{1211787A-B1DE-4488-B91A-8A7770CE16D8} fin utf8 dataset Suomen ympäristökeskus gistuki@syke.fi pointOfContact 2024-04-08 ISO19115 2003/Cor.1:2006 EPSG:3067 EPSG Potentiaalisen tulvametsän tai metsäluhdan esiintymistodennäköisyys 2023 2024-03-12 publication Aineisto sisältää monimuotoisuuden kannalta merkittäviä tulvametsien ja metsäluhtien mallinnettuja esiintymiä. Potentiaalisia kohteita mallinnettiin vesistötulvavaarakarttojen lisäksi myös uuden valuma-aluetasoisen tulvakartan kattamilta alueilta. Aineistossa esitetään potentiaalisen kohteen esiintymisen todennäkösyysindeksi ja tietoja tulvan syvyydestä, maanpeitteestä ja maankäytöstä. Aineisto on vektorimuotoinen ja sen luokitus on erillisessä dokumentissa https://geoportal.ymparisto.fi/meta/julkinen/dokumentit/Potut2023_luokat.pdf. Tulvametsille ja metsäluhdille tyypilliset kohteet haetaan puuston, kasvupaikan, maankäytön perusteella. Tulkinta perustuu paikkatieto- ja kaukokartoitusaineistojen prosessointiin ja yhdistämiseen. Aluksi asiantuntijoiden tekemän ns. päätöspuun avulla rajataan tulva-alueilta ne alueet, jotka ovat potentiaalisia tulvametsiä tai metsäluhtia. Koneoppimisalgoritmin, jossa hyödynnetään myös kaukokartoitusaineistoja, avulla puolestaan priorisoidaan edellä rajatut alueet tulvametsien tai metsäluhtien esiintymisen todennäköisyyden perusteella. Kohteita voidaan ottaa huomioon suojeluohjelmissa, arvokkaiden elinympäristöjen luonnonhoidossa ja suunniteltaessa vesitaloutta. Tulvaiset alueet ja niiden ennallistaminen tarjoavat parhaimmillaan useita hyötyjä, kuten tulvahuippujen tasaaminen, ravinteiden pidättäminen ja luonnon monimuotoisuuden lisääminen. Aineistoa kannattaa tarkastella myös muiden tulva-aineistojen kanssa esimerkiksi vesisyvyyden suhteen. Lisätietoja Tiima-hanke https://www.syke.fi/hankkeet/tiima Loppuraportti https://www.syke.fi/download/noname/%7B154EF89D-D213-4A1E-B638-2E971A39775B%7D/181907 Aineisto kuuluu SYKEn avoimiin aineistoihin (CC BY 4.0). Suomen ympäristökeskus gistuki@syke.fi pointOfContact Habitats and biotopes GEMET - INSPIRE themes, version 1.0 2008-06-01 Publication habitat flood remote sensing GEMET - Concepts, version 4.1.3 2019-01-28 Publication Paikkatietoaineisto SYKE resource classification 2020-04-01 Publication Ei-Inspire FEO tulva habitaatti kaukokartoitus SYKEn kansallisella rajapinnalla otherRestrictions Creative Commons Nimeä 4.0 Kansainvälinen http://www.syke.fi/fi-FI/Avoin_tieto/Kayttolupa_ja_vastuut Lähde:Syke otherRestrictions no limitations vector 10000 fin biota 19.2401 31.7871 59.2311 70.7952 ESRI Shape - https://wwwd3.ymparisto.fi/d3/gis_data/spesific/PotTulvametsatLuhdat2023.zip SYKEn Avoin tieto -palvelu: Potentiaalisen tulvametsän tai metsäluhdan esiintymistodennäköisyys 2023 download https://paikkatiedot.ymparisto.fi/geoserver/syke_potentiaalisettulvametsat/wms Potentiaaliset tulvametsät ja metsäluhdat -katselupalvelu information https://paikkatiedot.ymparisto.fi/geoserver/syke_potentiaalisettulvametsat/wfs Potentiaaliset tulvametsät ja metsäluhdat -latauspalvelu download dataset Potut-hankkeessa (2019–2021) kehitettiin menetelmä tulvametsien ja metsäluhtien tunnistamiseksi tulvamallinnuksen, paikkatietojen ja kaukokartoitusaineistojen avulla. Menetelmässä käytettiin asiantuntijan päätöspuumallia ja koneoppimismenetelmiä. TIIMA-hankkeessa (2022-2023) hyödynnettiin ja jatkojalostettiin Potut-hankkeessa kehitettyä menetelmää. Nyt mallinnus tehtiin vesistötulvavaarakarttojen lisäksi myös uuden valuma-aluetasoisen tulvakartan kattamilta alueilta. Meritulva-alueita ei ole (Tiima) aineistossa mukana. Mallien lähtödatoina käytetyt paikkatieto-ja kaukokartoitusaineistot päivitettiin uusimpiin versioihin ja lisättiin uusia aineistoja. Koneoppimismallinnuksessa hyödynnettiin uutta, monipuolisempaa laskentaympäristöä ja -menetelmiä. Lähtödatoina malleissa olivat tulvavaaravyöhykkeet (vesisyvyys vesistötulvien ja valuma-alueittaisten tulvien alueilta), laserkeilattu kasvillisuuden pintamalli, monilähde valtakunnanmetsien inventointi, maanpeite ja -käyttöaineisto (Corine maanpeite 2000–2018 ja Maankäyttö ja puustoaineisto #3), maastotietokanta ja Sentinel satelliittikuva-aikasarjat. Lopputuloksena on vektoriaineisto potentiaalisista kohteista (MMU 0,25 ha) erikseen turve- ja kivennäismailla. Työssä käytettiin Random forest -algoritmia, joka ennustaa tavoitemuuttujan (tässä luontotyyppi) esiintymisen paikkatieto- ja kaukokartoitusaineistojen (piirteet) perusteella mallilla, joka opetetaan maastossa mitatun tiedon avulla (Metsähallituksen luonnonsuojelualuetietojärjestelmä Saktin ja Potut-hankkeen maastohavainnot).