vuoden päähän (lämpötilamittaukset). Eräs keino jatkaa tarvittavia aikasarjoja on hyödyntää ns. proksitietoja (proxy data). Proksitiedot tarkoittavat lähteitä, jotka kertovat epäsuorasti tutkittavasta ilmiöstä. (Timonen 1996b, 6.) Timosen (1996c) mukaan mänty on ihanteellinen puulaji pitkän ajan kasvun vaihtelun tutkimiseen, sillä sen säilyvyys on pihkan, tervaisuuden ja muiden kemiallisten ominaisuuksien ansiosta omaa luokkaansa kuuseen tai koivuun verrattuna. Mänty kestää pystypuuna tai maa- 8

9 kelona lahoamatta satoja vuosia. Kylmissä, vähähappisissa järvissä ja soissa osittain mutaan hautautuneet rungot säilyvät mittauskelpoisina tuhansia vuosia. Lapin mäntyjen vuosilustot ovat proksitietoja parhaasta päästä, sillä ne kuvaavat muinaisen ilmaston lämpötilavaihtelut muutaman asteen tarkkuudella (Lindholm 1994). Bradleyn (1985) mukaan ilmastonvaihteluiden tutkimuksessa käytettäviä proksitiedon muita lähteitä ovat esimerkiksi jääkairaussarjat, järvenpohja- ja maakerrostumat, siitepölyt, kasvimakrofossiilit ja myös historialliset muistiinpanot. Niiden aikaskaala ulottuu muutamista sadoista vuosista satoihin miljooniin vuosiin Dendrokronologia Puiden vuosilustotutkimuksiin liittyvää tekniikkaa on voitu kehittää jo noin 90 vuoden ajan. Dendrokronologiaksi eli vapaasti suomennettuna puulustotieteeksi kutsuttu tieteenhaara sai alkunsa amerikkalainen tähtitieteilijä Andrew E. Douglassin ( ) keksimästä yhteydestä puiden vuosilustojen leveyden ja säätekijöiden välillä (Douglass 1914). Tieteenhaaralle on tunnus- omaista tulkita vuosilustotiedosta menneitä, nykyisiä ja tuleviakin tapahtumia. Dendrokronologian menetelmin on voitu paikallistaa mm. kadonneita kulttuureja, ajoittaa niiden elämiseen liittyviä tapahtumia, seurata ilmaston muutoksia tuhansia vuosia taaksepäin ja rekonstruoida muinaisen metsän rakennetta, kasvua ja neulasistoa. Moni-ilmeisyytensä vuoksi dendrokronologia voidaan haluttaessa jakaa osa-alueisiin, joista tärkeimpiä ovat dendroekologia, -klimatologia, -kemia, -geologia, -geomorfologia -arkeologia, -hydrologia ja kulttuuri-ilmiöt (Timonen 1996c, 277) Lustokalenterit Dendrokronologian perustyövälineisiin kuuluvat lustokalenterit laaditaan useista näytteistä yhdistelemällä ns. ristiinajoitustekniikkaa (cross-dating) soveltaen. Näytteet voivat olla elävistä puista, keloista tai muinaispuista, joita kutsutaan myös subfossiileiksi tai megafossiileiksi. Yhdistelytekniikka perustuu teoriaan ilmastosignaalien esiintymisestä lähes kaikissa tutkittavissa puissa. Ilmastosignaaleilla tarkoitetaan ilmaston vaihtelusta aiheutuvia poikkeuksellisten kapeita tai leveitä lustoja, jotka ovat paikallistettavissa lähes kaikista alueen tutkittavista puista. Nämä erikoiset lustot muodostavat tietynlaisen ilmastollisen sormenjäljen, joka voidaan tulkita näytteestä viivakoodin tavoin. Lustokalenterit kuvaavat yleisimmin lustonleveyksiä kuvaavia erilaisia keskiarvosarjoja tai tutkimuskohtaisten tarpeiden perusteella laadittuja indeksisarjoja. Toistaiseksi pisimmän ko- 9

10 timaisen lustokalenterin ovat laatineet Zetterberg ym. (1995) Suomen Akatemian rahoittamassa SILMU-projektissa. Sarja kattaa lähes kokonaan metsänrajamännyn holoseenin aikaisen eli viime jääkauden jälkeisen esiintymishistorian. Lustokalentereiden perusteella on mahdollista laskea muinaisilmaston lämpötilavaihteluita tuhansia vuosia taaksepäin ja laatia niitä esimerkiksi kartake-esityksiksi. Kartake-esitystä edustaa mm. tutkijaryhmän Briffa, Bartholin, Eckstein, Jones, Karlén, Schweingruber ja Zetterberg (1990) mäntylustoaineistosta laatimat alueittaiset lämpötilakartakkeet vuosille Tuoreessa metsänrajalla tehdyssä tutkimuksessa rekonstruointiin männyn vuosilustokalenterin avulla kesäaikaiset lämpötilat vuosille Enontekiön alueelle (Lindholm 1994). Vastaavia tutkimuksia on tehty runsaasti myös Pohjois-Amerikassa (Fritts 1976). Suomessa on dendroklimatologiseen tutkimukseen erinomaiset puitteet, sillä erityisesti männyt säilyvät sopivissa olosuhteissa (kylmät ja vähähappiset suot ja järvet) lahoamattomina jopa tuhansia vuosia. Lapin metsänrajamännyn subfossiileja on tutkinut pisimpään professori Matti Eronen, joka aloitti radiohiilimenetelmään perustuvat ajoitustyönsä 1970-luvulla (mm. Eronen 1979). Hän johtaa nyt uusinta, 1996 alkanutta EU-rahoitteista ADVANCE 10Ktutkimusprojektia, jossa selvitetään pohjoisboreaalisen havumetsävyöhykkeen holoseenin aikaisia ilmastonvaihteluita. Projektin suomalaiseen tiimiin kuuluu tutkijoita Helsingin ja Joensuun yliopistoista sekä Metsäntutkimuslaitoksesta Lustokalenteri puunkasvun ja sään kuvaajana Metsäntutkimuslaitoksessa (Metla) laaditun metsänrajamännyn lustokalenterin viimeiset 1000 vuotta osoittavat puiden kasvun vaihtelevan jaksoittaisesti. Pisimmät keskitasoa heikommat tai paremmat jaksot ovat kestäneet jopa vuotta. Männyn kasvu on ollut heikkoa vuodesta 1961 lähtien. Muutamat poikkeusvuodet (1973, 1979, 1982, 1983 ja 1989) lieventävät tilannetta kuitenkin sen verran, ettei jaksoa voi pitää erityisen ankarana verrattaessa sitä vuosi- tuhannen muihin vastaaviin jaksoihin. Tuhatvuotisella aikaperspektiivillä tarkastellen voidaan päätellä, että 1900-luvun liki puolivuosisatainen suotuisa jakso ( ) kuuluu vuosituhannen lämpimimpiin. Edellinen sitä muistuttava jakso löytyy 1700-luvulta. Päätelmää tukee havainnot nuorista vuotiaista metsiköistä, jotka nykyisin muodostavat maantieteellisesti pohjoisimman (polaarisen) ja tuntureilla ylimmän (alpiinisen) metsänrajan. (Mielikäinen ym. 1996, 8.) Metsänrajamännyn kasvuolot lienevät olleet kuluneella vuosituhannella ankarimmillaan luvun loppu- ja 1800-luvun alkupuoliskoilla. Kylmimmässä vaiheessa 1830-luvulla männyn 10

