Väylänvarsien vieraslajit ja arvokkaat elinympäristöt

FIN Aineiston tarkoituksena on: -Identifioida tie- ja rata-alueet, joiden varrella esiintyy uhanalaisia ja silmälläpidettäviä lajeja -Identifioida tie- ja rata-alueet, joiden varrella esiintyy hyviä elinvoimaisia niittyindikaattorilajeja (hyönteisten mesi- ja ravintokasveja) -Identifioida tie- ja rata-alueet, joiden varrella esiintyy suojelualueita -Identifioida tie- ja rata-alueet, joiden varrella esiintyy komealupiinia tai kurtturuusua -Identifioida tie- ja rata-alueet, joiden varrella esiintyy komealupiinia tai kurtturuusua uhanalaisten lajien lisäksi -> Löytää herkät alueet ja paikallistaa vieraslajien uhka Tieto esitetään 1 kilometrin ruuduissa. Aineistosta on julkaistu kaksi erillistä versiota. -VaylanvarsienVieraslajitJaArvokkaatElinymparistot_avoin: Avoin versio, jonka lajitietoa on karkeistettu mahdollisista herkistä lajeista johtuen. Aineisto kuuluu SYKEn avoimiin aineistoihin (CC BY 4.0) ja sitä saa käyttää lisenssiehtojen mukaisesti -VaylanvarsienVieraslajitJaArvokkaatElinymparistot_kayttorajoitettu: Alkuperäinen karkeistamaton versio. Tämä versio on vain viranomaiskäyttöön eikä kyseistä aineistoa saa jakaa Aineistosta on tehty tarkempi menetelmäkuvaus https://geoportal.ymparisto.fi/meta/julkinen/dokumentit/VierasVayla_Menetelmakuvaus.pdf sekä muuttujaseloste https://geoportal.ymparisto.fi/meta/julkinen/dokumentit/VierasVayla_VariableDescription.xlsx ENG The purpose of the material is to: -Identify road and rail areas that have nearby observations of endangered and near threatened species -Identify road and rail areas with good meadow indicator plant species -Identify road and rail areas along which there are protected areas -Identify the road and rail areas along which there are observations of Lupinus polyphyllus or Rosa rugosa observations -Identify the road and rail areas along which there are Lupinus polyphyllus or Rosa rugosa observations in addition to sensitive species -> Finds sensitive areas and identify the overall threat of alien species The data is presented in 1-kilometer square grid cells. There are two separate versions of the data. -VaylanvarsienVieraslajitJaArvokkaatElinymparistot_avoin: Open access version, in which its species-related parts have been simplified due to data restriction issues. The material belongs to Syke's open materials (CC BY 4.0) and may be used in accordance with the license terms. -VaylanvarsienVieraslajitJaArvokkaatElinymparistot_kayttorajoitettu: Original version. This version is only for official use and the material in question may not be shared. A more precise description about the data procedures can be found from (In Finnish) https://geoportal.ymparisto.fi/meta/julkinen/dokumentit/VierasVayla_Menetelmakuvaus.pdf Furthermore, all the variables in the data are explained in this bilingual variable description https://geoportal.ymparisto.fi/meta/julkinen/dokumentit/VierasVayla_VariableDescription.xlsx This dataset was updated with the newest species observations on 10/2023 and 11/2024 Process code for this can be found from https://github.com/PossibleSolutions/VierasVayla_SpeciesUpdate

