Vaasan seudun ilmanlaadun bioindikaattoritutkimus vuonna Henna Toivanen, Janne Ruuth, Irene Kuhmonen ja Anne Kiljunen

Vaasan seudun ilmanlaadun bioindikaattoritutkimus vuonna 2013 Henna Toivanen, Janne Ruuth, Irene Kuhmonen ja Anne Kiljunen Nab Labs Oy 2016

Tutkimusraportti 36/2016 Kartat: Pohjakartat sisältää Maanmittauslaitoksen Kuntajako 01/2015 aineistoa CLC2000 maankäyttö/maanpeite (yleistetty 25 ha) SYKE, EEA CLC2000 aineiston tuotannossa on käytetty seuraavien tiedon tuottajien aineistoja: SYKE, MML, MMM (peltotiedot 1999), VRK (rakennetut alueet 2001) ja satelliittikuvien tulkinnassa hyödynnetty Metsähallituksen ja UPM Kymmene Oy:n aineistoja. Taitto: Taittopalvelu Yliveto Oy

TIIVISTELMÄ 3 TIIVISTELMÄ Vaasan seudulla tutkittiin vuonna 2013 ilman epäpuhtauksien vaikutuksia männyn runkojäkäliin, männyn elinvoimaisuuteen, männyn neulasten alkuainepitoisuuksiin sekä maaperän ominaisuuksiin. Tutkimukseen osallistuivat Vaasan, Mustasaaren, Maalahden ja Laihian kunnat ja teollisuuslaitokset. Nyt saatuja tuloksia verrattiin vuosina 1990, 1995, 2000 ja 2006 toteutettujen bioindikaattoritutkimusten tuloksiin sekä eri puolilla Suomea tehtyjen bioindikaattoritutkimusten tuloksiin. Tutkimuksen toteutti kokonaisuudessaan Nab Labs Oy. Vaasan seudulla ilman epäpuhtauksien kuormitus on pääosin peräisin Vaasan kaupungin alueella sijaitsevista teollisuudesta ja energiantuotannosta sekä liikenteestä. Vuodesta 2000 lähtien tarkasteltuna ilman epäpuhtauksien päästöt ovat kokonaisuudessaan vähentyneet hiukkasten, typen oksidien ja rikkidioksidipäästöjen osalta, vaikka päästöissä on ollut vaihtelua vuositasolla melko paljon. Kaikissa päästöissä on kuitenkin havaittavissa pientä kasvua vuonna 2013. Ilman epäpuhtauksien vaikutukset jäkälälajistoon ja jäkälien kuntoon Vaasan seudulla olivat selvästi nähtävissä. Vaikutukset olivat kuitenkin luonteeltaan hyvin paikallisia siten, että kun Vaasan keskusta-aloilla jäkälälajisto oli pahasti vaurioitunutta, jo muutaman kilometrin päässä keskusta-alueelta oli havaintoaloja, joiden jäkälälajisto vastasi kuormituksen suhteen tausta-alueita. Verrattuna aiempien vuosien tuloksiin keskimääräinen lajilukumäärä oli hieman pienentynyt ja lajiston runsautta ja ilman epäpuhtauksista kärsivien lajien esiintymistä kuvaava IAP-indeksi oli pysynyt samana. Sormipaisukarpeen vaurioaste sekä yleinen vaurioaste olivat hieman kasvaneet, vaurioiden ollessa keskimäärin kuitenkin lieviä. Ilman epäpuhtauksista hyötyvät lajit olivat vähentyneet ja epäpuhtauksille herkät lajit harvinaistuneet. Lajisto oli alueella keskimäärin lievästi köyhtynyttä. Mäntyjen neulaskato vuonna 2013 oli suurempi kuin aiempina tutkimusvuosina. Keskimääräinen neulaskato oli Vaasan seudulla kohtalaista. Lievää harsuuntumista esiintyi noin puolella tutkimuspuista. Ilman epäpuhtauksien aiheuttamaa alueellista jakaantumista neulaskadossa tai neulasvuosikertojen määrässä ei ollut havaittavissa. Vaasan seudun maaperänäytealoilla typpitilanne oli verrattain hyvä. Maaperän happamuus oli normaalilla tasolla, vaikka oli korkeampi kuin edellisisissä seurannoissa. Kaikkien tutkittujen alkuaineiden pitoisuudet vaihtelivat paikoin suuresti verrattuna aiempiin tutkimusvuosiin. Männyn neulasten rikkipitoisuudet olivat pysyneet suunnilleen samalla tasolla suhteessa edelliseen seurantaan, mutta olivat edelleen korkeammat kuin 1990-luvulla. Neulasten typpipitoisuudet olivat hieman matalampia kuin edellisellä tutkimuskerralla, ja kuparipitoisuudet olivat kasvaneet. Kupari-, rikki-, ja typpipitoisuudet olivat sitä suurempia, mitä heikompi IAP-indeksi oli ja mitä vaurioituneempaa jäkälälajisto oli. Puiden ravinnetila oli hyvä, eikä selkeitä puutostiloja mangaania lukuun ottamatta havaittu. Korkeimmat rikkipitoisuudet havaittiin Vaasan keskusta-aloilla. Rikki- ja typpipitoisuuksiin vaikuttivat selvästi myös metsikön luontaiset ravinneolosuhteet, mutta yhdessä kuparipäästöjen kanssa ne lienevät Vaasan seudulla merkittäviä jäkälälajiston kuntoa ja koostumusta heikentäviä ilmanpäästötekijöitä. Rikkidioksidin ja typen oksidien päästötaso on vaihdellut 2000-luvulla, mutta vuonna 2013 rikkipäästöt olivat pienempiä kuin tarkastelujakson alussa vuonna 2000. Päästöjen pieneneminen ei kuitenkaan yksiselitteisesti näkynyt jäkälälajistossa tai neulaspitoisuuksissa, joten indikaattoreihin vaikuttavat myös muut tekijät, kuten mahdolliset metallipäästöt, joiden suuruudesta ei tässä tutkimuksessa ollut tietoja käytettävissä. Myös luontainen vaihtelu ja sääolosuhteet, kuten sateisuus tai poikkeukselliset lämpötilat voivat vaikuttaa jäkälien kuntoon tai alkuaineiden kertymiseen neulasiin.

4 SAMMANDRAG SAMMANDRAG I Vasaregionen undersöktes 2013 luftföroreningarnas påverkan på epifytiska lavar på tall, tallens vitalitet, tallbarrens grundämneshalter samt jordmånens egenskaper. I undersökningen deltog Vasa, Korsholm, Malax och Laihela kommuner och industrianläggningar. De nu erhållna resultaten jämfördes med resultaten av bioindikatoruppföljningar som genomfördes 1990, 1995, 2000 och 2006 samt med resultaten från bioindikatoruppföljningar i olika delar av i Finland. Uppföljningen genomfördes i sin helhet av Nab Labs Oy. Belastningen av luftföroreningar i Vasaregionen härrör i huvudsak från industriverksamheten i Vasa stad samt från trafiken. Sedan 2000 har luftföroreningsbelastningen i sin helhet minskat vad gäller utsläpp av partiklar, kväveoxid och svaveldioxid, även om stora variationer har förekommit under åren. Utsläppen av kväveoxider har i huvudsak visat en sjunkande tendens. I fråga om samtliga utsläpp märks dock en liten ökning 2013. Luftföroreningarnas inverkan på lavfloran och lavarnas kondition i Vasaregionen kunde tydligt ses. Inverkan var i hög grad lokal eftersom lavfloran i Vasas centrumområden uppvisade allvarlig påverkan, medan provytor på bara några kilometers avstånd från centrum uppvisade lavflora som motsvarade bakgrundsområden i fråga om belastningsnivån. Jämfört med resultaten från tidigare år har den genomsnittliga artmängden minskat en aning, medan florans mångfald och IAP-indexet som beskriver förekomsten av lavar som är känsliga för luftföroreningar var oförändrade. Blåslavens skador samt den allmänna skadenivån var en aning högre men i medeltal lindriga. De arter som drar nytta av luftföroreningar hade minskat liksom arter som är känsliga för luftföroreningar. Floran i området var i genomsnitt lindrigt utarmad. Tallens barrförlust 2013 var i snitt större jämfört med tidigare uppföljningar. Den genomsnittliga barrförlusten var för Vasaregionens del måttlig. En svag utglesning förekom hos cirka hälften av de undersökta träden. En regional fördelning i barrförlusten orsakad av luftföroreningar eller i antalet barrårgångar kunde inte observeras. På jordmånsprovytorna i Vasaregionen var kvävenivån förhållandevis god. Jordmånens surhet låg på en normal nivå, även om ph-värdet var högre jämfört med tidigare uppföljningar. Halterna hos samtliga undersökta grundämnen varierade ställvis i hög grad jämfört med tidigare uppföljningsår. Svavelhalten i tallbarr låg på ungefär samma nivå som under föregående uppföljning, men fortfarande högre än på 1990-talet. Barrens kvävehalter var en aning lägre än under tidigare uppföljningstillfälle, medan halterna av koppar hade ökat. Halterna av koppar, svavel och kväve var starkt korrelerade med IAP-indexet, ju högre halter desto mer försvagat IAP-index och lavfloran i sämre kondition. Trädens näringstillstånd var gott och inga tydliga bristtillstånd förutom manganbrist märktes. De högsta svavelhalterna observerades i Vasa centrum. En tydlig inverkan på svavel- och kvävehalterna hade även skogsbeståndets naturliga näringsförhållanden men torde tillsammans med kopparutsläppen vara viktiga luftföroreningsfaktorer i Vasaregionen med avseende på lavflorans försvagade kondition och sammansättning. Utsläppsnivån av svaveldioxid och kväveoxid varierade under 2000-talet, men 2013 var svavelutsläppen mindre än år 2000 då uppföljningsperioden inleddes. Minskningen av utsläppen märktes inte entydigt hos lavfloran eller i halterna hos barren, utan även andra faktorer inverkar på indikatorerna, till exempel eventuella metallutsläpp vars värden denna undersökning inte har tillgång till. Naturliga variationer och väderförhållanden som till exempel nederbörd eller avvikande temperaturer kan även inverka på lavarnas kondition och koncentrationen av grundämnen i barr.

SAMMANDRAG 5

6 SISÄLLYS SISÄLLYS 1. Johdanto... 9 2. Tutkimusalue... 10 2.1 Yleiskuvaus... 10 2.2 Tutkimusalueen ilmanlaatu... 12 2.2.1 Päästöt... 12 2.2.2 Päästömäärien kehitys... 15 2.2.3 Ilmanlaatu Suomessa... 16 3. Tutkimusaineisto ja -menetelmät... 18 3.1 Havaintoalat... 18 3.2 Tutkimusryhmä ja maastotöiden ajankohta... 20 3.3 Männyn runkojäkälät... 20 3.3.1 Ilman epäpuhtauksien vaikutukset runkojäkälissä... 20 3.3.2 Tutkitut jäkälälajit... 20 3.3.3 Vaurioiden ja peittävyyksien arvioiminen... 25 3.4 Mäntyjen elinvoimaisuuden arviointi... 27 3.4.1 Maastomenetelmät... 27 3.5 Neulasten alkuainepitoisuudet... 28 3.5.1 Näytteenotto ja määritys... 30 3.6 Maaperän ominaisuudet... 31 3.7 Paikkatietomenetelmät... 32 3.8 Tilastomenetelmät... 33 3.9 Virhelähteet ja tulosten luotettavuus... 33 3.9.1 Jäkäläkartoituksen virhelähteet ja luotettavuus... 33 3.9.2 Neulaskatoarvion virhelähteet ja luotettavuus... 34 3.9.3 Neulasten alkuainepitoisuuksien määrittämiseen liittyvät virhelähteet ja luotettavuus... 35 3.9.4 Maaperänäytteiden analysointiin liittyvät virhelähteet ja luotettavuus... 36

SISÄLLYS 7 4. Tulokset... 37 4.1 Mäntyjen runkojäkälät... 37 4.1.1 Sormipaisukarpeen vaurioaste... 38 4.1.2 Yleinen vaurioaste... 41 4.1.3 Jäkälälajien määrät ja yleisyys... 46 4.1.4 IAP-indeksi... 51 4.1.5 Peittävyydet... 52 4.1.6 Levän yleisyys... 55 4.2 Mäntyjen elinvoimaisuus... 57 4.2.1 Mäntyjen neulaskato ja neulasvuosikerrat... 57 4.2.2 Mäntyjen tuhot, taudit ja väriviat... 60 4.2 Neulasten alkuainepitoisuudet... 61 4.3.1 Alkuainekohtaiset tulokset... 63 4.4 Maaperän ominaisuudet... 73 5. Tulosten tilastollinen tarkastelu... 77 5.1 Jäkälämuuttujat... 77 5.2 Neulasmuuttujat... 78 5.3 Kaikkien muuttujien yhteisvaihtelu... 80 6. Vertailu muualla Suomessa tehtyihin tutkimuksiin... 81 6.1 Mäntyjen runkojäkälät... 81 6.2 Mäntyjen elinvoimaisuus... 82 6.3 Männyn neulasten alkuainepitoisuus... 83 6.4 Maaperän ominaisuudet... 83 7. Johtopäätökset... 85 Lähteet... 89

Johdanto 9 1. Johdanto Vaasan seudun ilmanlaatua on selvitetty vuodesta 1990 alkaen useissa ilmanlaadun bioindikaattoritutkimuksissa (Osmo ja Kjellman 1991, Osmo 1996, Raitio ym. 2002, Laita ym. 2008). Aiemmissa tutkimuksissa on selvitetty mäntyjen runkojäkälälajiston koostumusta ja kuntoa, mäntyjen neulaskatoa ja sammalen, neulasten ja maaperän alkuainepitoisuuksia ja kemiallisia ominaisuuksia. Myös metsänpohjan kasvillisuusmuutoksia on käytetty indikoimaan ilmanlaatua. Tässä tutkimuksessa keskityttiin runkojäkälälajistoon, männyn neulasten alkuainepitoisuuksiin ja maaperän ominaisuuksiin. Selvitysalueeseen kuuluivat vuosina 1990, 1995 ja 2000 Vaasa, Mustasaari ja Maalahti. Vuonna 2006 selvityksessä olivat lisäksi mukana Isokyrö, Laihia ja Jurva. Vuonna 2013 selvitysalueeseen kuuluivat Vaasa, Mustasaari, Maalahti ja Laihia. Vanhaa havaintoalaverkkoa täydennettiin perustamalla Vaasaan liittyneeseen Vähäänkyröön kaksi uutta alaa. Bioindikaattoreina käytetään eliölajeja, jotka ilmentävät ympäristön tilaa ja siinä tapahtuvia muutoksia. Ympäristön tilassa tapahtuvat muutokset voidaan havaita esimerkiksi eliö lajin rakenteen, eliöiden alkuainepitoisuuksien, runsauden ja levinneisyyden sekä eliöyhteisöjen rakenteen muutoksina. Mäntyjen runkojäkälät ovat hyviä ilmanlaadun bioindikaattoreita, sillä ne reagoivat herkästi ilman epäpuhtauksiin sekä ulkomuodollaan että lajiston koostumuksen ja runsauden muutoksilla. Epäpuhtauksien vaikutukset ilmenevät jäkälälajeissa hitaasti, minkä vuoksi jäkäläkartoitusmenetelmät soveltuvat erityisen hyvin pitkän aikavälin muutostrendien kuvaamiseen. Havupuiden neulasten alkuainepitoisuudet puolestaan indikoivat epäpuhtauksien laskeumaa ja kertymistä. Ilman epäpuhtauksien vaikutuksen ilmenemiseen vaikuttavat aina myös luontaiset tekijät, jotka voivat joko puskuroida tai voimistaa sitä. Tässä tutkimuksessa ilmanlaadun indikaattoreina käytettiin mäntyjen runkojäkäliä, mäntyjen elinvoimaisuutta, neulasten alkuainepitoisuuksia ja maaperänäytteiden alkuainepitoisuuksia sekä kemiallisia ominaisuuksia. Tutkimusraportti koostuu neljästä osasta: ensimmäisessä osassa esitellään aluetta ja ilman epäpuhtauksien päästömääriä koskevia taustatietoja, toisessa osassa kuvataan tutkimuksessa käytetyt menetelmät, kolmannessa osassa tulokset ja neljännessä vertaillaan Vaasan seudun tuloksia muualla Suomessa tehtyihin tutkimuksiin. Tulosten vertailu vuosien 1990, 1995, 2000 ja 2006 tutkimuksiin on tehty kunkin tutkitun muuttujan tulostarkastelun yhteydessä. Tulosten tilastollinen tarkastelu on omana kappaleenaan. Tutkimuksen tilaajana ovat tutkimukseen osallistuneet kunnat, jotka rahoittivat tutkimusta yhdessä alueen teollisuuden kanssa. Tutkimuksen toteutti Nab Labs Oy. Maastotyöt tehtiin talvella ja kesällä 2013, ja niihin osallistuivat tutkijat Emmi Lehkonen, Irene Kuhmonen, Anne Kiljunen, Heikki Alaja, Tero Matilainen, Janne Ruuth ja Henna Toivanen. Tutkijat Henna Toivanen, Janne Ruuth ja Irene Kuhmonen analysoivat tutkimusaineiston ja laativat tämän tutkimusraportin. Neulasnäytteet on käsitelty ja analysoitu Nab Labs Oy:n laboratoriossa lukuun ottamatta typpipitoisuutta, joka analysoitiin Metsäntutkimuslaitoksella.

10 Tutkimusalue 2. Tutkimusalue 2.1 Yleiskuvaus Tutkimusalue kattoi Vaasan, Mustasaaren, Maalahden ja Laihian kunnat (kuva 1). Kuva 1. Vaasan alueen bioindikaattoritutkimukseen vuonna 2013 osallistuneet kunnat sekä alueen päätiestö. Kuvassa 2 on esitetty maankäyttö tutkimusalueella CLC2000-maankäyttö/maanpeite-aineiston mukaisesti. Suomen kasvimaantieteellisessä aluejaossa Vaasan seutu sijoittuu Etelä-Pohjanmaan vyöhykkeelle (Kalliola 1973). Meren läheisyys tasoittaa alueen lämpötilaeroja. Maasto on etenkin alueen itäosissa alavaa ja jokien ja jokilaaksojen halkomaa, ja alueella on paljon maataloutta. Maaperä koostuu pääasiallisesti moreenista ja savesta. Rannikolla esiintyy myös liejusavimaata sekä turvemaata (LuontoVaasa, Geologian tutkimuskeskus 2007). Maankohoamisen, tasaisuuden ja meri-ilmaston ja hienojakoisen maa-aineksen vuoksi maaperä on altista soistumiselle. Maaperä on kuitenkin hyvin nuorta ja sateisuus vähäistä, mikä hillitsee turpeen syntymistä (Merilä ja Raitio 1998). Tutkimusalueen keski- ja eteläosan kallioperä muodostuu pääosin gneissistä ja Vaasan pohjoisosissa ja Mustasaaressa kallioperä on graniittia (Geologian tutkimuskeskus 2009, LuontoVaasa). Graniittialueen erityispiirteenä on kiviaineksen rapautumisen aiheuttama kivikkoisuus ja lohkareisuus (Merilä ja Raitio 1998). Tutkimusalue kuuluu Pohjanmaan maakuntaan. Alueen väkiluku on yhteensä n. 101 000 ja suurin kaupunki on Vaasa, jonka väkiluku on n. 67 000 (Väestörekisterikeskus 2016). Alueen halki kulkee valtatie 8, jonka vuorokausiliikennemäärät ovat keskimäärin 10 000 ajoneuvoa (Liikennevirasto 2015, 2016). Teollisuus oli eniten työllistävä toimiala Vaasassa vuonna 2013, ja on keskittynyt Vaskiluotoon ja keskustaan. Myös Mustasaaressa ja Laihialla sijaitsee ELY-keskuksille lupavelvollisia teollisuus- ja energiantuotantolaitoksia. Turkistuotanto on merkittävä elinkeino Maalahdessa ja Mustasaaressa.

Tutkimusalue 11 Suomen tuuliatlaksen mukaan alueella vallitsevat pääosin lännenpuoleiset tuulet. Myös etelän-lounaan ja pohjoiskoillisen suunnasta mitattiin tuulia (kuva 3) (Ilmatieteen laitos 2016). Kuva 2. Maankäyttö Vaasan alueella (CLC2000 maankäyttö/ maanpeite (yleistetty 25ha): SYKE, EEA). Kuva 3. Vaasan Klemettilän sääasemalla vallinneet tuulensuunnat vuonna 2013 (Ilmatieteen laitos 2016).

12 Tutkimusalue 2.2 Tutkimusalueen ilmanlaatu Tässä luvussa esitellään tutkimusalueen merkittävimmät ilman epäpuhtauksien päästölähteet sekä teollisuuden ja liikenteen päästömäärien kehitys vuodesta 2003 lähtien. 2.2.1 Päästöt Kuvissa 4 ja 5 on esitetty lupavelvollisten päästölähteiden sijainti tutkimusalueella. Tarkastelussa ovat mukana lupavelvolliset päästölähteet, joista aiheutuu rikkidioksidin, typen oksidien ja hiukkasten päästöjä. Rikkidioksidin (SO 2 ), typen oksidien (NO x ), hiukkasten, haihtuvien orgaanisten yhdisteiden (VOC) ja hiilidioksidin (CO 2 ) lupavelvollisten laitosten päästölähdekohtaiset päästömäärät on esitetty taulukossa 1. Tiedot perustuvat VAHTI-tietokantaan. Päästömäärät ovat vuosien 2010-2013 keskiarvopäästöjä. Lähes kaikki lupavelvolliset päästölähteet ovat sijoittuneet Vaasaan. Lisäksi Vaasan Palosaaressa, Vähänkyrön Hyyriässä, Vaasan Söderfjärdenin eteläpuolella sekä Mustasaaren Koivulahdessa on jätevedenpuhdistustoimintaa. Maalahden ja Mustasaaren rajalla sijaitsee lupavelvollinen turkiseläintarha. Lähes kaikki lupavelvolliset päästölähteet sijaitsivat Vaasassa. Teollisuudessa raportoitiin syntyneen rikkidioksidipäästöjä vuosina 2010-2013 keskimäärin yhteensä 617 tonnia, joista 582 tonnia muodostui Vaasassa. Selvästi suurin yksittäinen päästölähde oli Vaskiluodon Voima Oy, ja seuraavaksi suurin Wärtsilä Finland Oy Moottorilaboratorio. Suurin osa rikkidioksidipäästöistä syntyi yksinomaan teollisuudessa ja energiantuotannossa. Typen oksideja syntyi yhteensä keskimäärin 2886 tonnia vuodessa, ja niistä 2315 tonnia muodostui teollisuudessa. Suurin typen päästölähde oli Vaskiluodon Voima Oy. Muita suurempia päästölähteitä olivat Wärtsilä Finland Oy Delivery System ja Wärtsilä Finland Oy Moottorilaboratorio Vaasassa sekä Westenergy Oy Mustasaaressa. Hiukkaspäästöjä syntyi yhteensä keskimäärin 60 tonnia vuosittain, josta teollisuuden osuus oli hieman yli puolet, 38 tonnia. Eniten hiukkaspäästöjä syntyi Vaskiluodon Voima Oy:ssä, seuraavaksi eniten Laihian Nuuka Lämpö Oy:ssä. Hiilidioksidipäästöt on laskettu teollisuuden osalta. Selvästi suurimmat hiilidioksidipäästöt syntyivät Vaskiluodon Voima Oy:ssä, jonka päästöt kattoivat 91 % alueen teollisuuden hiilidioksidipäästöistä. Seuraavaksi suurin päästölähde oli Westenergy Oy Mustasaaressa. Haihtuvia orgaanisia yhdisteitä (VOC-yhdisteitä) päästivät eniten NEOT Oy ja ABB Oy Motors and Generators, joiden osuus päästöistä oli 43 %.

Tutkimusalue 13 Kuva 4. Tutkimusalueen rikkidioksidin (vasemmalla) ja typen oksidien (oikealla) lupavelvollisten päästölähteiden sijainti ja kokoluokka vuosien 2007-2013 keskiarvona. Kuva 5. Tutkimusalueen hiukkasten lupavelvollisten päästölähteiden sijainti ja kokoluokka vuosien 2007-2013 keskiarvona.