11 kasvu saattoi jopa tyrehtyä kokonaan useiksi vuosiksi, mikä on voitu päätellä puuttuvien vuosirenkaiden perusteella. (Timonen 1996, 4). Mielenkiintoa aiheeseen lisää menneen kesän 1997 poikkeuksellisen lämmin sää koko Suomessa ja erityisesti Lapissa. Kysymys, kuinka usein keskilämpötilaltaan vastaavia kesiä Lapin ilmastohistoriassa on ollut, askarruttaa varmasti monien metsäammattilaisten, auringonottajien ja muidenkin Pohjois-Suomen luonnossa liikkuvien ihmisten mieltä. 1.4 Metsänuudistumiskysymykset Metsänrajaseutujen männiköt ovat uudistuneet harvakseltaan mutta kuitenkin melko säännöllisesti, Sirénin mukaan 3 4 kertaa vuosisadassa. Kun kalenteria verrataan Sirenin (1961) selvittämiin metsänrajamännyn uudistumisvuosiin, voidaan päätellä, että metsät ovat uudistuneet pääasiassa suotuisten kasvujaksojen aikana. Syynä on hyvän siemenvuoden vaatimus kolmesta peräkkäisestä lämpimästä kesästä (Pohtila 1981). Metsänrajalla edellytykset täyttyvät ainoastaan suotuisien jaksojen yhteydessä. Lustokalenteri osoittaa puiden kasvun vaihtelussa esiintyvän selvää rytmiikkaa. Koska suotuisat jaksot voivat kestää yhtämittaisesti jopa vuosikymmeniä, saattaa saman jakson aikana syntyä useita puusukupolvia (esim ). Vastaavasti uudistuminen saattaa tyrehtyä kylminä jaksoina miltei kokonaan, mikä tapahtui männyn metsänrajaseuduilla Lapissa jaksolla , jolloin metsät uudistuivat Sirénin (1961) tutkimusten mukaan merkittävämmin vain kerran. 2 TUTKIMUKSEN TAVOITTEET Tässä tutkimuksessa tarkastellaan kerätyn elävän ja vedenalaisen mäntyaineiston perusteella eräiden männynmetsärajan tuntumassa sijaitsevien järvenrantamänniköiden kasvua ja kasvunvaihtelua. Tutkimuksen päätavoitteeksi asetettiin kesien keskilämpötilojen vaihtelun selvittäminen ko. alueen näyteaineistosta mitattujen lustonleveyksien perusteella. Hypoteesina oli väittämä, että kasvukauden lämpötila on merkittävin minimitekijä vuosiluston kasvulle lähellä männynmetsänrajaa. Tavoitteena oli myös laajentaa tarkastelu koskemaan tutkimuskohteiden mäntymetsien koko yli vuotista esiintymishistoriaa, jotta saataisiin käsitys noin 7000 vuotta sitten vallinneen holoseenin lämpimimmän jakson (holoseenin optimi) ilmastovaihteluista ja niiden vaikutuksesta metsien kasvuun. Tavoitetta jouduttiin kuitenkin supistamaan, koska näyteaineistojen 11

12 käsittelyyn varattu aika ei riittänyt ennalta kaavaillun pituisen lustokalenterin laadintaan. Tavoitteisiin pyrittiin seuraavien keinojen avulla: 1) Tutkimusaineiston kuvaus - näytejakaumat, näyteprofiilit ja havaintojakaumat järvittäin 2) Lustokalenterin laatiminen 3) Ilmastosignaalianalyysit - tulosten laskenta KINSYS-ohjelmistolla (piikkivuosianalyysi kasvun minimi- ja maksimivuosien määrittelemiseksi) - vuosilustoindeksien laadinta 4) Männyn kasvun selitysmallin laatiminen säätekijöillä - säätekijöiden (kuukausi keskilämpötila, lämpösumma, sademäärä) selittävyyden tutkiminen 5) Männyn kasvun ja lämpötilan välisen riippuvuuden selvittäminen (vastefunktion laatiminen, Kuva 2). - siirtofunktion laadintaan - lustoindeksiä lämpötilamuuttujilla selittävän mallin kehittäminen 6) Kesäkeskilämpötilojen johtaminen lustoleveyksistä (siirtofunktio) (Kuva 2) - malli muinaisen ilmaston männyn kasvukauden (kesä-heinäkuu) aikaisten keskilämpötilojen lasketaan Kuva 2. Ajatusmalli menneisyyden kesien keskilämpötilojen mallittamisesta käytössä olevien lämpötila- ja lustonleveystietojen avulla Rosen, Deanin ja Robinsonin (1981) mukaan 12

13 3 TUTKIMUSAINEISTOT 3.1 Aineistojen keruu Tutkimusaineistot koostuvat männynmetsärajan tuntumassa sijaitsevien järvien pohjamudista nostetuista sekä ikäkairalla kairatuista lustonäytteistä (Kuva 3). Näytteet kerättiin esimerkkitapauksiksi valittujen Pitkäjärven ja Kompsiojärven rannoilla kasvavista männyistä sekä muinoin kasvaneista männyn subfossiilirungoista. Pitkäjärvi sijaitsee Pallas-Ounastunturin kansallispuiston rajalla noin 20 km Raatamasta pohjoiseen ja Kompsiojärvi Metsähallituksen mailla UKK-puiston tuntumassa, noin 30 km Raja-Joosepista länteen. Tärkeä osa aineistosta muodostuu lähimpien ilmastoasemien (Karesuvanto, Ivalo, Sodankylä) mitatuista lämpötilatiedoista.. Tutkimuskohteiksi valituista järvistä kerättiin näytteitä kesinä 1996 ja 1997, näytettä/järvi. Pyrkimyksenä oli paikallistaa mahdollisimman monta puusukupolvea. Järvistä nostetuista männynrungoista sahattiin näytekiekot jo rantavedessä, minkä jälkeen rungot pyrittiin palauttamaan takaisin löytöpaikoilleen. Elävistä puista kairatut näytelastut ovat kaikki peräisin kesältä Kompsiojärven ja Pitkäjärven rantametsiköiden männyistä kairattiin noin 60 ytimeen saakka ulottuvaa näytettä nykyisen elävän puusukupolven kehityksen selvittämiseksi. Elävät koepuut valittiin terveistä pää- ja lisävaltapuista. Näytteet kairattiin jokaisesta kävelylinjalla eteen sattuneesta kriteerit täyttäneestä puusta. Tällöin oletettiin, että puut ovat jakautuneet satunnaisesti tutkimusmetsiköissä. Kuva 3. Männyn metsäraja ja näytteiden keruualueet. 13