Energywood potentials

This assessment was part of project Baltic ForBio funded by the Interreg Baltic Sea Region Programme (https://www.slu.se/en/departments/forest-economics/forskning/research-projects/baltic-forbio/). The project was carried out in 2017-2020. The harvesting potentials in Finland were calculated for the following assortments: • Stemwood for energy from 1st thinnings, pine • Stemwood for energy from 1st thinnings, spruce • Stemwood for energy from 1st thinnings, broadleaved • Stemwood for energy from 1st thinnings (smaller than pulpwood-sized trees), pine • Stemwood for energy from 1st thinnings (smaller than pulpwood-sized trees), spruce • Stemwood for energy from 1st thinnings (smaller than pulpwood-sized trees), broadleaved • Logging residues, pine • Logging residues, spruce • Logging residues, deciduos • Stumps, pine • Stumps, spruce. 1.1 Decision support system used in assessment Regional energywood potentials were calculated with MELA forest planning tool (Siitonen et al. 1996; Hirvelä et al. 2017). 1.2 References and further reading Anttila P., Muinonen E., Laitila J. 2013. Nostoalueen kannoista jää viidennes maahan. [One fifth of the stumps on a stump harvesting area stays in the ground]. BioEnergia 3: 10–11. Anttila P., Nivala V., Salminen O., Hurskainen M., Kärki J., Lindroos T.J. & Asikainen A. 2018. Re-gional balance of forest chip supply and demand in Finland in 2030. Silva Fennica vol. 52 no. 2 article id 9902. 20 p. https://doi.org/10.14214/sf.9902 Hakkila, P. 1978. Pienpuun korjuu polttoaineeksi. Summary: Harvesting small-sized wood for fuel. Folia Forestalia 342. 38 p. Hirvelä, H., Härkönen, K., Lempinen, R., Salminen, O. 2017. MELA2016 Reference Manual. Natural Resources Institute Finland (Luke). 547 p. Hynynen, J., Ojansuu, R., Hökkä, H., Siipilehto, J., Salminen, H. & Haapala, P. 2002. Models for predicting stand development in MELA System. Metsäntutkimuslaitoksen tiedonantoja 835. 116 p. Koistinen A., Luiro J., Vanhatalo K. 2016. Metsänhoidon suositukset energiapuun korjuuseen, työopas. [Guidelines for sustainable harvesting of energy wood]. Metsäkustannus Oy, Helsinki. ISBN 978-952-5632-35-4. 74 p. Mäkisara, K., Katila, M., Peräsaari, J. 2019: The Multi-Source National Forest Inventory of Finland - methods and results 2015. Muinonen E., Anttila P., Heinonen J., Mustonen J. 2013. Estimating the bioenergy potential of forest chips from final fellings in Central Finland based on biomass maps and spatially explicit constraints. Silva Fennica 47(4) article 1022. https://doi.org/10.14214/sf.1022. Natural Resources Institute Finland. 2019. Industrial roundwood removals by region. Available at: http://stat.luke.fi/en/industrial-roundwood-removals-by-region. Accessed 22 Nov 2019. Ruotsalainen, M. 2007. Hyvän metsänhoidon suositukset turvemaille. Metsätalouden kehittämiskeskus Tapio julkaisusarja 26. Metsäkustannus Oy, Helsinki. 51 p. ISBN 978-952-5694-16-1, ISSN 1239-6117. Siitonen M, Härkönen K, Hirvelä H, Jämsä J, Kilpeläinen H, Salminen O et al. 1996. MELA Handbook. 622. 951-40-1543-6. Äijälä, O., Kuusinen, M. & Koistinen, A. (eds.). 2010. Hyvän metsänhoidon suositukset: energiapuun korjuu ja kasvatus. Metsätalouden kehittämiskeskus Tapion julkaisusarja 30. 56 p. ISBN 978-952-5694-59-8, ISSN 1239-6117. Äijälä, O., Koistinen, A., Sved, J., Vanhatalo, K. & Väisänen, P. (eds). 2014. Metsänhoidon suositukset. Metsätalouden kehittämiskeskus Tapion julkaisuja. 180 p. ISBN 978-952-6612-32-4. 2. Output considered in assessment Valid for scenario: Maximum sustainable removal Main output ☒Small-diameter trees ☒Stemwood for energy ☒Logging residues ☒Stumps ☐Bark ☐Pulpwood ☐Saw logs Additional information Stemwood for energy from 1st thinnings. Part of this potential consists of trees smaller than pulpwood size. This part is reported as Small-diameter trees. Forecast period for the biomass supply assessment Start year: 2015 End year: 2044 Results presented for period 2025-2034 3. Description of scenarios included in the assessments Maximum sustainable removal The maximum sustainable removal is defined by maximizing the net present value with 4% discount rate subject to non-declining periodic total roundwood