14 Tutkimusalue Taulukko 1. Tutkimusalueen lupavelvollisten laitosten keskimääräiset päästötiedot vuosina 2010-2013. lämpök = lämpökeskus, voimal = voimalaitos. Päästöt tn/v. yritys kunta SO 2 % NOx % Hiuk. % CO2 % VOC % Laihian Mallas Oy* Laihia 13,8 2,2 11,6 0,5 1,8 4,8 Laihian Nuuka Lämpö Oy* Laihia 12 1,9 11 0,5 3,5 9,3 7700 0,8 yhteensä Laihia 25,8 4,2 22,6 1 5,3 14 7700 0,8 Oy Nordhydraulic Ab Mustasaari 0 0 0,3 0 0,03 0,1 94 0 0 0 Westenergy Oy Mustasaari 9,3 1,5 105 4,5 0,02 0,1 30 778 3 0 0 yhteensä Mustasaari 9,3 1,5 105 4,5 0,05 0,1 30 871 3 0 0 ABB Oy Motors and Generators Vaasa 0 0 0 0 0 0 0 0 20,9 24,6 ABB Oy Muuntajat Vaasa 0 0 0 0 0 0 0 0 7,7 9,1 Adven Oy Vaasa 25,1 4,1 16,9 0,7 3,4 8,9 7005 0,7 0,5 0,5 Adven Oy Vaasa 6 1 5,8 0,2 2 5,3 2661 0,3 0 0 Fingrid Oyj Vaasa 0,5 0,1 0,6 0 0 0 147 0 0 0 Finnfeeds Oy Vaasa 2,3 0,4 3,1 0,1 0,2 0,4 822 0,1 0 0 Lemminkäinen Infra Oy Vaasa 7,3 1,2 2,6 0,1 1,3 3,3 1287 0,1 0 0 NEOT Oy Vaasa 0 0 0 0 0 0 0 0 22 25,8 PVO-Huippuvoima Oy Vaasa 2,1 0,3 1,1 0 0,1 0,3 323 0 0 0 Rudus Oyj Vaasa 0,3 0 0,1 0 0 0,1 49 0 0 0 Teboil Oy Vaasa 0 0 0 0 0 0 0 0 8,8 10,3 Vaasan Betoniasema Oy Vaasa 0,7 0,1 0,7 0 0,1 0,1 280 0 0 0 Vaasan sairaanhoitopiiri Vaasa 3,1 0,5 4,2 0,2 0,2 0,6 1146 0,1 0 0 Vaasan satama Vaasa 8,2 1,3 82 3,5 3,1 8,2 4175 0,4 0,8 0,9 Vaasan Sähkö Oy Isolahden lämpök. Vaasa 0,1 0 0,2 0 0 0 140 0 0 0 Vaasan Sähkö Oy Liisanlehdon lämpök. Vaasa 4,9 0,8 1,8 0,1 0,1 0,3 864 0,1 0 0 Vaasan Sähkö Oy Palosaaren sillan voimal. Vaasa 36 5,8 16 0,7 1,3 3,3 6110 0,6 0 0 Vaasan Sähkö Oy Pitkämäen lämpök. Vaasa 22,8 3,7 10,9 0,5 0,6 1,7 3960 0,4 0 0 Vaasan Sähkö Oy Vaskiluodon lämpök. Vaasa 0,8 0,1 0,4 0 0 0 145 0 0 0 Vaskiluodon Voima Oy Vaasa 338 54,7 1726 74,5 13,2 34,8 937 597 91,5 0 0 Wärtsilä Finland Oy Delivery Centre Vaasa 7,7 1,3 108 4,6 1,1 3 5871 0,6 10,7 12,6 Wärtsilä Finland Oy Moottorilaboratorio Vaasa 66 10,7 124 5,3 3 8,1 7830 0,8 4,9 5,7 Wärtsilä Finland Oy Vaskiluoto Engine lab. Vaasa 50 8,1 84 3,6 2,8 7,3 5422 0,5 8,9 10,4 yhteensä Vaasa 582 94,3 2188 94,5 32,5 85,9 985 831 96,2 85 100 Teollisuuspäästöt yhteensä 617 2315 37,8 1 024 402 85 * Tiedot keskimääräisiä arvioita

Tutkimusalue 15 2.2.2 Päästömäärien kehitys Rikkidioksidin, typen oksidien ja hiukkasten päästömäärien kehitys vuosina 2000 2013 on esitetty kuvissa 6-8. Käytännössä lähes kaikki alueen rikkidioksidipäästöt syntyvät teollisuudesta. Rikkidioksidipäästöjen määrä on vaihdellut paljon vuosina 2000-2013. Päästöt nousivat tarkastelujakson alkupäässä kunnes saavuttivat huippunsa vuonna 2003. Rikkipäästöt laskivat vuoteen 2005, ja sen jälkeen nousivat taas vuoteen 2008 asti. Sen jälkeen päästöt ovat pääsääntöisesti olleet laskusuunnassa vuoden 2013 tason ollessa hieman yli puolet vuoden 2000 tasosta. Typen oksidien määrä on niin ikään vaihdellut tarkastelujakson aikana, mutta saavutettuaan huippupitoisuutensa vuosina 2002-2003 typpipäästöt ovat olleet pääosin laskussa. Liikenteen osuus typpipäästöistä oli 19 % vuonna 2013. Vuoden 2013 teollisuuden ja liikenteen typenoksidipäästöt olivat 1000 tonnia pienemmät kuin vuonna 2000. Merkittävin vähennys päästöissä on tapahtunut teollisuudessa. Myös liikenteen typpipäästöt ovat laskeneet tarkasteltavalla aikavälillä. Hiukkaspäästöjen kehitys vuosina 2000-2013 mukailee rikkidioksidin päästöjen kehitystä; vuoden 2003 jälkeen päästöt ovat pääosin laskeneet, mutta vuosina 2007-2008 päästömäärät nousivat 2000-luvun alkupuolen tasolle. Vuoden 2013 hiukkaspäästöt olivat hieman yli puolta pienemmät kuin vuoden 2000 päästöt. Vähenemistä on tapahtunut sekä liikenteen että teollisuuden hiukkaspäästöissä, ja vuonna 2013 liikenteen suorien hiukkaspäästöjen osuus hiukkaspäästöistä oli 31 %. Kuva 6. Tutkimusalueen teollisuuden ja liikenteen rikkidioksidin päästöt (tn/v) vuosina 2000 2013.

16 Tutkimusalue Kuva 7. Tutkimusalueen teollisuuden ja liikenteen typen oksidien päästöt (tn/v) vuosina 2000 2013. Kuva 8. Tutkimusalueen teollisuuden ja liikenteen hiukkaspäästöt (tn/v) vuosina 2000 2013. 2.2.3 Ilmanlaatu Suomessa Lähes kaikkien merkittävimpien ilman epäpuhtauksien pitoisuudet tausta-asemilla ovat vähentyneet 1980-luvun alusta lähtien tarkasteltuna voimakkaasti. Pitkäaikaisissa mittauksissa näkyy erityisen selkeästi rikkiyhdisteiden pitoisuuksien ja laskeuman pienentyminen viimeisten vuosikymmenien aikana. Ilman epäpuhtauksien vähentyminen on jatkunut vielä 1990-luvulla, vaikkakin hitaammin Etelä-Suomessa kuin Pohjois-Suomessa. (Kulmala ym. 1998, Ilmatieteen laitos 2015.) Kuvassa 9 on esitetty rikkidioksidin, typen oksidien ja hiukkasten päästöjen alueellinen jakautuminen Suomessa vuonna 2011 (Suomen ympäristökeskus 2013). Alueellisen jakautumisen esittäminen on toteutettu yhdisteittäin UNECE:n kaukokulkeutumissopimuksen EMEPohjelman karttamallin avulla. Päästömäärät ovat rannikkoseuduilla kaikilla yhdisteillä hieman korkeampia kuin vastaavalla korkeudella sisämaassa, mihin vaikuttaa rannikkoseudulle keskittynyt ihmistoiminta.

Tutkimusalue 17 Kuva 9. Rikkidioksidin, typen oksidien ja hiukkasten päästöjen alueellinen jakautuminen Suomessa vuonna 2011 (Ilmatieteen laitos 2014).

18 Tutkimusaineisto ja -menetelmät 3. Tutkimusaineisto ja -menetelmät 3.1 Havaintoalat Tutkimus tehtiin 53 mäntyhavaintoalalla, joilla tutkittiin mäntyjen runkojäkäliä ja männyn neulasten alkuainepitoisuuksia. Tutkimusalojen sijainnit on esitetty kuvassa 10. Tutkimusalan jäkälälajisto arvioitiin viideltä puulta. Aloista 40 sijaitsi Vaasassa, 7 Mustasaaressa, 4 Maalahdessa ja 2 Laihialla. Aiemmissa tutkimuksissa mukana olleilla aloilla kartoitus pyrittiin tekemään samoja puita käyttäen, mutta maankäytön muutosten ja hakkuiden vuoksi kaksi Vaasassa sijainnutta alaa perustettiin uudestaan. Korvaava ala pyrittiin perustamaan mahdollisimman lähelle vanhaa alaa. Lisäksi Vaasan aloista kaksi siirrettiin kuntaliitoksen seurauksena Vaasaan liittyneeseen Vähäänkyröön. Maaperänäytteet kerättiin kuudelta alalta, joista 4 sijaitsi Vaasassa ja loput 2 Mustasaaressa ja Maalahdessa. Kuva 10. Tutkimusalojen sijainti tutkimusalueella vuonna 2013. Näytealan sijainti määritettiin GPS-laitteella, ja jokaisesta mäntyhavaintoalasta täytettiin taustatietolomake, johon merkittiin alan etsintäohje ja puiden sijainti. Mäntyhavaintoaloista kirjattiin ylös metsätyyppi, puuston kehitysluokka, ikä ja pituus sekä valtalajien pohjapinta-alat ja havaintoalan topografia. Havaintoalan soveltuvuus luokiteltiin käyttäen asteikkoa hyvä-kohtalainen-huono. Havaintoalan soveltuvuus on havainnoitsijan subjektiivinen arvio havaintoalan soveltuvuudesta bioindikaattoritutkimukseen, ja sitä arvioitaessa huomioidaan jäkäläkartoitukseen käytettävää metsikköä koskevat kriteerit. Pohjapinta-alat määritettiin relaskoopin avulla, ja puuston ikä ja pituus määritettiin silmämääräisesti.

Tutkimusaineisto ja -menetelmät 19 taulukko 2. Tutkimusalojen jakaantuminen luokkiin taustamuuttujien mukaan. Uusien mäntyalojen valinnassa tärkein kriteeri oli alan soveltuvuus jäkäläkartoitukseen. Vanhan tuhoutuneen tutkimusalan tilalle pyrittiin perustamaan uusi ala lähimmälle jäkäläkartoituksen kriteerit täyttävälle paikalle. Kriteerit jäkäläkartoituksessa käytettävälle metsikölle on esitetty standardissa SFS 5670. Näistä tärkeimpiä ovat metsikön ikä, puuston tiheys sekä aluskasvillisuuden esiintyminen. Valintakriteerien suhteen optimaaliset havaintoalat sijaitsevat kuivahkoilla tai kuivilla kankailla, joilla aluskasvillisuus on matalaa ja metsä melko harvaa. Havaintoalojen valinnalla pyritään eliminoimaan luontaiset jäkälälajiston koostumukseen sekä vaurioihin vaikuttavat mikroilmastolliset tekijät, joista tärkein on valoisuuden ja varjoisuuden suhde. Uusia tutkimusmetsiköitä valittaessa pyrittiin lisäksi välttämään reunavaikutusta tai esim. suppia ja paisterinteitä, joissa vallitsee poikkeava mikroilmasto. Myös hiljattain käsiteltyjä, esim. kolmen edellisen vuoden aikana harvennettuja metsiköitä vältettiin. Havaintopuut valittiin siten, että ne olivat läpimitaltaan vähintään 20 cm, ja kolmen metrin korkeudelle oksattomia. Pensaiden tai taimien ympäröimiä puita tai hyvin lähellä toisia puita kasvavia puita ei hyväksytty mukaan kartoitukseen. Mäntyhavaintoalojen jakaantuminen luokkiin taustamuuttujien suhteen on esitetty taulukossa 2. Suurin osa tutkimusaloista oli soveltuvuudeltaan hyviä (60 %). Tutkimusalat sijaitsivat yleisimmin joko kuivahkolla puolukkatyypin (VT) kankaalla tai tuoreella mustikkatyypin (MT) kankaalla, joilla molemmilla oli 22 % tutkimusaloista. Yksittäisiä aloja sijaitsi myös mm. kuivalla kanervatyypin (CT) kankaalla. Metsiköistä 94 % oli kehitysasteeltaan kypsää. Puusto oli keskimäärin melko iäkästä, sillä mediaani-ikä oli 110 vuotta. Tutkimuspuiden keskimääräinen pituus oli 17 m ja metsiköiden pohjapinta-ala oli keskimäärin 21,5 m 2 /ha. Puiden keskimääräinen halkaisija oli 34 cm. Ensimmäinen valtalaji oli yleisimmin mänty ja 2. valtalaji yleisimmin kuusi. Jos alalla oli 3. valtalaji, se oli yleisimmin koivu.

20 Tutkimusaineisto ja -menetelmät 3.2 Tutkimusryhmä ja maastotöiden ajankohta Männyn neulasnäytteet kerättiin 4.-8.2.2013. Neulasnäytteet keräsivät Jyväskylän yliopiston tutkijat Emmi Lehkonen, Anne Kiljunen, Heikki Alaja ja Tero Matilainen. Jäkäläkartoitukset tehtiin 5.-20.8.2013 välisenä aikana. Kesäaikaisiin maastotöihin osallistuivat tutkija Irene Kuhmonen (YTM) ja tutkimusavustajat Janne Ruuth (fil.yo) ja Henna Toivanen (LuK). 3.3 Männyn runkojäkälät 3.3.1 Ilman epäpuhtauksien vaikutukset runkojäkälissä Jäkälät koostuvat symbioosissa elävistä lehtivihreättömästä sieniosakkaasta ja yhteyttävästä leväosakkaasta. Ne menestyvät hyvin niukkaravinteisessa ja kuivassa elinympäristössä, missä korkeammat kasvit eivät selviä. Jäkälät kasvavat löyhärakenteisina sekovarsina ilman suojaavia pintasolukerroksia ja ilmarakoja ottaen ravinteensa ja vetensä suoraan ilmasta, sadevedestä tai runkovalunnasta. Tämä tekee jäkälät herkiksi ilman epäpuhtauksien vaikutuksille. Tärkeimmät jäkäliin vaikuttavat ilman epäpuhtaudet ovat rikkidioksidi ja typen oksidit. Altistus tapahtuu pääasiassa siten, että epäpuhtaudet kiinnittyvät sieniosakkaan soluseinämien proteiineihin. Talvi aikaankaan, jolloin ilmassa on yleensä enemmän epäpuhtauksia, runkojäkälät eivät ole lumikerroksen suojaamia, ja leudommilla säillä niiden solutoiminta voi aktivoitua. Jäkälät ilmentävät ilman epäpuhtauksien vaikutuksia yksilökohtaisesti silmin havaittavina morfologisina tai kemiallisina muutoksina, peittävyyksien muutoksina ja jäkäläyhteisöjen lajikoostumuksen muutoksina (Lodenius ym. 2002). Ilman epäpuhtauksien aiheuttamat muutokset jäkälissä ja jäkälälajistossa voivat ilmetä nopeasti etenkin suurissa pitoisuuksissa. Usein vaikutukset näkyvät vielä vuosienkin päästä kuormituksen vähennyttyä, koska jäkälät ovat hyvin hidaskasvuisia, ja vaikutukset saattavat välittyä niihin myös kasvualustan muutosten kautta (Jussila ym. 1999). Jäkälälajit reagoivat ilman epäpuhtauksiin eri tavoin: ensimmäisenä herkimpien lajien peittävyydet puiden rungoilla pienenevät, kunnes laji ei enää pysty menestymään kasvupaikallaan. Tällöin kestävämmät lajit saattavat vallata vapautunutta elintilaa. Eräät lajit saattavat jopa hyötyä kuormituksesta. Morfologisena muutoksena tässä tutkimuksessa arvioitiin sormipaisukarpeen (Hypogymnia physodes) vaurioastetta sekä yleistä vaurioastetta. Jäkäläyhteisöjen lajikoostumuksen muutoksia arvioitiin lajilukumäärän ja IAP-indeksin avulla. Peittävyyksiä arvioitiin sormipaisukarpeen ja luppojen osalta pistefrekvenssimenetelmällä. Havainnot tehtiin havaintoalalla viideltä tutkimuspuulta, joiden jäkälälajisto arvioitiin 50-200 cm:n korkeudelta. 3.3.2 Tutkitut jäkälälajit Indikaattorilajeina käytettiin standardin SFS 5670 mukaisesti 12 männyillä yleisesti kasvavaa jäkälälajia. Lajien erityispiirteitä sekä niiden indikaattoriarvot on kuvattu taulukossa 3. Taulukossa 4 on luokiteltu indikaattorilajit herkkyytensä mukaan neljään luokkaan. Tietyn lajin esiintymiseen vaikuttavat lajin saasteherkkyyden lisäksi myös luontaiset ympäristöolosuhteet, jonka vuoksi eri lajien indikaattoriarvot ovat erilaisia, toiset lajit esim. suosivat merenrantoja, toiset valoisia ja kuivia metsiköitä, toiset sulkeutuneempia metsiköitä, toiset nuorempia puita ja toiset vanhempia.

Tutkimusaineisto ja -menetelmät 21 Taulukko 3. Standardin SFS 5670 mukaiset jäkälälajit ilmanlaadun indikaattoreina. Indikaattoriarvon luokitus: +++ hyvä, ++ kohtalainen, + pieni, - huono. Seuralaislajien lukumäärät on laskettu Uudenmaan vuoden 2009, Pohjois-Karjalan vuoden 2010, Kokkolan ja Pietarsaaren vuoden 2012 sekä Etelä-Karjalan vuoden 2012 bioindikaattoritutkimusten yhdistetyistä aineistoista (Huuskonen ym. 2010, Lehkonen ym. 2011, Lehkonen ym. 2013 ja Huuskonen ym. 2013). Sormipaisukarve (Hypogymnia physodes) +++ Sormipaisukarve on käytetyistä indikaattorilajeista kestävin ja yleisin laji, joka sietää hyvin ilman epäpuhtauksia. Sormipaisukarpeen esiintymisfrek-venssit eli peittävyys pienentyvät vasta voimakkaasti kuormitetuilla alueil-la. Sormipaisukarve on hyvä ilmanlaadun indikaattori, sillä myös sekovar-ren näkyvät vauriot kuvastavat ilman epäpuhtauksien kuormitusta. Seuralaislajien lukumäärä 4,92. Keltatyvikarve (Parmeliopsis ambiqua) +++ Keltatyvikarve sietää myös hyvin ilman epäpuhtauksia ja sen esiintymis-frekvenssit noudattavat ilman epäpuhtauksien kuormitus-vyöhykkeitä. Keltatyvikarve viihtyy parhaiten sulkeutuneissa kosteissa metsissä (Pihl-ström & Myllyvirta 1995). Keltatyvikarvetta esiintyy hyvin yleisesti, ja se on ilman epäpuhtauksia kestävä, hyvä indikaattorilaji. Seuralaislajien luku-määrä 4,92. Tuhkakarve ja harmaatyvikarve (Parmeliopsis hyperopta & Imshaugia aleurites) +++ Tuhkakarve ja harmaatyvikarve sijoittuvat kestävyydeltään kolmanneksi. Tämä sijoitus sopii yleensä hyvin näiden lajien esiintymisfrekvenssin alueelli-seen jakaantumiseen, sillä kahta edellistä lajia herkempänä näiden lajien pienentyneet esiintymisfrekvenssit ulottuvat vähemmän kuormitetuille alu-eille kuin sormipaisuja keltatyvikarpeella. Tuhka- ja harmaatyvikarve ovat ilmansaasteita sietäviä, hyviä indikaattorilajeja, jotka tosin suosivat kuivia ja valoisia kalliomänniköitä. Seuralaislajien lukumäärä 5,33. Seinäsuomujäkälä (Hypocenomyce scalaris) ++ Seinäsuomujäkälää kasvaa luontaisesti vanhojen mäntyjen rungoilla. Se pystyy myös käyttämään hyväkseen ilmassa olevia epäpuhtauksia ja sen esiintyminen lisääntyy ilman saasteiden kuormituksen lisääntyessä. Sei-näsuomujäkälä on kohtalaisen hyvä ilman epäpuhtauksien positiivinen in-dikaattori eli sen esiintyminen kuvastaa lähinnä typpilaskeuman rehevöit-tävää vaikutusta. Seuralaislajien lukumäärä 5,29.

22 Tutkimusaineisto ja -menetelmät Lupot (Bryoria sp.) +++ Lupoilla on keskimäärin eniten seurannaislajeja rungoilla, mikä osoittaa sen herkkyyttä ilman epäpuhtauksille. Luppojen esiintymisfrekvenssit noudattavat yleensä ilmansaasteiden kuormitusta ja luppojen pituuksia voidaan myös käyttää kuormitusta kuvaavana tunnuksena. Lupot ovat hy-viä ilman laadun indikaattoreita. Seuralaislajien lukumäärä 6,27. Naavat (Usnea sp.) +++ Naavojen esiintymisfrekvenssit vaihtelevat ilmansaastekuormituksen mu-kaan yleensä samalla tavalla kuin lupoillakin. Naavojen seuralaislajien määrä on yleensä melko suuri kuten lupoillakin, mikä osoittaa näiden jäkä-lälajien herkkyyttä ilman epäpuhtauksille. Naavojen pituuksia voidaan myös käyttää kuormitusta kuvaavana tunnuksena. Rannikon läheisyys suo-sii naavojen esiintymistä. Seuralaislajien lukumäärä 6,22. Harmaaröyhelö (Platismatia glauca) ++ Harmaaröyhelö on seuralaislajien määrän perusteella suhteellisen herkkä in-dikaattorilaji ja myös sen esiintymisfrekvenssit ovat yleensä loogisia: laji puuttuu kuormitetuilta alueilta ja eniten sitä todetaan puhtailla alueilla. Harmaaröyhelö on herkkä ilman epäpuhtauksille, mutta sen luontainen esiintyminen voi kuitenkin vaihdella suuresti, minkä vuoksi sen indikaatto-riarvo jää kohtalaiseksi. Seuralaislajien lukumäärä 5,88. Keltaröyhelö (Vulpicida pinastri) + Keltaröyhelön esiintyminen on usein varsin satunnaista, sitä voidaan löytää voimakkaasti kuormitetuilta alueita ja toisaalta se saattaa puuttua tausta-alueilta. Keltaröyhelön luontainen esiintyminen vaihtelee suuresti, mutta mahdollisesti myös ilman epäpuhtauksilla on vaikutusta sen esiintymiseen. Keltaröyhelön arvo ilman laadun indikaattorina jää kuitenkin pieneksi. Seura-laislajien lukumäärä 5,32.

Tutkimusaineisto ja -menetelmät 23 Ruskoröyhelö (Tuckermannopsis chlorophylla) Ruskoröyhelö on yleensä 12 indikaattorilajin joukossa yksi harvinaisimmista lajeista. Sen esiintyminen vaihtelee usein hyvin satunnaisesti ja sitä voidaan löytää voimakkaasti kuormitetuiltakin alueilta. Ilmanlaadun indikaattorina ruskoröyhelö on huono. Seuralaislajien lukumäärä 6,94. Hankakarve (Pseudevernia furfuracea) ++ Hankakarve on hyvin yleinen jäkälälaji männyn rungolla. Keskimääräisen seuralaislajien määrän perusteella hankakarpeen voidaan katsoa olevan herkkä ilman epäpuhtauksille, ja myös sen esiintymisfrekvenssien alueelli-nen jakauma vastaa yleensä ilman epäpuhtauksien kuormituksen ja-kaumaa. Ilmansaasteet aiheuttavat selvästi havaittavia muutoksia hanka-karpeen sekovarressa. Rannikon läheisyys suosii hankakarpeen esiintymistä, sillä se viihtyy valoisissa, kuivissa kalliomänniköissä. Indikaat-torina se on kohtalainen. Seuralaislajien lukumäärä 5,80. Raidanisokarve (Parmelia sulcata) + Raidanisokarve on harvinainen männyn rungolla esiintyvä jäkälälaji. Rai-danisokarve on ravinteisuudesta hyötyvä jäkälälaji, jota esiintyy yleensä mm. kalkkipölyalueiden liepeillä. Raidanisokarve soveltuu kalkkipölyn indi-kaattoriksi. Yleensä raidanisokarve on niin harvinainen, että sen indikaat-toriarvo jää pieneksi. Seuralaislajien lukumäärä 6,25. Viherlevä ja vihersukkulajäkälä (Algae & Scoliciosporum) +++ Viherleväpeite lisääntyy lähinnä kasvaneen typpilaskeuman vaikutuksesta eli se on ilman epäpuhtauksien positiivinen indikaattori. Viherleväpeite ja vihersukkulajäkälä ovat hyviä typpikuormituksen indikaattoreita. Seuralais-lajien lukumäärä 4,86.

24 Tutkimusaineisto ja -menetelmät Taulukko 4. Tutkitut jäkälälajit ja niiden herkkyydet rikkidioksidille (Kuusinen ym. 1990). Taulukko 4. Herkkyys Laji (tiet.) Laji (suom.) kestävä, hyötyvä Algae + Scoliciosporum leväpeite Hypocenomyce scalaris seinäsuomujäkälä melko kestävä Hypogymnia physodes sormipaisukarve Parmeliopsis ambiqua Tuckermannopsis chlorophylla keltatyvikarve ruskoröyhelö Vulpicida pinastri keltaröyhelö melko herkkä Parmeliopsis hyperopta harmaatyvikarve Parmeliopsis aleurites tuhkatyvikarve Platismatia glauca harmaaröyhelö Pseudevernia furfuracea Parmelia sulcata hankakarve herkkä Bryoria sp. lupot Usnea sp. naavat raidanisokarve Lajien esiintyminen tutkittiin laajentaen standardinmukaista menetelmää siten, että kunkin lajin runsaus arvioitiin kolmiasteisella luokituksella (taulukko 5). Kullekin tutkimuspuulle ja -alalle laskettiin ilman epäpuhtauksista kärsivien jäkälälajien lajimäärä. Ala- ja puukohtaisia lajimääriä laskettaessa ei huomioitu ilman epäpuhtauksista hyötyviä seinäsuomujäkälää sekä levää ja vihersukkulajäkälää, jolloin lajeja saattoi olla puuta tai alaa kohti enimmillään 10. Taulukko 5. Jäkälien runsauden luokittelu. Leväpeite (Algae & Scoliciosporum) ja seinäsuomujäkälä (Hypocenomyce scalaris) on luokiteltu peittävyytenä (%), muut lajit sekovarsien lukumäärän perusteella. Luokka Sekovarsien määrä, kpl Peittävyys, % 1 1.helmikuuta 1.-2. < 5 2 2.heinäkuuta 3.-7. 5-49 3 > 7 50 Kullekin havaintopaikalle laskettiin havaintopaikan jäkäläkasvillisuutta kuvaava IAP-indeksi (Index of Atmospheric Purity, ilmanpuhtausindeksi) (LeBlanc ja DeSloover 1970). IAP-indeksillä voidaan esittää eri jäkälälajien esiintymisfrekvenssit yhtenä lukuarvona, jossa on otettu huomioon eri lajien herkkyydet ilman epäpuhtauksille. Korkea indeksiarvo kertoo runsaasta jäkälälajistosta ja siten hyvästä ilmanlaadusta, matalan indeksin arvon saavat puolestaan lajistoltaan köyhtyneet havaintoalat. Indeksi laskettiin kullekin havaintoalalle seuraavasti: Q = kunkin jäkälälajin keskimääräinen seuralaislajien lukumäärä (ks. taulukko 4) f = lajin suhteellinen esiintymisfrekvenssi näytealalla (0-1) n = jäkälälajien lukumäärä (10)

Tutkimusaineisto ja -menetelmät 25 IAP indeksi on laskettu käyttäen kymmentä standardin SFS 5670 mukaista indikaattorilajia. Laskennasta on jätetty pois seinäsuomujäkälä (Hypocenomyce scalaris) ja levät sekä vihersukkulajäkälä (Algae ja Scoliciosporum sp.), jotka hyötyvät kuormituksesta. Tässä selvityksessä käytetyt seuralaislajien lukumäärät (taulukko 3) on laskettu Uudenmaan vuoden 2009, Pohjois-Karjalan vuoden 2010, Kokkolan ja Pietarsaaren vuoden 2012 sekä Etelä Karjalan vuoden 2012 bioindikaattoritutkimusten yhdistetyistä aineistoista, joka käsittää 7885 puuta (Huuskonen ym. 2010, Lehkonen ym. 2011, Huuskonen ym. 2013, Lehkonen ym. 2013). Vuoden 2007 tutkimuksessa käytetyt seuralaislajien lukumäärät oli laskettu Uudenmaan ja Itä-Uudenmaan vuoden 2000 bioindikaattoritutkimuksen aineistosta. Vertailukelpoisuuden vuoksi aikaisempien tutkimusten IAP-indeksit laskettiin uudelleen käyttäen tässä tutkimuksessa määritettyjä seuralaislajimääriä. Kunkin lajin seuralaislajien määrissä seinäsuomujäkälä, levä sekä vihersukkulajäkälä on huomioitu. Jäkälälajiston köyhtyneisyyden luokitus lajilukumäärän ja IAP-indeksin perusteella on esitetty taulukossa 6. Puhtailla tausta-alueilla havaitaan yleensä enemmän jäkälälajeja kuin kuormitetuilla alueilla. Taulukko 6. Lajiston runsauden luokittelu IAP-indeksin ja lajilukumäärän perusteella. IAP-indeksi Lajilukumäärä Kuvaus jäkäläkasvillisuudesta > 3 8 Luonnontilainen lajisto, mukana herkkiä jäkälälajeja 2-3 6.heinäkuuta 6.-7. Lievästi köyhtynyt lajisto, lajistossa on lieviä muutoksia, herkimpiä lajeja puuttuu yleisesti 1-2 4.toukokuuta 4.-5. lajisto on köyhtynyt, herkimpiä lajeja voi esiintyä yksittäisillä rungoilla 0,5-1 2.maaliskuuta 2.-3. lajisto on erittäin selvästi köyhtynyt, herkimmät lajit puuttuvat yleisesti, rungoilla esiintyy yleisesti ilmansaasteista hyötyviä lajeja < 0,5 0-1 jäkäläautio tai lähes jäkäläautio 3.3.3 Vaurioiden ja peittävyyksien arvioiminen Sormipaisukarve on erityisen hyvä ilman epäpuhtauksien indikaattori, sillä se kestää hyvin suuriakin ilman epäpuhtauksien pitoisuuksia, mutta indikoi niitä morfologisilla muutoksilla, joita arvioidaan vaurioasteen avulla. On myös esitetty, että sormipaisukarve saattaisi hyötyä ilman epäpuhtauksista tiettyyn kuormitustasoon asti (Anttonen 1990). Lievässä kuormitustasossa sormipaisukarve voi vahvana kilpailijana vallata kasvualaa muilta lajeilta, mikä näkyy lajin peittävyyden kasvamisena. Kuitenkin sormipaisukarvekin kestää kuormitusta vain tiettyyn pisteeseen asti, jonka jälkeen sen vauriot pahenevat ja peittävyys pienenee (vrt. esim. Niskanen ym. 2003 ja Niskanen ym. 1996). Sormipaisukarpeen vaurioaste ja yleinen vaurioaste arvioitiin viisiasteisella luokituksella puolen vaurioluokan tarkkuudella (kuva 11 ja taulukko 7). Yleisessä vaurioasteessa eritellään kasvutavaltaan pensasmaisiksi lupot, naavat ja hankakarve, loput lajit ovat lehtimäisiä. Sormipaisukarpeen ja luppojen (Bryoria sp.) esiintymisfrekvenssit laskettiin sapluunaruudukolta 1,2 m:n korkeudelta itä-koillisesta ja länsi-lounaasta. Esiintymisfrekvensseistä laskettiin kullekin puulle näiden lajien suhteellinen peittävyys.