14 3.2 Aineistojen käsittely Näytteet mitattiin Metlan Rovaniemen tutkimusaseman dendrokronologian laboratoriossa lustomikroskoopin ja siihen kuuluvien mittalaitteiden avulla. Mittaustiedot tarkastettiin ja ajoitettiin tietokoneella Arizonan yliopiston lustolaboratoriossa (Laboratory of Tree-Ring Research) kehitetyllä DPL-ohjelmistolla (Dendrochronology Program Library, Holmes 1994 ). Näytteiden tarkistuksessa ja ajoituksessa käytettiin päätyövälineenä DPL-ohjelmiston Cofecha- laatukontrolliohjelmaa. Aineiston jatkokäsittely tehtiin pääasiassa Metlassa kehitetyllä KINSYS-ohjelmistolla (Timonen 1996a). Mitatuista ja tarkistetuista näytteistä laadittiin molempien järvien puiden kehitystä kuvaava lustosarja. Lustosarjojen rakentamisessa käytettiin apuna Metlan metsänrajamännyn sekä Zetterbergin 7500-vuotista lustosarjaa (Zetteberg ym. 1995). Lähimmillä sääasemilla (Karesuvanto, Ivalo, Sodankylä) mitattujen sekä Ojansuu-Henttosen (1983) ilmastomallilla laskettujen lämpötilatietojen avulla pyrittiin laatimaan siirtofunktio ilmastohistorian mallinnusta varten Subfossiilinäytteiden mittaus ja ajoitus Näytekiekoista mitattiin lustojen leveydet vähintään kahdelta suunnalta. Mahdolliset mittausvirheet ja osa mahdollisista puuttuvista lustoista saatiin paikallistetuksi DPL:n Cofechaohjelmalla. Näytteet ajoitettiin vertaamalla mittaussarjoja valmiiseen lustosarjaan eli referenssisarjaan, joka oli jo aiemmin Metlassa laadittu metsänrajamännyn lustokalenteri. Cofechassa sovellettavassa ajoitusmenetelmässä näyte jaetaan 50 vuoden osiin eli segmentteihin, joita kutakin verrataan erikseen referenssisarjaan. Ajoitusta tehostettiin määrittämällä segmentit osittain päällekkäisiksi 25 vuoden peitolla. Tällöin ensimmäinen segmentti käsitti näytteen lustot 1 50, toinen vuodet 26 75, kolmas jne. (Kuva 4) 14

15 Kuva 4. Mitattavan sektorin jakaminen 50 vuoden pituisiin segmentteihin 25 vuoden peitolla. Käytännön työssä on havaittu, että vain parhaassa tapauksessa kaikki segmentit ajoittuvat. Yleensä yksi tai useampia segmenttejä jää ajoittumatta; erityisesti ydintä lähellä olevat segmentit ovat vaikeasti ajoittuvia. Se ei kuitenkaan merkitse ajoituksen epäonnistumista, vaan rajoittaa lähinnä koko näytteen hyväksikäyttöä jatkoanalyyseissä. Syitä ajoitusvaikeuksiin on useita, mutta yleisimmin lienee kysymyksessä tarvittavan sormenjäljen eli ilmastosignaalin vaimeneminen tai katoaminen muiden kasvutekijöiden aiheuttamaan kohinaan. Tällöin ainoaksi keinoksi jää radiohiiliajoitus, jolloin ajoitus ei ole vuodentarkka menetelmästä aiheutuvan virhemarginaalin vuoksi (tarkkuus parhaimmillaan alle ± 10vuotta (Wiggle Matchmenetelmä). Verrattaessa vuodentarkasti mitattua lustonäytettä referenssisarjaan voi paljastua lisää mahdollisia puuttuvia lustoja sekä myös valelustoja, joita voi syntyä erityisolosuhteissa. Cofechaohjelma ilmoittaa segmenteillä olevista virheistä tai muuten oudoista arvoista ns. lippujen (flags) muodossa. Puuttuvat tiedot merkitään tiedostoihin joko nolla-arvoina tai muilla merkintäteknisillä keinoilla. 15

16 3.2.2 Kairanlastunäytteiden mittaus ja tarkastus Kairanlastut mitattiin kuten näytekiekotkin lustomikroskoopilla. Niiden mittaus oli ongelmallisempaa kiekkojen mittaukseen verrattuna, sillä lastun pinta-ala on kiekon pinta-alaa huomattavasti pienempi. Tällöin epäselvissä mittauskohdissa eli lustojen tihentymissä ei aina ole mahdollista paikallistaa puuttuvia lustoja. Kiekosta voidaan etsiä toinen kohta, jossa lustot näkyvät paremmin. Mahdolliset mittausvirheet ja osa mahdollisista puuttuvista lustoista selvisivät samoilla tietokoneohjelmilla kuin kiekkojen mittauksessakin. Elävistä puista kairattujen lastujen ajoittaminen oli ongelmatonta, sillä viimeinen mittausvuosi oli tiedossa. Ytimen lähellä olevien segmenttien ajoituksessa esiintyi samat ongelmat kuin kiekkojenkin ajoituksessa Näytteiden muokkaaminen lustosarjoiksi ja lämpötilakäyriksi Mitattuja lustoleveyksiä tai niistä laskettuja keskiarvoja ei voi suoraan käyttää ilmaston vaihteluita kuvaavien lustokalentereiden laskenta-aineistona. Yhtenä syynä tähän on puun biologisesta iästä aiheutuva lustojen kasvun trendimäinen muuttuminen. Vedenalaisten näytteiden lustot jakaantuvat hyvin satunnaisesti eri kalenterivuosille. Voi käydä esimerkiksi siten, että jollekin vuodelle osuu pelkästään nuoria ja jollekin toiselle pelkästään vanhoja lustoja. Tällaiset lustoleveyskeskiarvot eivät ole keskenään vertailukelpoisia vaan kertovat silloin lähinnä eri-ikäisten lustojen kasvueroista. Iän myötä puun pituus- ja kasvusolukon pinta-ala kasvaa, joten saman tilavuuskasvun saavuttaminen toteutuu yhä kapeamman vuosiluston tuottamisella. Tavallisesti lustoaineistot saatetaan samanarvoisiksi eli standardoidaan jollakin tilanteeseen soveltuvalla matemaattisella menetelmällä, esimerkiksi sovittamalla sarjoihin sopiva eksponenttifunktio tai polynomifunktio (Graybill 1982). Suomessa on sovellettu paljon läpimitan kasvuprosenttiin perustuvaa mallia (Kuusela ja Kilkki 1963, Mielikäinen ym. 1996). Tällöin poistetaan tutkittavan ilmiön kannalta epäoleellinen kasvunvaihtelu eli kohina. Tämän jälkeen jaetaan kunkin vuoden lustonleveyden mittausarvo iän mukaisella kasvuarvolla eli vastaavalla funktion arvolla (Fritts 1976). Vastefunktio kuvaa standardoidun lustonleveyden (indeksin) ja lämpötilamuuttujien välisen riippuvuuden. Vastefunktion kertoimien avulla voidaan arvioida ja rekonstruoida menneisyyden ilmastoa (Lindholm 1994). Siitä selviää myös ilmastomuuttuja, jota lustoleveys tai muut kasvumuuttujat parhaiten selittävät. Lapissa se on yleensä heinäkuun lämpötila. Tätä tietoa 16

