Remm, K. 2002. Otepää looduspargi taimkatte kasvukohatüüpide kaart. In: T. Frey (toim.) Eesti süsinikubilansi ökoloogiast ja ökonoomikast. Eesti XIII ökoloogiapäev 03. mail 2002 Tartus EPMÜ aulas. Tartu. Lk. 62-76. Otepää looduspargi taimkatte kasvukohatüüpide kaart Kalle Remm Tartu Ülikooli geograafia instituut Looduse kirjeldamine, kaasa arvatud süsiniku bilansi arvutus, on loodetavasti täpsem, kui see toimub ruumipõhiselt ehk ruumiliselt ilmutatult. Ruumipõhine analüüs eeldab kaardistamist ja kaardistatavate nähtuste abstraheerimist. Viimane toimub enamasti liigitades looduse lõpmata suurt mitmekesisust mingitesse klassidesse. Üks võimalik looduse kirjeldamise ja üldistamise viis on taimkatte kasvukohatüüpide kaardistamine. Sama kasvukohatüübi piires võib eeldada teatud taimekoosluste (sagedamat) esinemist ja ökosüsteemi funktsioneerimise teatud tüüpe. Kasvukohatüüpe või muid sarnaseid ruumilisi üksusi on kaardiandmete järgi varemgi välja joonistatud (Arold et al., 1999). Ruumiliste muutujate või klassifikatsiooniüksuste kõrgusmudeli, mullaandmete ja üksikvaatluste järgi kaardistamise ja prognoosimise näiteid võib samuti maailmast leida (näiteks Klijn et al., 1996, McKenzie et al., 1999). Kasvukohatüüpide kaardi automatiseeritud genereerimist ei ole siinkirjutaja teada vähemalt Eestis varem tehtud. Kasvukohatüüpe saab määrata nendel kasvava taimkatte, mulla, reljeefi ja muude topograafiliste andmete järgi. Kõikide taimkondade Eesti kasvukohatüüpide klassifikatsioon ja kirjeldused on raamatuna avaldatud (Paal, 1997). Digitaalne 1 : 10 000 mullakaart on valminud kogu Eesti kohta, 1 : 10 000 põhikaart on valmimas, varasemaid topograafilisi kaarte on võimalik kasutada skaneeritud kujul. Otepää looduspark on piirkond, mille kohta on loodud lisaks eelmainitule ka küllaltki detailne kõrgusmudel, millest saab automaatselt genereerida mitmeid maapinna kõrguse, kuju ja vormi arvulisi näitajaid ehk parameetreid (näiteks nõlvakalle, nõlva suund, pinna kõverus piki ja risti nõlva ja mitmel viisil arvutatud suhteline kõrgus) (joonis 1). Otepää looduspargi 31 ruutkilomeetril toimus 2001. a. suvel ka taimkatte ja kasvukohatüüpide välikaardistus (Remm, 2001). Välikaardistusel eristati kasvukohatüüpe indikaatortaimede ja koosluse üldilme järgi. Võrreldes J. Paali (1997) klassifikatsiooniga, eristati välikaardistusel kõdusooniitu (niit kuivendatud turbapinnasel) ja sürjaniitu (kuiv liigirikas niit lubjarikkal moreenil). Kasvukohatüüpide kaardi koostamisel on vaja otsustada maapinna iga koha (rasterkaardi piksli) kuuluvus ühte või teise klassi. Seega on tegemist klassifitseerimisülesandega. Klassifitseerimine võib toimuda: 1) suurimaid erinevusi põhjustavate tunnuste otsimise teel (diskriminantanalüüs), 2) järsemate üleminekute otsimisega väärtuspinnal (pinna segmentatsioon), 3) järk-järgult tunnuste kaupa otsuseid langetades (klassifikatsioonipuud), 4) sarnaseid vaatlusi ühendades või vaatlusi allhulkadesse jagades (klasteranalüüs), 5) vaatlusi etteantud tüüpidega võrreldes (etalonidega võrdlemine). Kui lähtutakse olemasolevast klassifikatsioonist (näiteks Paal, 1997), siis on klassid ja nende kirjeldused ette antud ja uue klassifikatsiooni loomine ei ole seega eesmärgiks. Klassifitseeritavad pikslid on vaja liigitada olemasolevatesse klassidesse. Teisest küljest, kui inimteadvus liigitab tundmatuid nähtusi nende tunnuseid varemkogetu mälestusega (näidiste ehk etalonidega) võrreldes, siis miks peaksime arvuti abil teisiti toimima? Etalonidega samastamine on äärmiselt paindlik meetod, see eeldab, et objektide sarnasust on võimalik mõõta ja võrrelda, kuid ei sea tunnustele muid tingimusi. Etalonide komplekt võimaldab esindada tunnuste tüüpilisi kombinatsioone eristatavates klassides. Etalonidega samastamist saab kasutada ka lünklike lähteandmete korral, juhul kui arvutatavad sarnasused nii normeerida, et nende oodatavad väärtused ei sõltuks kasutatud tunnuste hulgast. Etalonid võimaldavad klassifitseerida muutujaid erimahulistesse ja erineva heterogeensusega klassidesse. Ühte klassi võib esindada mitu erinevat etaloni. Etalonide kasutamine ei eelda nähtuste eelnevat üldistamist ja üldistatud kujul kirjeldamist. Klassifitseeritavat nähtust kirjeldavad nähtuse üksikjuhtude esindajad. Etalonide ehk analoogidega sobitamist uuritakse kõige enam psühholoogias, meetodit kasutatakse ka paleoökoloogilistes rekonstruktsioonides (Birks, 1993, Flower et al., 1997) ja liikide leviku modelleerimisel (Wilds et al., 2000); kujutise töötluses on lähedane uurimisala mustri äratundmine (pattern recognition).
