Eesti Looduse fotov�istlus
2006/7



   Eesti Looduse
   viktoriin


   Eesti Looduse
   fotovõistlus 2012




   AIANDUS.EE

Eesti Loodus
Tjuhend EL 2006/7
Liikide kasvukohad ja elupaigad hinnangulistel kaartidel

Ilmselt on loodusuurijad ja -vaatlejad millalgi kinud igas Eesti paigas. Andmed liikide leiukohtade kohta on judnud nende mrkmetesse, osa ka riiklikku infossteemi EELIS ja levikuatlastesse. Kuid kas on vimalik kaardistada haruldaste ja kaitsealuste liikide tenolisi leiukohti?

Levikukaartidel kasutatakse tavapraselt sna suure silmaga vrgustikku, niteks kljepikkusega 10 kilomeetrit. Selline vikesemtkavaline kaart annab levaate, kust on liiki leitud (vt. # 1). Osaliselt ja varjatult kajastavad levikukaardid kohtade uuritust, vaatlejate elukohti, maastikueelistusi ning huvi teatud liikide vastu. Seetttu on seniseid levikukaarte liikide esinemistenosuse arvutamisel ja liikide elupaiganudluste modelleerimisel raske kasutada.

Kui tekib huvi niteks selle vastu, kas Tartu suusamaratoni raja laiendus vi muutmine 55.56. kilomeetril ohustab kaitsealuste taimede kasvukohti vi kas kaevata pisisoo asemele tiik, siis ei ole kaitsealuste liikide vikesemtkavalistest levikukaartidest kuigi palju abi. Oletame, et puuduvad vaatlusandmed ja otsus on tarvis langetada talvel, kui vliandmeid ei saagi koguda. Sel juhul vib abi olla suuremtkavalisest kaardist, mis kujutab he vi teise liigi mingi (statistilise) mudeli jrgi arvutatud esinemistenosust, liigile sobivaid kasvukohti vi elupaiku vi koha sarnasust seniste leiukohtadega.



Kuidas hinnangulisi kaarte koostada? Elupaigasobivust saab kaardistada mitut moodi: liigi esinemistenosuse alusel vi tingimuste jrgi, millele sobiv elupaik peab vastama. Nende mlema puhul tuleb kigepealt koostada abstraktsioon: kas mudel vi reeglistik. Mudeli abil vib liigi kindlakstehtud leiukohtadele lisada vimalikke kasvualasid nitavaid kaarte. Kuid loodusvaatluste andmestik tieneb pidevalt, samuti lisandub aeg-ajalt uusi andmekihte: aerofotosid, satelliidipilte, mitmesuguseid kaarte. Iga uue vaatluse vi andmekihi lisamisel tuleks parimat mudelit uuesti otsida ja andmetele sobitada.

Sarnasusele tugineva hinnangu puhul ei ole mudelit tarvis. Sel juhul saab vimalikult palju toetuda vaatlusandmetele: on ootusprane, et otsitavat liik vi muud nhtust vib uurimata alal leiduda juhul see ala sarnaneb nende kohtadega, kus vaatleja on nhtust varem silmanud.

Kel on kogemusi nii vlitdel mingis maastikutbis kui ka aerofotode kasutamisel, oskab arvata, milliseid tehisobjekte ja taimkattetpe aerofoto vrviliste pikslite muster thistab. Paraku jks suuremtkavalise ja vhegi suuremat ala hlmava hinnangulise kaardistuse puhul inimeste ajast vheseks: otsus tuleb langetada sna tihedalt paiknevate geograafiliste punktide kohta eraldi. Niteks 10-meetrise sammuga ruudustiku puhul oleks vaid hte Eesti phikaardi lehte (1:20 000) katva hinnangulise kaardi jaoks vaja langetada miljon otsust.