17 tarvitaan laadittaessa ns. siirtofunktiota, jonka avulla lustoleveystiedot saadaan muutetuksi lämpötiloiksi. Jotta tulos olisi mahdollisimman hyvä, on suoritettava vielä kalibrointi lustoleveys- ja säätietojen vastaavuuden löytämiseksi. 4 TUTKIMUKSEN TULOKSET 4.1 Subfossiilinäytteet Subfossiilinäytteistä saatiin aiemmin laadittujen lustosarjojen avulla kokoon yli 2000 vuotta pitkä lustosarja (lustokalenteri). Se ajoittuu vuosille 82 eaa jaa. (Kuva 5). Sarja perustuu 457 huolellisesti testattuun näytteeseen, joiden lustojen kokonaismäärä on noin Cofechan mukaan sarjaan ei muokkausten jälkeen jäänyt merkittäviä lippuja (flags). Sarjan sisältämien näytteiden keskimääräinen lustonleveys oli 0,74 mm ja keskihajonta 0,31 mm. Yksittäiset lustonleveydet vaihtelivat n. 0,10 mm:stä 2,40 mm:iin Vuosilustoindeksi Puiden kasvun vaihtelua kuvataan vuosilustoindeksillä. Tämä mahdollistaa eri ikävaiheiden kasvujen keskinäisen vertailun. Indeksilaskenta edellyttää keskimääräisen kasvutason eli normaalitason määrittämistä. Tässä ns. standardoinnissa lasketaan puun keskimääräistä kasvua kuvaava matemaattinen malli, jossa huomioidaan ikätekijästä aiheutuva kasvun trendimäinen muuttuminen ja mahdollisesti muita tekijöitä kuten kasvupaikan vaikutus ja metsikön tihentymisestä aiheutuva kasvun aleneminen (Mielikäinen ym.1996). Kuva vuotisen lustokalenterin vuosilustoleveydet (mm) ja vuosilustoindeksi (keskitaso = 100), sekä havaintofrekvenssi. Vaaka-akseleilla kalenterivuodet. 17

18 Standardoinnin jälkeen jäljelle jäänyt lustoleveyden iän mukainen kasvunvaihtelu sisältää Cookin mallin (ks. luku 1.1) mukaisesti edelleenkin lukuisia kasvun osatekijöitä. Niiden poistamiseksi joudutaankin kasvunvaihteluanalyyseissä jo tutkimuksen suunnitteluvaiheessa miettimään tarkoin, mitä kasvun osatekijää tutkitaan ja miten tutkimusaineisto on tätä silmällä pitäen järkevintä kerätä. Tässä työssä on aineistonkeruussa kiinnitettävä huomiota ilmastosta aiheutuva kasvukomponentin esiin saamiseen. Elävien puiden kasvunvaihtelua tutkittaessa koepuut voidaan valita olemassa olevista koemetsiköistä, jolloin myös niiden metsikköhistoriasta on saatavissa tietoa. Tällöin koepuut voidaan valita etukäteiskriteerein siten, että ilmastosignaali saadaan esiin mahdollisimman voimakkaana. Tehtävä ei ole kuitenkaan helppo, sillä nykymetsienkin metsikköhistoriat ovat usein liian suurpiirteisiä ei-kiinnostavien kasvukomponenttien tunnistamiseksi. Kokemuksesta tiedetään kuitenkin, että kun näytteet valitaan asiantuntemuksella, vuosilustoindeksit ovat melko yhtenevät ainakin viimeisen sadan vuoden osalta. Kelo- ja vedenalaisten lustoaineistojen suhteen tilanne on paljon vaikeampi, sillä koepuiden valintaan ei voi kovin paljoa vaikuttaa. Niiden elämän aikaista metsikköhistoriaa voi vain yrittää arvailla maastomuotojen ja muiden tekijöiden perusteella. Ainoa keino tulosten luotettavuuden parantamiseksi on kasvattaa näytemäärää, jolloin päästään lähemmäksi keskiarvokasvuja. Pienten aineistojen perusteella saatuihin tuloksiin tulee siis suhtautua varauksellisesti, kun puhutaan keskiarvoihin perustuvista tuloksista. Suurilmastosta aiheutuvat piikkivuodet eli ilmastosignaalit näkyvät sen sijaan jo melko pienissäkin aineistoissa, sillä ilmaston sormenjäljet näkyvät samanlaisina lähes kaikissa puissa laajalla alueella. Joskus tosin voi käydä, että esimerkiksi laajalla alueella esiintyneen hyönteistuhon aiheuttama kasvun notkahdus tulkitaan huolimattomasti ilmastosta johtuvaksi. Keskiarvotuloksien absoluuttisen tarkkoihin tulosvaatimuksiin verrattuna piikkivuosianalyyseissä kuitenkin riittää, että huomiota kiinnitetään pelkästään saman näytteen vierekkäisten lustojen suhteellisiin eroihin. Nämä erot näyttävät käyttäytyvän hyvin säännönmukaisesti eri näytteissä, esimerkiksi peräkkäisten vuosien kesien lämpötilavaihtelut näkyvät miltei poikkeuksetta vastaavina muutoksina lustoleveyksissä. Laskentajakson keskimääräistä kasvua merkitään indeksillä 100. Tällöin keskimääräistä parempien vuosien indeksi ylittää arvon 100, ja vastaavasti kasvuolosuhteiltaan epäsuotuisina vuosina se jää alle sadan. Vaikka indeksit kuvaavat lähinnä peräkkäisten vuosien välistä kasvun vaihtelua, on niissä havaittavissa tietynasteista rytmiikkaa, mikä näkyy useamman vuoden mittaisten suotuisien ja epäsuotuisien kasvujaksojen vuorotteluna. (Timonen 1996c). Tätä 18