Topograafiliste andmete ettevalmistus Andmete automaatseks töötlemiseks peavad need olema digitaliseeritud, mingil kindlal kujul formaliseeritud ja salvestatud. Andmete ettevalmistus on digitaaltehnoloogia ajastul sageli analüüsi töömahukaim etapp. Kasvukohatüüpide kaardi genereerimiseks tehti järgnevad ettevalmistavad tööd. 1. Areaalide genereerimine nendele põhikaardi lehtedele, kus need puudusid. 2. 19. sajandi lõpul ja 20. sajandi algul valmistatud nn. verstase kaardi põhiliste maakatteüksuste vektoriseerimine. 3. Horisontaalide digimine nõukogudeaegsetelt topokaartidelt ja orienteerumiskaartidelt kolmemõõtmelisse faili. 4. Maapinna kõrgusmudeli genereerimine horisontaalidest. 5. Mullakirjelduste klassifitseerimine väiksemaks arvuks klassifikatsiooniüksusteks. 6. Vektorkaartide (põhikaart, verstane kaart, mullakaart, välikaardistus) ja kõrgusmudeli rasteriseerimine. 7. Nõlvakallete, suhteliste kõrguste ja kõveruste genereerimine kõrgusmudelist. 8. Regressioonimudeli koostamine muldade esinemistõenäosuse arvutamiseks reljeefi parameetrite järgi. 9. Mullakaardi segaeraldustes olevate pikslite mullaklassi prognoosimine. Genereeritud kaardil ei üritatud eristada veekogude tüüpe ega Otepää kandis vähese pinnaga kasvukohatüüpe: sambliku, kanarbiku, pika tarna, humala mets, prügila. Samuti on teed, väljakud ja muud tehisalad ühte klassi liidetud. 1 : 10 000 mullakaardi andmete teisendamine oli vajalik kahel põhjusel. Esiteks on mullakaardi andmebaasis suur hulk segaeraldusi, mis tähendab, et samasse eraldusse on näidatud rohkem kui üks muld, aga muldade paiknemist segaeralduse piires ei ole kuidagimoodi määratletud. Teiseks takistab andmete automaattöötlust koodide paljusus, mis osaliselt on tingitud vigastest koodidest. Võib väita, et andmebaas on tehniliselt kontrollimata. Teisest küljest aga ei ole andmebaasis üldistatumat ja lihtsamat muldade klassifikatsiooni. Lõimiseid on üritatud lihtsustatult esitada väljal lihtlõimis, lõimiste lihtlõimiseks teisendamise reegleid ei ole aga andmebaasi metaandmetes antud ja tehtud teisendus ei paista küll reeglipärane olevat (tabel 1). Tabel 1. Väljavõte mullakaardi andmebaasist. MSLINK MAPID Siffer Sif1 Osa1 Sif2 Osa2 Sif3 Osa3 Sif4 Osa4 Boniteet Loimis1 Loimis2 Lihtloimis Lk-(2);LP(3;2) 4295 54343 ;D;M77 Lk-(2) 40 LP(3;2) 30 D 20 M77 10 0 sl/ls ls sl/ls 4603 54343 E3k(2) E3k(2) 100 0 0 0 0 +ls +sl/+ls ls 2372 54341 D D 100 0 0 0 0 liv liv 4394 54343 Lk-;Lk-(1) Lk- 70 Lk-(1) 30 0 0 33 liiv l 2944 54341 D(1),Dg(1) D(1),Dg(1) 100 0 0 0 0 sl/ls_2 4305 54343 LP;LPe;Koe LP 40 LPe 40 Koe 20 0 0 v _2ls/v_2ls v _2sl/v _2ls rls/rls 4776 54343 Ke Ke 100 0 0 0 38 vsl/vls vsl/vls 7792 54344 Ke;E2k Ke 70 E2k 30 0 0 37 v_2sl/v_2ls v2sl/v2ls 4549 54343 K(3) K(3) 100 0 0 0 30 vkr rl 2156 54342 E2o E2o 100 0 0 0 30 v sl/vkr sl/l 3978 54341 K-(3);D K-(3) 70 D 30 0 0 0 v _2sl60/+krsl sl65/+ls_2 rsl/rsl 5514 54343 LPe LPe 100 0 0 0 53 v _1ls v1ls 4633 54343 Ke Ke 100 0 0 0 46 v_1ls v1ls 9 54342 Dg Dg 100 0 0 0 0 3828 54341 Lk-(4) Lk-(4) 100 0 0 0 0 kr liiv r 2493 54341 E2o E2o 100 0 0 0 20 kr l 2269 54342 LP LP 100 0 0 0 0 kr/+kr v sl/+kr r/r Muldade klassifikatsiooni automaatseks lihtsustamiseks loodi Otepää kõrgustiku ja Saaremaal olevate testalade muldade andmetel mullakoodide ja lõimisekoodide eri tasemel klassifikatsioonide üleminekumaatriksid ja teisendusprogramm. Lõimiste teisendamise maatriksis on andmebaasist leitud 5591 formaalselt erineva lõimis1 koodile vastav lõimis 19-klassilises süsteemis. Mullatüübi teisendamise maatriksis on 572 formaalselt erineva Sif1, Sif2, Sif3 või Sif4 koodile 2