removals, energy wood removals and net incomes, further the saw log removals have to remain at least at the level of the first period. There are no sustainability constraints concerning tree species, cutting methods, age classes or the growth/drain -ratio in order to efficiently utilize the dynamics of forest structure. Energy wood removal can consist of stems, cutting residues, stumps and roots. According to the scenario the total annual harvesting potential of industrial roundwood is 80.7 mill. m3 (over bark) for period 2025-2034. In 2018 removals of industrial roundwood in Finland totaled 68.9 mill. m3 (Natural Resources… 2019). 4. Forest data characteristics Level of detail on forest description ☒High ☐Medium ☐Low NFI data with many and detailed variables down to tree parts. Sample plot based ☒Yes ☐No NFI sample plot data from 2013-2017. Stand based ☐Yes ☒No Grid based ☒Yes ☐No Multi-Source NFI data from 2015 (Mäkisara et al. 2019) utilized when distributing regional potentials to 1 km2 resolution. 5. Forest available for wood supply: Total forest area defined as in: FAO. 2012. FRA 2015, Terms and Definitions. Forest Resources Assessment Working Paper 180. 36 p. Available at: http://www.fao.org/3/ap862e/ap862e00.pdf. Forest and scrub land 22 812 000 ha Forest land 20 278 000 ha and scrub land 2 534 000 ha Forest area not available for wood supply Forest and scrub land 2 979 000 ha Forest land 1 849 000 ha and scrub land 1 130 000 ha Partly available for wood supply Forest and scrub land 2 553 000 ha (includes in FAWS, below) Forest land 1 149 000 ha and scrub land 1 404 000 ha. Forest Available for wood supply (FAWS) Forest and scrub land 19 833 000 ha Forest land 18 429 000 ha and scrub land 1 404 000 ha In MELA calculations all the scrub land belonging to the FAWS belongs to the category “Partly available for wood supply”, but there are no logging events on scrub land regardless or the category. 6. Temporal allocation of fellings Valid for scenario: Maximum sustainable removal Allocation method ☐Optimization based without even flow constraints ☒Optimization based with even flow constraints ☐Rule based with no harvest target ☐Rule based with static harvest target ☐Rule based with dynamic harvest target See item 3 above (max NPV with 4 % discount rate). 7. Forest management Valid for scenario: Maximum sustainable removal Representation of forest management ☐Rule based ☒Optimization ☐Implicit Treatments, among of the optimization makes the selections, are based on management guidelines (e.g. Äijälä etc 2014) 7.2 General assumptions on forest management Valid for scenario: Maximum sustainable removal ☒Complies with current legal requirements ☐Complies with certification ☒Represents current practices ☐None of the above ☐ No information available Forest management follows science-based guidelines of sustainable forest management (Ruotsalainen 2007, Äijälä et al. 2010, Äijälä et al. 2014). 7.3 Detailed assumptions on natural processes and forest management Valid for scenario: Maximum sustainable removal Natural processes ☒Tree growth ☒Tree decay ☒Tree death ☐Other? Tree-level models (e.g. Hynynen et al., 2002). Silvicultural system ☒Even-aged ☐Uneven-aged Click here to enter text. Regeneration method ☒Artificial ☒Natural Regeneration species ☐Current distribution ☒Changed distribution Optimal distribution may differ from the current one. Genetically improved plant material ☐Yes ☒No Cleaning ☒Yes ☐No Thinning ☒Yes ☐No Fertilization ☐Yes ☒No 7.4 Detailed constraints on biomass supply Volume or area left on site at final felling ☒Yes ☐No 5 m3/ha retained trees are left in final fellings. Final fellings can be carried out only on FAWS with no restrictions for wood supply. Constraints for residues extraction ☒Yes ☐No ☐N/A Retention of 30% of logging residues onsite (Koistinen et al. 2016) Constraints for stump extraction ☒Yes ☐No ☐N/A Retention of 16–18% of stump biomass (Muinonen et al. 2013; Anttila et al. 2013) 8. External factors Valid for scenario: Maximum sustainable removal External factors besides forest management having effect on outcomes Economy ☐Yes ☒No Climate change ☐Yes ☒No Calamities ☐Yes ☒No Other external ☐Yes ☒No