19 Kuva 6. Vuosilustoindeksistä muokattu kuva, jossa pystyakselin nollakohta vastaa indeksikuvan indeksiarvoa 100. havainnollistaa alla oleva kuva (Kuva 6), jossa indeksin arvoa 100 suuremmat kasvuolosuhteiltaan suotuisat vuodet on sijoitettu 0-kohdan yläpuolelle ja vastaavasti epäsuotuisat vuodet nollakohdan alapuolelle. Indeksisarjan perusteella metsänrajan tuntumassa männyn vuosiluston kasvu on sahannut suhteellisen tasaisesti viimeiset 400 vuotta. Kasvunvaihtelu on ollut jyrkempää 1100-luvulta 1600-luvun alkuun. Vuosien 600 ja 1100 väliin jää taas suhteellisen tasainen ja ilmeetön kasvunvaihtelujakso. Vuodesta 82 eaa. vuoteen 600 jaa. on havaittavissa suurempaa vaihtelua kasvussa, mikä todennäköisesti johtuu näytteiden vähäisestä määrästä sarjan vanhemmassa päässä Piikkivuosianalyysi Sarjan poikkeuksellisen heikko- ja hyväkasvuisia vuosia tutkittiin ns. piikkivuosianalyysillä (Pointer Year Analysis). Piikkivuosiksi määritellään vain sellaiset vuodet, joiden aikana puun kasvu poikkeaa selvästi edeltävän ja seuraavan vuoden keskimääräisestä kasvuntasosta. Piikkivuodet kertovat peräkkäisten vuosien välisestä vaihtelusta paremmin kuin vuosilustoindeksit, jotka puolestaan kertovat enemmän usean vuoden pituisista nousuista ja laskuista. Piikkivuodet aiheutuvat yleensä ilmaston vaihtelusta, jolloin voidaan puhua myös ilmastosignaaleis- Kuva 7. Kuvassa esitettävät 2080-vuotisen lustosarjan minimipiikkivuodet poikkeavat kaikki yli 40 % naapurivuosien eli viereisten vuosien vuosikasvujen keskimääräisestä leveydestä. 19

20 Kuva 8. Subfossiilipuista ja elävistä puista kairatuista näytteistä yhdistetyn 2080 vuotta pitkän lustosarjan minimipiikkivuosien jakautuminen (pisteet) ja sovittaminen Gaussin kellokäyrälle (viiva). ta. On toki myös muita tekijöitä (esimerkiksi akuutit hyönteistuhot, halla, siemenvuosi), jotka voivat aiheuttaa yhden kasvukauden aikaisen notkahduksen ylös tai alas. Piikkivuodet tarjoavat erään keinon ilmaston äärevyyden tutkimiseen. Ilmaston äärevyydellä tarkoitetaan peräkkäisten vuosien välisen vaihtelun rajuutta, jolla on suuri käytännön merkitys metsätalouden ja maanviljelyn harjoittamisessa (Kuva 7). Piikkivuoden valintakriteeriä muutettiin siten, että 10 % vuosista pääsi mukaan. Piikkivuosia kertyi noin 200 kpl, jotka luokiteltiin piikkivuosiluokkiin (prosentin luokissa). Tämän jälkeen laskettiin luokittaiset prosentuaaliset osuudet. Sijoittamalla muuttujan arvot koordinaatistoon saatiin havainnollistettua suhteellinen piikkivuosien jakauma. Y-akselilta on nähtävissä havainnon prosentuaalinen osuus kaikista sarjan minimipiikkivuosihavainnoista. X-akselilta taas on nähtävissä prosenttiluokat Suurin suhteellinen osuus kaikista havainnoista sijoittui lähelle keskimmäistä minimivuosipiikkiä (Kuva 8). Piikkivuosijakaumaan sovitettiin seuraavaksi Gaussin kellokäyrä. Tulos osoittaa, että piikkivuosien jakauma voidaan kuvata lähes tarkalleen matemaattisesti. Kuvasta on kuitenkin havaittavissa metsänrajamännyn minimipiikkivuosien painottuminen kellokäyrän oikealle puolelle. Tästä voitiin päätellä leveydeltään keskiarvoa suurempien piikkivuosikasvujen osuuden olevan hieman suurempi kuin leveydeltään keskiarvoa pienempien kasvujen määrä. Havaintojakaumaa verrattiin myös Metlan VKIP-kasvuindeksiaineiston Etelä-Suomen mäntyjen jakaumaan (Kuva 9). Etelä-Suomen piikkivuosijakauma on selvästi huipukkaampi metsänrajamännyn jakaumaan verrattuna. Tämä merkitsee, että Etelä-Suomen mäntyjen piikkivuodet 20

21 Kuva 9. Metsänrajamännyn minimipiikkivuosien jakauma verrattuna Etelä-Suomen männyn minimipiikkivuosien jakaumaan. sijoittuvat lähemmäksi keskiarvoa kuin Pohjois-Suomessa. Se merkitsee myös sitä, että etelän männyt kasvavat pohjoisen mäntyä tasaisemmin. Ero selittyy Etelä-Suomen männiköiden hyvillä kasvuoloilla, joista puuttuvat erityiset kasvun minimitekijät. Metsänrajamännyn piikkivuodet leviävät enemmän kuvan vasenta ja oikeata reunaa kohti, mikä kuvastaa Lapin elinolosuhteiden äärevyyttä. 4.2 Kairanlastunäytteet Pitkäjärven kairanlastuista kelpuutettiin lustosarjaan 38 (liite 1) ja Kompsiojärveltä vastaavasti 46 näytettä (liite 2). Sarjojen vanhimmat puut ovat noin 250 vuoden ikäisiä aihkeja. Mita- Kuva 10. Pitkä- ja Kompsiojärven lustokäyrät samassa kuvassa. 21