vastav mullatüüp 50-klassilises süsteemis. Lihtsustatud klassidest esineb Otepää looduspargis 15 lõimisetüüpi ja 32 mullatüüpi. Muldade paiknemise prognoosimiseks segaeralduste sees koostati logistilise seosefunktsiooniga mitmetunnuseline üldistatud lineaarne mudel. Sõltuvad tunnused on 49 mullatüübi esinemise tõenäosus, sõltumatud tunnused on maapinna suhteline kõrgus, kõverus ja kaldenurk. Mudelis on seega koos vabaliikmetega 4 49 = 196 parameetrit. Mullakaardi segaeralduste muldade paiknemise modelleerimiseks on koostatud arvutiprogramm, mis igale segaeralduse pikslile mullatüübi omistamisel eralduses näidatud muldade hulgast arvestab nii mullakaardil näidatud muldade vahekorda kui ka mulla suhtelist esinemistõenäosust vastavalt regressioonimudelile. Tänu sellele on kasvukohatüüpide kaardi koostamisel arvestatud ka segaeralduste, mis enamasti on suhteliselt suure pindalaga, väiksema osakaaluga muldi. Topograafilised tunnused kasvukohatüüpide indikaatoritena Topograafilised tunnuseid saab käsitleda piksli omadustena. Iga topograafilise ja muu tunnuse usaldatavus ehk indikaatorväärtus võib seejuures olla erinev. Sama topograafiliste tunnuste indikaatorväärtus võib olla erinev ka iga erineva kasvukohatüübi äratundmisel. Näiteks Otepää testalade andmetel on tehisalad, õed, teed ja veekogud kõige usaldusväärsemad põhikaardil, soometsa piiritlemisel on kõige rohkem kasu mullakaardi mullatüübist, sarapuu kasvukoha puhul aga mullakaardil olevast mulla lõimisest. Indikaatorväärtust saab mõõta kahe andmekihi väärtusklasside suhtelise kokkulangevuse ja kokkulangevuse statistilise olulisuse kaudu. Suhtelise kokkulangevuse all mõistetakse siinkohal pindade kokkulangevust võrreldes oodatava kokkulangevusega nende juhupaiknemise korral. Kui tegelik kokkulangevus on väiksem juhupaiknemise korral oodatavast, on indikaatorväärtus <1 (logaritmkujul negatiivne). Kui klassifitseeritud tunnuste kokkulangevus on suurem kui juhupaiknemisel oodatav, on indikaatorväärtus >1 (logaritmkujul positiivne). Pindobjektide juhupaiknemise korral oodatava kokkulangevuse arvutamiseks korrutatakse ühe klassi pindala teise klassi pindalaga ja jagatakse kogu uuritava ala pindalaga. Pikslite kaupa arvestuse korral on pindalade asemel pikslite sagedused. Indikaatorväärtusi uuriti testalade välikaardistuse andmete järgi. Kahe andmekihi kokkulangevuse statistilist olulisust saab leida mõõtes andmekihtide kokkulangevust juhuslike nihutuste järel. Paiknemise juhuslikkuse saavutamiseks piisab, kui nihutada vaid ühte andmekihti. Kui nihutamisel üle uuritava ala serva läinud osa uuritud ala vastasserva paigutatakse, on tegemist toroidnihutusega. Nihutamine toimub justkui suvalises suunas toruks keeratud pinnal. Iga nihutuse järel mõõdetakse nähtuste kokkulangevus. Paljukordse nihutamise järel saab võrrelda, kui sageli tekib nii suur või väike suhteline kokkulangevus puhtjuhuslikult. Korduvaid juhusliku ulatusega toroidnihutusi tuleb eelistada statistilistele testidele (nagu χ2-test), sest toroidnihutused säilitavad võrreldavate nähtuste ruumistruktuuri ja väldivad ruumilise autokorrelatsiooni tõttu ekslikult oluliste statistiliste seoste saamist. Nähtuste kokkulangevust uuriti nii nominaalsete kui ka pidevate tunnuste puhul (näited tabelis 2 ja 3). Pidevad tunnused