Maatalousmaa 2021

Maatalousmaa vuonna 2021 aineisto kuvaa mahdollisimman kattavasti maankäytöltään maatalouteen kuuluvia alueita vuonna 2021, sisältäen sekä maataloustukia saavat alueet, että tukien ulkopuoliset alueet. Aineisto on koostettu käyttäen Ruokaviraston tuottamia perus- ja kasvulohkoaineistoja sekä Maanmittauslaitoksen tuottamaa maastotietokantaa. Peruslohkoaineisto on komission asetuksen 796/2004 ja neuvoston asetuksen (EY) N:o 1782/2003 20 artiklassa tarkoitettu viljelylohkojen tunnistusjärjestelmä. Järjestelmää käytetään EU:n pinta-alaperusteisen maataloustuen hallinnoinnissa. Aineisto käsittää vuoden 2021 peruslohkojen tilanteen 31.12.2021. Kasvulohkolla tarkoitetaan yhteen peruslohkoon kuuluvaa yhtenäistä aluetta, jossa kasvatat yhtä kasvilajia, useamman kasvilajin seosta tai jota kesannoidaan tai joka on erityiskäytössä. Yhdellä peruslohkolla voi olla yksi tai useampia kasvulohkoja. Kasvulohko voi kuulua vain yhteen peruslohkoon. Kasvulohkojen rajat ja samalla niiden pinta-alat voivat vaihdella peruslohkon sisällä vuosittain. Peltolohkorekisteristä on aineistoon otettu mukaan ne lohkot joihin yhdistyy kasvulohkoista tieto viljellystä kasvista. Aineistosta on tiputettu pois ei-maatalousaluetta olevat lohkot, esimerkiksi metsäiset alueet. Maanmittauslaitoksen Maastotietokanta on koko Suomen kattava maastoa kuvaava aineisto ja se koostuu erilaisista kohderyhmistä. Maastotietokannan Maatalousmaa -aineisto sisältää Maastotietokannan pellot, ja puutarhat. Niityt ovat erillinen kohdeluokka. Mammuttiprojektia varten MTK kohdeluokat Maatalousmaa (pellot ja puutarhat) ja Niitty yhdistettiin yhdeksi aineistoksi. Kohdeluokat on poimittu vuoden 2021 Maastotietokannasta. Kohdeluokat ja niiden kuvaukset löytyvät: https://www.maanmittauslaitos.fi/sites/maanmittauslaitos.fi/files/attachments/2018/03/Maastotietokohteet_0.pdf Peruslohkoaineistosta ja maastotietokannasta poimitut kohteet on yhdistetty siten, että maatalousmaa muodostetaan ensisijaisesti käyttämällä peruslohkoaineistosta poimittuja peruslohkoja. Tämän joukon ulkopuolelle jäävä maatalousmaa tulee maastotietokannasta. Aineistojen yhdistäminen on kuvattu tarkemmin tuotantokuvauksessa. https://geoportal.ymparisto.fi/meta/julkinen/dokumentit/maatalousmaa2021.pdf https://geoportal.ymparisto.fi/meta/julkinen/dokumentit/Metatietokuvaus_peltolohkorekisteri.pdf Aineisto kuuluu SYKEn avoimiin aineistoihin (CC BY 4.0).

LUMO asiantuntijakyselyn 2024 vastaukset

KUVAUS: Osana Tampereen kaupungin luonnon monimuotoisuusohjelman päivitystä toteutettiin loka-marraskuussa 2024 kysely paikallisille luonto- ja ympäristöjärjestöille sekä lumo-asiantuntijoille. Kysely oli avoinna 31.10.-1.12.2024 ja se toteutettiin Fiilis-karttakyselytyökalulla. Kysymykset valmisteltiin Tampereen kaupungin ilmasto- ja ympäristöpolitiikan yksikössä. Kysely lähetettiin 18 yhdistykselle, joista 6 yhdistystä vastasi kyselyyn: Tampereen hyönteistutkijain seura ry, Tampereen 4H-yhdistys, Luontoliiton Hämeen piiri (Tampereen metsäryhmä), Suomen luonnonsuojeluliitto Pirkanmaan piiri ry, Pirkanmaan lintutieteellinen yhdistys, 1 muu, jonka nimi puuttui (johtui kyselyohjelman teknisestä häiriöstä). Kysely lähetettiin myös 25 paikalliselle asiantuntijalle, kuten tutkijoille, viheralan yrittäjille, naapurikuntien ympäristönsuojelun asiantuntijoille sekä muille kuin Tampereen kaupungin viranomaisille, joiden työ liittyy luonnon monimuotoisuuteen. 10 asiantuntijatahoa vastasi kyselyyn. KATTAVUUS: Tampere YLLÄPITO: Kyseessä on poikkileikkausaineisto (Aineisto ei päivity). KOORDINAATTIJÄRJESTELMÄ: Aineisto tallennetaan ETRS-GK24 (EPSG:3878) tasokoordinaattijärjestelmässä. GEOMETRIA: vektori (pisteitä ja alueita) SAATAVUUS: Aineisto on katsottavissa kirjautuneille käyttäjille Oskari-karttapalvelussa. AINEISTOSTA VASTAAVA TAHO: Tampereen kaupunki, Ilmasto- ja ympäristöpolitiikan yksikkö