22 tuissa näytteissä oli vanhempiakin yksilöitä, mutta ne karsiutuivat ainakin lastujen vanhemmista päistä sarjojen ulkopuolelle. Tällä ei ollut kuitenkaan merkitystä tämän tutkimuksen kannalta, koska mallituksessa tarvittavaan vaste- ja siirtofunktion kalibrointiin riittää alle 150 vuoden pituinen sarja. Alla olevasta kuvasta voidaan todeta minimi- ja maksimikasvujen samanaikaisen toistumisen molemmilla näytteenkeruualueilla (Kuva 10). Kairanlastusarjoistakin laadittiin vuosilustoindeksi sekä suoritettiin piikkivuosianalyysi. Viimeinen mittausvuosi on sarjoissa 1996, koska vuoden 1997 lustot ovat vajaita näytteiden keruuajankohdan vuoksi (heinäkuun puoliväli 1997) Vuosilustoindeksit Kompsio- ja Pitkäjärven vuosilustoindekseistä on havaittavissa hyvien ja huonojen kasvuolosuhteiden rytmiikka. Kuvan 11 indeksikäyrät paljastavat näytteenkeruukohteiden kasvuolojen samankaltaisuuden satojen kilometrien etäisyydellä itä länsi-suunnassa toisistaan. Esimerkiksi vuoden 1900 molemmin puolin esiintyvät hyvät ja huonot kasvut noudattavat järvien indekseissä samansuuruista vaihtelua. Indekseistä on tulkittavissa mahdolliset metsänuudistumisjaksot, jotka sijoittuvat pitemmille yhtenäisille käpyjen kehittymisen sekä tuleentumisen kannalta suotuisille jaksoille. Esimerkiksi 1920-luvulle sijoittuva vierekkäisten leveämpien kasvujen ryhmä on mahdollisesti ollut männyn uudistumisvuosi kummankin järven läheisillä alueilla. Kuva 11. Kompsio- ja Pitkäjärven vuosilustoindeksit sekä havaintofrekvenssit. 22

23 4.2.2 Piikkivuosianalyysi Kompsio- ja Pitkäjärven aineistojen piikkivuosianalyyseissä verrattiin järvikohtaisia minimipiikkivuosia. Selkeimmin aineistossa esiin tulleet piikkivuodet valittiin ns. piikkivuoden suhteellisen esiintymisvoimakkuuden (KINSYS-ohjelmiston laskentatunnus, ks. tunnus Vert100, taulukko 1) valintakriteerillä arvot, jotka ovat vähintään 10% maksimista (=100 %). Kriteeriin vaikuttavat sekä piikkivuoden keskimääräinen voimakkuus että esiintymisfrekvenssi. Piikkivuosipylväistä muodostuvat sormenjäljet muistuttavan hyvin paljon toisiaan (Kuva 12). Voimakkaimmat minimikasvut noudattavat samaa järjestystä, sattuen kummallakin järvellä samoille vuosille, kuten vuodet 1963, 1903 ja 1974 (Taulukko 1). Tietyt vuodet tulivatkin tavallaan tutuiksi mitattaessa kairanlastuja lustomikroskoopilla, esimerkiksi vuosi 1963 auttoi huomaamaan jo lastun alkupäässä tapahtuneen mittausvirheen ilman ristiinajoitusohjelman apua. Mainittakoon, että kesä 1963 oli kaikkialla Euroopassa kylmä, kylmin sitten vuoden Syynä oli poikkeuksellisen luminen ja kylmä talvi , mikä myöhästytti kasvukauden alkamista. Kuva 12. Piikkivuosianalyysi osoittaa männyn kasvun notkahtaneen vuonna 1963 Kompsio- ja Pitkäjärvellä pahemmin kuin kertaakaan viimeisen parinsadan vuoden aikana. Myös vuosien 1900 ja 1837 ilmastosignaalit tulevat voimakkaasti esiin. 23

24 Taulukko 1. Kompsiojärven ja Pitkäjärven 19 voimakkainta piikkivuotta laskevassa järjestyksessä vertailuluvun mukaan. Selitykset: Vuosi : Piikkivuoden esiintymisvuosi; Vert100 : Piikkivuoden suhteellinen voimakkuus; %K-a : Piikkivuosipylväiden keskiarvo N : Havaintojen lukumäärä %N : Piikkivuosien suhteellinen osuus kaikista havainnoista ko. vuonna. Taulukosta 1 on nähtävissä 20 voimakkainta piikkivuotta järvittäin, voimakkaimman ollessa ylimmällä rivillä. Vertailuluku ( Vert100 ) eli piikkivuoden suhteellinen esiintymisvoimakkuus osoittaa ko. vuoden prosentuaalisen arvon lustosarjassa. Skeleton-pylväiden keskiarvo ( %K-a ) kertoo kaikkien ko. vuodelle sattuneiden piikkivuosihavaintojen prosentuaalisen etäisyyden naapurilustojen keskiarvosta. Piikkivuosien suhteellinen osuus kaikista havainnoista kunakin vuonna ( %N ) kertoo näiden poikkeuksellisten kasvuvuosien yleisyydestä. 4.3 Kasvun selittäminen säätekijöillä Kompsiojärven elävistä puista laaditun indeksisarjan osaa selitettiin ilmastomuuttujilla. Tavoitteena oli löytää muuttujia, joiden vaste puun kasvuun on mahdollisimman 24

25 hyvä. Tällaiset muuttujat soveltuvat hyvin muinaisten ilmastoparametrien kuten kuukausikeskilämpötilojen tai jopa kasvukauden aikaisten lämpösummien laskemiseen. Ilmastotietoihin sisältyivät kuukausittaiset keskilämpötilat ja sademäärät sekä vuotuiset lämpösummat. Niistä muodostettiin KINRECL2-ohjelmalla myös 1 4 vuoden ennakko- ja viivemuuttujia. Uusia muuttujia luotiin summaamalla järjestelmällisesti saman kalenterivuoden kuukausittaisia ja 1 4 vuoden peittoa soveltaen vuosittaisia arvoja. Ilmastomuuttujien lisäksi selittävinä muuttujina kokeiltiin edellisten ja seuraavien vuosien vuosilustoindeksejä. Esitetyin periaattein KINSYS-ilmastomallilla luotu selittävien muuttujien matriisi sisälsi yhteensä 1321 muuttujaa. Analyysit toteutettiin KINREKO-mallitusohjelman valikoivalla harjaanalyysillä (Ridge regression). Harja-estimointi soveltuu hyvin analyysiin, jossa halutaan selittää kasvua ympäristötekijöillä (Bare ja Hann 1981). Menetelmässä vältetään tavallista regressioanalyysiä haittaava selittävien muuttujien välinen korreloituminen, mikä vaikuttaa yksittäisten selittävien muuttujien t-arvoihin ja heikentää myös mallien käyttökelpoisuutta niiden laadinta-aineistojen ulkopuolella. Tutkimusalueiden puiden kasvussa vuosina näkyi voimakas autoregressiivisyys ts. kunkin vuoden indeksiä selittivät parhaiten edellisen ja seuraavan vuoden indeksit. Malli It = f (I t-1,i t+1 ), jossa It = selitettävä vuosilustoindeksi, It-1 = edellisen vuoden indeksi ja It+1 = seuraavan vuoden indeksi, selitti puun kasvusta Kompsiojärvellä 56 % ja Pitkäjärvellä 68%. Kuukausikeskilämpötiloihin perustuvassa mallissa Kompsiojärvellä näkyivät selvimmin edellisen vuoden marraskuun sekä kuluvan vuoden helmikuun, toukokuun ja heinäkuun keskilämpötilat, joista heinäkuu oli tilastollisesti merkitsevin; mallin selitysaste tosin nousi vain 22 %:iin. Pitkäjärvellä olivat merkitseviä vain tammi- ja heinäkuu (selitysaste 16%). Taulukko 2. Ote REKO-ilmastomallitusohjelman tulostuksesta. Malliin liittyviä selityksiä: T 7 : heinäkuun keskilämpötila; Vakio: regressiomallin vakiotermi, INDEKSI: kuluvan vuoden vuosilustoindeksi; GI M1 : edellisen vuoden vuosilustoindeksi. 25

