Uomakorjaus: rumpujen kaiverrus (korkeusmalli 2m)

Maanmittauslaitoksen KM2-korkeusmallin kanssa yhteensopiva korkeusmalli, jossa alkuperäisiä korkeusarvoja on alennettu erityisesti virtavesikohteiden (viivamaiset sekä aluemaiset) ja tieverkoston risteyskohdissa. Alennetut korkeusarvot pyrkivät kuvaamaan virtausreittejä, kuten tierumpuja ja putkia, joita alkuperäisessä KM2:ssa ei ole. Aineisto on tuotettu yhdistämällä useita eri valtakunnan kattavia lähtöaineistoja, joita ovat - korkeusmalli KM2 (Maanmittauslaitos) - Siltojen kansien korkeudet (Syke) - Maastotietokanta (Maanmittauslaitos) - DIGIROAD-tieverkosto (Väylävirasto) - Rumpurekisteri (Väylävirasto) Lisäksi jotkin kunnat ja kaupungit ovat digitoineet Maastotietokannasta puuttuvia virtausreittejä. Korkeusarvot ovat ilmoitettu N2000-korkeusjärjestelmässä. Aineisto on avoin (lisenssi CC BY 4.0). Käyttötarkoitus: Korvaamalla KM2:n korkeusarvot uomakorjausaineiston arvoilla saadaan korkeusmalli, joka soveltuu mm. pintaveden virtauksen mallinnukseen alkuperäistä korkeusmallia paremmin. Tämä mahdollistaa esim. hulevesitulvariskien luotettavamman arvioinnin. Aineisto kuuluu SYKEn avoimiin aineistoihin (CC BY 4.0). Lähde: Syke, Maanmittauslaitos (perustuu Syken, MML:n ja Väyläviraston aineistoihin).

Kasvihuonekaasupäästöt maanpeitteen mukaan

Tämän aineiston tarkemmat metodikuvaukset löytyvät artikkeleista (Holmberg et al. 2023, Junttila et al. 2023). Tässä on kuvattu aineistoa ja sen valmistelua. Tarkoituksena on ollut tuottaa alueellista tietoa maanpeitteen merkityksestä kasvihuonekaasupäästöihin Suomessa. Lähtöaineisto ja metodit rajoittavat tarkkuutta, mutta aineisto soveltuu paikallisten, esimerkiksi maakuntatason ilmiöiden tarkasteluun. Aineisto edustaa lyhyttä ajanjaksoa. Maanpeiteaineisto perustuu rekisteritietoihin ja kaukokartoitusaineistoon vuosilta 2015-2020, lukuun ottamatta maaperäaineistoa, jokia ja järviä. Aineisto on rasterimuotoista ja tallennettu GeoTiff-formaatissa, joka on yhteensopiva useimpien paikkatieto-ohjelmistojen kanssa. Greenhouse gas net emission intensities by land cover category in Finland The methods related to the data published herein are described in detail in the associated publications (Holmberg et al. 2023, Junttila et al. 2023). This file describes the datasets and the data preparation steps. The aim of this data publication is to provide regional assessments of the role of land cover in greenhouse gas emissions in Finland. The results in the publications are reported for the large administrative divisions, the NUTS 3 regions of mainland Finland (Statistics Finland 2023a). While limited by the accuracy of the methods and source data involved, these data can also be used for more local assessments, e.g., at the scale of municipalities. The data represent a temporal snapshot of land cover. Except for the soil maps, rivers and lakes, all land cover data are from the period 2015-2020 and are based on registry data or remote sensing. Data format. The data are distributed as GeoTiff raster files, which can be read using most GIS-software.

Hiekkarantojen ominaisuudet

FIN Suomen hiekkarantoja ja niiden taustatekijöitä kuvaava aineisto. Datan taustalla olevan hankkeen pääasiallisena tarkoituksena on hiekkarantojen identifioiminen parhaasta käytettävissä olevasta tiedosta, näiden rantojen ominaispiirteiden kuvaaminen, ympäristöllisen arvon arvioiminen sekä hoitotarpeessa olevien rantojen löytäminen. Aineistosta on julkaistu kaksi erillistä versiota. -HiekkarantojenOminaisuudet_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 -HiekkarantojenOminaisuudet_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/RantaPutte_Menetelmakuvaus.pdf sekä muuttujaseloste https://geoportal.ymparisto.fi/meta/julkinen/dokumentit/RantaPutte_VariableDescription.xlsx ENG This data describes Finnish sandy beaches and their background factors. The main purpose of the project underlying the data is to identify sandy beaches from the best available information, to describe the characteristics of these beaches, to assess their environmental value and to find beaches in need of conservation There are two separate versions of the data. -HiekkarantojenOminaisuudet_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. -HiekkarantojenOminaisuudet_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/RantaPutte_Menetelmakuvaus.pdf All the variables in the data are explained in this bilingual variable description https://geoportal.ymparisto.fi/meta/julkinen/dokumentit/RantaPutte_VariableDescription.xlsx