26 Tutkimusaineisto ja -menetelmät I IV II V III Kuva 11. Sormipaisukarpeen (Hypogymnia physodes) vaurioluokitus. Taulukko 7. Sormipaisukarpeen vaurioluokittelu ja lajiston yleinen vaurioluokittelu (SFS 5670 mukaan). Vaurio Sormipaisukarpeen vaurioaste Yleinen vaurioaste I terve jäkälät terveitä tai lähes terveitä kaikkien lajien ulkonäkö ja kasvu muuttumattomia II lievä vaurio lievästi kitukasvuisia, lieviä värimuutoksia pensasmaiset kitukasvuisia, lehtimäiset normaaleja III selvä vaurio IV paha vaurio V kuollut tai puuttuu jäkälät kitukasvuisia, vihertyneitä tai tummuneita tai kumpiakin jäkälät pieniä, ryppyisiä, vihertyneitä tai tummuneita tai kumpiakin pensasmaiset pieniä, lehtimäiset vaurioituneita pensasmaiset puuttuvat, lehtimäiset pahoin vaurioituneita myös lehtimäiset puuttuvat, leväpeitettä voi esiintyä

Tutkimusaineisto ja -menetelmät 27 3.4 Mäntyjen elinvoimaisuuden arviointi Havupuiden neulaskato ei ilmennä nimenomaisesti ilman epäpuhtauksien vaikutuksia, vaan ensisijaisesti puun yleistä elinvoimaisuutta. Puun kasvupaikka, ikä, ilmasto-olosuhteet, sienitaudit, hyönteiset ja muut tuhonaiheuttajat vaikuttavat myös neulaskatoon. Epäpuhtauksien kuormitus yhdessä näiden tekijöiden kanssa voi johtaa suurempaan neulaskatoon kuin mitä tavattaisiin puhtaassa elinympäristössä (Jussila ym. 1999, Lindgren 2007). Joissain laajoja alueita kattavissa selvityksissä on havaittu korrelaatiota havupuiden neulaskadon ja epäpuhtauksien aiheuttaman kuormituksen välillä (Salemaa ym. 1991), mutta toisissa tutkimuksissa yhteyttä ei ole havaittu (Lindgren 2007). Neulaskatoa arvioitaessa harsuuntuneiksi katsotaan puut, joiden neulaskato on yli 20 % tai 25 %. Tässä tutkimuksessa harsuuntumisen rajana käytettiin YK:n Euroopan talouskomission (ECE) käyttämää 25 %:n rajaa, jota myös Metsäntutkimuslaitos (Metla) käyttää. Tätä pienemmän vaihtelun katsotaan kuuluvan luontaiseen neulasmäärän vaihtelun piiriin. Männyllä neulaskato ilmenee usein epätasaisena, eli puussa voi olla yksittäisiä, muita voimakkaammin harsuuntuneita oksia. Voimakkaassa neulaskadossa latvus yleensä harsuuntuu melko tasaisesti. Myös neulasvuosikertojen määrä kuvaa puun elinvoimaisuutta, ja yleensä neulaskadon lisääntyessä neulasvuosikertojen määrä vastaavasti vähenee. Epäpuhtauksien kuormittamillakin alueilla havupuiden neulaskato on hyvin paikallinen ilmiö. Pääkaupunkiseudun ilmanlaadun bioindikaattoriseurannassa mäntynäytealojen keskimääräisen neulaskadon on todettu edustavan vain kyseistä näytealaa, sillä tulosten yleistettävyys oli alle 0,3 km (Partanen ja Veijola 1996). Vaikka neulaskato ilmentääkin ilmanlaatua jokseenkin huonosti, on se kuitenkin selkeä puiden yleiskunnon mittari. Lisäksi neulaskadon arviointi on menetelmänä helppo ja nopea toteuttaa, ja sitä käytetäänkin paljon kansainvälisessä metsien tilan seurannassa. 3.4.1 Maastomenetelmät Tässä tutkimuksessa mäntyjen harsuuntuneisuutta eli neulaskadon määrää arvioitiin Metsäntutkimuslaitoksen arviointiohjeiden mukaisesti (Lindgren ja Salemaa 1999). Havainnot tehtiin koealalla viideltä puulta tarkastelemalla kutakin puuta kiikareilla eri puolilta vähintään puun pituutta vastaavalta etäisyydeltä siten, että tarkasteltavan puun neulasmassaa verrattiin samalle kasvupaikalle kuvitellun terveen puun neulasmassaan. Kuvassa 12 on esimerkkejä eriasteisesti harsuuntuneista männyistä. Arviot puun neulaskadon määrästä kirjattiin prosentteina, ja lisäksi arvioitiin neulasvuosikertojen määrä, mahdolliset tuhot ja taudit sekä neulasten väriviat (kellastuminen tai ruskettuminen). Neulasten värivikoja aiheuttavat ravinnepuutokset, hyönteistuhot (esim. kaarnakuoriaiset), sienet (esim. ruskopilkkukariste, männynharmaakariste ja männyn juurikääpä) sekä abioottiset tekijät, esim. ahava. Myös rikki- ja typpipäästöt voivat aiheuttaa värivikaisuutta (Metla 2012a).

28 Tutkimusaineisto ja -menetelmät Kuva 12. Eriasteisesti harsuuntuneita mäntyjä (ei neulaskatoa, lievä neulaskato, selvä neulaskato). 3.5 Neulasten alkuainepitoisuudet Tässä tutkimuksessa on selvitetty metallien ja ravinteiden pitoisuuksia ja kertymistä männyn neulasissa. Muuttujat kuvaavat sekä kuormituksen alueellista jakaumaa että tutkimusmetsiköiden ravinnetilaa. Havupuiden neulasiin kertyy epäpuhtauksia sekä juuristojen kautta että suoraan ilmasta neulasten pintasolukoista, ja osa laskeumasta jää neulasten pinnoille kulkeutumatta eteenpäin (Jussila ym. 1999). Neulasten alkuainepitoisuudet kuvaavat kuormitusta suhteellisesti, sillä osa alkuaineista on aina peräisin maaperän luontaisista ravinnevaroista (Jussila ym. 1999). Alkuainepitoisuuksien perusteella voidaan tehdä päätelmiä ravinteiden keskinäisistä suhteista, puutostiloista tai myrkyllisen korkeista pitoisuuksista. Voimakkaat sateet laskevat neulasten alkuainepitoisuuksia (Huttunen 1982). Myös latvustosta voi huuhtoutua ravinteita alempien neulasten pinnoille; nämä ravinteet ovat peräisin lehtisolukoista ja kuivalaskeumasta (Helmisaari 1993). Neulasten vanhetessa helposti liikkuvien ravinteiden (N, S, Mg, K) pitoisuudet pienenevät, ja heikosti liikkuvien (Ca, Mn) pitoisuudet kasvavat. Neulasten iän vaikutusta on tutkimuksissa pyritty vakioimaan tekemällä analyysit toisen vuosikerran neulasista. Kuormitetuilla alueilla rikkipitoisuudet voivat kuitenkin päinvastoin kasvaa neulasten vanhetessa (Nieminen ym. 1993, Helmisaari 1993). Männyn (53 tutkimusalaa) neulasten toisesta neulasvuosikerrasta analysoitiin seuraavat alkuaineet: typpi (N), rikki (S), fosfori (P), kalium (K), kalsium (Ca), magnesium (Mg), boori (B), mangaani (Mn), rauta (Fe) ja kupari (Cu). Tutkitut alkuaineet on kuvattu seuraavassa lyhyesti. Boori on hivenravinne, jonka puutos aiheuttaa männyillä kasvu- ja kehityshäiriöitä. Puutos on yleisesti yhteydessä korkeisiin pääravinnepitoisuuksiin (Reinikainen ym. 1998). Meren läheisyys voi nostaa booripitoisuutta, sillä sateiden mukana rannikolle kulkeutuu merivettä, joka sisältää booria enemmän kuin makea vesi (Raitio ja Kärkkäinen 2002). Fosfori on olennainen osa kasvisolujen energian varastointi- ja siirtojärjestelmää, ja lisäksi fosforia esiintyy myös proteiineissa ja hiilihydraateissa. Korkea fosforipitoisuus voi olla yhteydessä hivenaineiden ja kalsiumin puutoksiin. (Reinikainen ym. 1998.) Kuusilla puolestaan fosforipitoisuuden alenemisen on havaittu liittyvän typpipitoisuuden kasvamiseen (Thelin ym. 1998).

Tutkimusaineisto ja -menetelmät 29 Kalium on pääravinne, joka on tärkein kasvien vesitaloutta ja aineiden kuljetusta säätelevä ravinne. Kalium ei sitoudu kasvin orgaanisiin rakenteisiin, vaan liikkuu tehokkaasti K + -ionimuodossa. (Reinikainen ym. 1998.) Kalsium on kasvien pääravinne, joka toimii kasvien aineenvaihdunnassa juurten kasvua, itämistä ja soluseinien välilevyjen ja solukalvojen muodostumista edistävänä ravinteena. Suomalaiset havupuut ovat sopeutuneet happamaan maaperään, mihin liittyy myös neulasten matalat kalsiumpitoisuudet, ja kalsiumpuutokset ovat luonnossa harvinaisia. (Reinikainen ym. 1998.) Kalsiumpitoisuutta voi nostaa kalkkipitoinen maaperä ja teollisuustoiminnoista peräisin oleva kalkkipöly. Kupari on eläimille ja kasveille välttämätön hivenaine, mutta suurina pitoisuuksina se on erittäin myrkyllistä vesieliöille. Ihmistoiminnan seurauksena maaperään joutunut kupari on usein liukoisemmassa muodossa kuin maaperän mineraaleihin sitoutunut kupari. Maaperän happamuus ja kuparia sitovien ainesten vähäisyys lisäävät kuparin kulkeutuvuutta. Liian korkea kuparipitoisuus voi männyillä aiheuttaa mangaanin puutosta (Rautjärvi ja Raitio 2003). Suomessa kuparia on käytetty mm. teollisuuden metalliseoksissa, väripigmenteissä ja puutavaran kyllästysaineissa. (Reinikainen 2007, 98.) Myös fossiilisten polttoaineiden käytöstä pääsee ilmaan kuparia (Rautjärvi ja Raitio 2003). Magnesium kuuluu kasvien pääravinteisiin, ja valtaosa siitä esiintyy viherhiukkasissa. Magnesium on kaliumin ja kalsiumin antagonisti, ja magnesiumpuutos voi aiheutua poikkeuksellisen runsaasta NH 4 -typen, kaliumin, kalsiumin tai raskasmetallien saannista. (Reinikainen ym. 1998.) Magnesiumpuutosta on Suomessa esiintynyt turkistarhojen läheisyydessä, voimakkaasti typellä lannoitetuilla turvemailla ja karuilla kankailla (Ferm ym. 1988, Raitio 1990, Reinikainen ym. 1998). Rannikkoseuduilla magnesiumpitoisuuksia nostavat merivedestä peräisin olevat suolat (Binkley ja Högberg 1997). Mangaani on yksi maankuoren kahdeksasta yleisimmästä alkuaineesta, ja ihmiselle tarpeellinen hivenaine. Suomen luontaisesti hapan maaperä sisältää luontaisesti paljon mangaania (Rautjärvi ja Raitio 2003); kallioperässä mangaania esiintyi erilaisina mineraaleina ja malmeina. Mangaania käytetään muun muassa raudan ja teräksen valmistuksessa, alumiiniseoksissa ja väriaineina. Mangaanin päästölähteitä ovat mm. terästeollisuus ja kivihiilen, öljyn ja turpeen poltto, sekä maaperän pölyäminen. (Värri 2007.) Rauta on neulasissa esiintyessään hyvä ilmanlaadun indikaattori, sillä neulasten rautapitoisuuden on havaittu korreloivan ilmasta mitattujen rautapitoisuuksien kanssa (Landolt ym. 1989). Rautaa kertyy kasvien pinnalle maapölystä ja metalli- ja kaivannaisteollisuudesta (Rautjärvi ja Raitio 2003). Rikki on sivuravinne, jota kasvi käyttää valkuaisaineisiin ja sulfolipidien osana kalvorakenteisiin. Rikkipuutoksia ei Suomen metsistä tunneta. (Reinikainen ym. 1998.) Rikkikuormituksen indikaattorina käytetään epifyyttijäkälien lisäksi neulasten ja sammalten rikkipitoisuuksia. Rikki voi kulkeutua ilmakehässä suhteellisen kauas päästölähteestään, ja se esiintyy ilmassa useimmiten kaasumaisena. Vaikka rikkipitoisuuden on havaittu kohoavan lähellä päästölähteitä ja laskevan kauempana niistä sekä sammalissa että neulasissa, sitä ei pidetä erityisen hyvänä rikin kertymäindikaattorina. Korkeat rikkipitoisuudet vahingoittavat kasveja ja muuttavat niiden kertymiskapasiteettiä (Äyräs ym. 1997), toisaalta männyillä rikin on havaittu kuvaavan ensisijaisesti ravinnetilannetta, eikä ilman rikkidioksidipitoisuuden ja neulasten pitoisuuksien välillä ole aina havaittu yhteyttä (Innes 1995, Rautjärvi ja Raitio 2003). Lisäksi kasvien aktiiviset fysiologiset prosessit kontrolloivat rikin kertymistä (Moser ym. 1993). Typpi on kasvisolujen tärkeimpiä rakennusaineita, ja sen osuus kuiva-aineesta on neulasilla tyypillisesti alle 2 % (Reinikainen ym. 1998). Typpi on helposti liikkuva ravinne, ja sen pitoisuus männyn neulasissa tavallisesti alenee neulasten ikääntyessä (Helmisaari 1990). Suomessa typpi on tärkein puiden kasvia rajoittava tekijä, ja lievää typen puutetta voi esiintyä kohtalaisen rehevilläkin kivennäismailla (Reinikainen ym. 1998). Runsaan laskeuman alueella on havaittu typen kertymistä neulasiin (Raitio 1994, Innes 1995). Typpilaskeuman lisääntyminen voi muuttaa kasvien ainesuhteita ja heikentää puiden ravinteidenottokykyä, ja ravinne-epätasapaino altistaa puuston taudeille ja tuholaisille ja sääolosuhteiden haittavaikutuksille (Thelin ym. 1998).

30 Tutkimusaineisto ja -menetelmät Yksiselitteisiä ohjearvoja neulasten alkuainepitoisuuksille ei juuri ole arvojen vaihdellessa eri lähteissä (vrt. Reinikainen ym. 1998). Neulasten eri (ravinne)pitoisuuksille annettuja viitearvoja on esitetty taulukossa 8. Taulukko 8. Neulasten alkuainepitoisuuksien viitearvoja kangasmaan metsille (Reinikainen ym. 1998 Brække 1995, Mälkönen 1991 ja Raitio 1994 mukaan). Mänty Ankara puutos Sopiva (optimi) Keskiarvo Minimi Maksimi N % 1,1-1,3 1,5-2,1 1,23 0,74 2,25 P g/kg 0,8-1,2 1,4-1,8 1,46-1,52 0,98 3 K g/kg 3,0-4,1 5,0-7,0 4,82-4,87 3,1 8 Ca g/kg 1,0-2,1 yli 3,0 1,85-2,28 1,14 4,24 Mg g/kg 0,3-0,7 0,5-1,0 0,99-1,07 0,52 1,48 S g/kg 0,5-0,9 yli 0,9 0,94 0,66 1,42 B mg/kg alle 4 yli 8,0 12,1 3,6 27,6 Cu mg/kg 1,9-3,0 ei optimiarvoa 2,6-3,2 0,8 5,9 Mn mg/kg alle 7,0 ei optimiarvoa 409-555 157 767 Fe mg/kg 27-30 ei optimiarvoa 46,4 24,3 148 3.5.1 Näytteenotto ja määritys Neulasnäytteet kerättiin standardin SFS 5669 mukaisesti helmikuussa 2013. Mäntyjen neulasnäytteet kerättiin samoilta tutkimusaloilta, joilta jäkälähavainnot kesällä 2013 tehtiin. Mäntyjen neulasnäytteet kerättiin puiden lepoaikana, jolloin neulasten alkuainepitoisuuksissa on vähemmän vaihtelua kun kasvukaudella (esim. Raitio ja Merilä 1998). Näytepuista katkaistiin 3-4 oksaa eri puolilta latvustoa 8-12 metrin korkeudelta. Näytteet pakattiin muovipusseihin, joita säilytettiin pakastimessa näytteiden esikäsittelyyn asti. Näytteistä erotettiin toisen vuosikasvaimen neulaset, jotka kuivattiin paperipusseissa noin 40 C lämpötilassa noin viikon ajan. Kuivatut neulaset jauhettiin homogeeniseksi massaksi ja hajotettiin väkevän typpihapon avulla märkäpoltolla mikroaaltopolttolaitteistossa. Jäähtyneet näytteet laimennettiin vedellä ja sentrifugoitiin. Neulasnäytteiden alkuainepitoisuudet typpeä lukuun ottamatta ICP-OES -laitteistolla standardin SFS-EN ISO 11885:98 mukaisesti ja ICP-MS -laitteistolla standardin SFS-EN ISO 17294-2:05 mukaisesti (taulukko 11). Typpipitoisuudet määritettiin Metsäntutkimuslaitoksella ilmakuivatuista näytteistä laitoksen sisäisellä menetelmällä, joka perustuu standardeihin ISO 10694:1995 ja ISO 13878:1998. Rinnakkaismääritysten lisäksi alkuainemääritysten laadunvarmistukseen käytetään sekä laboratorion sisäisiä kontrollinäytteitä että sertifioituja referenssimateriaaleja (NIST SRM 1575, männyn neulaset). Tulokset on ilmoitettu kuiva-ainetta (105 C) kohti.

Tutkimusaineisto ja -menetelmät 31 3.6 Maaperän ominaisuudet Metsäkasvillisuuden elinvoimaisuuteen yleisesti vaikuttavat tekijät ovat metsämaan happamuus, ravinteiden määrä ja saatavuus sekä haitallisten aineiden, esim. raskasmetallien määrät maaperässä (Tamminen 1998). Tässä tutkimuksessa selvitettiin maaperän ominaisuuksia ph:n, sähkönjohtokyvyn, orgaanisen aineksen osuuden ja ravinnepitoisuuksien osalta erikseen humus-, huuhtoutumis- ja rikastumiskerroksesta (kuva 13). Kuva 13. Tyypillinen havumetsän podsoliprofiili. Kerrosten nimitykset: A 0: humuskerros (kuollut eloperäinen aines), A 1-2: tuhkanharmaa huuhtoutumiskerros, B: rikastumiskerros, B+C: lievästi muuttunut pohjamaa, C: muuttumaton pohjamaa (Nuotio ym. 1990). Maaperän ravinnetasoon vaikuttavat luontaisten tekijöiden (esim. kivennäismaan geokemiallinen koostumus, maaperän ja humuskerroksen paksuus, maaperän raekoostumus, kivisyys, pohjaveden liikkuvuus, pohjavesipinnan korkeus, ilmastotekijät) lisäksi ihmisen toiminta, lähinnä ilman epäpuhtauksien aiheuttama laskeuma sekä erilaiset metsänkäsittelytoimet. Metsäkasvillisuuden käytettävissä olevat ravinteet ovat sitoutuneet kivennäismaata peittävään humuskerrokseen. Humuskerroksen ominaisuuksiin vaikuttavat kasvillisuus sekä maaperän hajottajaeliöstön toimintaa säätelevät ympäristötekijät (Tamminen 1998, Raitio ja Kärkkäinen 2002). Kasvupaikan viljavuutta kuvaavat parhaiten kivennäismaan kalsiumpitoisuus sekä humuksen typpi-, magnesium- ja rikkipitoisuudet. Typpi on kasveille tärkein ravinne, ja Suomen metsämailla typpi on yleisimmin kasvua rajoittava ravinne. Typen määrää maaperässä kuvaa hiilen ja typen suhde (C/N-suhde). Suomalaiset metsämaat ovat luonnostaan melko happamia. Happamoitumista aiheuttavat mm. sade- ja maaveden hiilihappo, kasvien ravinteiden oton yhteydessä maahan siirtyvät vetyionit ja orgaanisen aineksen hajotessa syntyvät hapot. Neutraloivia prosesseja ovat puolestaan mineraalien rapautuminen sekä happamuuden muutoksia vastustavat puskurireaktiot (Tamminen 1998). Happamoittavaa laskeumaa aiheuttavat rikin ja typen oksidit, jotka muuttuvat ilmakehässä rikki- ja typpihapoksi. Laskeuma happamoittaa maaperää korvaamalla maahiukkasten pinnalla olevat vaihtuvat emäskationit vetyioneilla

32 Tutkimusaineisto ja -menetelmät ja kiihdyttämällä happamoitumista puskuroivien emäskationien huuhtoutumista maaperästä (Lindroos ja Derome 1998). Maaperän ominaisuuksien ja kasvupaikan tuotoskyvyn välillä on havaittu riippuvuuksia, sen sijaan puuston elinvoimaisuuden ja maaperän ominaisuuksien välillä yhteyttä ei ole havaittu joitain ääreviä poikkeustapauksia lukuun ottamatta. Humuskerroksen ph:lla on kiinteä yhteys kasvupaikan viljavuuteen, mutta kivennäismaan ph:lla ei viljavuuteen ole vaikutusta (Tamminen 1998). Tässä tutkimuksessa selvitettiin maaperän ominaisuuksia humuksen, huuhtoutumiskerroksen ja rikastumiskerroksen osalta 6 näytealalla. Humusnäytteistä analysoitiin kalsiumin (Ca), kaliumin (K), magnesiumin (Mg), mangaanin (Mn), natriumin (Na), fosforin (P), rikin (S) ja sinkin (Zn) pitoisuudet sekä näytteiden ph-arvo, sähkönjohtokyky ja orgaanisen aineksen osuus. Humuskerroksesta analysoitiin edellisten lisäksi typpipitoisuudet sekä C/N-suhde. Maaperänäytteet kerättiin kolmesta kuopasta eri puolilta havaintoalaa, ja kunkin maaperäkerroksen osanäytteet yhdistettiin kokoomanäytteeksi. Laboratoriossa humusnäytteet seulottiin 2 mm seulalla, jonka jälkeen ne kuivattiin 40 C:ssa ilmakuiviksi. Alkuaineiden määritystä varten näytteet uutettiin ja analysoitiin samoilla menetelmillä kuin neulasnäytteetkin. ph:n ja sähkönjohtokyvyn määrittämiseksi 20 ml maanäytettä sekoitettiin 60 ml:an ionivaihdettua vettä. Seosta ravisteltiin yhden tunnin ajan, jonka jälkeen ph-määritys ja sähkönjohtokyvyn määritys tehtiin laskeutuneesta näytteestä. Orgaanisen aineksen osuus selvitettiin hehkuttamalla kuivaa näytettä hehkutusuunissa 550 C 2 tunnin ajan, jonka jälkeen näyte jäähdytettiin, punnittiin ja laskettiin hävikki suhteessa ennen hehkutusta tehtyyn punnitukseen. Sähkönjohtavuus kuvaa maaperän vesiliukoisten suolojen määrää. Sähkönjohtavuuteen vaikuttaa maaperän ominaisuudet, mutta esimerkiksi maantiesuolaus voi nostaa maaperän sähkönjohtokykyä paikallisesti. Liian korkea sähkönjohtokyky vaikeuttaa kasvien veden- ja ravinteidenottoa. (Savo-Karjalan ympäristötutkimus Oy). Maaperän sähkönjohtokyky ilmoitetaan usein johtolukuna (10*sähkönjohtokyky). 3.7 Paikkatietomenetelmät Paikkatietoaineistojen käsittelyssä, tuottamisessa ja visualisoinnissa hyödynnettiin QGIS 2.12.0 ja Surfer 8 ohjelmistoja. Vyöhykekartat interpoloitiin kriging-menetelmällä. Kriging-menetelmä laskee tuntemattomalle pisteelle arvon painottamalla lähimpien tunnettujen pisteiden arvoja, mutta painotus ei perustu pelkästään pisteiden väliseen etäisyyteen ja ennustettuun sijaintiin, vaan myös tunnettujen pisteiden ja niiden arvojen spatiaaliseen järjestäytymiseen. Kriging-menetelmää käytettäessä huomioidaan spatiaalisen autokorrelaation vaikutus. Autokorrelaatio tarkoittaa sitä, että toisiaan lähellä olevissa paikoissa vastemuuttujan arvot ovat keskenään keskimäärin samanlaisempia kuin toisistaan kaukana olevissa paikoissa. Vyöhykekarttoja tarkasteltaessa tulee huomioida, että interpolointitulos on aina yleistys, jonka tarkkuuteen vaikuttaa ennen kaikkea tunnettujen pisteiden määrä ja tiheys. Näin ollen interpoloinnin tulosta voidaan pitää luotettavana niillä alueilla, joilla tunnettuja pisteitä (tutkimusaloja) on tiheässä, mutta harvan tutkimusalaverkon alueilla interpoloinnin tulokseen tulee huomattavasti enemmän epävarmuustekijöitä. Kun tutkimusalaverkosto on harva, yksittäisen alan tulos vaikuttaa laajempiin alueisiin kuin jos tutkimusalaverkko olisi tiheä. Suupohjan seudulla tutkimusalojen määrää tausta-alueilla on lisätty, mikä osaltaan parantaa arvion luotettavuutta.