jagati detsiilklassidesse, s.t. klassipiirid valiti nii, et igas klassis oleks kümnendik vaatlustest. Kuigi üks kasvukoht peaks oodatavalt esinema vaid teatud muldadel ja reljeefivormidel, ei ole kokkulangevused täielikud. Põhjuseid on mitmeid: kõigil kaartidel on mingi plaaniline viga, kaardid kasutavad erinevaid klassifikatsiooniüksusi, kaardid on erineva generaliseerimistasemega ja generaliseerimisviisiga. Kokkulangevuse hulka ja tõenäosust saab sellegipoolest arvutada ja paiknemise seaduspärasused üldiselt vastavad varasematele arusaamadele kasvukohatüüpidest. Kokkulangevusi määrati eelkõige reaalsete kasutada olevate topograafiliste andmestike hindamiseks, mitte looduses olevate seaduspärasuste uurimiseks. Seetõttu jäeti ka topograafilistes andmetes olevad ilmsed vead parandamata. Looduse kohta kehtivad indikaatorkaalud sedavõrd, kuivõrd kartograafilised andmed loodust kajastavad. 3
Tabel 2. Erinevate nõlvakallete ja mõnede kasvukohatüüpide suhteline kokkulangevus juhupaiknemise korral oodatava kokkulangevuse suhtes ning selle statistiline olulisus (p) protsentides. Olulised positiivsed seosed on rasvases kirjas. Nõlvakalle Kasvukohatüüp <3 3 4 5 6 7 8 10 11 14 >14 Sarapuu 0.4 0.6 0.8 1,0 1.4 1.8 3.0 p 0 0 4 28 0 0 0 Mustika 1,1 1,3 1,1 1,1 0,9 0,7 0,6 p 48 6 16 36 34 16 26 Angervaksa 1.7 1.3 0.8 0.5 0.4 0.3 0.1 p 0 2 3 0 0 0 0 Soostunud niit 1.4 1.5 1,0 0.7 0.6 0.4 0.1 p 0 2 48 0 0 0 0 Tabel 3. Erinevate mullalõimiste ja mõnede kasvukohatüüpide suhteline kokkulangevus juhupaiknemise korral oodatava kokkulangevuse suhtes ning selle statistiline olulisus (p) protsentides. Olulised positiivsed seosed on rasvases kirjas. Mulla lõimis Kasvukohatüüp savi liivsavi saviliiv saviliiv liivsavil liiv lubjakivine saviliiv lubjakivine liiv veeristik/ kruus turvas Sarapuu 0,1 0,6 1,3 1,3 0,6 4,1 1,5 3,7 0,2 p 0 0 23 24 17 0 6 4 0 Mustika 0,0 0,2 0,3 0,2 3,1 0,3 0,8 0,3 0,4 p 2 2 4 0 0 12 27 45 0 Angervaksa 2,9 1,2 0,9 0,7 1,0 0,0 0,3 0,0 1,7 p 0 19 34 6 34 1 34 8 0 Soostunud niit 4,6 1,4 1,5 0,5 0,6 0,0 0,3 0,0 1,6 p 0 14 12 0 5 3 6 30 2 Indikaatorkaalud Indikaatorkaaluna kasutati sarnasuste arvutamisel kasvukohatüübi sagedust tunnuse väärtusklassis testaladel. Indikaatorkaal omistati iga kasvukohatüübi ja iga tunnuse kombinatsioonile (näited tabelis 4 ja 5). Indikaatorkaalud näitavad kasvukohatüübi esinemistõenäosust argumenttunnuse selle väärtuse korral. Pidevate muutujate indikaatorkaaluks võeti kasvukohatüübi osakaal pideva muutuja detsiilklassis. Tugevaimad seosed esinevad mitmete erinevate topograafiliste tunnuste ja kasvukohatüüpide vahel (tabel 5). Tabel 4. Kasvukohatüüpide esinemissagedus [%] testalade välitööde andmetel erinevate nõlvakallete korral. Juhupaiknemisest statistiliselt oluliselt suuremaid kokkulangevusi (rasvases kirjas) kasutati tunnuse indikaatorkaaluna vastava kasvukohatüübi puhul ja need väärtusklassid on esindatud vastava kasvukohatüübi etalonide hulgas. Nõlvakalle Kasvukohatüüp <3 3 4 5 6 7 8 10 11 14 >14 Sarapuu 4,6 7,0 9,1 11,2 14,8 19,1 32,9 Mustika 3,4 4,0 3,6 3,4 2,9 2,4 2,0 Angervaksa 3,3 2,6 1,6 1,1 0,7 0,5 0.1 Soostunud niit 1.4 1.4 0,9 0.6 0.5 0.3 0.1 4