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

Bedrock of Finland 1:200 000

Bedrock of Finland 1:200 000 is a unified bedrock map dataset covering the whole Finland. It has been compiled by generalising the scale-free bedrock map feature dataset. The dataset consists of a lithological/stratigraphic geological unit polygon layer and linear layers, in which faults, diverse overprinting lines and dykes are represented. The dataset also includes an origin of the data and a quality estimation of the data polygon layers. The stratigraphic geological unit polygon layer includes lithological coding, geological time period and hierarchical lithostratigraphical or lithodemic classification as attributes in accordance with the Finnish database for stratigrafic geological units (Finstrati). The line layers have their own hierarchical classification. The data are at 1:200 000 scale, which indicates that the main part of the scale-free data have been generalised to correspond to a product at a scale of 1:200 000. Those areas where the source data is coarser than 1:200 000 have not been generalised. Coordinate reference system of the dataset was transformed in March 2013. The transformation from Finnish National Grid Coordinate System (Kartastokoordinaattijärjestelmä, KKJ) Uniform Coordinate Frame to ETRS-TM35FIN projection was done by using the three-dimensional transformation in accordance with the recommendations for the public administration JHS154.

Integrated biodiversity status assessment - seals 2018

This dataset represents the Integrated biodiversity status assessment for seals (grey seal, harbour seal and ringed seal). Status is shown in five categories based on the integrated assessment scores obtained in the tool. Biological quality ratios (BQR) above 0.6 correspond to good status. The status of the seals was assessed using four core indicators: population trends and abundance of seals, distribution of Baltic seals, nutritional status of seals, and reproductive status of seals. In the latter two only grey seals are considered for the 2018 State of the Baltic Sea report. The assessment is based on the one-out-all-out approach, i.e. the species reflecting the worst status in each assessment unit. This dataset displays the result of the integrated biodiversity status in HELCOM Assessment unit Scale 2 (Division of the Baltic Sea into 17 sub-basins). Attribute information: "HELCOM_ID" = ID of the HELCOM scale 2 assessment unit "level_2" = Name of the HELCOM scale 2 assessment unit "EcosystemC" = Ecosystem component analyzed "BQR" = Biological Quality Ratio "Conf" = Confidence of the assessment "Total_indi" = Number of indicators used "% of area assessed" = Share of the total assessed area "D1CX" = MSFD descriptor 1 criteria X "conf_D1CX" = Confidence for MSFD descriptor criteria X "Confidence" = Conifdence of the assessment ("high"/ "moderate"/ "low") "STATUS" = Status of the assessment (0-0.2 = not good (lowest score), 0.2-0.4 = not good (lower score), 0.4-0.6 = not good (low score), 0.6-0.8 = good (high score, 0.8-1.0 = good (highest score))

Seabed samples

The map compiles seabed samples since 1985 onwards. The data includes geographic data and metadata related to each sample, mainly based on the data produced by the Geological Survey of Finland

Järvien vesikasvillisuusvyöhykkeet (koneoppimismenetelmällä ilmakuvatulkittu)