Tutkimusaineisto ja -menetelmät 33 3.8 Tilastomenetelmät Tilastomenetelmien avulla pyrittiin saamaan tietoa ilmanlaatu- ja taustamuuttujien vaikutuksesta tutkittuihin muuttujiin, ilmanlaatua kuvaavien muuttujien välisestä yhteisvaihtelusta sekä vuosien välisistä eroista (Partanen ja Veijola 1996). Tilastomenetelmin tutkittiin taustamuuttujien vaikutusta jäkälä-, neulas- ja elinvoimaisuustunnuksiin sekä eri muuttujien välistä yhteisvaihtelua. Tilastollisten testien tekemiseen käytettiin R-ohjelmaa. Taustamuuttujina käytettiin tutkimusalan luonnonolosuhteita kuvaavia muuttujia. Taustamuuttujat eivät itsessään kuvaa ilmanlaatua, mutta ne saattavat vaikuttaa ilmanlaadusta kertoviin muuttujiin. Luokiteltuja taustamuuttujia olivat tutkimusalan soveltuvuus (asteikolla hyvä kohtalainen huono), metsätyyppi ja kehitysluokka (asteikolla nuori varttunut kypsä). Luokiteltujen muuttujien vaikutusta tutkittiin Kruskal-Wallisin varianssianalyysin sekä Spearmanin korrelaatioanalyysin avulla. Jatkuvina taustamuuttujina käytettiin puiden pituutta, halkaisijaa, ikää ja metsikön pohjapinta-alaa. Muuttujien välisiä riippuvuuksia tarkasteltiin Spearmanin järjestyskorrelaatioiden avulla. Alle 0,3:n korrelaatiota ei yleisesti katsota merkitykselliseksi. Suurilla aineistoilla varsin pienetkin korrelaatiot voivat olla tilastollisesti merkitseviä. Tilastollisesti merkitsevä tulos ei siten aina merkitse sitä, että muuttujien välinen korrelaatio olisi voimakas. Tässä tutkimuksessa aineisto on kuitenkin suhteellisen pieni (53 alaa), joten tuloksissa on käyty tarkemmin läpi pääosin vain suurimpia korrelaatiokertoimia saaneita muuttujia. 3.9 Virhelähteet ja tulosten luotettavuus 3.9.1 Jäkäläkartoituksen virhelähteet ja luotettavuus Jäkäläkartoituksen tulosten luotettavuuteen vaikuttavat erityisesti kartoituksen tekijöiden lajintuntemus sekä kokemus bioindikaattoritutkimusten tekemisessä. Ainoastaan standardissa SFS 5670 esitettyjen 12 indikaattorilajin hallitseminen ei riitä, sillä lajintuntemuksen ollessa suppea voivat indikaattorilajit sekoittua muihin lajeihin. Ilman epäpuhtaudet voivat aiheuttaa lajien ulkonäköön huomattavia muutoksia, minkä vuoksi vain luonnontilaisten jäkälien tunteminen ei ole tutkimuksen kannalta riittävää. Eri jäkälälajien esiintymisen kirjaaminen voi vaihdella eri arvioitsijoiden kesken. Leväpeitteen ja seinäsuomujäkälän kasvutavan vuoksi niiden havainnointi on erityisen hankalaa. Leväpeitettä voi esiintyä hyvinkin pieninä vihertävinä laikkuina. Seinäsuomujäkälä kasvaa yksittäisinä alle 1 mm:n kokoisina suomuina. Tämä suomupeite voi olla lähes yhtenäinen, selvästi havaittava peite kaarnalla, tai niukimmillaan lähes yksittäisiä suomuja. Tyvikarpeiden osalta on kirjattu esiintymiseksi vain selvästi erottuva sekovarsi, ei kaarnan pinnalla oleva kellertävä tai vaalea jauhomainen kasvusto. Edellä esitettyjen syiden vuoksi näiden lajien havainnointiin ja runsauden arviointiin liittyvät erityisen suuret virhelähteet, kun verrataan eri tutkijoiden tuloksia keskenään. Subjektiivisiin arvioihin pohjautuva jäkälien näkyvien vaurioiden arviointi ja luokittelu aiheuttaa myös tutkijakohtaisia eroja jäkäläkartoituksen tuloksiin. Näiden virhelähteiden pienentämiseksi maastoryhmä koulutettiin ja arviointitasot saatettiin samalle tasolle testien avulla ennen maastokauden alkua. Maastoryhmän vaurioiden arviointitasoa ja jäkälälajien havainnoinnin tarkkuutta testattiin myös maastokauden aikana.

34 Tutkimusaineisto ja -menetelmät Jyväskylän yliopiston ympäristöntutkimuskeskuksen selvityksessä (Polojärvi ym. 2005a) männyn epifyyttijäkälien ja sormipaisukarpeen vaurioiden havainnoinnin virhelähteistä todettiin, että arviot sormipaisukarpeen vaurioista eivät eronneet tilastollisesti merkitsevästi havainnoijien omien eivätkä eri havainnoijien arvioiden välillä. Havainnot ilman epäpuhtauksista kärsivien jäkälälajien lukumäärästä eivät eronneet tilastollisesti merkitsevästi havainnoijien omien havaintokertojen välillä, mutta eri havainnoijien välillä todettiin muutamia tilastollisesti merkitseviä eroja. Sormipaisukarpeen suhteellisissa peittävyyksissä todettiin tilastollisesti merkitseviä eroja sekä havainnoijien omien että eri havainnoijien tekemien mittausten välillä, kuten myös leväpeitteen arvioinnissa. Jäkälähavainnoista leväpeitteen havainnointi osoittautui tarkkuudeltaan epävarmimmaksi. Arviot leväpeitteen esiintymisestä poikkesivat havaintoaloilla, joilla leväpeitettä esiintyi mäntyjen rungoilla hyvin pieninä vihertävinä laikkuina. Leväpeitteestä poiketen seinäsuomujäkälän havainnoinnissa ei eroja todettu. (Taulukko 9.) Maastotöiden aikana tehdyissä tutkimusryhmän keskinäisissä tasontarkastuksissa ei havaittu merkittäviä poikkeamia lajiston tunnistamisessa tai vauriotasojen arvioimisessa. Taulukko 9. Jäkälähavaintojen mittaustarkkuus 95 %:n luottamusvälillä. Taulukko 9. ARVIOINTITARKKUUS ERO TULOKSISSA Sormipaisukarpeen vauriot Yhden havainnoijan arvioiden välinen vaihtelu 3-12 % 0,1-0,2 vaurioluokkaa Usean havainnoijan välinen vaihtelu yhdellä havaintoalalla 10-16 % 0,2-0,4 vaurioluokkaa Jäkälälajien lukumäärä Yhden havainnoijan arvioiden välinen vaihtelu 11-23 % 0,9-1,6 lajia Usean havainnoijan välinen vaihtelu yhdellä havaintoalalla 0-5 % 0-0,9 lajia Sormipaisukarpeen peittävyys Yhden havainnoijan arvioiden välinen vaihtelu 34-42 % 3,3-3,0 %-yks. Usean havainnoijan välinen vaihtelu yhdellä havaintoalalla 11-22 % 0,7-4,9 %-yks. 3.9.2 Neulaskatoarvion virhelähteet ja luotettavuus Latvuksen kunnon arvioiminen on aina subjektiivista ja arviointitulokseen vaikuttavat esimerkiksi metsikön tiheydestä, sääoloista ja valaistuksesta aiheutuvat virhelähteet (Salemaa ym. 1993). Subjektiivisuudestaan huolimatta harsuuntuneisuuden arviointi on käyttökelpoinen ja suhteellisen nopea menetelmä arvioitaessa puiden elinvoimaisuutta. Menetelmän subjektiivisuudesta johtuvia eroja voidaan vähentää arvioijien koulutuksella sekä vakioimalla mahdollisimman monia arviointitulokseen vaikuttavia tekijöitä (arvioija, puu, tarkastelusuunta). Eri tutkimusten tulosten vertailukelpoisuutta vähentävät mm. arvioijien väliset erot, puiden erilaiset ikä- ja kokojakaumat sekä erilaiset kasvupaikat. Metsäntutkimuslaitoksen arvioijien vertailussa on todettu, että 90 % yksittäisistä puista arvioidaan yhden neulaskatoluokan (± 10 %) virhemarginaalien sisälle. Näissä vertailuissa ei ole todettu tilastollisia eroja eri arvioijien välillä verrattaessa eri harsuuntuneisuusluokkiin luokiteltujen puiden osuuksia (Salemaa ym. 1993).

Tutkimusaineisto ja -menetelmät 35 Jyväskylän yliopiston ympäristöntutkimuskeskuksen bioindikaattoritutkijoiden arviointitason vertailussa vuonna 1994 yhden neulaskatoluokan virherajoihin mahtui yli 95 % arvioiduista puista ja erot kohdepuiden jakaantumisessa neulaskatoluokkiin olivat pieniä ilman tilastollista merkitsevyyttä. Mäntyjen neulaskatoarvioiden keskiarvo oli alle yhden prosentin suurempi kuin metsäntutkimuslaitoksen arvioijien keskiarvo, eivätkä keskiarvot eronneet tilastollisesti toisistaan. (Niskanen 1995). Kesällä 1996 arviointitason todettiin vastaavan metsäntutkimuslaitoksen arvioijien tasoa (Niskanen ym. 1996). Kesällä 2000 ympäristöntutkimuskeskuksen maastoryhmän harsuuntuneisuusarviot olivat ensimmäisessä testissä keskimäärin 8 % pienempiä kuin Metlan arvioijien taso ryhmän sisäisen hajonnan ollessa kuitenkin pieni (Lindgren 2000). Myöhemmin samana kesänä maastoryhmän arviot eivät eronneet tilastollisesti Metlan Hannu Rantasen arvioista (Lindgren 2001). Vuonna 2007 yhden ympäristöntutkimuskeskuksen maastotyöryhmän jäsenen arviointitasot vastasivat hyvin Metlan arvioita, ja kahden jäsenen arviot olivat hieman Metlan arvioita korkeampia. (Lindgren 2007.) Harsuuntuneisuuden arvioimiseen liittyvien virhelähteiden pienentämiseksi maastoryhmälle järjestettiin kesällä 2012 koulutusjakso ja arviointitasot testattiin ennen maastokauden alkua Metlan vertailupuilla yhdessä Metlan harsuuntumisarvioijan kanssa. Maastotyöryhmän ja Metlan neulaskatoarviot vastasivat hyvin toisiaan. Neulaskatoarviointien pysyminen samalla tasolla varmistettiin vielä eri tutkimusaloilla tutkimuksen aikana. 3.9.3 Neulasten alkuainepitoisuuksien määrittämiseen liittyvät virhelähteet ja luotettavuus Jyväskylän yliopiston ympäristöntutkimuskeskus tutki vuonna 2004 neulasnäytteiden keräämiseen ja analysointiin liittyviä virheitä. Menetelmän mittaustarkkuus, joka käsittää sekä näytteenottoon että analyysiin liittyvät virheet oli rikkipitoisuudelle keskimäärin ± 5 % ja typpipitoisuudelle ± 7 %. Heikoimmillaan mittaustarkkuus oli suuren pistepäästölähteen vaikutusalueella rikille ± 14 % ja typelle ± 12 % (taulukko 16). Näytteenoton mittausepävarmuuden vähentämiseksi näytteet otetaan eri puolilta näytepuuta, jolloin kokoomanäytteeseen tulee neulasia sekä päästökohteiden puolelta että suojapuolelta. Menetelmän toistettavuutta tutkittaessa ei tilastollisesti merkitseviä eroja juuri havaittu (ks. Polojärvi ym. 2005b). Vuoden 1995 tutkimuksessa neulasten rikkipitoisuuksien kartoittamisen mittaustarkkuudeksi arvioitiin ± 7 % (Niskanen 1995) ja toistettavuuden osalta ± 14 % (taulukko 10) (Niskanen ym. 1996). Neulasten rikki- ja typpipitoisuuden kartoituksessa käytetyn menetelmän tarkkuus heikkenee etenkin tilanteessa, jossa pitoisuuksien vaihteluväli on pieni ja sääolosuhteet vaikuttavat pitoisuuksiin. Ottamalla näytteet eri vuosina samoilta puilta saadaan parempi kuva pitoisuuksien muutoksesta näytealalla. Neulasnäytteistä määritettyjen alkuaineiden laboratorioanalyyseihin liittyvät mittausepävarmuudet ja määritysrajat on esitetty taulukossa 11.

36 Tutkimusaineisto ja -menetelmät taulukko 10. Rikin ja typen keskimääräiset mittaustarkkuudet eri vuosina tehdyissä mittaustarkkuuksien arvioinneissa 95 %:n luottamusvälillä. Vuonna 1995 näytepuita oli alalla viisi vuonna 2004 käytettyjen kymmenen sijasta. Taulukko 10. Keskim. mittaustarkkuus Huonoin mittaustarkkuus 2004 ± 5 % ± 14 % Rikki 1995 ± 7 % Typpi 2004 ± 7 % ± 12 % Taulukko 11. Neulasten alkuainepitoisuuksien analysoinnissa käytetyt menetelmät, määritysrajat sekä mittausepävarmuudet. Taulukko 11. ALKUAINE MENETELMÄ MÄÄRITYSRAJA mg/kg MITTAUSEPÄVARMUUS B ICP-OES 1 1-3 mg/kg ± 0,6 mg/kg > 3 mg/kg ± 20 % Ca ICP-OES 10 10-40 mg/kg ± 6 mg/kg > 40 mg/kg ± 15 % K ICP-OES 30 30-150 mg/kg ± 15 mg/kg > 150 mg/kg ± 10 % Cu ICP-OES 1 1-4 mg/kg ± 0,6 mg/kg > 4 mg/kg ± 15 % Fe ICP-OES 3 3-20 mg/kg ± 2 mg/kg > 20 mg/kg ± 10 % Mg ICP-OES 10 10-50 mg/kg ± 5 mg/kg > 50 mg/kg ± 10 % Mn ICP-OES 0,2 0,2-0,7 mg/kg ± 0,1 mg/kg > 0,7 mg/kg ± 5 % P ICP-OES 10 10-50 mg/kg ± 5 mg/kg > 50 mg/kg ± 10 % S ICP-OES 15 15-80 mg/kg ± 8 mg/kg > 80 mg/kg ± 10 % 3.9.4 Maaperänäytteiden analysointiin liittyvät virhelähteet ja luotettavuus Pääkaupunkiseudun ilmanlaadun bioindikaattoriseurannan yhteydessä on arvioitu humuksen metallipitoisuuksien määrittämisen mittaustarkkuutta (Veijola ja Niskanen 1998). Selvityksessä analysoitiin erikseen samoilta kahdelta näytealoilta (Nuuksio ja Puolarmetsä) otetut 10 humusnäytettä kokoomanäytteen tarkkuuden arvioimiseksi. Mitattaville muuttujille arvioitiin luottamusvälit kun kokoomanäytteet oletettiin koostuvan 5-15 osanäytteestä. Jotta muuttujan mittaustarkkuus olisi helpompi mieltää, esitettiin tulokset standardoimalla keskiarvo sadaksi. Käytännössä esim. luottamusväli 100±40 voidaan tulkita niin, että eri alueiden tai vuosien välisen eron tulee olla suurempi kuin 40 %, jotta ne tilastollisesti eroaisivat toisistaan. Humusnäytteistä tutkittiin kalsiumin, magnesiumin, kaliumin, natriumin ja alumiinin pitoisuudet. Taulukossa 19 on verrattu 5 ja 10 osanäytteestä muodostetun kokoomanäytteen mittaustarkkuutta. Tulosten perusteella analysoitaessa useampia osanäytteitä saavutetaan pienempi vaihteluväli. Paras mittaustarkkuus oli magnesiumilla ja heikoin alumiinilla. Maaperänäytteiden alkuainepitoisuuksien analysointiin liittyvät mittausepävarmuudet sekä menetelmien määritysrajat ovat samoja kuin neulasillakin ja ne on esitetty taulukossa 12.

Tulokset 37 Taulukko 12. Humuksen muuttujien 95 %:n luottamusväli, kun kokoomanäyte koostuu 5 tai 10 osanäytteestä. Keskiarvo on standardoitu 100:ksi. Metallipitoisuuksien yksikkönä käytettiin mekv./dm3. Taulukko 12. 5 osanäytettä 10 osanäytettä Nuuksio Puolarmetsä Nuuksio Puolarmetsä Ca 100 ± 55 100 ± 46 100 ± 32 100 ± 26 Mg 100 ± 31 100 ± 40 100 ± 18 100 ± 23 K 100 ± 45 100 ± 58 100 ± 26 100 ± 34 Al 100 ± 56 100 ± 52 100 ± 32 100 ± 30 4. Tulokset Tässä luvussa esitetään runkojäkäläkartoituksen, mäntyjen elinvoimaisuusarvioinnin, neulasten alkuainepitoisuuksien kartoituksen ja maaperänäytteiden tulokset. Tilastovertailut on esitetty taulukoina heti tulosten perässä, ja vertailu edellisten tutkimusvuosien tuloksiin on esitetty heti tuoreimpien tutkimustulosten kuvauksen ja esittelyn jälkeen. 4.1 Mäntyjen runkojäkälät Tulokset vuonna 2013 Mäntyjen jäkälälajistoa kuvaavien muuttujien keskiarvot, suurin ja pienin arvo sekä keskihajonta on esitetty taulukossa 13. Kutakin jäkälälajistoa kuvaavaa muuttujaa on tarkasteltu tarkemmin seuraavissa luvuissa. Taulukko 13. Männyn runkojäkälien ilmanpuhtausindeksin, alakohtaisen ja puukohtaisen lajimäärän, sormipaisukarpeen vaurioasteen, yleisen vaurioasteen, sormipaisukarpeen peittävyyden, luppojen peittävyyden ja levän yleisyyden keskiarvo, keskihajonta ja pienin ja suurin arvo. Lajimääriä laskettaessa ei ole huomioitu levää ja seinäsuomujäkälää. N = tutkimusalojen lukumäärä.

38 Tulokset Vertailu aiempien tutkimusten tuloksiin Taulukossa 14 on vertailtu männyn runkojäkäliä kuvaavia tunnuslukuja samana pysyneillä aloilla (n = 20). IAP-indeksin, lajilukumäärän, vaurioasteiden ja sormipaisukarpeen peittävyyden osalta on esitetty tunnusluvut kaikilta tutkimusvuosilta 1990, 1995, 2000, 2006 ja 2013. Tuloksia vertaillaan tarkemmin vuoden 2013 tuloksia käsittelevien kappaleiden jäljessä. Vuonna 2006 tutkittavia aloja oli 59, vuonna 2000 50 alaa, vuonna 1995 53 alaa ja vuonna 1990 40 alaa. Taulukko 14. Männyn runkojäkälien tunnuslukuja vuosina 1990-2013 tutkimusalueen samana pysyneillä aloilla. 4.1.1 Sormipaisukarpeen vaurioaste Tulokset vuonna 2013 Sormipaisukarpeen vaurioasteita arvioitiin puolen vaurioluokan välein asteikolla 1-5 (ks. taulukko 10 ja kuva 11), jossa vaurioluokka 1 = terve, 2 = lievästi vaurioitunut, 3 = selvästi vaurioitunut, 4 = pahasti vaurioitunut ja 5 = kuollut tai puuttuva. Vauriot arvioitiin runkokohtaisesti, minkä perusteella on laskettu tutkimusalan keskimääräinen vaurioaste.

Tulokset 39 Sormipaisukarve oli tutkimusaloilla keskimäärin lievästi vaurioitunutta (vaurioaste 2,3). Vauriot vaihtelivat terveestä pahasti vaurioituneeseen (taulukko 13). Suurimmalla osalla tutkimusaloista (57 % aloista) sormipaisukarve oli lievästi vaurioitunutta (vaurioluokat 1,5-2,4), yhteensä 30 alalla. Seuraavaksi yleisimmin sormipaisukarve oli selvästi vaurioitunutta. Sormipaisukarve oli keskimäärin tervettä n. 6 %:lla tutkimusaloista (kuva 14). Tutkimuspuukohtaisesti tarkasteltuna 51 %:lla puista sormipaisukarve oli lievästi vaurioitunutta, ja yleisin vaurioluokka oli 2. Terve sormipaisukarve oli seuraavaksi yleisin, ja siihen kuului yhteensä 64 tutkimusrunkoa eli 24 % aloista (vaurioluokka 1 tai 1,5). Lopuilla puilla sormipaisukarve oli selvästi tai pahasti vaurioitunutta, ja 2 rungolla se puuttui kokonaan (kuva 15). Kuva 14. Sormipaisukarpeen vaurioasteen luokkajako aloittain vuonna 2013 (n = 53). Kuva 15. Sormipaisukarpeen vaurioasteen luokkajako rungoittain vuonna 2013 (n = 265).

40 Tulokset Tervettä tai lievästi vaurioitunutta sormipaisukarvetta kasvoi ympäri tutkimusaluetta. Vaasan keskustaan muodostui vaurioituneemman sormipaisukarpeen vyöhyke, samoin Maalahden taajamaan. Vaasan keskustassa on paljon teollisuustoimintoja ja asutusta jotka voivat aiheuttaa muutoksia jäkälien kuntoon, mutta toisaalta suurimpien päästölähteiden lähistöllä Vaskiluodossa sormipaisukarve oli lievemmin vaurioitunutta. Maalahden taajaman läheisellä alalla vaurioaste oli pahasti vaurioitunutta, mitä selittää todennäköisesti n. 200 m ja 800 m päässä sijaitsevat pienehköt turkiseläintarhat. Myös etelämpänä Petolahdessa sormipaisukarve oli selvästi vaurioitunutta alalla, joka sijaitsi n. 1,4 km päässä lähimmästä turkiseläintarhasta. Koska Maalahdessa oli vain kolme alaa, yksittäisten pienten päästölähteiden tai heikompien jäkälätunnusten merkitys vyöhykekartoissa korostuu (kuva 16). Kuva 16. Sormipaisukarpeen vaurioaste tutkimusalueella vuonna 2013. Vertailu aiempien tutkimusvuosien tuloksiin Sormipaisukarpeen keskimääräinen vaurioaste oli pienempi kuin vuosina 1990-2000, mutta kasvanut hieman vuodesta 2006. Vauriot olivat vuonna 2013 keskimäärin lieviä (vaurioaste 2,3), vaurioiden vaihdellessa terveen ja pahan vaurion välillä. Vaurioasteiden hajonta oli kasvanut aiempiin vuosiin nähden, ja maksimivaurioaste vuonna 2013 oli suurempi kuin aiempina tutkimusvuosina. Vaurioaste oli keskimäärin suurimmillaan vuonna 1990 (Taulukko 14, kuva 17).

Tulokset 41 Sormipaisukarpeen vauriovyöhykkeet ovat pienentyneet vuosista 1990 ja 1995, jolloin terve sormipaisukarve ei muodostanut selkeitä vyöhykkeitä lainkaan. Vuonna 1990 pahiten vaurioituneet alueet sijaitsivat Vaasan keskustan lisäksi Maalahdessa. Vaasan taajamien ulkopuolella vauriot olivat vain lieviä, samoin Mustasaaren luoteisosissa. Vuonna 1995 Maalahden vauriovyöhyke oli lieventynyt ja pahimmat vauriot painottuneet rannikolle. Lisäksi Mustasaaren pohjoisosissa ja Vaasan keskialueilla sormipaisukarve oli pahasti vaurioitunutta. Vauriovyöhykkeet olivat pienimmillään vuonna 2006, jolloin terveen sormipaisukarpeen vyöhykkeet kattoivat rannikkoalueita sekä Mustasaaren pohjois-koillisosia. Vaasan keskustan vauriovyöhyke oli pienimmillään vuonna 2006. Vuonna 2013 Maalahteen muodostui uudestaan vaurioituneen sormipaisu karpeen vyöhyke (Kuva 18). Kuva 17. Sormipaisukarpeen vaurioasteet samana pysyneillä tutkimusaloilla vuosina 1990, 1995, 2000, 2006 ja 2013. N = 20. 4.1.2 Yleinen vaurioaste Tulokset vuonna 2013 Yleinen vaurioaste arvioitiin puolen vaurioluokan välein asteikolla 1-5 (ks. taulukko 7), jossa vaurioluokka 1 = terve, 2 = lievästi vaurioitunut, 3 = selvästi vaurioitunut, 4 = pahasti vaurioitunut ja 5 = kuollut tai puuttuva. Vauriot arvioitiin runkokohtaisesti, minkä perusteella on laskettu tutkimusalan keskimääräinen vaurioaste. Puu sijoittui vaurioluokkaan 4, jos lajistosta puuttuivat pensasmaiset jäkälät (lupot, naavat ja hankakarve). Yleinen vaurioaste alueella oli keskimäärin 3,1, eli jäkälälajisto oli tutkimusalueella selvästi vaurioitunutta. Vauriot vaihtelivat 1,5 ja 4,2 välillä (taulukko 13). Suurimmalla osalla aloista (37 %) vauriot olivat pahoja, 34 %:lla aloista selviä ja 28 %:lla lieviä. Täysin tervettä lajistoa ei havaittu. Tutkimuspuukohtaisesti tarkasteltuna lajisto oli tervettä (vaurioaste 1 tai 1,5) 12 tutkimus

42 Tulokset Kuva 18. Sormipaisukarpeen vaurioasteen vyöhykkeet vuosina 1993, 2000, 2006 ja 2013.

Tulokset 43 puulla. Suurin osa tutkimusrungoista kuului vaurioluokkaan 4, ja seuraavaksi eniten vaurioluokkaan 2. Lajisto ei ollut kuollutta yhdelläkään alalla (kuva 19). Kuva 19. Yleinen vaurioaste luokiteltuna aloittain (n = 53) ja rungoittain (n = 265) vuonna 2013. Jäkälälajiston suurimmat vauriot noudattivat samaa alueellista jakaumaa kuin sormipaisukarpeen vaurioaste, mutta olivat keskimäärin 0,5-1,5 vaurioastetta huonompia kuin sormipaisukarpeen vauriot. Vauriovyöhykkeet sijoittuivat Vaasan keskustaan ja Vaskiluotoon, Maalahteen ja Laihian taajamaan. Lajisto oli terveintä Vaasan etelä- ja länsiosissa ja yksittäisillä aloilla Mustasaaressa ja Maalahdessa (kuva 20). Kuva 20. Yleinen vaurioaste havaintoaloilla sekä vyöhykkeinä vuonna 2013.