nneks saab sarnasuse jrgi otsuseid langetada ka arvuti. Vaatlusi ja tunnuseid vib seejuures lisanduda tehisppe ajal vi selle vahel. See thendab, et nidisteks tuleb petusandmetest otsida kige sobivamad vaatlusandmed ja tunnuste komplekt, mille jrgi nidise ja vaatluse vahelist sarnasust selgitada. Parimad tunnused ja vaatlused on need, mis annavad usaldusvrsemaid tulemusi. Kik vaatlused ei sobi nidisteks: mned kordavad seniseid andmeid, mned on liiga erandlikud vi aegunud vi pole piisavalt usaldusvrsed. Ka kik tunnused ei ole sarnasuse le otsustamisel samavrsed ega isegi vajalikud: osa kordab ksteist, osa tunnuseid ei aita aga otsitavat objekti leida, samuti vivad andmekihid kohati olla aegunud, sest maastik on muutunud. Tuleb arvestada sedagi, et kaartidel on tarvitusel erisugused mrgissteemid ja ldistusviisid, kaugseireandmed olenevad kasutatud seadmetest, atmosfri- ja taimkatte seisundist pildistushetkel ning kik kaardid ja kaugseireandmed vivad sisaldada juhuslikke vigu. Mida viksem on nidiste ja/vi kasutatavate tunnuste arv, seda kiiremini kulgevad arvutused.

Sarnasus htede tunnuste poolest ei thenda seda mnes teises aspektis. Viks tuua lihtsa nite: millised kaks puud kolmest harilik kuusk, Siberi lehis ja arukask on teineteisega sarnasemad kui lejnu? Kuusk ja lehis on okaspuud, kask ja lehis loobuvad talveks lehtedest, harilik kuusk ja arukask kasvavad tihtilugu koos looduslikult uuenenud Eesti metsades. Kui teha otsus sarnasuse jrgi, on tarvis leida need tunnused, mille poolest on sarnasus hel vi teisel juhul oluline.

Kpaliste kaardistusega seotud nitena on meie andmetest ilmnenud, et Russowi srmkpa kasvukohti saab aerofotolt ra tunda punase vrvitooni tugevuse jrgi. Seda ei tule tlgendada nii, et punase vrvi intensiivsuse ja selle srmkpa esinemistenosuse vahel oleks mingi hesuunaline korrelatiivne seos. Isegi liigi suurimale esinemistenosusele vastavat punase tooni optimumi ei pruugi olla. Saab vaid vita, et hinnates mingi koha sarnasust selle liigi teadaolevate leiu- ja puudumiskohtade nidistega, on oluline arvestada aerofoto punase vrvitooni tugevust mlemas vrreldavas punktis.



Kpaliste leiukohad. Tartu likooli geograafia instituudis on katseliselt koostatud seitsme kpaliseliigi suur kopll (Listera ovata), soovalk (Malaxis monophyllos), kahkjaspunane srmkpp (Dactylorhiza incarnata), Russowi srmkpp (Dactylorhiza russowii), soo-neiuvaip (Epipactis palustris), laialehine neiuvaip (Epipactis helleborine), roomav vilge (Goodyera repens) oodatavate kasvukohtade hinnangulised kaardid Elva ja Otep piirkonnas olevate Eesti phikaardi lehtede 5434, 5444 ja 5454 kohta. Peale phikaardi kasutati suuremtkavalist mullakaarti, maapinna krgusmudelit, vrvilisi ortofotosid ja neljast eri ajast prit Landsat ETM+ satelliidipildi erisuguseid kiirgusvahemikke. Igast andmekihist arvutati 10-meetrise vahega paika kirjeldavad formaalsed tunnused. Niteks kaugus lhimast jrvest, lhimast vooluveest vi kraavist, phikaardi phialade (nt. pld, jrv, mets jne.) piiride tihedus 100 meetri raadiuses, mullaliik detailse ja ldistatud jaotuse jrgi, maapinna kaldenurk, karbonaatmulla ning madalsoomulla osakaal 100 meetri raadiuses, peegeldunud lhiinfrapunase kiirguse tugevus kevadel, suvel ja sgisel, ortofoto ldise heleduse, ksikvrvuste ning vrvitooni keskmine ja varieeruvus 30 meetri raadiuses. Kokku kirjeldati igat uuritavat kohta 82 numbrilise tunnusega. Geograafia instituudis vlja ttatud tehisppetarkvara Pidevstuudium otsis neist tunnustest vimalikult tpseid lahendeid andvaid komplekte iga liigi jaoks. Meie senise kogemuse jrgi piisab enamasti 515 tunnusest, et selgitada, kas liiki uuritavas kohas leidub vi mitte. Suurema kasutatud tunnuste arvu puhul kipub tulemuse usaldusvrsus vhenema.