26 Ilmaston ja kasvun välisen vasteen tarkastelu paljasti jo entuudestaan tiedetyn asian: heinäkuu oli tässäkin aineistossa tärkein metsänrajapuiden kasvua selittävä tekijä. REKOregressioanalyysiohjelman tulostuslista (Taulukko 2) osoittaa, että vuosilustoindeksi (2 IN- DEKSI) ja edellisen vuoden indeksi (4 GI_M1 ) selittävät noin 32 % heinäkuun keskilämpötilan (T 7 ) vaihtelusta, kun tarkastelujaksona on Lindholm pääsi väitöskirjatyössään parempaan, noin 45 prosentin selitysasteeseen. Mallit eivät tosin ole suoraan vertailukelpoisia, sillä niihin vaikuttaa mm. indeksien laskentatapa. Mallilla ennustettu keskilämpötilan kehitys (Kuva 13) tunnistaa vain osittain poikkeuksellisten vuosien kasvut. Tämä on yleisesti keskiarvoihin perustuvien tutkimusten ongelma, sillä keskiarvojen laskennan myötä saatetaan menettää arvokasta vaihtelutietoa. Kuva 13. Puun kasvu (vuosilustoindeksi) selitettynä kuukausilämpötiloilla. 26

27 Kuva 14. Puun kasvu (vuosilustoindeksi) selitettynä kuukausilämpötiloilla. Lämpösumman kalibrointi vuosilustoindeksiin perustuu vuosiin

28 Kuva 15. Heinäkuun keskilämpötilan vaihtelu Puun kasvu (vuosilustoindeksi) selitettynä kuukausilämpötiloilla. Lämpösumman kalibrointi vuosilustoindeksiin perustuu vuosiin Kuva 16. Lämpösumman kehitys Saariselällä vuosina Lämpösumman kalibrointi vuosilustoindeksiin perustuu vuosiin

29 5 PÄÄTELMIÄ Tuhansien vuosien pituiset vuosilustokalenterit ovat arvokas lähde tutkittaessa metsien selviytymismahdollisuuksia muuttuvissa ilmasto-olosuhteissa. Pitkä aikaperspektiivi tarjoaa kunnollisen lähtökohdan arvioida, missä vaiheessa milloinkin ollaan menossa ja mitä on mahdollisesti odotettavissa. Samankaltaisten piirteiden tunnistaminen menneen ajan ja nykyhetken kasvutapahtumista antaa vertailutietoa, joka jo sellaisenaan saattaa toimia päätöksenteon perustana. Laaditun 2080-vuotisen lustosarjan perusteella tehdyt alustavat analyysit osoittavat, että ilmastonvaihteluilla on tietynlaista rytmiikkaa, joka on selkeästi yhteydessä Lapin metsien uudistumiseen. Vertailtaessa Sirénin (1961) uudistumisvuosia (jakso jaa.) vastaavien ajankohtien vuosilustoindekseihin nähdään, että uudistuminen on tapahtunut ainoastaan suotuisten kasvujaksojen aikana. Edellytyksenä siemenen tuleentumiselle on, että peräkkäisten vuosien lämpötilavaihtelu pysyy tietyissä rajoissa. Hyviä uudistumisvuosia on harvakseltaan. Ilmeisesti ilmaston ei tarvitse äärevöityä tai keskilämpötilan laskea paljoakaan, kun uudistuminen heikentyisi ratkaisevasti ja metsänraja alkaisi perääntyä. Tässäkin tutkimuksessa esiin tullut männyn kasvun selkeä riippuvuus lämpötilasta mahdollistaa Lapin metsien tulevaisuuteen liittyvät päätelmät. Kiinnostava kysymys on, miten ilmastonvaihtelut tulisi ottaa huomioon käytännön metsätaloudessa? Kuluvalla vuosisadallahan ne ovat aika ajoin vaikuttaneet voimakkaastikin päätöksentekoon. Suojametsälain syntymiseen vuonna 1922 vaikutti edeltävä puolivuosisatainen poikkeuksellisen heikko ilmastojakso; 1950-luvulla ryhdyttiin laajoihin avohakkuisiin ja 1940-luvun suotuisan jakson rohkaisemana; laaja viljelytaimikoiden tuhoutuminen Lapissa 1960-luvulla tuli yllätyksenä ilmaston äkillisesti kylmetessä. Vastaavantyyppisten tilanteiden tunteminen vähentäisi riskiä joutua ennakoimattomiin seurauksiin (Timonen 1996) Viime vuosisadan hyvin kylmä alkupuolisko, viileänä jatkunut loppupuolisko, vuosisadan vaihteen kylmä jakso, luvun lämmin jakso, 1960-luvun kylmä jakso ja luvulta alkanut epävakaa ilmastojakso antavat hyvän kuvan ilmaston vaikutuksesta sekä metsien kasvuun että uudistumiseen. Päätuloksena aikaperspektiivitarkastelusta on, että metsät uudistuivat hyvin ainoastaan 1900-luvun lämpimällä jaksolla. Muina ajankohtina metsät ovat uudistuneet vaihtelevasti; erityisesti 1960-luvun pahat viljelytaimikkotuhot osoittivat ilmastojaksojen merkityksen metsänuudistamisessa. 29