44 Tulokset Vertailu aiempien tutkimusvuosien tuloksiin Samana pysyneillä aloilla yleinen vaurioaste sormipaisukarpeen vaurioasteen tapaan korkeampia kuin vuonna 2006, mutta matalampi kuin sitä edeltävillä tutkimuskerroilla (Taulukko 14). Vuonna 2013 alat olivat keskimäärin selvästi vaurioituneita. Samana pysyneillä aloilla täysin tervettä jäkälälajistoa ei ole havaittu yhtenäkään tutkimusvuonna (kuva 21). Vuosiin 1990, 1995 ja 2000 verrattuna jäkälälajiston kunto on parantunut kahdella viimeisimmällä tutkimuskerralla. Jäkälälajisto oli terveintä vuonna 2006, jolloin pahasti vaurioituneet alat sijaitsivat pääosin Vaasan keskustassa. Myös Maalahti-Laihia -alueella jäkälälajisto oli selvästi vaurioitunutta. Lajisto oli tervettä rannikolla, tutkimusalueen länsiosissa. Vuosina 1990, 1995 ja 2000 suurin osa tutkimusalueesta on luokiteltu yleisen vaurioasteen osalta pahasti vaurioituneeksi, ja terveen lajiston vyöhyke muodostui vasta vuonna 2006 (kuva 22). Kuva 21. Yleinen vaurioaste samoilla aloilla vuosina 1990, 1995, 2000, 2006 ja 2013. N = 20.

Kuva 22. Yleinen vaurioaste tutkimusalueella vuosina 1990, 1995, 2000, 2006 ja 2013. Tulokset 45

46 Tulokset 4.1.3 Jäkälälajien määrät ja yleisyys Tulokset vuonna 2013 Yleisimmät lajit tutkimusalueella olivat sormipaisukarve ja keltatyvikarve, joita molempia esiintyi yli 90 %:lla tutkimuspuista. Myös harmaa- ja tuhkatyvikarvetta esiintyi yleisesti. Harvinaisimpia lajeja olivat raidanisokarve, jota tavattiin vain yhdellä tutkimuspuulla, ja ruskoröyhelö, jota esiintyi n. 8 %:lla tutkimuspuista. Ilman epäpuhtauksista hyötyvää seinäsuomujäkälää tavattiin 45 %:lla puista ja viherlevää 24 %:lla puista (kuva 23). Harmaaröyhelö Keltaröyhelö Ruskoröyhelö Kuva 23. Männyn runkojäkälien esiintymistiheys tutkimusalueella vuonna 2013. N = 265. Ruskoröyhelö Harmaaröyhelö Keltaröyhelö Kuva 24. Männyn runkojäkälien seuralaislajien lukumäärät tutkimusalueella vuonna 2013.

Tulokset 47 Runkojäkälien seuralaislajien, eli lajin kanssa samalla rungolla esiintyvien muiden lajien määrät, on esitetty kuvassa 24. Eniten seuralaislajeja oli harvinaisina esiintyvillä lajeilla kuten ruskoröyhelöllä (6,1 seuralaista), harmaahankakarpeella (5,4) ja naavoilla (5,2). Vähiten seuralaislajeja oli sormipaisukarpeella (4,0), raidanisokarpeella (4,0) ja viherlevällä (4,1). Havaitut seuralaislajilukumäärät noudattivat melko hyvin oletuksia jäkälien herkkyydestä ilmanepäpuhtauksille. Seuralaislajimäärät olivat kuitenkin muuhun maahan verrattuna hieman pienempiä (ks. taulukko 3). Tutkimusaloilla havaittiin keskimäärin 6 ilman epäpuhtauksista kärsivää lajia lajilukumäärän vaihdellessa 1 ja 9 välillä. Tutkimuspuilla esiintyi keskimäärin 4,3 lajia (vaihteluväli 1-8 lajia) (Taulukko 13). Alakohtaisen lajilukumäärän perusteella lajisto oli keskimäärin lievästi köyhtynyttä ja tutkimuspuukohtaisen lajilukumäärän perusteella köyhtynyttä. Tutkimusaloista suurimmalla osalla (38 % tutkimusaloista) lajisto oli lievästi köyhtynyttä ja 28 %:lla luonnontilaista. Erittäin selvästi köyhtyneitä aloja, joilla lajimäärä oli enintään 1, havaittiin tutkimusalueella 2. Tutkimuspuukohtaisessa tarkastelussa suurimmalla osalla eli 39 %:lla lajisto oli köyhtynyttä. Seuraavaksi eniten havaittiin selvästi köyhtynyttä (28 % puista) ja lievästi köyhtynyttä lajistoa (24 %). Lajisto oli erittäin selvästi köyhtynyttä 6 %:lla rungoista. Täysin jäkäläautioita aloja ei kuitenkaan tavattu (kuva 25). Kuva 25. Ilman epäpuhtauksille herkkien lajien esiintyminen tutkimusalueella aloittain (n = 53) ja rungoittain (n = 265) vuonna 2013. Kuten vaurioituneimmat jäkäläalat, myös köyhtyneimmän lajiston vyöhykkeet sijaitsivat Vaasan keskustassa ja Maalahdessa. Alat, joilla tavattiin vain 1 ilman epäpuhtauksista kärsivä laji, sijaitsivat Vaasassa Vöyrinkaupungissa ja Vaskiluodon pohjoisosassa. Vöyrinkaupungin alan lähellä typpi- rikki- ja hiukkaspäästöjä raportoiva Vaasan sairaala ja liikenne selittänevät lajiston vähäisyyttä. Vaskiluodossa puolestaan on useita lupavelvollisia päästölähteitä. Köyhtyneen lajiston vyöhykkeet ovat kuitenkin pienialaisia ja pääosin lajisto on luonnontilaista tai lievästi köyhtynyttä. Muutaman kilometrin päässä Vaasan köyhtyneimmistä aloista lajisto oli lukumäärältään jo lähes luonnontilaista. Vähänkyrön ja Vaasan etelä- länsiosien aloilla lajisto oli luonnontilaista (kuva 26).

48 Tulokset Kuva 26. Jäkälälajien lukumäärät havaintoaloilla sekä vyöhykkeittäin vuonna 2013 Vertailu aiempien tutkimusvuosien tuloksiin Kuvassa 27 on esitetty tutkittujen jäkälälajien esiintymisfrekvenssit samana pysyneiltä aloilta vuosina 1990, 1995, 2000, 2006 ja 2013. Lajistossa on tapahtunut jonkin verran muutoksia varsinkin vuoden 1990 tasoon verrattuna. Muutokset ovat kuitenkin pääosin melko pieniä, muutaman prosenttiyksikön luokkaa. Suurimmat muutokset ovat tapahtuneet tuhka- ja harmaatyvikarpeen, levän ja naavojen esiintymisessä. Sormipaisukarvetta ja keltatyvikarvetta on esiintynyt lähes kaikilla aloilla jokaisena vuonna. Harmaa- ja tuhkatyvikarve ja seinäsuomujäkälä ovat yleistyneet viime vuosina. Herkimmät lajit kuten naavat, lupot sekä harmaa- ja keltaröyhelö ovat vähentyneet. Harmaahankakarpeen esiintyminen on pysynyt samalla tasolla muihin vuosiin nähden, lukuun ottamatta vuotta 2006 jolloin jäkälä oli runsastunut alueella. Levän esiintyminen oli vähentynyt noin puoleen vuoden 2006 tasosta ja oli vuonna 2013 hieman pienempi kuin vuosina 1990 ja 2000 (Taulukko 14, kuva 27). Lajilukumäärän vaihtelu tutkimusaloilla eri vuosina on esitetty taulukossa 14 ja kuvassa 28. Korkeimmillaan alakohtainen lajilukumäärä oli vuonna 1990 (6,7 lajia). Lajiston jakaumien suuruusluokat ovat pysyneet eri vuosina suunnilleen samana siten, että lievästi köyhtynyttä lajistoa on esiintynyt eniten ja luonnontilaista seuraavaksi eniten. Luonnontilaisen lajiston osuus oli suurimmillaan vuonna 2006, ja vuonna 2013 luonnontilaista lajistoa esiintyi hieman vähemmän kuin aiemmilla kahdella tutkimuskerralla. Lievästi köyhtyneen ja köyhtyneen lajiston osuus oli kasvanut vuonna 2013 edelliseen tutkimukseen verrattuna. Erittäin selvästi köyhtynyttä lajistoa ei ole aiempina vuosina esiintynyt (lajimäärä 0 tai 1), mutta vuonna 2013 yhdellä tutkimusalalla lajisto oli erittäin selvästi köyhtynyttä (kuva 28).

Tulokset 49 Harmaaröyhelö Keltaröyhelö Ruskoröyhelö Kuva 27. Jäkälälajien esiintymisfrekvenssit samana pysyneillä tutkimusaloilla vuosina 1990, 1996, 2000, 2006 ja 2013. N = 20. Vyöhykkeittäin tarkasteltuna selkeimpiä muutoksia ovat olleet Maalahden köyhtyneen lajiston vyöhykkeen vahvistuminen vuonna 2013. Vaasan keskustan ja Vaskiluodon alueella lajisto on ollut muuhun tutkimusalueeseen verrattuna köyhtynyttä tai erittäin köyhtynyttä kaikkina tutkimusvuosina. Vuonna 1995 alueella havaittiin kauttaaltaan vähemmän lajeja kuin muina vuosina. Vuonna 2013 lajimäärän perusteella luonnontilaiseksi luokiteltavia aloja esiintyi Vähässä kyrössä, Mustasaaressa ja Vaasassa, kun vuonna 2006 lajisto katsottiin luonnontilaiseksi myös laajemmin tutkimusalueen itäosissa (kuva 29). Kuva 28. Lajilukumäärä samana pysyneillä tutkimusaloilla vuosina 1990, 1995, 2000, 2006 ja 2013. N = 20.

50 Tulokset Kuva 29. Lajilukumäärän vyöhykkeet vuosina 1990, 1995, 2000, 2006 ja 2013.

Tulokset 51 4.1.4 IAP-indeksi Tulokset vuonna 2013 IAP- eli ilmanpuhtausindeksin jakauma noudatti samanlaista jakaumaa kuin lajilukumäärä. Keskimääräinen IAP-indeksi tutkimusalueella oli 2,3 eli lajisto oli sen perusteella lievästi muuttunutta. Luonnontilaista (IAP > 3) ja köyhtynyttä (IAP 1-2) lajistoa esiintyi yhtä paljon eli 28 % kutakin. Pienin IAP-arvo oli 0,5 eli lähes jäkäläaution ja erittäin selvästi köyhtyneen rajalla (taulukko 13, kuva 30). Jäkälälajisto oli luonnontilaista Vaasan eteläpäässä, Vähässäkyrössä ja Maalahden eteläpäässä. Köyhtyneen lajiston vyöhykkeet sijoittuivat Vaasaan teollisuusalueille ja Maalahteen. Lajisto oli luonnontilasta 15 tutkimusalalla (kuva 31). Kuva 30. IAP-indeksin jakauma havaintoaloittain vuonna 2013. N = 53. Kuva 31. IAP-indeksi tutkimusaloilla ja vyöhykkeittäin vuonna 2013.

52 Tulokset Vertailu aiempien tutkimusvuosien tuloksiin Samana pysyneiden alojen IAP-indeksi oli keskimäärin 2,3 vuonna 2013. IAP-indeksissä ei ole tapahtunut merkittäviä muutoksia viimeisimpien tutkimusvuosien aikana. Korkeimmillaan indeksiarvo on ollut vuonna 1990, jolloin lajisto oli keskimäärin luonnontilaista tai lähes luonnontilaista (IAP = 3,0) (Taulukko 14). IAP-indeksin jakauma tutkimusalueella oli samankaltainen vuoden 2006 vyöhykejaon kanssa: alat saivat pieniä arvoja Vaasan keskustan lisäksi Maalahden kahdella läntisimmällä alalla. Vähässäkyrössä, Vaasan eteläosissa ja Mustasaaressa havaittiin luonnontilaisia aloja (kuva 33). Vuonna 1995 IAP-indeksi sai heikoimmat arvonsa, mikä havaittiin myös lajilukumäärän pienenemisenä (kuva 32). Kuva 32. IAP-indeksi tutkimusaloilla vuosina 1990, 1995, 2000, 2006 ja 2012. 4.1.5 Peittävyydet Tulokset vuonna 2013 Kuvissa 34 ja 35 on esitetty sormipaisukarpeen sekä luppojen pistefrekvenssimenetelmällä lasketut peittävyydet mäntyjen rungoilla havaintoalakohtaisesti. Karttoja tarkasteltaessa on huomioitava, että erityisesti sormipaisukarpeen peittävyys reagoi ilman epäpuhtauksiin epälineaarisesti: lajin peittävyys usein ensin kasvaa epäpuhtauksien vaikutuksesta, ja kuormitustason edelleen kasvaessa peittävyys jälleen pienenee. Lisäksi luontaiset tekijät vaikuttavat peittävyyksiin merkittävästi, esim. nuorissa männiköissä sormipaisukarpeen peittävyys on usein suurempi kuin vanhoissa. Peittävyys ei ole sama asia kuin lajin esiintyminen; usein luppoja esiintyy mäntyjen rungoilla harvakseltaan, eivätkä niiden peittävyysosuudet nouse tämän vuoksi korkeiksi.

Kuva 33. IAP-indeksi tutkimusalueella vuosina 1990, 1995, 2000, 2006 ja 2013. Tulokset 53

54 Tulokset Sormipaisukarpeen keskimääräinen peittävyys oli 14 % (taulukko 13). Peittävyys oli suurimmillaan (> 30 %) Mustasaaren pohjoispuolella ja Vaasan itäosissa. Peittävyys oli pientä suuressa osassa tutkimusaluetta, ei pelkästään Vaasan teollisuuskeskittymien lähistöllä (Kuva 34). Alat, joilla luppojen peittävyys oli yli 0 %, sijaitsivat Vaasan etelä- ja itäosissa sekä Mustasaaren pohjoisilla aloilla (kuva 35). Luppojen peittävyys oli yli 0 kaikkiaan 20 tutkimusalalla, ja peittävyys vaihteli 0,00 ja 5,1 % välillä (taulukko 13). Keskimäärin luppojen peittävyys oli 0,7 %. Kuva 34. Sormipaisukarpeen keskimääräinen peittävyys (% rungon pinta-alasta) tutkimusaloilla vuonna 2013. Kuva 35. Luppojen keskimääräinen peittävyys (% rungon pinta-alasta) tutkimusaloilla vuonna 2013.

Tulokset 55 Vertailu aiempien tutkimusvuosien tuloksiin Keskiarvojen perusteella sormipaisukarpeen peittävyys oli kasvanut samana pysyneillä aloilla, ja oli vuonna 2013 lähes samaa tasoa kuin 1990-luvulla. Vuosina 2000 ja 2006 peittävyys oli alle 10 %, kun vuonna 2013 vastaava luku oli yli 15 %. Suurimmat havaitut peittävyydet olivat niin ikään 1990-luvun tasolla, mutta ensimmäistä kertaa havaittiin myös ala, jolla sormipaisukarpeen peittävyyden keskiarvo oli 0,0 % (taulukko 14). Luppojen peittävyys oli niin ikään suurempi kuin vuosina 2000 ja 2006. 4.1.6 Levän yleisyys Tulokset vuonna 2013 Levää havaittiin tutkimusalalla keskimäärin 1,2 puulla 5:stä (taulukko 13). Eniten levää (4 5 puulla) esiintyi Vaasan keskustassa. Lisäksi levää havaittiin yksittäisillä aloilla Vähässäkyrössä, Maalahden eteläosissa ja Vaasan eteläpäässä (kuva 36). Levän esiintyminen on ilman epäpuhtauksien positiivinen indikaattori, eli levä hyötyy jossain määrin ilman epäpuhtauksien, erityisesti typpiyhdisteiden kuormituksesta. Kuva 36. Levän esiintyminen havaintoalojen puilla (0-5) tutkimusalueella vuonna 2013. Vertailu aiempien tutkimusvuosien tuloksiin Levän yleisyys oli vuonna 2013 samaa luokkaa kuin vuosina 2000 ja 1990, eli levää esiintyi tutkimusaloilla n. yhdellä puulla. Pienimmillään levän yleisyys oli vuonna 1995, jolloin sitä esiintyi keskimäärin 0,4 puulla per tutkimusala. Suurimmillaan levän yleisyys oli vuonna 2006, jolloin levää havaittiin n. 1,5 puulla per tutkimusala (taulukko 14, kuva 37).

56 Tulokset Kuva 37. Levän esiintyminen tutkimusalojen puilla (0-5) vuosina 1990, 1995, 2000, 2006 ja 2013.

Tulokset 57 4.2 Mäntyjen elinvoimaisuus 4.2.1 Mäntyjen neulaskato ja neulasvuosikerrat Tulokset vuonna 2013 Vuoden 2013 elinvoimaisuustulokset on esitetty taulukossa 15. Tutkimusmännyillä esiintyi keskimäärin 3,4 neulasvuosikertaa. Keskimääräinen neulaskato tutkimusalueella oli 24,9 %. Metlan metsien terveydentilaa koskevien tulosten mukaan männyn keskimääräinen harsuuntumisaste oli vuosina 2002-2005 noin 9,4 % ja vuosina 1985 maan eteläosissa 10,6 % (Lindgren ym. 2007, Nevalainen 2011). Taulukko 15. Mäntyjen neulasvuosikertojen ja neulaskadon tunnuslukuja tutkimusalueella vuonna 2013. N = tutkimuspuiden lukumäärä. Taulukko 15. n = 256 keskiarvo mediaani pienin suurin keskihajonta Neulasvuosikertojen määrä 3,4 3 2 4,5 0,49 Neulaskato (%) 24,9 23 5 78 12,23 Tutkimusmännyistä 51 % oli lievästi harsuuntuneita (neulaskato 10-25 %). Harsuuntumattomia mäntyjä, eli puita joiden neulaskato oli alle 10 %, oli vain 2 % tutkimusmännyistä. Harsuuntuneiden puiden osuus tutkimusmännyistä (neulaskato yli 25 %) oli 37 %. Valtaosa tutkimusmännyistä (22 % puista) sijoittui harsuuntumisasteeltaan luokkaan 16-20 % (kuva 38). Tutkimusaloista 58 % aloista oli keskimäärin lievästi harsuuntuneita (neulaskato 10-25 %), ja loput 42 % keskimäärin harsuuntuneita. Pahiten harsuuntuneet alat (neulaskato 25-30 %) sijaitsivat Mustasaaren pohjoisilla aloilla, ympäri Vaasaa ja yksittäisillä aloilla Maalahdessa ja Laihialla. Vähiten harsuuntuneet alat sijaitsivat enimmäkseen Vaasan rannikolla (kuva 38). Eniten neulasvuosikertoja esiintyi Vaasan-Mustasaaren rajalla. Vähiten neulasvuosikertoja havaittiin Vaasan itäosissa. Kuva 38. Tutkimuspuiden jakaantuminen neulaskatoluokkiin (%) vuonna 2013. N = 265.

58 Tulokset Kuva 39. Mäntyjen neulaskato tutkimusaloilla vuonna 2013. Suurimmalla osalla tutkimuspuista todettiin vähintään 3 neulasvuosikertaa. Alle 3 vuosikertaa havaittiin vain 1 %:lla tutkimuspuista. Eniten esiintyi puita, joilla oli 3 vuosikertaa (51 % männyistä) ja seuraavaksi eniten puita, joilla todettiin 4 neulasvuosikertaa (36 % männyistä) (kuva 40). Myös tutkimusaloittain tarkasteltuna suurimmalla osalla eli 81 %:lla aloista havaittiin keskimäärin 3-4 neulasvuosikertaa. Vähiten neulasvuosikertoja esiintyi Vaasan keskustassa ja keskustan koillispuolella sekä Sundomin alueella. Eniten neulasvuosikertoja havaittiin Västervikin alueella Vaasan luoteisosissa ja Mustasaaren pohjoisosissa, sekä yksittäisillä aloilla Maalahdessa ja Laihialla (kuva 41). Kuva 40. Tutkimuspuiden jakaantuminen neulasvuosikertojen mukaan vuonna 2013. N = 265.

Tulokset 59 Kuva 41. Tutkimusaloilla havaitut neulasvuosikerrat vuonna 2013. Vertailu aiempien tutkimusvuosien tuloksiin Mäntyjen keskimääräinen neulaskato samana pysyneillä aloilla (15 alaa) oli vuonna 2013 peräti 15,6 %-yksikköä suurempi kuin vuonna 2006. Vuonna 1995 neulaskato oli kuitenkin vielä suurempi kuin vuonna 2013 (taulukko 16, kuva 42). Yksiselitteistä syytä neulaskadon selvälle kasvulle vuonna 2013 ei löytynyt. Erot voivat mahdollisesti johtua toisistaan poikkeavista neulas kadon arviotasoista vuosien välillä. Tutkimuksen ovat toteuttaneet useat eri tahot vuosien aikana, joten samat arvioijat eivät ole olleet arvioimassa tuloksia eri vuosina. Myös tutkimusajankohta vaikuttaa arviointiin; jos tutkimus tehdään loppukesästä, jolloin puut ovat tiputtaneet vanhimman neulasvuosikerran, neulaskatoarviot ovat väistämättä isompia. Taulukko 16. Mäntyjen neulaskato samana pysyneillä aloilla vuosina 1990, 1995, 2000, 2006 ja 2013. Taulukko 16. n = 15 keskiarvo pienin suurin keskihajonta 1990 20,6 10 45 9,98 1995 27,7 12 46 9,92 2000 18 8,5 26,5 5,11 2006 11,3 3,7 21,8 4,98 2013 26,9 20,8 46,6 6,2

60 Tulokset 1 % 0,8 % 0,6 % 0,4 % 0,2 % 0 % Kuva 42. Mäntyjen jakaantuminen neulaskatoluokkiin vuosina 2013, 2006, 2000, 1995 ja 1990 samana pysyneillä aloilla. N = 170, vuonna 2013 n = 85. 4.2.2 Mäntyjen tuhot, taudit ja väriviat Tutkimuspuissa havaitut taudit, tuholaiset ja neulasten värimuutokset on esitetty taulukossa 17. Tutkituissa männyissä ei havaittu selviä taudinaiheuttajia. Metlan vuosina 2002-2005 tekemässä valtakunnallisessa selvityksessä havaittiin tervasrosoa keskimäärin 5,9 %:lla havaintopuista. Metlan tutkimuksessa havaittiin myös ytimennävertäjän tuhoja noin 6 %:lla havaintopuista (Lindgren ym. 2007). Vaasan seudun tutkimuksessa tutkimuspuiden vauriot olivat siis selvästi valtakunnallista tasoa pienempiä. Värivikoja eli ruskistuneita tai kellastuneita neulasia todettiin noin 18 %:lla tutkimuspuista. Värivikojen määrää selittää maastotöiden jatkuminen elokuun loppupuolelle, jolloin mäntyjen vanhimmat neulasvuosikerrat olivat jo osin kellastuneet. Värivikaisia puita esiintyi tasaisesti ympäri Vaasan ja Mustasaaren aloja. Runkovaurioita kirjattiin 7 rungolta. Taulukko 17. Mäntyjen tuholaisten ja vaurioiden määrä tutkimuspuissa vuonna 2013. N = 265. Vaurio Puiden määrä %-puista Taudit Tervasroso 0 0,0 % Ytimennävertäjä 0 0,0 % Pistiäinen 0 0,0 % Värimuutokset Ruskistuneita neulasia 5 1,9 % Kellastuneita neulasia 43 16,2 % Muut vauriot Runkovaurio 7 2,6 %

Tulokset 61 4.2 Neulasten alkuainepitoisuudet Seuraavassa on esitetty männyn neulasten alkuainepitoisuudet vuonna 2013 (taulukko 18) ja vertailtu pitoisuuksia aiemmin alueella mitattuihin pitoisuuksiin (taulukko 19). Pitoisuuksia on tarkasteltu tarkemmin alkuainekohtaisesti kappaleessa 4.3.1. Taulukko 18. Männyn neulasten alkuainepitoisuuksien tunnuslukuja vuonna 2013. N = tutkimus alojen lukumäärä.

62 Tulokset Taulukko 19. Männyn neulasten alkuainepitoisuuksien tunnuslukuja samana pysyneillä aloilla vuosina 1990, 1995, 2000, 2006 ja 2013. N = 20.

Tulokset 63 4.3.1 Alkuainekohtaiset tulokset Korkeimmat booripitoisuudet (kuva 43) mitattiin Vaasan keskustassa, Vaskiluodossa ja Sundomissa, Laihian taajamassa sekä Mustasaaren Koskössä. Boorin puutosta ei havaittu yhdelläkään alalla. Meren läheisyydellä voi olla vaikutusta booripitoisuuksiin. Booripitoisuus oli korkeimmillaan vuonna 2006, mutta vuonna 2013 laskenut taas vuoden 2000 tasolle (taulukko 19, kuva 44). Kuva 43. Booripitoisuudet (B mg/kg) tutkimusalueella vuonna 2013. N = 53. Kuva 44. Booripitoisuuksien muutos tutkimusalueella vuosina 2000, 2006 ja 2013.

64 Tulokset Fosforia (kuva 45) esiintyi eniten Vaasan keskustassa Palosaaressa, Vöyrinkaupungissa ja Melaniemessä. Lisäksi suurempia pitoisuuksia mitattiin yksittäisillä aloilla Vaasan keskustan pohjoisja itäpuolella, Maalahden Petolahdessa ja Vaskiluodossa. Typen puutetta ei havaittu yhdelläkään alalla, mutta pienimmät pitoisuudet olivat Vaasassa Byön-saarella, Kronvikissä ja Laihian eteläisellä alalla. Neulasten fosforipitoisuudet kasvoivat samana pysyneillä aloilla tasaisesti vuodesta 1990 vuoteen 2006 asti, mutta vuonna 2013 pitoisuus oli pienentynyt (taulukko 19, kuva 46). Kuva 45. Fosforipitoisuudet (P mg/kg) tutkimusalueella vuonna 2013. N = 53. Kuva 46. Fosforipitoisuuksien muutos alueella vuosina 1990, 1995, 2000, 2006 ja 2013. N = 20.