FIN Järvien vesikasvillisuusvyöhykettä kuvaava aineisto 1971 suomalaisesta järvivesimuodostumasta. Aineisto on polygonivektorimuodossa, jossa yksittäisen järven vesikasvivyöhyke esitetään moniosaisena polygonina. Vesikasvillisuusvyöhyke koostuu ilmakuvilta erottuvasta vedenpinnan yläpuolisesta (ilmaversoinen ja kelluslehtinen) ja aivan vedenpinnan tasolle yltävästä uposlehtisestä kasvillisuudesta. Vesikasvillisuusvyöhykkeen ja järven 0–3 metrin syvyysvyöhykkeen perusteella järville on laskettu kasvittumisaste-niminen tunnusluku, jota käytetään järvien ekologisen tilan arvioinnissa kuvaamaan rehevöitymisen aiheuttamaa kasvillisuuden runsastumista. Vesikasvillisuusvyöhyke on analysoitu Picterra-yrityksen koneoppimismalleilla Maanmittauslaitoksen hallinnoimista väri-infra- eli vääräväriortokuvista vuosilta 2012-2023. Vyöhykkeen analysointi on rajattu 1.7.–10.9. otettuihin ortokuviin. Lisäksi analysointi on rajattu seuraaviin vesienhoidon suunnittelun 3. suunnittelukaudella määritettyihin järvityyppeihin: • Pienet humusjärvet • Keskikokoiset humusjärvet • Runsashumuksiset järvet • Matalat humusjärvet • Matalat runsashumuksiset järvet Aineisto sisältää 698 järvivesimuodostumalta ilmakuvatulkinnan useammalta vuodelta. Havaittu kasvittumisaste on laskettu niille 977 järvivesimuodostumalle, joilta oli saatavissa tieto 0–3 metrin syvyysvyöhykkeestä. Aineistoon on jätetty järviä ilman syvyysaineistoa ja siten kasvittumisasteen laskentaa siinä tarkoituksessa, jotta aineistoa voidaan tarvittaessa hyödyntää muuhunkin kuin kasvittumisaste-muuttujaan perustuvaan tila-arviointiin. Aineistolle on tehty silmämääräinen tarkastus virheellisten havaintojen poistamiseksi. Aineisto voi silti sisältää väärintulkintoja. Kasvittumisasteen luontaisen vaihtelun mallintamisesta saadut tunnusluvut, kuten odotetut kasvittumisasteet ja kasvittumisasteeseen perustuva ekologinen tilaluokka, ovat ympäristöhallinnon asiantuntijoiden katseltavissa Pisara-järjestelmässä. Käyttötarkoitus: Ympäristöhallinnon tehtävien tueksi vesien tilan arviointiin. Järvien ekologisen tilan arviointia tekevät asiantuntijat käyttävät paikkatietoaineistoa ilmakuvatulkinnan laadun arvioimiseen yksittäisellä järvellä. Asiasanat: kaukokartoitus, ilmakuvat, vesikasvillisuus, seuranta, ekologinen tila Lisätietoja: https://geoportal.ymparisto.fi/meta/julkinen/dokumentit/Jarvien_vesikasvillisuusvyohykkeet.pdf https://vesi.fi/aineistopankki/koneoppimispohjaiseen-ilmakuvatulkintaan-perustuva-jarvien-vesikasvillisuuden-tilanarviointi/ ENG This data describes lake macrophyte zone on 1971 Finnish lake waterbodies. The spatial features are represented as multi-part polygons. The attributes are in Finnish. The zone represents emergent and floating-leaved vegetation plus submerged vegetation just above the surface of water. Together with lake bathymetric data, the percentage of vegetated littoral (PVL) was calculated. The PVL is applied in ecological status assessment. Lake macrophyte zone was detected from color-infrared aerial orthophotos administered by the National Land Survey of Finland. The detections were performed with the help of a custom machine learning model trained using Picterra. The detections were applied to orthophotos in 2012-2013 which were filmed between 1st of July and 10th of September. The detections were limited to humic and humic-rich lake waterbodies. There are detections from multiple years for 698 lake waterbodies. Observed PVL were calculated on 977 lake waterbodies which have bathymetric data to identify the 0 to 3 meters deep littoral zone. To potentially utilize the data for more than just the PVL-based approach, the data also have detections on waterbodies without bathymetric data and therefore observed PVL. A visual inspection of the data has been performed to remove erroneous detections. The data may still contain misinterpretations. Purpose of use: Support of environmental administration in ecological status assessment. More information: https://geoportal.ymparisto.fi/meta/julkinen/dokumentit/Jarvien_vesikasvillisuusvyohykkeet.pdf https://vesi.fi/aineistopankki/koneoppimispohjaiseen-ilmakuvatulkintaan-perustuva-jarvien-vesikasvillisuuden-tilanarviointi/

Agricultural land 2020

Raitiotie katusuunnitelmat

KUVAUS: Aineisto sisältää raitiotien katusuunnitelmien reitit Tampereen alueelta sekä linkkejä suunnitelmapiirustuksiin. KATTAVUUS: Kaikille käyttäjille Oskari-karttapalvelussa. PÄIVITYS: Aineistoa päivitetään tarpeen mukaan (ylläpito jatkuvaa). YLLÄPITOSOVELLUS: PostgreSQL-tietokanta ja QGIS-ohjelmisto. KOORDINAATTIJÄRJESTELMÄ: Aineisto tallennetaan ETRS-GK24FIN (EPSG:3878) tasokoordinaattijärjestelmässä. GEOMETRIA: vektori (viiva) SAATAVUUS: Aineisto on saatavilla WFS-rajapinnalta Tampereen kaupungin sisäiseen käyttöön. JULKISUUS: Kaikille käyttäjille Oskari-karttapalvelussa. AINEISTOSTA VASTAAVA TAHO: Tampereen kaupunki, Kuntatekniikan suunnittelu