Peaaegu niisama tpseid hinnanguid vib saada kohta kirjeldavatest tunnustest koostatud eri komplektide abil. Selleks et uurida, kas kpalisi mingis kohas kasvab vi mitte, on kindlasti vaja Eesti phikaardi phiala ja htlasi teada mullaliiki mullakaardilt, sageli on abiks maapinna suhteline krgus 100 vi 200 meetrit. Kaugseire andmekihid vivad niisama usaldusvrseid hinnanguid andvates tunnusekomplektides olla sna mitmekesistes kombinatsioonides.



Kaartide tpsus. Hinnanguid selle kohta, kas uuritavas kohas kpalisi kasvab vi mitte, on ksjagu raske tpselt ja pris kindlalt kontrollida. Kui ka prognoositud kohas liigi isendeid parajasti ei leitud, ei thenda see veel tie kindlusega, et neid seal ei leidu. Vastupidisel juhul: kui leitakse mni eksemplar kohast, kus hinnangulise kaardi jrgi ei peaks teda kasvama, on sna tenoliselt samas krval mingi mttatagune, kus liiki testi ei ole.

Mned vimalused, kuidas hinnanguid kontrollida, siiski on. ks tehisppes sagedamini kasutatav viis on jta-ks-vlja-ristkontroll petusandmetes. Selle puhul arvutatakse iga vaatluse hinnang lejnud vaatluste jrgi, kasutamata sama vaatlust. Hinnanguid vrreldakse vaatlusandmetega ja arvutatakse kokkulangevust iseloomustav arvnitaja. Meetodi usaldatavus oleneb eelkige petusandmete esinduslikkusest kaardistuslesande puhul esinduslikkusest kaardistatava maastiku suhtes. Oluline ei ole seejuures mitte niivrd biotoopide pindala proportsionaalne osakaal, kuivrd erisuguste elupaikade olemasolu petusandmetes. Jta-ks-vlja-ristkontrolli jrgi on siin kne all olevate kaartide tpsus suure koplle puhul 70% ning lejnud kuuel liigil le 80%.

Viimati koostatud kaartide jrgi viks soo-neiuvaip kasvada veel paljudes soostunud kohtades Elva linnas ja selle mbruses, roomavat vilget viks leiduda peale Vitipalu mnnikute ka Pulgaoja paisjrve res, soohiilaka kasvukohtadega sarnaneb aga mrjem osa Verevi jrve tagusest soost (vt. # 2).

Et saada petusandmetest sltumatu tpsushinnang, tuleb koguda lisaandmeid vi eraldada osa senistest vaatlustest kontrollandmestikuks. See thendab lisatd vi siis tuleb osa andmeid tehisppel vlja jtta. Peale sellele kehtib kontrollandmestiku jrgi antud hinnang otseselt vaid sellesama andmestiku puhul. Kuivrd on tpsushinnang laiendatav vljapoole, oleneb omakorda sellest, kas kontrollandmeid on kllaldaselt. Lisavaatlusandmeid ei ole tarvis mitte ksnes selleks, et senitehtut kontrollida, vaid need aitavad ka tehisintellekti paremini petada. Seetttu on uued vaatlusretked alati mtestatud ning teretulnud on ka teiste vaatlejate lesthendused. Liikide levikut prognoosiva kaardistuse petusandmeteks sobivad vaatlused, mille puhul on kirjas vhemalt liigi nimi, vaatluse kuupev, vaatleja nimi, biotoop ja asukoha koordinaadid. Leiukoha plaaniline viga ei tohiks letada 10 meetrit. Koordinaadid vivad olla kas Eesti phikaardi ristkoordinaatidena vi geograafiliste koordinaatidena. Asukoha mramisel saab kasutada phikaarti (1:10 000), ortofotosid (1:10 000) ja GPS-vastuvtjat. Kige kindlam on mrata asukoht mitmel moel.



Kalle Remm
28/11/2012
26/11/2012
05/10/2012
09/07/2012
26/06/2012
26/06/2012
22/05/2012