Kasvukauden alku / Start of vegetation period

The data set consists of yearly maps of the start of the vegetation active period in deciduous vegetation and coniferous forest. The start of vegetation active period in deciduous vegetation (Day of Year) is defined as the day when deciduous trees unfold new leaves in spring. It is also often referred to as the green-up or greening day. The data set was derived from time series of the Normalized Difference Water Index (NDWI) calculated from Moderate Resolution Imaging Spectroradiometer (MODIS) satellite observations. The start of vegetation active period in coniferous forest (Day of Year) is defined as the day when coniferous trees start to photosynthesize in spring. The data set was derived from MODIS satellite observation of Fractional Snow Cover. The day when snow cover decreases during spring melt was used as a proxy indicator for the beginning of the start of the vegetation active period. The data set can be used of phenology analysis at regional and national scale and as input data for modelling. This SYKE’s dataset can be used according to open data license (CC BY 4.0)

EMODnet Seabed substrate 1:30 000 – Europe

The EMODnet (European Marine Observation and Data network) Geology project collects and harmonizes marine geological data from the European sea areas to support decision making and sustainable marine spatial planning. The partnership includes 39 marine organizations from 30 countries. The partners, mainly from the marine departments of the geological surveys of Europe (through the Association of European Geological Surveys-EuroGeoSurveys), have assembled marine geological information at various scales from all European sea areas (e.g. the White Sea, Baltic Sea, Barents Sea, the Iberian Coast, and the Mediterranean Sea within EU waters). This dataset includes EMODnet seabed substrate maps at a scale of 1:30 000 from the European marine areas. Traditionally, European countries have conducted their marine geological surveys according to their own national standards and classified substrates on the grounds of their national classification schemes. These national classifications are harmonised into a shared EMODnet schema using Folk's sediment triangle with a hierarchy of 16, 7 and 5 substrate classes. The data describes the seabed substrate from the uppermost 30 cm of the sediment column. Further information about the EMODnet Geology project is available on the portal (http://www.emodnet-geology.eu/).

Grid net for statistics 1 km x 1 km

Grid net for statistics 1 km x 1 km covers whole of Finland. The grid net includes all grid cells in Finland. The location reference of a grid cell is the coordinates of the bottom left corner of each grid cell. An identifier in accordance with national conventions (consecutive numbering) has also been produced for each grid cell. The Grid net for statistics 1 km x 1 km is the area division used in the production of statistics by 1 km x 1 km grid cells. For utilizing grid data auxiliary table of regional classifications are available: https://www.stat.fi/org/avoindata/paikkatietoaineistot/tilastoruudukko_1km_en.html. The general Terms of Use must be observed when using the data: https://tilastokeskus.fi/org/lainsaadanto/copyright_en.html. In addition to the national version, an INSPIRE information product is also available from the data.

EMODnet Seabed substrate multiscale –Europe

The EMODnet (European Marine Observation and Data network) Geology project collects and harmonizes marine geological data from the European sea areas to support decision making and sustainable marine spatial planning. The partnership includes 39 marine organizations from 30 countries. The partners, mainly from the marine departments of the geological surveys of Europe (through the Association of European Geological Surveys-EuroGeoSurveys), have assembled marine geological information at various scales from all European sea areas (e.g. the White Sea, Baltic Sea, Barents Sea, the Iberian Coast, and the Mediterranean Sea within EU waters). This multiscale dataset includes EMODnet seabed substrate maps at a scale of 1:1 500, 1:5 000, 1:10 000, 1:15 000, 1:20 000, 1:25 000, 1:30 000, 1:45 000, 1: 50 000, 1:60 000, 1:70 000 from the European marine areas. Traditionally, European countries have conducted their marine geological surveys according to their own national standards and classified substrates on the grounds of their national classification schemes. These national classifications are harmonised into a shared EMODnet schema using Folk's sediment triangle with a hierarchy of 16, 7 and 5 substrate classes. The data describes the seabed substrate from the uppermost 30 cm of the sediment column. Further information about the EMODnet Geology project is available on the portal (http://www.emodnet-geology.eu/).

FTIA INSPIRE Transport Networks Theme Dataset

FTIA INSPIRE Transport Networks Theme Dataset is a dataset depicting the Transport Networks covering the whole of Finland. It contains the following INSPIRE feature types: Road network, Rail network, Waterway network and Air transport network. The dataset is available via the FTIA INSPIRE Download Service (WFS) for Transport Networks and it can be viewed via the FTIA INSPIRE View Service (WMS) for Transport Networks.

Agricultural parcel containing spatial data 2020