Tabel 5. Kasvukohatüüpide esinemissagedus [%] testalade välitööde andmetel mõnede mullalõimiste korral. Juhupaiknemisest statistiliselt oluliselt suuremaid kokkulangevusi (rasvases kirjas) kasutati tunnuse indikaatorkaaluna vastava kasvukohatüübi puhul ja need väärtusklassid on esindatud vastava kasvukohatüübi etalonide hulgas. Mulla lõimis Kasvukohatüüp savi liivsavi saviliiv saviliiv liivsavil liiv lubjakivine saviliiv lubjakivine liiv veeristik/ kruus Sarapuu 0,5 6,6 14,1 13,9 6,7 45,0 16,4 40,7 2,0 Mustika 0,0 0,7 0,9 0,6 10,0 0,9 2,5 1,0 1,1 Angervaksa 5,9 2,3 1,9 0,5 2,0 0,1 0,5 0,0 3,4 Soostunud niit 3,5 1,1 1,2 0,4 0,4 0,0 0,2 0,0 1,2 turvas Tabel 6. Parimad indikaatortunnused testalade välikaardistuse andmetel. Indikaatorkaal = sagedus topograafilise tunnuse antud väärtuse korral [%]. Tunnus Kasvukohatüüp Indikaatorkaal Järv põhikaardil Järv 96.6 Kõdusooniit põhikaardil Kõdusooniit 89.1 Sügav rabamuld (R ) mullakaardil Rabamets 81.4 Õu ja hooned põhikaardil Õu/aed 73.3 Koreserikas rähkmuld (Kr) mullakaardil Maasika 72.4 Haljasala põhikaardil Muru 70.0 Kivine saviliiv mullakaardil Sarapuu 53.8 Madalsoo põhikaardil Madalsoo 51.7 Gleistunud leedemuld (Lg) mullakaardil Mustika 48.3 Põld põhikaardil Sööt 47.5 Lubjakivine saviliiv mullakaardil Sarapuu 45,0 Harvik verstasel kaardi Sööt 44.8 Rohumaa põhikaardil Kuiv pärisaruniit 43.2 Kruus, rähk või veeristik mullakaardil Sarapuu 40.7 Rähkmuld (K) Sarapuu 38.4 Leedemuld (L) Pohla 38.4 Sügav siirdesoomuld (S ) Siirdesoomets 36.6 Näivleetunud gleimuld (LPG) mullakaardil Angervaksa 34,5 Nominaalse tunnuse puhul on klass kas sama või erinev. Pidevate tunnuste puhul on võimalik hälvet reaalarvuliselt mõõta. Seetõttu kasutati pidevate tunnuste indikaatorkaale paraboolse hälbekoefitsiendiga. Kui [1 (Ve-Vs)2/ σ2 t ] > 0, siis: wk = wp * [1 (Ve-Vs)2/σ2 t ] Ve tunnuse väärtus etalonil; Vs tunnuse väärtus klassifitseeritaval objektil (pikslil); σ2 t tunnuse dispersioon testaladel; wk korrigeeritud kaal; wp tunnuse kaal. Kui [1 (Ve-Vs)2/ σ2 t ] <= 0, siis: wk = 0. 5
Kasvukohatüüpide topograafilised etalonid Tunnuste kõiki võimalikke ja/või uuritaval alal esinevaid kombinatsioone ei ole vajadust näidiste kogumisse haarata. Pikslid, mille tunnuste kombinatsiooni etalonide hulgas ei leidu, liigitatakse vastavalt sarnasusele olemasolevate etalonidega. Otepää looduspargis enamlevinud 31 kasvukohatüübi kirjeldamiseks moodustati etalon-pikslite komplekt, milles on 7 topograafilise tunnuse 317 erinevat tüüpkombinatsiooni (tabel 7). Etalonide komplekti koostamisel on arvestatud nii välikaardistuse andmeid kasvukohtüüpide ja koha topograafiliste tunnuste koosesinemise kohta kui ka kasvukohatüüpide kirjeldusi (Paal, 1997). Kasvukohatüüpe kirjeldab erinev etalonide arv. Õu, teed ja tehisalad, haljasala, pohla ning karusambla-mustika kasvukohatüüp on esindatud vaid ühe etaloniga. Kuiv pärisaruniit aga 36 erineva mullatüübi, mulla lõimise ja põhikaardi ala kombinatsiooniga (verstasel kaardil on praegune kuiv pärisaruniit reeglina põllumaa). Tabel 7. Etalonide näited. Kriipsuga tähistatud tunnuseid sarnasuse arvutamisel ei kasutatud. L leedemuld, AG alluviaal-gleimuld, G gleimuld, LPG näivleetunud gleimuld, Dg gleistunud deluviaalmuld, Lkg gleistunud leetmuld, DG deluviaal-gleimuld, LPg gleistunud näivleetunud muld, sl/ls - saviliiv liivsavil. Topograafiline tunnus Kasvukohatüüp nõlva kalle kõverus suhteline kõrgus [dm] muld lõimis verstane põhikaart Pohla 3 0 23 L liiv mets mets Angervaksa 0 0 14 AG savi rohumaa mets Angervaksa 0 0 14 G savi rohumaa mets Angervaksa 0 0 14 LPG savi rohumaa mets Sõnajala - - - Dg sl/ls mets mets Sõnajala - - - Lkg sl/ls mets mets Sõnajala - - - DG sl/ls mets mets Sõnajala - - - LPG sl/ls mets mets Sõnajala - - - LPg sl/ls mets mets Etalonidega võrdlemine Etteantud näidistega ehk analoogidega ehk etalonidega võrdlemine (inglise keeles analogue matching) ei sea eeldusi tunnuste tüüpidele ega tunnuse väärtuste statistilisele jaotusele. Meetodit saab kasutada ka juhul, kui osa sõltumatuid tunnuseid on nominaalsed ja osa pidevad või osa tunnuseid üldse mõõtmata. Etalonide kasutamise ainus eeldus on, et objektide sarnasust peab olema võimalik arvuliselt mõõta ja võrrelda. Meetod sobib eriti hästi heterogeensete klasside puhul igat klassi võib esindada mitu etaloni. Etalonideks on kasvukohatüüpide kaardi genereerimisel klassifitseeritavate üksuste, s.o. pikslite näidised. Klassifitseeritavateks objektideks on kaardi pikslid. Igat pikslit võrreldakse etalonidega. Kui uuritava piksli mingi tunnuse klass vastab etalonile, saab etaloni kasvukohatüüp sellelt tunnuselt indikaatorkaaluga võrdse hulga punkte. Kui klass etalonile ei vasta, siis punkte ei lisata. Iga kasvukohatüübi puhul jagati kõigi tunnuste, mis on nii etalonil kui ka pikslil määratud, eest saadud kaalupunktide keskmine selle etaloni kaalupunktide keskmisega tunnuste täieliku kokkulangevuse korral. Saadakse iga piksli ja iga etaloni normeeritud sarnasus. Normeeritud sarnasus arvutati iga piksli puhul iga kasvukohatüübi jaoks eraldi. Normeeritud sarnasus on reeglina vahemikus 0 1, väärtused üle ühe on võimalikud, kui pikslil on mõni tunnus vähem määratud kui etalonil ja määratud tunnused on suhteliselt kõrge indikaatorkaaluga. Pikslile omistatakse see klass, kuhu kuulub talle kõige sarnasem etalon. Kuna J.Paali (1997) kasvukohatüüpide klassifikatsioon sisaldab lisaks maapinna omadustele ka maakasutust, siis toimus etalonidega võrdlemine eraldi põhikaardijärgsetes laiades maakatteklassides (veekogud, sood ja põõsastik, mets ja raiesmik, põllu- ja rohumaad, tehisalad). Eelvalik võimaldas kaardi arvutust umbes kolm korda kiirendada ja säilitas kasvukohatüüpide 6
kaardil põhikaardijärgsed metsa ja lageda piirid. Mitmetel kasvukohatüüpidel on etalonid mitmes põhikaardi laias maakatteklassis. Näiteks naadi kasvukohatüüpi esindavad nii põhikaardi metsale kui ka põõsastikule vastavad etalonid. Iga piksli puhul fikseeriti sarnasus, mille juures otsus langetati. Enamikule pikslitest leidus etalonide hulgas mõni sarnane näidis. Vaid 0,015% pikslitest klassifitseeriti väiksema kui 50% sarnasuse juures. Nende kohtade topograafilised omadused ja andmete õigsus vajab täiendavat uurimist. Kas on kasvukohatüüpide etalonide hulgast mõni oluline tunnuste kombinatsioon puudu või on põhjuseks eelkõige topograafilistes andmetes esinevad vigased kombinatsioonid? Keskmine sarnasus lähima etaloniga on üldiselt väiksem suuremal suhtelisel kõrgusel, järsemal nõlval, suuremal positiivsel või negatiivsel maapinna kõverusel, gleimuldadel ja õhukestel soomuldadel (joonis 2). Keskmine sarnasus lähima etaloniga on üldiselt väiksem metsas (tabel 8.). Tabel. 