Tulokset 65 Kalsiumia (kuva 47) esiintyi eniten Palosaaren alalla, Ristinummella lämpölaitoksen lähellä ja Vähänkyrön Mullolassa. Keskimäärin kalsiumia mitattiin n. 3500 mg/kg. Kalsiumin osalta suuremmat pitoisuudet olivat tasaisemmin jakautuneet koko tutkimusalueelle kuin muilla tutkituilla alkuaineilla, eikä kalsiumin puutosta havaittu. Kalsiumin keskimääräiset pitoisuudet tutkimusalueen samana pysyneillä aloilla olivat nousseet vuosien 1995, 2000 ja 2006 pitoisuuksista. Kalsiumia mitattiin kuitenkin selvästi vähemmän kuin vuonna 1990, jolloin kalsiumia mitattiin keskimäärin lähes 4000 mg/kg. Kalsiumpitoisuuksien trendi vaikuttaa olevan noususuunnassa (taulukko 19 ja kuva 48). Kuva 47. Kalsiumpitoisuudet (Ca mg/kg) tutkimusalueella vuonna 2013. N = 53. Kuva 48. Kalsiumpitoisuuksien muutos tutkimusalueella vuosina 1990, 1995, 2000, 2006 ja 2013.

66 Tulokset Korkeimmat kaliumpitoisuudet (kuva 49) keskittyivät selvästi Vaasan keskustan alueelle ja sen pohjoispuolelle. Myös Maalahden pohjoisimmalla alalla, Laihian taajamassa ja Vaasan Sundomin lähellä pitoisuudet olivat kohonneita. Maalahden ja Sundomin alat sijaitsevat turkiseläintarhojen läheisyydessä. Kaliumpitoisuus on vaihdellut vuosien välillä suhteellisen paljon, mutta kahtena viimeisenä tutkimuskertana pitoisuus on ollut edellistä tutkimuskertaa suurempi. Alimmillaan kaliumpitoisuus oli vuonna 2000, ja suurimmillaan vuonna 2013. Kaliumpitoisuuksissa edellinen piikki havaittiin vuonna 1995, jolloin pitoisuudet olivat keskimäärin vuoden 2006 tasolla (taulukko 19 ja kuva 50). Kuva 49. Kaliumpitoisuudet (K mg/kg) tutkimusalueella vuonna 2013. N = 53. Kuva 50. Kaliumpitoisuuksien muutos tutkimusalueella vuosina 1990, 1995, 2000, 2006 ja 2013.

Tulokset 67 Kuparia (kuva 51) esiintyi eniten Vaasan Vetokannaksella sijaitsevalla alalla. Alan lähellä lounaispuolella sijaitsee jätteenkäsittely- ja energiantuotantotoimintoja, joka voi selittää korkeampaa pitoisuutta. Pitoisuuksissa on havaittavissa lievää keskittymistä Vaasan kuormitetuille keskusta-alueille, mutta erot tausta-alojen kanssa ovat kuitenkin pieniä. Kuparin puutokselle ei ole yksiselitteisiä raja-arvoja (Reinikainen ym. 1998), mutta aloja, joilla esiintyi kuparia alle 2,5 mg/ kg, sijaitsivat Vaasan Sundomissa ja lounaisrannikolla (kuva 51). Neulasten keskimääräinen kuparipitoisuus alueella on noussut läpi mittausjakson siten, että samana pysyneillä aloilla keskimääräinen pitoisuus oli 1,9 mg/kg, ja vuonna 2013 2,7 mg/kg. Vuosien 1995, 2000 ja 2006 välinen muutos oli pientä (taulukko 19 ja kuva 52). Kuva 51. Kuparipitoisuudet (Cu mg/kg) tutkimusalueella vuonna 2013. N = 53. Kuva 52. Kuparipitoisuuksien muutos tutkimusalueella vuosina 1990, 1995, 2000, 2006 ja 2013.

68 Tulokset Magnesiumin (kuva 53) korkeimmat pitoisuudet sijoittuivat Vaasan keskustaan ja Vaasan-Mustasaaren rajalle, Vähäänkyröön, Laihian taajamaan ja Maalahden Petolahteen. Magnesiumin puutosta esiintyi Vaasan eteläosien rannikolla. Magnesiumpitoisuus oli korkeimmillaan vuonna 1990, ja pienimmillään vuonna 1995. Siitä alkaen magnesiumpitoisuus on noussut tai pysynyt samalla tasolla aiempaan vuoteen nähden. Pitoisuus kasvoi vuonna 2013 vuoden 2006 keskiarvosta (taulukko 19, kuva 54). Kuva 53. Magnesiumpitoisuudet (Mg mg/kg) tutkimusalueella vuonna 2013. N = 53. Kuva 54. Magnesiumpitoisuuksien muutos tutkimusalueen samana pysyneillä aloilla vuosina 1990, 1995, 2000, 2006 ja 2013.

Tulokset 69 Mangaanin (kuva 55) pitoisuuksissa ei ollut havaittavissa selkeää vyöhykkeisyyttä. Mangaanin puutosta esiintyi lähes koko alueella, lukuun ottamatta suurempia pitoisuuksia rannikolla (4 alaa). Mangaanipitoisuus on ollut tasaisessa laskussa vuodesta 1990 alkaen (taulukko 19, kuva 56). Kuva 55. Mangaanipitoisuudet (Mn mg/kg) tutkimusalueella vuonna 2013. N = 53. Kuva 56. Mangaanipitoisuuksien muutos tutkimusalueella vuosina 1990, 1995, 2000, 2006 ja 2013.

70 Tulokset Suurimmat typpipitoisuudet (kuva 57) mitattiin samoilla alueilla kuin booripitoisuudetkin; Vaasan keskusta-alueilla, Sundomissa ja Laihian taajamassa. Maalahden pohjoisen alan ja Vaasan Sundomin korkeaa typpipitoisuutta selittävät läheiset turkiseläintarhat. Pienimmät pitoisuudet havaittiin Mustasaaren pohjoisimmalla alalla, missä typpeä esiintyi neulasissa alle 12 g/kg. Typpipitoisuus oli samana pysyneiden alojen osalta pienimmillään vuonna 2000. Vuonna 2006 pitoisuus oli koko tutkimusalueella suurimmillaan, ja oli laskenut vuoteen 2013 hieman. Vuoden 2013 pitoisuudet olivat kuitenkin korkeampia kuin vuoden 2006 pitoisuudet (taulukko 19, kuva 58). Kuva 57. Typpipitoisuudet (N g/kg) tutkimusalueella vuonna 2013. N = 53. Kuva 58. Typpipitoisuuksien muutos tutkimusalueella vuosina 2000, 2006 ja 2013.

Tulokset 71 Raudan (kuva 59) suurimmat pitoisuudet mukailivat melko tarkasti lupavelvollisten päästölähteiden sijainteja. Sundomissa yhden alan rautapitoisuus oli muita korkeampi, mihin todennäköisesti vaikuttaa alueella oleva kiviaineksen ottoalue. Myös Långskäretin alalla rautapitoisuus oli muita korkeampi. Rautapitoisuudet laskivat tasaisesti vuosina 1990-2000. Vuodesta 2000 vuoteen 2006 pitoisuuksissa tapahtui kuitenkin suuri nousu yli vuoden 1990 lähtötason. Vuonna 2013 pitoisuus oli kuitenkin keskimäärin samalla tasolla edelliseen vuoteen verrattuna (taulukko 19, kuva 60). Kuva 59. Rautapitoisuudet (Fe mg/kg) tutkimusalueella vuonna 2013. N = 53. Kuva 60. Rautapitoisuuksien muutos tutkimusalueella vuosina 1990, 1995, 2000, 2006 ja 2013.

72 Tulokset Rikkiä (kuva 61) havaittiin eniten Vaasassa Palosaaren tutkimusalalla. Kohonneita pitoisuuksia havaittiin myös muualla Vaasan keskustassa ja sen pohjoispuolella. Maalahden pohjoisimman alan pitoisuudet olivat myös hieman kohonneet. Neulasten rikkipitoisuus oli vuonna 2013 korkeammalla tasolla kuin aiempina tutkimusvuosina. Vuoteen 2006 verrattuna ero nousu oli kuitenkin pientä. Rikkipitoisuus oli alimmillaan vuonna 2000, jolloin samana pysyneillä aloilla neulasista mitattiin rikkiä keskimäärin n. 870 mg/kg (taulukko 19 ja kuva 62). Kuva 61. Rikkipitoisuudet (S mg/kg) tutkimusalueella vuonna 2013. N = 53. Kuva 62. Rikkipitoisuuksien muutos tutkimusalueella samana pysyneillä aloilla vuosina 1990, 1995, 2000, 2006 ja 2013.

Tulokset 73 4.4 Maaperän ominaisuudet Tulokset vuonna 2013 Maaperänäytealojen sijainti on esitetty kuvassa 63. Maaperänäytteiden tulokset on esitetty taulukossa 20. Vaasan maaperänäytteiden humuksen ph oli keskimäärin 4,3 ja vaihteli välillä 3,9-4,7. ph oli korkein kuivahkolla VT-tyypin kankaalla. Huuhtoutumis- ja rikastumiskerroksen ph-arvot olivat korkeampia kuin humuskerroksen ph-arvot. Kivennäismaan ph ei yleensä juuri korreloi metsämaan viljavuuden kanssa, kun taas humuskerroksen ph korreloi metsätyypin kanssa varsin hyvin (Tamminen 1998). Vaasan maaperänäytteiden humuksen sähkönjohtokyky oli pääsääntöisesti korkeampi kuin huuhtoutumis- tai rikastumiskerroksissa. Humuksen sähkönjohtokyky vaihteli 0,6-11,2 ms/m välillä, ja kivennäismaanäytteiden välillä 2,5 7,5 ms/m. Hehkutushäviö kuvaa orgaanisen aineksen osuutta maaperässä. Tämä vaihteli Vaasan näytealoilla humuskerroksessa 35,5-68,9 %, huuhtoutumiskerroksessa 0,9-7,5 % ja rikastumiskerroksessa 2,2-6 % välillä. C/N-suhde eli hiili-typpi-suhde kertoo maaperän ravinteisuudesta: mitä pienempi suhdeluku on, sitä enemmän maaperässä on typpeä kasvien käytettävänä. C/N-suhde oli hieman pienempi kuivilla kanvervatyypin (CT) ja tuoreilla mustikkatyypin (MT) kankailla kuin VT-tyypin metsiköissä. Molemmissa tyypeissä C/N-suhde oli pienempi kuin suomalaisissa metsissä keskimäärin (Tamminen & Ilvesniemi 2012). Alalla V7B C/N-suhde oli korkein (24,7). Miltei kaikkien analysoitujen alkuaineiden pitoisuudet olivat suurempia humuskerroksessa kuin kivennäismaakerroksissa. Alkuainepitoisuuksissa ei ollut merkittävää eroa alojen välillä. Kuva 63. Vaasan maaperänäytealojen sijainti vuonna 2013. N = 6.

74 Tulokset Taulukko 20. Maaperänäytealojen näytealakohtaiset tulokset ja muuttujakohtaiset keskiarvot. Metsätyypeissä CT = kuiva kangas, VT = kuivahko kangas, MT = tuore kangas. SJ = sähkönjohtavuus. Prosenttiosuudet on ilmoitettu osuutena kuiva-aineesta. Alumiinipitoisuus on liukoisena pitoisuutena.!"#$#% &'()*' Ala Kerros Metsätyyppi ph SJ (ms/m) Hehkutushäviö % C % N % V4 V7B V10 V17B V37A V43 humus 4,5 0,6 68,9 37 1,5 huuhtoutumiskerros CT 4,9 3,5 1,8 rikastumiskerros 5 2,5 2,2 humus 4,3 7,6 41,3 23 0,94 huuhtoutumiskerros MT 4,5 4,9 4,2 rikastumiskerros 4,4 4,4 3,2 humus 3,9 11,2 60,6 22 0,9 huuhtoutumiskerros MT 4,6 2,5 3,9 rikastumiskerros 4,8 2,7 5,6 humus 4,7 1,4 54,7 31 1,6 huuhtoutumiskerros VT 4,9 2,5 0,9 rikastumiskerros 4,9 2,7 1,5 humus 4,2 3,6 75,9 37 1,9 huuhtoutumiskerros MT 4,1 7,5 7,6 rikastumiskerros 4,4 4,3 6 humus 4,1 6,5 35,5 16 0,77 huuhtoutumiskerros MT 4,2 5,2 4,6 rikastumiskerros 4,6 4 3,8 ka. humuskerros 4,3 5,2 56,2 28 1,3 ka. huuhtoutumiskerros 4,6 4,7 3,4 ka. rikastumiskerros 4,7 3,7 3,7 Vertailu aiempien tutkimusten tuloksiin Vuonna 2006 humuksen sähkönjohtokyky oli kaikilla aloilla suurempi kuin vuonna 2013; vaihteluväli oli välillä 13,4 18,7 ms/m. Myös kivennäismaaperän sähkönjohtavuus oli pienentynyt vuodesta 2006, mutta ei yhtä mittavasti kuin humuksessa. Taulukossa 21 on vertailtu maaperää kuvaavien muuttujien keskiarvoja vuosina 2000, 2006 ja 2013, ja alakohtaiset tulokset eri vuosina taulukossa 22. Maaperänäytteiden C/N-suhde on hieman laskenut verrattuna aiempiin tutkimuksiin. Humuskerroksen ph on noussut hieman vuodesta 2006 vuoteen 2013. Myös huuhtoutumis- ja rikastumiskerrosten ph:t olivat vuonna 2013 nousseet hieman verrattuna aiempiin tutkimusvuosiin. Tutkittujen alkuaineiden pitoisuudet vaihtelivat selvästi verrattuna aiempiin tutkimusvuosiin, mihin voi vaikuttaa näytepaikkojen vaihtelu alojen sisällä. Myös pieni näytemäärä tekee sen, että yksittäiset poikkeavat alat korostuvat keskiarvotarkasteluissa. Maaperänäytteet kerättiin ja analysoitiin samalla tavalla kuin aiemmissa tutkimuksissa.

Tulokset 75 C/N Al (mg/kg) K (mg/kg) Ca mg/kg P mg/kg Mg (mg/kg) Mn (mg/kg) S (mg/kg) Zn (mg/kg) 24,3 2,5 7,5 25 2099 9,1 42 2408 24 4,2 0,46 1,7 278 0,5 73 185 15 5,2 0,47 2,4 385 0,44 74 105 17 24,7 1,2 16 76 954 13,8 381 1451 90 1,9 2,2 6,5 110 1,3 42 91 11 3,1 0,94 2,3 352 0,7 61 88 21 24 1,2 12 51 985 9,4 201 3725 60 4 1,5 9,6 212 1,1 100 141 21 2,8 1,5 4,5 1341 0,68 97 121 28 19,4 2,1 8,8 39 1481 10 42 2231 30 3,7 0,52 1,6 279 0,49 62 73 15 3 0,38 2 400 0,41 101 86 18 19,7 1,4 18 45 1613 17 56 2237 48 5,2 3,7 4,6 316 1,8 65 181 18 4,6 1,3 1,3 557 0,69 140 206 34 20,6 3,1 5,3 19 1110 4,3 41 1135 15 4,5 1,1 2 130 0,51 30 178 6 5,9 0,78 2,4 372 0,51 141 218 25 22,1 1,9 11,4 42,6 1374 10,63 127 2198 45 3,9 1,58 4,3 221 0,95 62 141 14 4,1 0,9 2,5 568 0,57 102 137 24 Taulukko 21. Maaperää kuvaavien tunnuslukujen keskiarvoja vuosina 1990, 2000, 2006 ja 2013. Vertailuun on käytetty samoina pysyneitä aloja.

76 Tulokset Taulukko 22. Ala kerros vuosi C % N % C/N V4 V11 V17B V37A V44 hum. huuht. rikast. hum. huuht. rikast. hum. huuht. rikast. hum. huuht. rikast. hum. huuht. rikast. ph Hehk. häviö % K mg/kg Ca mg/kg P mg/kg Mg mg/kg Mn mg/kg S mg/kg 2000 44,6 1,7 26,2 4,3-80,8 96,8 6,38 68,6 2,46 19,3 1,71 2006 48 1,6 30,8 3,8 94,2 1 600 1 600 300 380 33 130 17 2013 37 1,5 24,3 4,5 68,9 7,5 25 2099 9,1 42 2408 24 2000 4,4-27,4 31,2 9,89 36,1 0,45 12,8 1,01 2006 4 5,4 50 91 < 5 16 1 6 < 1 2013 4,9 1,8 0,46 1,7 278 0,5 73 185 15 2000 4,8-11,9 21,8 7,73 18,9 0,3 9,1 0,41 2006 4,2 4,6 46 41 8 19 0,9 10 < 1 2013 5 2,2 0,47 2,4 385 0,44 74 105 17 2000 39,4 1,4 28,2 4,16-655 1370 212 362 66,5 115 28,9 2006 36 1,78 20,2 4,2 70,3 940 2 400 280 350 180 140 27 2013 22 0,9 24 3,9 60,6 12 51 985 9,4 201 3725 60 2000 4,4-44 56,6 14,2 20,7 2,13 13,4 2,18 2006 4 9,73 62,53 46,985 372,6 26,175 88,55 184,9 24,28 2013 4,6 3,9 1,5 9,6 212 1,1 100 141 21 2000 5,1-20,1 23,6 6,73 8,14 1,31 24,3 0,63 2006 4,4 6,2 15 140 8 18 2,7 10 2,6 2013 4,8 5,6 1,5 4,5 1341 0,68 97 121 28 2000 49,1 1,6 30,7 4,2-805 2220 100 441 49,9 151 33,5 2006 47 1,78 26,4 3,8 91,6 730 830 72 300 27 120 17 2013 31 1,6 19,4 4,7 54,7 8,8 39 1481 10 42 2231 30 2000 4,7-21,4 53 8,57 15,8 0,71 9,09 1,01 2006 4,1 7,9 43 76 2,5 19 1 10 1,3 2013 4,9 0,9 0,52 1,6 279 0,49 62 73 15 2000 5,2-13 62,9 8,08 12,1 0,58 7,38 0,52 2006 4,4 4,5 15 30 8 5 0,25 8 0,5 2013 4,9 1,5 0,38 2 400 0,41 101 86 18 2000 41,8 1,57 26,6 4,2-640 1350 183 378 70,9 119 25,9 2006 45 1,48 30,4 3,7 90,5 560 2 200 190 460 91 99 17 2013 37 1,9 19,7 4,2 75,9 18 45 1613 17 56 2237 48 2000 4,4-100 19,6 43,8 20,2 1,03 83,3 0,98 2006 4,1 3,2 39 60 6 17 1 5 0,5 2013 4,1 7,6 3,7 4,6 316 1,8 65 181 18 2000 4,7-38,8 14 16,7 9,56 0,65 29,1 0,8 2006 4,4 7,3 15 76 10 17 0,25 17 1,4 2013 4,4 6 1,3 1,3 557 0,69 140 206 34 2000 46,5 1,58 29,4 4,3-738 2450 212 411 63,8 95,7 20,7 2006 50 1,97 25,4 3,8 95,8 1 000 2 700 300 570 74 100 17 2013 16 0,77 20,6 4,1 35,5 5,3 19 1110 4,3 41 1135 15 2000 4,6-22,5 78,1 8,09 11,9 1,24 5,68 0,75 2006 4 6,6 75 210 7 33 0,8 6 1,6 2013 4,2 4,6 1,1 2 130 0,51 30 178 6 2000 5,1-35,5 42,6 5,36 9,92 2,23 16,2 0,65 2006 4,6 3,5 15 39 2,5 14 0,25 10 0,5 2013 4,6 3,8 0,78 2,4 372 0,51 141 218 25 Zn mg/kg Taulukko 22. Maaperää kuvaavia tunnuslukuja alakohtaisesti vuosina 1990, 2000, 2006 ja 2013.

Tulosten tilastollinen tarkastelu 77 5. Tulosten tilastollinen tarkastelu Tässä luvussa tarkastellaan saatuja tuloksia ja niiden välisiä yhteyksiä, tuloksiin vaikuttaneita tekijöitä ja muuttujien yhteisvaihtelua tilastollisten menetelmien avulla. Tuloksiin vaikuttavia tekijöitä tutkittiin taustamuuttujien avulla. Taustamuuttujina käytettiin luonnollisia, tutkimusmetsikköä kuvaavia muuttujia. Tutkimusmetsikköä kuvaavat taustamuuttujia ja niiden mittausmenetelmät on esitelty luvussa 3.1. Tilastollisissa analyyseissä taustamuuttujina käytetyt muuttujat olivat: alan tutkimuspuiden keskimääräinen ikä (arvio vuosina) alan tutkimuspuiden keskimääräinen pituus (arvio metreinä) puuston pohjapinta-ala (mittaus, m2/ha) kasvupaikkatyyppi kehitysluokka (kypsä-varttunut-nuori) soveltuvuus (hyvä-kohtalainen-huono) tutkimuspuiden halkaisija (mittaus, cm) Luvussa 5.1 tarkastellaan jäkälämuuttujia, luvussa 5.2. neulasmuuttujia (mäntyjen elinvoimaisuutta kuvaavat muuttujat sekä neulasten alkuainepitoisuudet). Lopuksi luvussa 5.3 tarkastellaan kaikkien muuttujien yhteisvaihtelua. 5.1 Jäkälämuuttujat Jäkälämuuttujien keskinäiset korrelaatiot vuoden 2013 tutkimuksessa on esitetty taulukossa 23 ja korrelaatiot taustamuuttujien kanssa taulukossa 24. Korrelaatioanalyysit on tehty Spearmanin järjestyskorrelaatioanalyysillä. Kasvupaikkatyypin, kehitysluokan ja metsikön soveltuvuuden vaikutus jäkälämuuttujiin analysoitiin Kruskal-Wallisin varianssianalyysillä. Useat jäkälämuuttujat korreloivat keskenään tilastollisesti merkitsevästi tai melkein merkitsevästi. Mitä suurempia lajiston vaurioasteet olivat, sitä köyhtyneempää oli lajisto ja sitä enemmän typpikuormituksesta hyötyvää viherlevää esiintyi. Yleinen vaurioaste korreloi negatiivisesti luppojen peittävyyden kanssa ja sormipaisukarpeen vaurioaste sormipaisukarpeen peittävyyden kanssa. Luppojen peittävyys oli siis sitä pienempi, mitä vaurioituneempaa lajisto oli yleisesti, ja sormipaisukarpeen peittävyys sitä pienempi mitä vaurioituneempia lajin kasvustot olivat. Lajiston runsaussuhteita kuvaava lajilukumäärä ja IAP-indeksi korreloivat vahvasti keskenään (taulukko 23). Yleisen vaurioasteen arviointi perustuu osin lajiston esiintymiseen ja IAP-indeksi lasketaan lajiston esiintymisen ja runsaussuhteiden perusteella, jolloin korkeat korrelaatiokertoimet näiden muuttujien välillä ovat odotettuja. Sormipaisukarpeen vaurioiden ja IAP-indeksin on todettu korreloivan hyvin ilman epäpuhtauksien kuormituksen kanssa (esim. Ruuth ym. 2016a). Sormipaisukarpeen peittävyys korreloi muiden jäkälämuuttujien kanssa heikoimmin sormipaisukarpeen peittävyyden onkin todettu liittyvän ensisijaisesti luontaisiin tekijöihin enemmän kuin ilmanlaatuun liittyviin tekijöihin, toisin kuin muiden jäkälämuuttujien (esim. Ruuth ym. 2016a).

78 Tulosten tilastollinen tarkastelu Taulukko 23. Männyn runkojäkälien keskinäiset korrelaatiot (Spearman). Melkein merkitsevät (p < 0,05) tulokset on kursivoitu ja merkitty yhdellä tähdellä (*) ja merkitsevät tulokset (p < 0,01) lihavoitu ja merkitty kahdella tähdellä (**). Hyp. = sormipaisukarve (Hypogymnia physodes), Bryoria = lupot, Alg. = levä ja vihersukkulajäkälä. Taulukko 23. Alg. yleisyys Lajilukum äärä IAP Hyp. peittävyys Bryoria peittävyys Hyp. Vaurioaste Yleinen vaurioaste Alg. yleisyys 1 -,281 * -,339 * -,252 -,305 *,467 **,440 ** Lajilukumäärä -,281 * 1,895 **,190,495 ** -,578 ** -,759 ** IAP -,339 *,895 ** 1,159,605 ** -,576 ** -,837 ** Hyp. peittävyys -,252,190,159 1,238 -,479 ** -,287 * Bryoria peittävyys -,305 *,495 **,605 **,238 1 -,225 -,603 ** Hyp. vaurioaste,467 ** -,578 ** -,576 ** -,479 ** -,225 1,729 ** Yleinen vaurioaste,440 ** -,759 ** -,837 ** -,287 * -,603 **,729 ** 1 Kasvupaikkatyyppi vaikutti IAP-indeksin suuruuteen ja lajilukumäärään (Kruskal-Wallis). IAP-indeksi oli suurin ja lajeja tavattiin keskimäärin eniten kuivilla kankailla sijaitsevilla aloilla ja vähiten kosteammilla metsätyypeillä (lehtomaiset kankaat, suot, tuoreet kankaat). Muista taustamuuttujista eniten korrelaatioita jäkälämuuttujiin oli pohjapinta-alalla. Vaurioasteet olivat suurempia tiheämmissä metsissä kuin valoisissa ja harvoissa, ja lajilukumäärä, IAP-indeksi ja luppojen peittävyys olivat sitä pienempiä mitä tiheämmissä metsissä koealat sijaitsivat. Tutkitut jäkälälajit viihtyvät valoisissa, avarissa metsissä, joten korrelaatiot käyttäytyivät odotusten mukaisesti. Sormipaisukarpeen vaurioaste oli lisäksi sitä suurempi, mitä paksumpia puut olivat. Puiden pituus sai melkein merkitseviä korrelaatioita IAP-indeksin, lajilukumäärän ja vaurioasteiden kanssa. Levää esiintyi sitä useammalla puulla, mitä pidempiä puut olivat (taulukko 24). Taulukko 24. Jäkälämuuttujien korrelaatiot taustamuuttujien kanssa (Spearmanin korrelaatioanalyysi). Melkein merkitsevät korrelaatiot (p < 0,05) on merkitty yhdellä tähdellä (*) ja merkitsevät (p < 0,01) kahdella tähdellä (**). Hyp. = sormipaisukarve (Hypogymnia physodes), Bryoria = lupot, Alg. = levä ja vihersukkulajäkälä. Halkisija Pohjapinta-ala Ikä Pituus Alg. yleisyys -,255 -,337 *,114 -,281 * Lajilukumäärä -,250 -,398 **,149 -,312 * IAP,404 **,385 **,093,287 * Hyp. peittävyys,248,449 ** -,105,276 * Bryoria peittävyys -,116 -,211 -,127,133 Hyp. vaurioaste,128 -,381 **,320 * -,021 Yleinen vaurioaste 0,15,282 * -,208,352 ** 5.2 Neulasmuuttujat Tässä luvussa kuvataan ns. neulasmuuttujien eli mäntyjen elinvoimaisuutta kuvaavien muuttujien ja neulasten alkuainepitoisuuksien yhteisvaihtelua sekä taustatekijöiden vaikutuksia mäntyjen elinvoimaisuuteen ja neulasten alkuainepitoisuuksiin. Tutkitut muuttujat ovat seuraavia: neulaskato (%) neulasvuosikertojen määrä neulasten alkuainepitoisuudet: typpi (N), boori (B), kalium (K), kalsium (Ca), fosfori, (P), kupari (Cu), magnesium (Mg), mangaani (Mn), rauta (Fe) ja rikki (S).