30 Koska hyviä uudistumisvuosia on harvakseltaan ja satunnaisesti vain suotuisten ilmastojaksojen aikana, on tärkeää, että Lapin metsien uudistumisvalmius pidetään jatkuvasti hyvänä. Tällöin enemmän tai vähemmän satunnaisesti esiintyvät suotuisat ilmastojaksot saadaan hyödynnetyksi nykyistä tehokkaammin. On todennäköistä, että ilmasto vaihtelee jatkossakin. Siksi on tulevaisuutta ajatellen tärkeätä, että Lapin metsiä hoidetaan/käsitellään mahdollisimman hyvin ilmastonvaihteluita ja ilmastonmuutoksia kestäviksi. Ilmastomuutokset voivat tapahtua monin tavoin, mm. jaksollisesti, trendimäisesti, hyppäyksittäin tai tasaisesti äärevöityen. Tämän tutkimuksen perusteella näyttää siltä, että tällä hetkellä metsänrajan tuntumassa puiden kasvuoloihin on odotettavissa muutos parempaan päin. Jo yli 200 vuoden pituinen pääasiassa huonojen kasvuolosuhteiden kausi pitäisi taittua parempaan suuntaan, jos kasvujaksojen vuorottelulla on painoarvoa. Onko kesän 1997 Lapin lämpöaalto merkki metsänrajamännyn elinolosuhteiden paranemisesta? Asiaa saattaa tulevaisuudessa edesauttaa keskusteluiden aiheena ollut kasvihuoneilmiö, joka ei ole luonnolle mitenkään uusi asia. Erosen (1991) mukaan pitäisi puhua kasvihuoneilmiön voimistumisesta, sillä ilmakehän kaasujen aiheuttama luonnollinen kasvihuoneilmiö on omalta osaltaan ollut ylläpitämässä elämälle suotuisia lämpötiloja koko maapallon geologisen kehityksen ajan. LÄHTEET Bare, B., Hann, W. Applications of Ridge Regression in Forestry. Forest Sci.,Vol. 27, No. 2, pp Bradley, R Quaternary paleoclimatology. Unwin Hyman. 472 s. Briffa, K.R., Bartholin, T.S., Eckstein, D., Jones, P.D., Karlén, W., Schweingruber, F.H. & Zetterberg, P A 1400-year tree-ring record of summer temperatures in Fennoscandia. Nature 346, Cook, E. R A Conceptual linear aggregate model for tree rings. Julkaisussa: Methods of Dendrochronology. Applications in the Environmental Sciences. Cook, E. R. & Kairiukstis, L. A. (toim.) Kluwer Academic publishers. International Institute for Applied Systems Analysis. s ISBN Douglass, A. E A method of estimating rainfall by the growth of trees. In The climatic factor (E. Huntington, ed.), pp Carnegie Inst. Wash. Publ Eronen, M The retreat of pine forest in Finnish Lapland since the Holocene climatic optimum: a general discussion with radiocarbon evidence from subfossil pines. Fennia 157:2, pp Helsinki. ISSN Eronen, M Maapallon ilmaston vaihtelut. Arkhimedes, 32. vsk., Eronen, M Jääkausien jäljillä. Ursan julkaisuja 43. Tähtitieellinen yhdistys Ursa. Helsinki

31 Eronen, M., Lindholm, M. & Zetterberg, P Pitkäaikaiset ilmastonvaihtelut Lapin mäntykronologioiden mukaan. Folia Forestalia 3, Tieteen tori, Fritts, H Tree Rings and Climate. Academic Press. London. 567 s. Graybill, D.A Gronology development and analysis. In: Hughes, M. K. (ed.) Climate from Tree Rings. Cambridge, s Holmes, R DPL Dendrochronology Program library and Users Manual. University of Arizona. Tucson, Arizona, U.S.A. 51p. Ilvessalo, Y Metsiköiden luontainen kehitys- ja puuntuottokyky Pohjois-Lapin kivennäismailla. Natural development and Yield Capacity of Forest Stands on mineral soils in Northern Lapland. Acta Forestalia Fennica s. Korhola, A Pysyvää on vain muutos. Yliopisto 20/94: Helsingin yliopiston tiedotuslehti. Kurkela, T. & Jalkanen, R Revealing past needle retention in Pinus spp. Scand. J. For. Res. 5: Kuusela, K. & Kilkki, P Multiple regression of increment percentage on other characteristics in Scots pine stands. Seloste: Kasvuprosentin ja muiden metsikkötunnusten välinen yhteiskorrelaatio männiköissä. Acta Forestalia Fennica 75(4) 40 s. Lindholm, M Sää säätää mänty muistaa. Kesäaikaisten lämpötilojen rekonstruointi männyn vuosilustokalenterin avulla Enontekiön alueella (Mid-summer temperatures reconstructed from tree-rings of pine in Northern Finnish Lapland). Julkaisussa: Uudet menetelmät ja niiden sovellukset kvartääritutkimuksessa. Symposio Mekrijärvellä Acta Universalis Ouluensis. Series A Scientiae Rerum Naturalium 251. s. Mielikäinen, K. & Timonen, M Growth Trends of Scots pine (Pinus sylvestris, L.) in Unmanaged and Regularly Managed Stands in Southern and Central Finland. Julkaisussa: Spiecker, H., Mielikäinen, K., Köhl, M. & Skovsgaard, J. P. (toim.). Growth Trends of European Forests. European Forest Research Report 5: Mielikäinen, K.,Timonen, M. & Nöjd, P Männyn ja kuusen kasvun vaihtelu Suomessa Folia Forestalia. Mikola, P Puiden kasvun vaihteluista ja niiden merkityksestä kasvututkimuksissa. Summary: On variations in tree growth and their significance to growth studies. Communicationes Instituti Forestalis Fenniae 38(5): Nöjd, P. & Reams, G. A Growth variation of Scots pine across a pollution gradient on the Kola peninsula, Russia. Environmental pollution (painossa). Ojansuu, R. & Henttonen, H Kuukauden keskilämpötilan, lämpösumman ja sademäärän paikallisten arvojen johtaminen ilmatieteen laitoksen mittaustiedoista. Silva Fennica 17, Pohtila, E Suurilmaston vaihtelun syy-yhteyksistä. Lapin tutkimusseuran vuosikirja -75. Rose, M.R., Dean, J.S. & Robinson, W.J. (1981): The past climate of the arroyo Hondo New Mexico reconstructed from the tree rings. School of American research press. Arroyo Hondo Archaeology, series 4, 144 pp. Sirén, G Skogsgränstallen som indikator för klimatfluktuationerna i norra Fennoskandien under historisk tid. Metsäntutkimuslaitoksen julkaisuja