8. Kasvukohatüüpide keskmine sarnasus [%] kõige sarnasema etaloniga. Kasvukohatüüp Sarnasus Kasvukohatüüp Sarnasus Pohla 82 Kuiv paluniit 82 Mustika 96 Kuiv pärisaruniit 87 Jänesekapsa-mustika 73 Niiske pärisaruniit 78 Jänesekapsa 77 Soostunud niit 85 Maasika 73 Liigivaene madalsoo 95 Sarapuu 75 Rohu-siirdesoo 98 Naadi 73 Mättaraba 99 Paju 87 Veekogu 100 Sõnajala 82 Õu/aed 73 Angervaksa 68 Sööt 85 Karusambla-mustika 98 Muru 100 Madalsoomets 91 Põld 84 Siirdesoomets 91 Tehisala 100 Rabamets 99 Kõdusooniit 87 Mustika-kõdusoo 98 Sürjaniit 72 A. 20 B. 90 sagedus [%] 15 10 5 0 >95 <46 keskmine sarnasus 85 0 2 4 6 8 10 12 14 16 18 20 22 24 80 75 70 65 >25 sarnasus [%] nõlvakalle [ ] 95 C. D. keskmine sarnasus 90 85 80 75 70 65-1 3 7 11 15 19 23 27 31 35 suhteline kõrgus [dm] keskmine sarnasus 90 85 80 75 70 65 tipp/nukk ühtlane nõlv jalam/lohk Joonis 2. A. Pikslite sarnasuste jaotus võrreldes kõige sarnasema etaloniga. B. Keskmine sarnasus sõltuvalt nõlva kaldenurgast. C. Keskmine sarnasus sõltuvalt suhtelisest kõrgusest. D. Keskmine sarnasus sõltuvalt maapinna kõverusest. 7
Tulemus Eelkirjeldatud arvutuste tulemusel saadi kogu Otepää looduspargi taimkatte kasvukohatüüpide kaart (joonis 3). Seda saab loodetavasti kasutada taimkatte modelleerimisel, looduskaitseliste ja mitmesuguste territoriaalplaneerimisega seotud otsuste langetamisel, aga pärast tõenäolise taimkatte modelleerimist võib olla ka süsinikubilansi arvutustes. Välitöö ja genereeritud kaardi kokkulangevus ei ole eriti hea, kapa koefitsient vaid 0,28. See ei pruugi aga tingimata viidata metoodika vildakusele. Tuleks silmas pidada järgnevat: 1) teatud plaaniline viga ja klassifikatsioonide erinevus on kõigis lähteandmetes, 2) välikaardistus juhindus kasvukohatüübi määramisel taimkattest, kaardi genereeriti aga kartograafilistest andmete, sealhulgas mullakaardi, järgi, 3) eralduste kasutamisel loetakse kaardistatavad nähtused ühe eralduse piires ühetaolisteks, mis ei pruugi detailsemal tasemel päris õige olla, 4) kasvukohatüübide üksteiseks üleminek on tihti kas ruumiliselt või taksonoomiliselt sujuv. Kasvukohatüüpide vahel ei ole ristumisbarjääri. Kindlate klassifikatsiooniüksuste korral tuleb aga ka üleminekuvormid mingisse etteantud klassi liigitada. Erinevate kaardistajate või erinevate meetoditega saadud formaalselt erinevad kaardid ei pruugi seetõttu looduse suhtes nii erinevad olla, kui formaalselt võttes paistab. Paljudes kohtades kuulub osa mingisse välikaardistuse eraldusse jäävatest pikslitest genereeritud kaardil samasse kasvukohatüüpi, mis välitööl hinnatud, osa piksleid aga mingisse muusse klassi. Näiteks osa põldu on klassifitseeritud söödiks, osa rohumaaks. Välikaardistuse kokkulangevus genereeritud kaardiga on parem õuede, tehisalade, haljasala, pohlametsa, mustikametsa, sarapuumetsa, rabametsa, kõdusooniidu, madalsoo, raba ja veekogude osas. Seevastu välikaardistajate arusaam salumetsast (naadi- ja sõnajala kasvukohatüüp) ning paluniidust, niiskest aruniidust ja soisest niidust erineb tunduvalt kartograafiliste andmete järgi genereeritust. Erinevused on suured ka põldude, söötide ja kuivade pärisaruniitude omavahelises proportsioonis ja paiknemises. Need klassid kajastavad pigem momendi maakasutust kui kasvukoha maapinnast tulenevaid püsivaid omadusi. On loomulik, et mulla ja reljeefi järgi ei saa eriti täpselt hinnata, milline koht on parajasti söötis, saab esitada vaid mingi tõenäosuse. Samuti ei piisa kasutatud lähteandmetest soode kuivendatuse automaatseks hindamiseks. Kõdusoometsad paiknevad keskmiselt ümbruse suhtes veidi kõrgemal, kuid seos on nõrk ja kõdusoometsade piiritlemine soometsadest välikaardistusel ja genereeritud kaardil enamasti erineb. Kokkuvõte Etalonidega võrdlemine on sisuliselt klasteranalüüs etteantud klastrikeskmetega, kus klastrid võivad olla ka mitmekeskmelised. Etalonidega samastamine on küll ühest küljest väga paindlik ja universaalne meetod, kuid teisest küljest