Tulosten tilastollinen tarkastelu 79 Taulukossa 25 on esitetty männyn neulasten alkuainepitoisuuksien keskinäiset Spearmanin korrelaatiokertoimet ja taulukossa 26 neulaspitoisuuksien ja taustamuuttujien väliset korrelaatiot. Luokiteltujen taustamuuttujien yhteyttä neulasmuuttujiin tutkittiin Kruskal-Wallisin varianssianalyysillä. Neulasvuosikertojen määrä ja neulaskato eivät korreloineet keskenään tässä tutkimuksessa, vaikka usein näillä muuttujilla havaitaan yhteisvaihtelua (esim. Ruuth 2016a). Neulasvuosikerrat ja neulasten rautapitoisuus korreloivat tilastollisesti melkein merkitsevästi siten, että mitä enemmän alalta mitattiin rautaa, sitä vähemmän havaittiin neulasvuosikertoja. Neulaskato korreloi melkein merkitsevästi typpipitoisuuden vähenemisen kanssa, eli mitä vähemmän typpeä mitattiin, sitä suurempi oli neulaskato. Korrelaatiot ovat kuitenkin pieniä ja tilastollisesti vain melkein merkitseviä. Neulasten alkuainepitoisuuksien välisiä korrelaatioita havaittiin useita. Typpi, fosfori, kupari ja rikki korreloivat vahvasti keskenään. Lisäksi kaliumilla havaittiin yhteisvaihtelua useiden alkuaineiden kanssa, vahvimmin rikin ja kuparin kanssa. Kaikki korrelaatiot olivat positiivisia, joten esimerkiksi kuparin pitoisuuksien kasvaessa myös typpeä ja rikkiä mitattiin neulasista enemmän. Eniten yhteisvaihtelua muiden alkuaineiden kanssa havaittiin rikillä, kuparilla ja kaliumilla. Taulukko 25. Neulasten alkuainepitoisuuksien keskinäiset korrelaatiot vuonna 2013. Melkein merkitsevä (p < 0,05) korrelaatio on merkitty yhdellä tähdellä (*) ja merkitsevä (p < 0,01) kahdella (**). Merkitsevät, yli 0,5:n korrelaatiot on merkitty oranssilla ja yli 0,8:n korrelaatiot punaisella. Nvk = neulasvuosikertojen määrä, N.kato = neulaskato. Taulukko 25. Nvk N.kato N B K Ca P Cu Mg Mn Fe S Nvk 1 -,181 -,141 -,201 -,170 -,046 -,136 -,244 -,019,089 -,323 * -,189 N.kato -,181 1 -,271 * -,123 -,165,145 -,136 -,110 -,009,246,000 -,242 N -,141 -,271 * 1,088,695 **,238,806 **,701 **,178 -,151,441 **,847 ** B -,201 -,123,088 1,305 * -,053,189,395 **,394 ** -,194,426 **,349 * K -,170 -,165,695 **,305 * 1,171,703 **,768 **,098 -,181,553 **,771 ** Ca -,046,145,238 -,053,171 1,425 **,150,091,442 **,019,221 P -,136 -,136,806 **,189,703 **,425 ** 1,613 **,293 * -,080,373 **,849 ** Cu -,244 -,110,701 **,395 **,768 **,150,613 ** 1,238 -,201,654 **,751 ** Mg -,019 -,009,178,394 **,098,091,293 *,238 1 -,223,188,324 * Mn,089,246 -,151 -,194 -,181,442 ** -,080 -,201 -,223 1 -,054 -,196 Fe -,323 *,000,441 **,426 **,553 **,019,373 **,654 **,188 -,054 1,505 ** S -,189 -,242,847 **,349 *,771 **,221,849 **,751 **,324 * -,196,505 ** 1 Taustamuuttujilla ei havaittu olevan vaikutusta männyn neulaskatoon tai neulasvuosikertojen määrään. Kasvupaikkatyyppi vaikutti kaliumin esiintymiseen siten, että pitoisuudet olivat pienempiä kaikkein kosteimmilla ja toisaalta myös kuivimmilla kasvupaikoilla. Puiden pituus sai taustamuuttujista vahvimmat korrelaatiot neulaspitoisuuksiin. Pituuden kasvaessa typpi-, fosfori-, rikki- ja kaliumpitoisuudet kasvoivat tilastollisesti merkitsevästi. Puiden halkaisijalla havaittiin tilastollisesti merkitsevää yhteisvaihtelua kalsium- ja fosforipitoisuuden kanssa ja melkein merkitsevää typen, mangaanin, raudan ja rikin kanssa. Puuston pohjapinta-ala korreloi positiivisesti kalium-, kupari- ja rautapitoisuuden kanssa, eli pitoisuudet olivat sitä suurempia mitä tiheämpi metsä oli. Pohjapinta-ala korreloi negatiivisesti mangaanipitoisuuden kanssa. Lisäksi pohjapinta-ala korreloi boori- ja rikkipitoisuuden kanssa tilastollisesti melkein merkitsevästi (taulukko 26). Puiden iällä ei ollut vaikutusta neulaspitoisuuksiin.

80 Tulosten tilastollinen tarkastelu Taulukko 26. Neulasten alkuainepitoisuuksien ja taustamuuttujien keskinäiset korrelaatiot vuonna 2013. Melkein merkitsevä (p < 0,05) korrelaatio on merkitty yhdellä tähdellä (*) ja merkitsevä (p < 0,01) kahdella (**). Merkitsevät, yli 0,5:n korrelaatiot on merkitty oranssilla. Halkisija Pohjapinta-ala Ikä Pituus N (g/kg),314 *,247 -,223,514 ** B (mg/kg),105,346 *,005,177 K (mg/kg),340 *,416 ** -,089,423 ** Ca (mg/kg),413 ** -,193 -,011,163 P (mg/kg),380 **,229 -,147,509 ** Cu (mg/kg),227,395 ** -,216,259 Mg (mg/kg),039,226 -,094,202 Mn (mg/kg) -,111 -,467 **,165 -,263 Fe (mg/kg),305 *,391 **,006,115 S (mg/kg),313 *,297 * -,063,515 ** Zn (mg/kg) -,040 -,326 *,134 -,294 * 5.3 Kaikkien muuttujien yhteisvaihtelu Tässä luvussa tarkastellaan mäntyalojen muuttujien eli jäkälä-, elinvoimaisuus- ja neulaspitoisuusmuuttujien yhteisvaihtelua korrelaatioiden avulla. Korrelaatiotarkastelut on esitetty taulukossa 27. Kaikki jäkälämuuttujat korreloivat neulaspitoisuuksien kanssa vähintään tilastollisesti melkein merkitsevästi, kalsiumia lukuun ottamatta. Eniten tilastollisesti merkitseviä korrelaatioita neulaspitoisuuksien kanssa havaittiin sormipaisukarpeen vaurioasteella ja IAP-indeksillä (7 kpl). Vahvimmat korrelaatiot näyttivät liittyvän neulasten kuparipitoisuuteen: vaurioasteet olivat sitä suurempia, levä sitä yleisempää ja IAP-indeksi, lajilukumäärä ja luppojen peittävyys sitä pienempiä, mitä enemmän neulasista mitattiin kuparia. Kuparin on todettu olevan hyvä ilman epäpuhtauksien indikaattori mm. sammalilla (Ruuth ym. 2016a ja b) ja humuksella (Ruuth ym. 2016a). Myös tässä tutkimuksessa kuparipitoisuus ilmensi ilmanpäästöjen vaikutusta lajistoon, sillä sen yhteisvaihtelu luontaisten taustamuuttujien kanssa oli vähäistä. Typpi- ja rikkipitoisuus korreloivat vaurioasteiden ja lajiston runsaustunnusten kanssa samoin kuin kupari, mutta korrelaatiot olivat levän yleisyyttä lukuun ottamatta pienempiä. Typpi ja rikki korreloivat kuitenkin useampien taustamuuttujien kanssa kuin esimerkiksi kupari, eivätkä siten ilmentäneet yksinomaan ilmanpäästöjen vaikutusta. Levän yleistyminen typpi- ja fosforipitoisuuden kasvun seurauksena liittyy metsikön ravinnetilaan. Myös muilla ravinteilla, kuten kalium-, boori-, fosfori- ja rautapitoisuudella esiintyi yhteisvaihtelua jäkälämuuttujien kanssa. Etenkin kalium- ja fosforipitoisuuksien saamat korrelaatiot jäkälämuuttujien kanssa liittyvät metsän taustamuuttujiin: metsissä, joissa puut olivat paksumpia, pidempiä ja niitä oli tiheässä, jäkälien elinolosuhteet eivät ole ihanteellisia, joten jäkälät olivat vaurioituneempia ja lajisto köyhtyneempää. Neulaskato korreloi tilastollisesti melkein merkitsevästi luppojen peittävyyden kanssa, neulasvuosikerroilla ei havaittu yhteisvaihtelua minkään jäkälämuuttujan kanssa. Vaikka neulaskadon on yleisesti oletettu kuvaavan ilmanlaadun vaikutuksia, tässä tutkimuksessa yhteydet jäkälämuuttujien kanssa olivat päinvastaisia oletusten kanssa. Neulaskato on puun yleiskunnon hyvä mittari, mutta ilman epäpuhtauksien indikaattorina neulaskato ei ole kuitenkaan spesifi muuttuja.

VERTAILU MUUALLA SUOMESSA TEHTYIHIN TUTKIMUKSIIN 81 Taulukko 27. Kaikkien muuttujien väliset korrelaatiot (Spearman) Melkein merkitsevät (p < 0,05) tulokset on kursivoitu ja merkitty yhdellä tähdellä (*) ja merkitsevät tulokset (p < 0,01) lihavoitu ja merkitty kahdella tähdellä (**). Nvk. = neulasvuosikerrat. N.kato = neulaskato. N B K Ca P Cu Mg Mn Fe S Nvk. N.kato Alg. yleisyys,505 **,291 *,240,203,491 **,389 **,323 * -,213,059,461 ** -,119 -,131 Lajilukumäärä -,387 ** -,398 ** -,559 **,000 -,307 * -,561 ** -,163,232 -,378 ** -,384 **,033,185 IAP -,423 ** -,386 ** -,587 ** -,145 -,393 ** -,565 ** -,241,141 -,407 ** -,457 ** -,074,134 Hyp. peittävyys -,138 -,270 -,071,012 -,188 -,287 * -,280 *,244 -,379 ** -,153,150 -,089 Bryoria peittävyys -,215 -,326 * -,304 *,038 -,251 -,379 ** -,389 **,291 * -,195 -,275 * -,054,281 * Hyp. vaurioaste,371 **,378 **,401 **,170,403 **,556 **,298 * -,200,444 **,378 ** -,199,112 Yleinen vaurioaste,374 **,407 **,448 **,175,402 **,517 **,346 * -,145,328 *,372 **,022 -,096 Neulasvuosikerrat -,141 -,201 -,170 -,046 -,136 -,244 -,019,089 -,323 * -,189 1 -,181 Neulaskato -,271 * -,123 -,165,145 -,136 -,110 -,009,246,000 -,242 -,181 1 6. Vertailu muualla Suomessa tehtyihin tutkimuksiin Tässä luvussa verrataan Vaasan seudun bioindikaattoritutkimuksen tuloksia muutamiin muihin Suomessa 2000-luvulla tehtyihin tutkimuksiin jäkälien, mäntyjen elinvoimaisuuden ja neulasten alkuainepitoisuuksien osalta. Tuloksia vertailtaessa on otettava huomioon, että useimmissa muissa tutkimuksissa alamäärä on ollut suurempi, ja että tämän tutkimuksen suhteellisen pieni aineisto aiheuttaa sen, että yksittäiset poikkeuksellisen suuret tai pienet arvot vaikuttavat keskiarvoon enemmän kuin suurissa aineistoissa. 6.1 Mäntyjen runkojäkälät Taulukossa 28 on verrattu keskeisiä jäkälämuuttujia, sormipaisukarpeen vaurioastetta ja puukohtaista lajilukumäärää muualla Suomessa tehtyjen tutkimusten tuloksiin. Sormipaisukarpeen vaurioaste oli Vaasassa hieman korkeampi kuin valtaosalla vertailualueista, ja asettui samaan suuruusluokkaan Etelä-Suomen tiheästi asutettujen alueiden ja toisaalta myös teollisuudestaan tunnettujen alueiden, kuten Kokkolan ja Pietarsaaren sekä Porin-Harjavallan alueen kanssa. Lajilukumäärältään Vaasan alue oli keskitasoa muihin tutkimusalueisiin nähden.

82 VERTAILU MUUALLA SUOMESSA TEHTYIHIN TUTKIMUKSIIN Taulukko 28. Sormipaisukarpeen vaurio ja puukohtainen lajilukumäärä Vaasan alueen bioindikaattoritutkimuksessa vuonna 2013 sekä eri puolilla Suomea toteutetuissa tutkimuksissa. Tulokset lähteistä Ruuth ym. (2016 a ja b), Kuhmonen ym. 2013, Lehtinen ja Lepola 2012, Lehkonen ym. 2012, Lehkonen ym. 2011, Huuskonen 2013, Huuskonen ym. 2010, Huuskonen ym. 2009, Laita ym. 2008c, Laita ym. 2007, Haahla ym. 2006a, Haahla ym. 2006b. Taulukko 28. Alue n Tutkimusvuosi Sormipaisukarpeen vaurio Lajilukumäärä / puu Vaasa 53 2013 2,3 4,3 Suupohja 25 2012 1,9 5,5 Pori-Harjavalta 107 2014 2,4 3,6 Kanta- ja Päijät-Häme 304 2014 2,5 4,5 Uusimaa 734 2014 2,5 4,4 Kokkola & Pietarsaari 238 2012 2,3 3,9 Etelä-Karjala 263 2012 2,1 4,9 Pohjois-Karjala 300 2010 1,9 6 Uusimaa 776 2009 2,1 4,7 Pyhäjärviseutu 98 2007 2,1 5,3 Vakka-Suomi 103 2006 2,1 5,1 Länsi-Suomi 398 2006 2,1 4,1 Turku 145 2005 2,2 3,6 Keski-Suomi 492 2005 2 6.2 Mäntyjen elinvoimaisuus Taulukossa 29 on verrattu Vaasan alueen vuoden 2013 tutkimuksessa saatuja mäntyjen elinvoimaisuuteen liittyviä tuloksia muihin vastaavanlaisiin tutkimuksiin Suomessa. Vaasan tutkimuspuiden keskimääräinen harsuuntumisaste oli vertailututkimuksista korkein. Myös harsuuntuneita puita havaittiin selkeästi enemmän Vaasan tutkimusalueella kuin muilla vertailualueilla. Suuri osa Vaasan aloista sijaitsi merenrantojen läheisyydessä, mikä voi näkyä suurempana neulaskatoasteena. Vertailualueistakin osa sijaitsi rannikkoseuduilla, mutta tutkittavia puita oli muissa tutkimuksissa enemmän ja ne ovat voineet sijoittua tasaisemmin myös sisämaahan. Neulasvuosikertoja todettiin Vaasan seudulla keskimäärin enemmän kuin muilla tutkimusalueilla, ja yhtä paljon kuin Länsi-Suomessa vuonna 2006. Taulukko 29. Mäntyjen elinvoimaisuustunnuksia Vaasan bioindikaattoritutkimuksessa 2013 sekä eri puolilla Suomea toteutetuissa tutkimuksissa. Tulokset lähteistä Ruuth ym. (2016 a ja b), Lehkonen ym. 2013, Huuskonen ym. 2009, Laita ym. 2008(a ja c), Laita ym. 2007, Haahla ym. 2006, Polojärvi ym. 2003. Taulukko 29. Alue n Tutkimusvuosi Neulaskato (%) Harsuuntuneita puita (%) Neulasvuosikerrat Vaasa 265 2013 25 37 3,4 Kanta- ja Päijät-Häme 1520 2014 19 12 3 Pori-Harjavalta 1070 2014 18 17 2,5 Etelä-Karjala 1315 2012 19 25 3,2 Pyhäjärviseutu 980 2007 16 5 3,1 Vakka-Suomi 515 2006 16 18 3,1 Turun seutu 725 2005 15 10 3,3 Länsi-Suomi 3968 2006 14 6 3,4 Keski-Suomi 4920 2005 14 8 3,3 Kotka 1244 2002 18 25 3,1

VERTAILU MUUALLA SUOMESSA TEHTYIHIN TUTKIMUKSIIN 83 6.3 Männyn neulasten alkuainepitoisuus Taulukossa 30 verrataan Vaasan vuoden 2013 neulaspitoisuuksia muualla Suomessa tehtyihin tutkimuksiin. Mukana on lisäksi vertailuarvoja, jotka kuvastavat metsikön keskimääräistä ravinnetilaa. Rautaa esiintyi enemmän kuin useimmilla muilla tutkimusalueilla ja enemmän kuin metsiköissä keskimäärin, mutta vähemmän kuin Kokkolan-Pietarsaaren alueella ja Vakka-Suomessa. Kuparipitoisuus oli keskitasoa muiden tutkimusten kanssa ja osui myös hyvin vertailuarvojen sisään. Typpipitoisuus oli korkeampi kuin Porin, Hämeen, Kokkolan ja Seinäjoen seutujen typpipitoisuudet, mutta pienempi kuin Vakka-Suomen. Fosforia esiintyi Vaasan aloilla suunnilleen saman verran kuin Pyhäjärviseudulla, Vakka-Suomessa ja Suupohjassa, mutta enemmän kuin Kokkolassa ja Seinäjoella. Rikkipitoisuus oli keskitasoa muiden tutkimusten kanssa, mutta hieman korkeampi kuin vertailuarvo. Booripitoisuus oli korkeampi kuin lähes kaikissa muissa tutkimuksissa, mutta kuitenkin pienempi kuin Kanta- ja Päijät-Hämeessä ja Vakka-Suomessa. Taulukko 30. Neulasten alkuainepitoisuuksia Vaasan seudulla ja muilla alueilla. Muut tulokset lähteistä Reinikainen ym. 1998, Ruuth ym. 2016a,b, Kuhmonen ym. 2013, vertailuarvot Reinikainen ym. 1998 ja Brække 1995, Mälkönen 1991 ja Raitio 1994 mukaan, Huuskonen ym. 2013, Lehtinen ja Lepola 2012, Laita ym. 2008c, Huuskonen ym. 2009. Taulukko 30. Alkuaine Vaasa 2013 Pori- Harjavalta 2014 Kanta- ja Päijät- Häme 2014 Suupohja 2012 vertailuarvo Kokkola- Pietarsaari 2012 Seinäjoki 2012 Vakka- Suomi 2006 Pyhäjärviseutu 2007 B mg/kg 17,6-19 15,3 12,1 16,3 14,6 19 15 Ca mg/kg 3521 4363 4214 3985 1850-2280 2881 3434 3524 3265 Cu mg/kg 2,8 - - 2,7 2,6-3,2 3,2 3,1 2,6 3 Fe mg/kg 78 - - 56 46,4 94 91 58 61 K mg/kg 5379 4504 4556 5450 4820-4870 5499 5077 5077 5586 Mg mg/kg 899 760 831 965 990-1070 783 895 887 767 Mn mg/kg 508 700-716 409-555 388 392 564 508 N % 1,5 1,4 1,3 1,5 1,23 1,4 1,16 1,57 1,49 P mg/kg 1490 - - 1505 1460-1520 1355 1386 1531 1457 S mg/kg 1067 1098 1055 1026 940 947 898 1088 992 6.4 Maaperän ominaisuudet Humuksen ph:ta, C/N-suhdetta sekä alkuainepitoisuuksia eri alueilla on vertailtu taulukossa 31. ph oli Vaasan metsissä samaa luokkaa kuin puolukkatyypin (VT) metsissä keskimäärin. Hiili/ typpi-suhde oli Vaasan näytealoilla pienempi kuin Pietarsaaren seudulla tai VT-tyypin metsissä keskimäärin. Kun otetaan huomioon kaikki metsätyypit, on C/N-suhde suomalaisissa metsissä keskimäärin 37. Kansainvälisten tutkimusten mukaan kun C/N-suhde on alle 20, on kasvupaikalla niukkuutta typestä (Riek ja Wolff 1995). Suomessa kuitenkin alle 20 olevat C/N-suhteet ovat harvinaisia (Tamminen 2000). Alkuaineista humuksen sinkkipitoisuus oli Vaasan näytealoilla keskiluokkaa verrattuna muihin alueisiin tai valtakunnalliseen aineistoon. Kalium-, kalsium- ja magnesiumpitoisuudet olivat reilusti pienempiä kuin muualla Suomessa. Humuksen rikki- ja fosforipitoisuudet olivat huomattavasti suurempia kuin muualla suomessa Pietarsaarta lukuun ottamatta. Magnesium pitoisuus oli huomattavasti pienempi kuin muualla suomessa, kun taas mangaanipitoisuus oli

84 VERTAILU MUUALLA SUOMESSA TEHTYIHIN TUTKIMUKSIIN suomalaista keskitasoa. Maaperänäytteiden pitoisuuseroihin magnesiumin, kaliumin ja kalsiumin osalta ei ole selkeää selitystä. Maaperänäytteet kerättiin ja analysoitiin samalla tavalla kuin aiemmissa tutkimuksissa. Taulukko 31. Humuksen ph, C/N-suhde ja alkuainepitoisuuksia eri puolilla Suomea tehdyissä tutkimuksissa. Tulokset lähteistä Ruuth ym. 2016a, Huuskonen 2013, Laita ym. 2008b, Laita ym. 2008d, Laita ym. 2008e, Jussila 1997, Tamminen 1998. Koko Suomen aineisto kuvaa ph:n ja C/N-suhteen osalta VT-tyypin metsiä. Alkuainepitoisuudet tässä aineistossa ovat mediaaneja, eivät keskiarvoja. Taulukko 31. Tutkimusvuosi mg/kg Mg ph C/N Zn mg/kg K mg/kg Ca mg/kg S mg/kg P mg/kg Mn mg/kg Vaasa 2013 4,3 22,3 39 10 42 2234 1296 10 49 Kanta- ja Päijät-Häme 2014 4,2 68 Kokkola-Pietarsaari 2012 4 537 1779 1320 615 319 134 Vaasa 2006 3,9 26,6 21 972 2022 117 215 437 99 Pietarsaari 2006 3,8 29,7 73 1038 3798 1963 941 547 150 Kokkola 2006 973 632 1379 292 Pori-Harjavalta kuormit. 1997 36 77 114 107 Pohjois-Satakunta (tausta) 1997 27 85 131 68 Koko Suomi (VT) 3,9 42,6 47

Johtopäätökset 85 7. Johtopäätökset Vaasan seudun ilmanlaatua on selvitetty useissa ilmanlaadun bioindikaattoritutkimuksissa 1990-luvulta lähtien. Tutkimusalueeseen kuului alkuvuosina Vaasa, Mustasaari ja Maalahti, mutta vuonna 2006 mukaan liittyi Laihia ja 2013 Vaasaan liittynyt Vähäkyrö. Alueella on paljon energiantuotantoa, joka on pääasiassa keskittynyt Vaasan taajama-alueille keskustan tuntumaan ja Vaskiluotoon. Toiminnoista aiheutuu rikkidioksidin, typen oksidien hiukkasten päästöjä, joiden vaikutukset ovat havainnoitavissa ympäröivässä luonnossa. Liikenteen ja lupavelvollisten laitosten rikkidioksidin, hiukkasten ja typen oksidien päästöt kasvoivat vielä 2000-luvun alussa, mutta vuoden 2003 jälkeen päästömäärät lähtivät laskuun. Päästömäärissä on ollut vaihtelua vuosien välillä senkin jälkeen, mutta vuonna 2013 rikkidioksidin ja hiukkasten päästöt olivat alle kolmanneksen vuoden 2003 huipputasosta, ja typen oksidien päästöt pienentyneet n. 40 %. Tässä tutkimuksessa seurattiin männyn runkojäkälien kunnossa ja lajiston koostumuksessa, mäntyjen elinvoimaisuudessa, männyn neulasten alkuainepitoisuudessa ja maaperän kemiallisessa koostumuksessa tapahtuneita muutoksia, jotka voivat kuvata alueen ilmanlaadussa tapahtuneita muutoksia. Jäkälälajiston kunto ja koostumus olivat heikoimpia Vaasan keskusta-alueilla, mihin suurin osa tutkimusalueen lupavelvollisista päästölähteistä, asutuksesta ja liikenteestä keskittyvät. Myös Maalahden, Laihian ja Vähänkyrön taajama-aloilla lajistotunnukset olivat heikompia. Kuormittamattomilla tausta-alueilla lajisto oli kuitenkin lähempänä luonnontilaista ja jäkälä terveempää. Sormipaisukarve oli keskimäärin lievästi vaurioitunutta, ja lajisto lievästi köyhtynyttä. Ilman epäpuhtauksille herkkiä luppoja ja naavoja ei esiintynyt lainkaan kuormitetuimmilla aloilla Vaasan keskustassa. Yhtään täysin jäkäläautiota alaa ei kuitenkaan havaittu tutkimuksen aikana. Muihin Suomessa tehtyihin bioindikaattoritutkimuksiin verrattuna Vaasan seudun jäkälälajisto oli melko vaurioitunutta, ja vertautui sen suhteen parhaiten Etelä-Suomen tiheään asutettuihin seutuihin kuten Uudenmaan ja Kanta- ja Päijät-Hämeen maakuntiin, sekä teollisuus- ja energiantuotannosta tunnettuihin alueisiin, kuten Kokkolan ja Pietarsaaren alueeseen. Ilman epäpuhtauksille herkkien lajien esiintymisessä Vaasan seutu oli kuitenkin keskitasoa muiden alueiden kanssa. Neulasten alkuainepitoisuudet noudattivat samantapaista jakaumaa kuin jäkälätunnusten. Suurimmat alkuainepitoisuudet havaittiin lähes poikkeuksetta niillä alueilla, joilla teollisuuden, liikenteen ja asutuksen kuormitus oli suurinta. Kartta- ja korrelaatiotarkastelujen perusteella parhaiten kuormitusta vaikuttivat kuvaavan neulasten kupari-, rauta-, typpi- ja rikkipitoisuus. Erityisesti kuparipitoisuus sai suhteellisen suuria korrelaatioita ilmanlaatua hyvin kuvaavien jäkälämuuttujien, kuten sormipaisukarpeen vaurioasteen ja lajilukumäärän ja ilmanpuhtausindeksin kanssa. Kuparipäästöjä syntyy kaivos- ja metalliteollisuuden lisäksi elektroniikkateollisuudessa ja hiilivoimaloissa (Luonnonvarakeskus 2013). Edellä mainituista alkuaineista etenkin typpi, fosfori ja rikki korreloivat myös metsikön taustamuuttujien, kuten puiden pituuden, iän ja metsikön pohjapinta-alan kanssa, joten ne kuvasivat todennäköisesti kuormituksen ja metsikön ravinnetilan yhteisvaikutusta. Suuri typpipitoisuus Maalahden pohjoisosassa kuvastaa todennäköisesti läheisten turkiseläintarhojen typpikuormitusta ympäristöönsä. Muihin Suomessa tehtyihin tutkimuksiin verrattuna Vaasan neulaspitoisuudet olivat pääasiassa keskitasoa. Keskimääräistä hieman korkeampia pitoisuuksia mitattiin boorilta, raudalta ja typeltä.

