Suotyypit ja turvekankaat

Aineistoa saa käyttää ympäristöhallinnon sisällä vapaasti lähde mainiten. Aineistoa ei ole vielä julkaistu GTK:n omassa palvelussa avoimena. Lähde: GTK

no limitations

ALKUPERÄTIEDOT Aineiston tuotannossa on käytetty rasteri- ja vektorimuotoisia kaukokartoitus- ja paikkatietoaineistoja. Rasterimuotoisina kaukokartoitus- aineistoina on käytetty:

1) Sentinel-1 ja Sentinel-2 satelliittiaineistoja 2) Maanmittauslaitoksen (MML) 0,5 p/m2 laserkeilausaineistosta johdettuja maaston pintamallia ja kasvillisuuden korkeusmallia 3) GTK:n matalalentogeofysiikan aineistoja 4) Monilähteistä valtakunnan metsien inventointiaineistoa

Aineistot on kerätty vuosien 1972?2020 välisenä aikana, Sentinel-1 ja -2 aineistot kesinä 2019?2021. Aineiston ryhmittelyssä ja rajaamisessa on lähinnä käytetty MML:n Maastotietokannan uusinta versiota vuodelta 2021 sekä Suomen ympäristökeskuksen (Syke) Suokasvillisuusvyöhyke -aineistoa. Vektorimuotoinen aineisto on muutettu rasterimuotoiseksi ja sovitettu rasteriaineistojen tapaan 10 m resoluutiolla tehtyyn perushilaan, joka perustuu MML:n maastotietokannan maa-alueisiin. Koneoppimismallintamisen opetusaineistoina käytettiin valtakunnan metsien inventointiaineiston (VMI) koealatietoja ja GTK:n turvetutkimusaineiston suotyyppimäärityksiä. Maastohavaintotiedot on kerätty vuosien 2000–2021 aikana.

PROSESSOINTIHISTORIA Koko Suomen koneoppimismallintamista edelsi pilotointivaihe, jossa kehitettiin luokittelulle työvuo, valittiin käytettävät aineistot ja niiden esikäsittelymenetelmät, päätettiin opetusaineistojen luokkasisältö sekä testattavat koneoppimismenetelmät. Pilottialueiksi valittiin kolme turvemaiden maankäytöltä ja suotyyppijakaumaltaan toisistaan poikkeavaa aluetta: Keminmaa, Etelä-Pohjanmaa ja Itä-Suomi. Pilotoinnin perusteella Random Forest -algoritmi valikoitui parhaaksi koneoppimisluokittelijaksi. Lopullinen rasteriaineistojen piirrevalinta perustui geneettisellä algoritmilla tehtyyn ajoon, joka tehtiin yhteisajona aineistoilla, jotka kattoivat kaikki kolme pilottialuetta. Pilotointivaiheen tulosten perusteella koko Suomen koneoppimisajot tehtiin Suomen suokasvillisuusvyöhykkeiden mukaisesti viidessä eri alueessa:

1) Kilpikeitaat 2) Viettokeitaat 3) Pohjanmaan aapasuot 4) Peräpohjolan aapasuot 5) Yhdistetyt Metsä-Lapin aapasuot/Tunturi-Lapin palsa- ja paljakkasuot

Opetusaineistona käytetyt suotyyppihavaintotiedot jaettiin em. vyöhykkeisiin sekä vyöhykkeiden sisällä lisäksi ojittamattomiin ja ojitettuihin alueisiin ojitusmaskin perusteella. Vyöhykkeelle 5 tehtiin vain yksi luokittelu (ojittamaton), koska ojituksia ei kyseisellä Pohjois-Lappiin sijoittuvalla vyöhykkeellä juurikaan ole tehty. Jokaiselle vyöhykkeelle tehtiin kaksi eri koneoppimismallinnusta: 1) Ensimmäinen malli sisälsi kaikki käytettäväksi valitut aineistot yhteiseltä alueelta, joilta ne olivat saatavilla. 2) Koska MML:n 0,5 p/m2 laserkeilausaineistosta johdettua korkeusmallia ja latvusmallia ei ollut saatavilla kaikkialta, tehtiin toinen luokittelu ilman ko. aineistoja. Yhdistämällä näiden kahden luokittelun tulokset, saatiin koko vyöhykkeen kattava yhtenäinen rasteriaineisto. Kaikkiaan koneoppimismallinnuksia tehtiin yhteensä 18 kappaletta (neljä vyöhykkeiltä 1–4 ja kaksi vyöhykkeeltä 5), joista muodostettiin lopulta koko Suomen kattava ojitettujen ja ojittamattomien turvemaiden suotyyppirasteriaineisto.

Ojittamattomien ja ojitettujen soiden luokittelu tehtiin Laine ym. (2018) mukaisen suotyyppi- ja turvekangasluokkajaottelun mukaisesti erikseen ojittamattomille ja ojitetuille alueille. Lisäksi turvemaiden maankäyttömuodoista luokiteltiin turvepellot ja metsittyneet pellot (kytöheitot). Turvemaa-alueiden sisällä sijaitsevat mineraalimaat (pienet maastokartoista puuttuvat metsäsaarekkeet, kalliopaljastumat jne.) käsitettiin erilliseksi luokaksi (Negatiivinen). Tietosisältö perustuu suotyyppiin, turvekangasluokkaan ja kutakin luokkaa vastaavaan numerosarjaan. Taulukko suotyypeistä ja turvekankaista sekä niitä vastaavista numerosarjoista on esitetty erillisessä metatietoihin liitetyssä dokumentissa ja teknisen raportin taulukossa 17.

Aineistoon liittyy laatuluokitusrasteri, jonka perusteella kukin rasteripikseli voidaan liittää aineiston tarkkuutta esittävään virhematriisiin. Ennustetut luokittelutarkkuudet laskettiin ositetulla ristiinvalidoinnilla. Suotyyppiluokkien yleisluokittelutarkkuus vaihtelee suokasvillisuusvyöhykkeittäin ollen ojitetuilla suotyypeillä 29,5?40,1 % (kappa 0,225?0,310) ja ojittamattomilla suotyypeillä 32,6?49,2% (0,248?0,414). Suotyyppi- ja turvekangasluokkakohtaiset oikeellisuusarvot löytyvät suokasvillisuusvyöhykkeittäin jaetuista virhematriisidokumenteista. Hyperlinkit virhematriisidokumentteihin löytyvät Suotyypit ja turvekankaat -rasterin laatuluokitusrasterista.