jätab suur paindlikkus rohkelt ruumi subjektiivsusele. Oma arusaamade vormistamine etalonide komplektiks võib olla nii kunst kui teadus. Seda nii etalonide valikul kui ka sarnasuse arvutamise viisi valikul. Milline ja kui suur etalonide komplekt on optimaalne, millisel viisil tuleks arvutada sarnasusi, kas kasutada indikaatorkaale ja millised peaksid olema indikaatorkaalud ühel või teisel juhul, võib olla täiendavate uurimuste teemaks. Kõik kaardid sisaldavad (erinevast) generaliseerimisest ja eksimustest tingitud ebatäpsusi, sellegipoolest saab topograafilisi andmeid kasvukohatüüpide ja järgnevalt taimkatte prognoosimisel kasutada. Välikaardistus iseloomulikke taimede järgi võib anda üsna erineva tulemuse, võrreldes topograafiliste (k.a. muld) tunnuste järgi määratud kasvukohatüüpidega. Millist klassifikatsiooni lugeda õigeks, mida vääraks, sõltub suuresti meie endi arusaamadest. Uurimus sai võimalikuks tänu Otepää looduspargi administratsiooni, Euroopa Liidu 5 raamprojekti projekti SPIN (Spatial Indicators for Nature Conservation) ja Eesti Teadusfondi granti nr. 5261 toetusele. Mullakaarti ja põhikaarti kasutati vastavalt Riigi Maa-ameti litsentsilepingule nr. 107, 17. oktoobrist 2001. Välitöödel osalesid Kaupo Kohv, Jaanus Remm ja Mare Remm, välitööde digimisel tegi lisaks kaardistajatele suure osa tööst Anne Jääger. Autor on tänulik ka Ivar Aroldile ja Ülo Manderile lahkete nõuannete eest. 8
Kirjandus Arold, I., Järvet, A., Remm, K. 1999. Keskmismõõtkavaline Eesti maastikutüüpide kaart. Lk. 31-34 kogumikus: Loodusliku mitmekesisuse kaitse viisid ja vahendid. Eesti ökoloogiakogu, EV keskkonnaministeerium, Eesti Põllumajandusülikool. Birks, H.J.B. 1993. Quaternary palaeoecology and vegetation science - Current contributions and possible future developments. Review of Paleaobotany and Palynology 79, (1-2): 153-177. Flower, R.J, Juggins, S., Battarbee, R.W. 1997. Matching diatom assemblages in lake sediment cores and modern surface sediment samples: The implications for lake conservation and restoration with special reference to acidified systems. Hydrobiologia, 344: 27-40. Klijn, F., Groen, C.L.G., Witte, J.P.M. 1996. Ecoseries for potential site mapping, an example from the Netherlands. Landscape and Urban Planning 35: 53-70. McKenzie, N.J., Ryan, P.J. 1999. Spatial prediction of soil properties using environmental correlation. Geoderma, 89, (1-2): 67-94. Paal, J. 1997. Eesti taimkatte kasvukohatüüpide klassifikatsioon. Tallinn 297 lk. Remm, K. 2001. Elupaikade kaardistus Otepää Looduspargi kaitsekorralduskava jaoks. Käsikiri Otepää looduspargi administratiivkeskuses Otepääl. Wilds, S., Boetsch, J., Manen, F.T. van. Clark, J.D., White, P.S. 2000. Modeling the distributions of species and communities in Great Smoky Mountains National Park. Computers and Electronics in Agriculture, 27: 389-392. 9
A. F. B. G. C. H. D. I. E. J. Joonis 1. Kasutatud topograafiliste andmete näited Kääriku juurest. A. Orienteerumiskaart. B. Põhikaart. C. Topokaardistus 1980ndatest aastatest. D. Verstane kaart. E. Taimkatte välikaardistuse eralduste piirid. F. Suhteline kõrgus [dm]. G. Nõlvakalle [ ]. H. Lõimised. I. Kaartide kokkulangevus: reljeef (pruun), mullakaart (sinine), taimkatte välikaardistus. J. Tulemus: kasvukohatüüpide kaart (legend joonis 3 juures). 10
Joonis 3. Etalonidega samastamise meetodil genereeritud Otepää looduspargi kasvukohatüüpide kaart. Punane joon looduspargi piir. 11