86 Johtopäätökset Männyt olivat tutkimusalueella keskimäärin lievästi harsuuntuneen ja harsuuntuneen välimaastossa (keskimääräinen neulaskato 24,9 %). Harsuuntuneiden puiden, eli puiden joilla neulaskato oli yli 25 %, osuus kaikista tutkimusmännyistä oli 36,6 %. Neulasvuosikertoja todettiin keskimäärin kuitenkin runsaasti, 3,4, ja vähiten neulasvuosikertoja havaittiin Vaasassa sekä taajamissa että tausta-alueilla. Neulaskato tai neulasvuosikertojen määrä eivät korreloineet merkitsevästi neulasista mitattujen alkuainepitoisuuksien tai jäkälätunnusten kanssa, eikä neulaskadossa huomattu lupavelvollisia päästölähteitä tai esimerkiksi vilkkaasti liikennöityjä teitä mukailevia vyöhykkeitä. Neulaskato tai neulasvuosikertojen määrä ei todennäköisesti siten kuvaa kovin luotettavasti ilmanlaatua, kuten on havaittu myös muissa ilmanlaadun bioindikaattoritutkimuksissa (esim. Ruuth ym. 2016b, Lehkonen ym. 2013). Neulaskatoarvio on hyvin subjektiivinen menetelmä ja arvioon vaikuttavat mm. sää- ja valaistusolosuhteet (Salemaa 1993). Monet jäkälätunnukset olivat paremmalla tasolla 1990-luvun tilanteeseen nähden. Mm. jäkälien vaurioasteet ja viherlevän yleisyys olivat vuonna 2013 pienempiä tai samaa tasoa kuin 1990-luvulla. Toisaalta ilmanpuhtausindeksin ja ilman epäpuhtauksille herkkien lajien lukumäärän perusteella ilmanlaatu on heikentynyt 1990-lukuun nähden, ja muutokset heikompaan näyttävät ilmenevän ennen kaikkea tausta-alueiden lajiston kunnossa. Vuosi 2006 oli jäkälien vaurioasteiden kannalta poikkeuksellinen, sillä sekä sormipaisukarpeen että yleisen vaurioluokituksen keskitaso oli noin 1 vaurioluokan pienempi edeltäviin vuosiin nähden. Vuoden 2013 tulokset poikkeavat näistä jonkin verran, mutta vauriotasot ovat samaa luokkaa tai hieman laskeneet verrattuna vuosiin 1990-2000. Neulasten alkuainepitoisuuksista osa oli laskenut, osa noussut. Vuoteen 2006 verrattuna vain typen, boorin, mangaanin ja fosforin pitoisuudet olivat laskeneet, ja muiden alkuaineiden pitoisuudet nousseet. Neulaspitoisuuksien perusteella metsien ravinnetila oli suhteellisen hyvä, ja puutoksia havaittiin vain mangaanilla ja yksittäisillä aloilla myös typellä. Pienimmät mangaanipitoisuudet mitattiin vuonna 2013 kuormitetuimmilta alueilta Vaasan keskustasta, Palosaarelta ja Vaskiluodosta, toisaalta myös vähemmän kuormitetuilla alueilla Maalahdessa, Laihialla ja Vähässäkyrössä pitoisuudet olivat hyvin pieniä. Kupari- ja rautapitoisuudet olivat kasvaneet vuodesta 2006. Vaikka liikenteen ja lupavelvollisten laitosten typpi-, rikki- ja hiukkaspäästöt ovat pienentyneet viimeisten 10 vuoden aikana merkittävästi, lasku ei näkynyt neulasten rikkipitoisuuksissa. Tätä ja jäkälätunnuksissa vuosien 2006 ja 2013 välillä tapahtunutta heikkenemistä selittää osaltaan rikki- ja hiukkaspäästöjen kehityksessä tapahtunut nousu vuosina 2005-2008, sillä indikaattorit reagoivat ilmanlaadussa tapahtuviin muutoksiin viiveellä. Osa rikkipitoisuuksien vaihtelusta selittyy metsikön luontaisen ravinnetilan muutoksilla. Rikkipäästöjä voi päästä ilmaan myös muista toiminnoista, jotka eivät ole raportointivelvollisia rikkidioksidipäästöistään, mutta joiden vaikutukset näkyvät ympäristössä (esim. turkistarhat ja jätevedenpuhdistamot sekä pienemmät teollisuustoiminnot). Vertailussa mukana olleet eli samana pysyneet alat eivät pääsääntöisesti sijainneet lupavelvollisten päästölähteiden läheisyydessä Vaasan keskustassa, vaan olivat hajautetummin Vaasassa, Mustasaaressa ja Maalahdessa. Mäntyjen elinvoimaisuustunnuksista neulaskadossa on ollut suurta vaihtelua vuosien välillä. Vuonna 2013 tehtyjen neulaskatoarvioiden mukaan neulaskato oli lähes yhtä suurta kuin vuonna 1995, jolloin neulaskato oli suurimmillaan. Muutoin neulaskadon muutostrendi on ollut pienenevä vuodesta 1995 alkaen. Maaperästä mitatut pitoisuudet ovat vuosien välillä vaihdelleet paljon. Muutoksia selittävät osin näytepaikan pienimuotoiset muutokset aloilla, sillä näytteitä ei ole kerätty eri vuosina täsmälleen samoilta pisteiltä joka vuonna.

Johtopäätökset 87 Kaiken kaikkiaan ihmistoiminnan vaikutus tutkittuihin muuttujiin oli selvästi nähtävissä kuormitetuilla alueilla. Tutkittujen indikaattorien osalta Vaasan seudulla vaikuttaakin olevan kaksi erilaista ilmanlaadun kehityssuuntaa: toisaalta ilmanlaadun paranemista indikoivat vaurioasteiden paraneminen ja typpipitoisuuden lasku, toisaalta herkkien lajien harvinaistuminen ja neulasten kupari- ja rikkipitoisuuksien kasvaminen kertovat heikkenevästä kehityksestä. Tutkimusaloista suurin osa sijaitsi Vaasassa taajama-alueilla, ja ympäröivissä kunnissa oli vain muutama tutkimusala. Siksi tulosten voidaan katsoa kuvaavan ensisijaisesti Vaasan kuormitettujen alueiden tilaa, ja vähemmän kuormitetut tausta-alueet jäävät huomioimatta. Tulevissa tutkimuksissa tutkimusalojen sijaintia voisi hajauttaa tai alojen määrää kuormittamattomille alueille lisätä luotettavampien ja yleistyskelpoisten tulosten saamiseksi.

88

Lähteet 89 LÄHTEET Anttonen, T. 1990. Laskeuman ravinteiden vaikutus sormipaisukarvejäkälän (Hypogymnia physodes (L.) Nyl.) kasvuun. Kuopion yliopisto, ekologisen ympäristöhygienian laitos. Opinnäytetutkielma. Binkley, D., Högberg, P. 1997. Does atmospheric deposition of nitrogen threaten Swedish forests? Forest Ecology and Management 92: 119-152. Brække, F. 1994. Diagnostiske grensevier for naeringselementer i gran-og furunåler. Aktuelt fra skogforsk 15/94. 11 s. Ferm, A., Hytönen, J., Kolari, K. ja Veijalainen, H. 1988. Metsäpuiden kasvuhäiritö turkis tarhojen läheisyydessä. Metsäntutkimuslaitoksen tiedonantoja 320. Geologian tutkimuskeskus 2009. Suomen kallioperä karttapalvelu. http://ptrarc.gtk.fi/digikp200/default. html Luettu 5.2.2016. Geologian tutkimuskeskus 2007. Maankamara karttapalvelu. http://gtkdata.gtk.fi/ maankamara/# Luettu 5.2.2016. Haahla, A. Polojärvi, K., Niskanen, I., Laita, M. & Ellonen, T. 2006a. Keski-Suomen maakunnan ilmanlaadun bioindikaattoritutkimus vuosina 2005-2006. Ympäristöntutkimuskeskuksen tiedonantoja 162. Jyväskylän yliopisto, ympäristöntutkimuskeskus. ISBN 951-39-2546-3. Helmisaari, H-S. 1993. Metsikön ja puun ravinnekierto. Teoksessa Hyvärinen, A., Jukola- Sulonen, E.-L., Mikkelä, H. ja Nieminen, T. (toim.) Metsäluonto ja ilmansaasteet. Metsäntutkimuslaitoksen tiedonantoja 446, Helsinki. Huttunen, S. 1982. Some experience on standardized monitoring of urban pollution in forest ecosystems. Teoksessa Steubing, L. ja Jäger, H.-J. (toim.). Monitoring of air pollutants by plants. Junk publisher, The Hague. ISBN 906193947X. S. 155-161. Huuskonen, I., Lehkonen, E. & Ellonen, E. 2009. Pyhäjärviseudun ilmanlaadun bioindikaattori tutkimus vuosina 2007-2008. Ympäristöntutkimuskeskuksen tiedonantoja 175. Jyväskylän yliopisto, ympäristöntutkimuskeskus. Huuskonen, I., Lehkonen, E., Keskitalo, T. & Laita, M. 2010. Uudenmaan ja Itä-Uudenmaan ilmanlaadun bioindikaattoriseuranta vuonna 2009. Uudenmaan elinkeino-, liikenne- ja ympäristökeskuksen julkaisuja 4/2010. Helsinki, 184 s. Huuskonen, I., Lehkonen, E. & Laita, M. 2013. Kokkolan ja Pietarsaaren seudun ilmanlaadun bioindikaattoriseuranta vuonna 2012. Ympäristöntutkimuskeskuksen tiedonantoja 177. Jyväskylän yliopisto, ympäristöntutkimuskeskus. Innes, J.L. 1995. Influence of air pollution on the foliar nutrition of conifers in Great Britain. Environmental Pollution 88: 183-192. Ilmatieteen laitos 2016. Ilmatieteen laitoksen avointa dataa. Lisenssi: Creative Commons Nimeä 4.0. Kansainvälinen (CC 4.0). Jussila, I., Joensuu, E. & Laihonen, P. 1999. Ilman laadun bioindikaattoriseuranta metsäympäristössä. Ympäristö opas 59. Ympäristöministeriö, ympäristönsuojeluosasto. Edita, Helsinki.

90 Lähteet Kalliola, R. 1973. Suomen kasvimaantiede. WSOY, Porvoo. Kuhmonen, I., Lehkonen, E., Toivanen, H. & Saarinen, M. 2013. Suupohjan alueen ilman laadun bioindikaattoritutkimus vuosina 2012-2013. Ympäristöntutkimuskeskuksen tiedon antoja 179. Jyväskylän yliopisto, ympäristöntutkimuskeskus. Kulmala, A., Leinonen, L., Ruoho-Airola, T., Salmi, T. & Waldén, J. 1998. Air quality trends in Finland. Ilmanlaatumittauksia, Air quality measurements. Ilmatieteen laitos, Helsinki. ISBN 951-697-488-0. Kuusinen, K., Mikkola, K. & Jukola-Sulonen, E.-L. 1990. Epiphytic lichens on conifers in the 1960s to 1980s in Finland. Teoksessa Kauppi, P., Anttila, P. ja Kenttämies, K. (toim.). Acidification in Finland. Springer-Verlag, Berlin. ISBN 3-540-52213-1. S. 397-420. Laita, M., Huuskonen, I., Haahla, A., Polojärvi, K. ja Ellonen, T. 2007. Turun seudun ilman laadun bioindikaattoritutkimus vuosina 2006-2007. Ympäristöntutkimuskeskuksen tiedon antoja 163. Jyväskylän yliopisto, ympäristöntutkimuskeskus. Laita, M., Huuskonen, I., Keskitalo, T., Lehkonen, E., & Ellonen, T. 2008a. Länsi-Suomen alueen ilmanlaadun bioindikaattoritutkimus vuosina 2006-2007. Jyväskylän yliopisto, ympäristöntutkimuskeskus. Laita, M., Huuskonen, I., Keskitalo, T., Lehkonen, E., & Ellonen, T. 2008b. Vaasan seudun ilmanlaadun bioindikaattoritutkimus vuosina 2006-2007. Ympäristöntutkimuskeskuksen tiedonantoja 168. Jyväskylän yliopisto, ympäristöntutkimuskeskus. Laita, M., Huuskonen, I., Keskitalo, T., Lehkonen, E., & Ellonen, T. 2008c. Vakka-Suomen alueen ilmanlaadun bioindikaattoritutkimus vuosina 2006-2007. Ympäristöntutkimus keskuksen tiedonantoja 164. Jyväskylän yliopisto, ympäristöntutkimuskeskus. Laita, M., Huuskonen I., Keskitalo, T. ja Lehkonen, E. 2008d. Pietarsaaren seudun ilmanlaadun bioindikaattoritutkimus vuosina 2006-2007. Jyväskylän yliopiston ympäristöntutkimus keskuksen tiedonantoja 167. Laita, M., Huuskonen I., Keskitalo, T. ja Lehkonen, E. 2008e. Kokkolan seudun ilmanlaadun bioindikaattoritutkimus vuosina 2006-2007. Jyväskylän yliopiston ympäristöntutkimus keskuksen tiedonantoja 169. Landolt, W., Guecheca, M. ja Bucher, J.B. 1989. The spatial distribution of different elements in and on the foliage of Norway spruce growing in Switzerland. Environmental Pollution 56: 1485-1496. LeBlanc, F. & DeSloover, J. 1970. Relation between industrialisation and the distribution and growth of epiphytic lichens and mosses in Montreal. Can. J. Bot. 48: 1485-1496. ISSN 0008-4026. Lehkonen, E., Huuskonen, I., Keskitalo, T., Nevalainen, S., Poikolainen, J. & Laita, M. 2011. Pohjois- Karjalan maakunnan ilmanlaadun biondikaattoriseuranta vuonna 2010. Pohjois-Karjalan elinkeino-, liikenne- ja ympäristökeskuksen julkaisuja 2/2011. Lehkonen, E., Huuskonen, I., Keskitalo, T. & Laita, M. 2013. Etelä-Karjalan maakunnan ilmanlaadun bioindikaattoriseuranta vuonna 2012. Ympäristöntutkimuskeskuksen tiedonantoja 176. Jyväskylän yliopisto, ympäristöntutkimuskeskus. Lehtinen, K. & Lepola, A. 2012. Seinäjoen seudun bioindikaattoritutkimus vuonna 2012. Ramboll 82139661, 18.12.2012. Liikennevirasto 2016. Tiekartat. http://www.liikennevirasto.fi/kartat/tiekartat#.vrss9kyauk4 Luettu 5.2.2016. Liikennevirasto 2015. Liikennemääräkartat. http://www.liikennevirasto.fi/kartat/liikennemaarakartat#. VrSt-EYauk4 Luettu 5.2.2016.

Lähteet 91 Lindgren, M. 2000. Mätäkivenmäen testimännikön arviointitulokset. Metsäntutkimuslaitos, Vantaan tutkimus keskus. Lausunto 15.6.2000. Lindgren, M. 2001. Uusinta-arvioinnin (5.7.2000) tulokset Mätäkivenmäen testimänniköstä. Metsäntutkimuslaitos, Vantaan tutkimuskeskus. Lausunto 6.7.2001. Lindgren, M. 2007. Mätäkivenmäen testimännikön tulokset. Metsäntutkimuslaitos, Vantaan tutkimuskeskus. Lausunto 21.6.2007. Lindgren, M. & Salemaa, M. 1999. Metsäpuiden elinvoimaisuuden arviointi. Vuotuisen seurannan (ICP level 1) & ympäristön yhdennetyn seurannan koealat 1999. Metsäntutkimuslaitos. Lodenius, M., Manninen, S., Nieminen, T., Raiskinen, H., Ranta, P. & Willamo, R. 2002. Bioindikaattorit. Ympäristönsuojelun opetusmonisteita N:o 21. Helsingin yliopisto, Limnologian ja ympäristönsuojelun laitos. ISSN 1456-8284. Luonnonvarakeskus 2013. MetINFO Metsien terveys. Raskasmetalli- ja typpilaskeuma Suomessa kartoitus sammalten pitoisuuksien perusteella 1985-2010. http://www.metla.fi/metinfo/metsienterveys/ raskasmetalli/kartta-kupari.htm Luettu 9.3.2016. LuontoVaasa. Vaasan kaupungin internetsivut. Luonto. http://www.vaasa.fi/luonto-0 Luettu 5.2.2016. Metla 2012a. Metsäntutkimuslaitoksen MetINFO Metsien terveys, metsätuho-opas. http://www.metla.fi/ metinfo/metsienterveys/opas/. Luetto 10.3.2016. Metla 2012b. Raskasmetalli- ja typpilaskeuma Suomessa - kartoitus sammalten pitoisuuksien perusteella 1985-2010. Sammalten raskasmetallipitoisuuksista Suomessa 1985-2010. http://www.metla.fi > metinfo > metsien terveys > raskasmetallilaskeuma. Luettu 2/2013. Moser, B., Punz, W. ja Maier, R. 1993. Inmissionskartierung im Geboiet des Südöstlichen Niederösterreichs anhand des Fichtenborkentests. Verhandlungen der Zoologisch-Botanischen Gesellschaft Österreich 130: 135-155. Mälkönen, E. 1991. Maa- ja neulasanalyysin käyttökelpoisuus metsänhoitotoimenpiteiden suunnittelussa. Metsäntutkimuslaitoksen tiedonantoja 381. Joensuun tutkimusasema. 52-61. Nieminen, T., Raitio, H. ja Salemaa, M. 1993. Neulasten kemiallinen koostumus elinvoimatunnuksena. Teoksessa Hyvärinen, A., Jukola-Sulonen, E.-L., Mikkelä, H. ja Nieminen, T. (toim.) Metsäluonto ja ilmansaasteet. Metsäntutkimuslaitoksen tiedonantoja 446, Helsinki. Niskanen, I. 1995. Pääkaupunkiseudun metsien bioindikaattoriseuranta vuonna 1994. Pääkaupunkiseudun yhteistyövaltuuskunta (YTV), Helsinki. Pääkaupunkiseudun julkaisusarja C 1995:11. ISSN 0357-5454. Niskanen, I., Veijola, H. & Ellonen, T. 1996. Pääkaupunkiseudun ilmanlaadun bioindikaattoriseuranta vuonna 1996. Pääkaupunkiseudun julkaisusarja C 1996: 17. Niskanen, I., Polojärvi, K., Witick, A., Haahla, A. ja Laitakari, V. 2003. Kokkolan seudun ilmanlaadun bioindikaattoritutkimus vuonna 2002. Jyväskylän yliopiston ympäristöntutkimuskeskuksen tiedonantoja 156. Osmo, J. 1996. Ilmanlaadun bioindikaattoriseuranta Vaasassa, Mustasaaressa, Maalahdessa ja Korsnäsissä 1995-1996. Vaasan kaupungin ympäristönsuojelulautakunnan julkaisuja 7/96. Osmo, J. ja Kjellman, J. 1991. Ilmanlaadun bioindikaattoriseuranta Vaasassa, Mustasaaressa ja Maalahdessa 1990-1991. Vaasan kaupungin ympäristönsuojelulautakunnan julkaisuja 2/91.

92 Lähteet Partanen, P. ja Veijola, H. 1996. Bioindikaattoriseurannan tilastollinen arviointi. YTV, Helsinki. Pääkaupunki seudun julkaisusarja C 1996:18. ISSN 0357-5454. Pihlström, M. ja Myllyvirta, T. 1995. Ilman epäpuhtauksien leviämis- ja vaikutustutkimus Itä- Uudellamaalla, Lahden seudulla, Mikkelin läänissä ja Joutsassa 1994-1995. Itä-Uudenmaan ja Porvoonjoen vesien- ja ilmansuojeluyhdistys ry, Porvoo. Tutkimusraportti. Pohjanmaan liitto 2010. Pohjanmaan maakuntasuunnitelma 2040. Uuden energian Pohjanmaa! Energiaa huippuosaamiseseta, monikulttuurisuudesta ja vahvasta yhteisöllisyydestä. Nro 68 F. Vaasa. Polojärvi, K., Haahla, A., Laitakari, V., Niskanen, I. 2003. Kotkan kaupungin ilmanlaadun bioindikaattoriseuranta vuonna 2002. Ympäristöntutkimuskeskuksen tiedonantoja 155. Jyväskylän yliopisto, ympäristöntutkimuskeskus. Polojärvi, K., Niskanen. I., Haahla, A. & Ellonen, T. 2005a. Mittaustarkkuus mäntyjen runkojäkälistön ja sormipaisukarpeen (Hypogymnia physodes) vaurioiden havainnoinnissa. Jyväskylän yliopisto, ympäristöntutkimuskeskus. Tutkimusraportti 89/2005. Polojärvi, K., Niskanen, I., Haahla, A. ja Ellonen, T. 2005b. Mittaustarkkuus männyn neulasten rikki- ja typpipitoisuuksien kartoittamisessa. Jyväskylän yliopisto, ympäristöntutkimuskeskus. Tutkimusraportti 64/2005. Raitio, H. 1990. Decline of young Scots pines in a dry heath forest. Acta universitas Ouluensis. A 216. Raitio, H. 1994. Kangasmetsien ravinnetila neulasanalyysin valossa. Metsäntutkimuslaitoksen tiedonantoja 527. 25-34. Raitio, H. 2002. Ilmanlaadun bioindikaattoriseuranta Suupohjan alueella vuonna 2000. Metsäntutkimuslaitos, Parkanon tutkimusasema. Raitio, H., ja Kärkkäinen, K. 2002. Ilmanlaadun bioindikaattoriseuranta Pietarsaaren-Uudenkaarlepyyn alueella vuonna 2000. Metsäntutkimuslaitos, Parkanon tutkimusasema. Raitio, H., Kärkkäinen, K. ja Osmo, J. 2002. Ilmanlaadun bioindikaattoriseuranta Vaasan seudulla vuonna 2000. Vaasan kaupungin ympäristölautakunnan julkaisuja 1/2002. Raitio, H. ja Merilä, P. 1998. Seasonal variation in the size and composition of Scots pine and Norway spruce needles in different weather conditions. European programme for the intensive monitoring of forest ecosystems / Level II, Finland. Pilot study, technical report. The Finnish forest research institute, Parkano. Rautjärvi, H. ja Raitio, H. 2003. Neulasten alkuainepitoisuudet sekä niiden suhde näytepuiden neulaskatoon ja epifyyttijäkäliin Uudenmaan ja Itä-Uudenmaan maakuntien alueella vuosina 2000 ja 2001. Uudenmaan ympäristökeskus, monisteita nro 120. Helsinki. Reinikainen, A., Veijalainen, H. ja Nousiainen, H. 1998. Puiden ravinnepuutokset - metsänkasvattajan ravinneopas. Metsäntutkimuslaitoksen tiedonantoja 688. Reinikainen, J. 2007. Maaperän kynnys- ja ohjearvojen määritysperusteet. Suomen ympäristö 23/2007. Suomen ympäristökeskus, Helsinki. Riek, W. ja Wolff, B. (1995). Deutscher Beitrag zur Europäischen Waldbodenzustandserhebung (Level I). Bundesforschunganstalt für Forst- und Holzwirtschaft, Inst. Forstökol. Walderfass., Eberswalde. Moniste, 65 s.

Lähteet 93 Ruuth, J., Toivanen, H., Kuhmonen, I., Leppänen, E. ja Kiljunen, A. 2016a. Kanta- ja Päijät-Hämeen ilmanlaadun bioindikaattoritutkimus vuonna 2014. Hämeen elinkeino-, liikenne- ja ympäristökeskus. Ruuth, J., Toivanen, H., Kuhmonen, I. ja Kiljunen, A. 2016b. Porin-Harjavallan alueen ilmanlaadun bioindikaattoritutkimus vuosina 2014-2015. Nab Labs Oy. Rühling, Å., Rasmussen, L., Pilegaard, K., Mäkinen, A. ja Steinnes, E. 1987. Survey of atmospheric heavy metal deposition in the Nordic countries in 1985 monitored by moss analyses. Nord 1987:21. Göteborg. ISBN 87 7303 106 2. Salemaa, M., Jukola-Sulonen, E-L. & Lindgren, M. 1991. Forest condition in finland 1986-1990. Silva Fennica 25 (3): 147-175. Savo-Karjalan ympäristötutkimus Oy. Opas talousvesien analyysitulosten tulkintaan. http://www.ymparistotutkimus.fi/upload/file/opasvihkonen_vedenlaadusta_talousvesi. pdf?rnd=1355828961. Luettu 15.2.2016. SFS 5669. Ilmansuojelu. Bioindikaatio. Havupuiden neulasten kokonaisrikkipitoisuus. Näytteenotto, esikäsittely ja tulosten esittäminen. 1990. Suomen standardisoimisliitto, Helsinki. SFS 5670. Ilmansuojelu. Bioindikaatio. Jäkäläkartoitus. 1990. Suomen standardisoimisliitto, Helsinki. Tamminen, P. (1998). Maaperätekijät. Teoksessa Mälkönen, E. (toim.). Ympäristömuutos ja metsien kunto. Metsien terveydentilan tutkimusohjelman loppuraportti. Metsäntutkimuslaitoksen tiedonantoja 691, s. 64-82. Tamminen, P. (2000). Soil factors. Teoksessa Mälkönen, E. (toim.). Forest condition in a changing environment The Finnish case. Kluver Academic Publisher, Dordrecht/Boston/London. s. 72 86. Tamminen, P & Ilvesniemi H. (2012). Maaperän hiili ja typpi luonnontilaisissa ja talousmetsissä. Metlan työraportteja 236, s. 9. Veijola, H. ja Niskanen, I. 1996. Sammaleesta ja humuksesta tutkittavien muuttujien mittaustarkkuuden arviointi. Pääkaupunkiseudun yhteistyövaltuuskunta (YTV), Helsinki. Muistio 1/1998. Väestörekisterikeskus. 2016. Suomen asukasluku kuukausittain. http://www.vrk.fi/default.aspx?id=278 Luettu 5.2.2016. Värri, E. 2007. Raskasmetallikuormitus Kotkan Energia Oy:n tulevan hyötyvoimalan ympäristössä vuonna 2006 sammalpallomenetelmällä arvioituna. Kotkan ympäristökeskus. Lokakuu 2007, 43 s. + liitteet. Äyräs, M., Niskavaara, H., Bogatyrev, I., Chekuskin, V., Pavlov, V., de Caritat, P., Halleraker, J.H., Finne, T.E., Kashulina, G. ja Reimann, C. 1997. Regional patterns of heavy metals (Co, Cr, Cu, Fe, Ni, Pb, V and Zn) and sulphur in terrestrial moss samples as indication of airborne pollution in a 188,000 km 2 area in Northern Finland, Norway and Russia. Journal of Geochemical Exploration 58: 269-281.