Keskkonnaagentuur tellis metsamaski metoodika väljatöötamise teadus- ja arendusprojekti „statistilise metsainventuuri (SMI) ja maakasutuse, maakasutuse muutuse ja metsanduse (LULUCF) andmehõive ja metoodika arendamise“ raames. Tööd teostas Eesti Maaülikool perioodil 2024 kuni 2025. Arenduse tulemusel valmis metsamaski metoodika.
Metsamask on ruumiline andmekiht, mis määratleb metsamaa geograafilise ulatuse, arvestades maakatte ja –kasutuse tüüpi. See on vundamendiks mitmesugustele metsanduslikele analüüsidele, sealhulgas metsa pindala hindamisele, metsade juurdekasvu ja tagavara arvutamisele, raietegevuse ja metsakahjustuste seirele ning elurikkuse uuringutele. Metsamaski täpsus ja kvaliteet on seega kriitilise tähtsusega, kuna see mõjutab kõikide järgnevate analüüside usaldusväärsust. Traditsiooniliselt on metsamaske koostatud aerofotode käsitsi tõlgendamise teel, kuid üha enam kasutatakse automatiseeritud meetodeid, mis tuginevad kaugseireandmetele.
Metsamaski loomisel on üheks suurimaks väljakutseks metsa definitsioonide mitmekesisus riiklikul ja rahvusvahelisel tasandil. Projektiga arendati paindlik metoodika, mis võimaldab kohandada metsamaski vastavalt erinevatele metsa definitsioonidele.
Metsamaski koostamiseks kasutatakse Eesti topograafia andmekogu (ETAK), SMI, satelliidipiltide ja LiDAR (Light Detection and Ranging) andmeid.
- ETAK andmete kaasamine võimaldab täiendavalt määrata maakasutuse tüüpi ehk alad, mida on pikaajaliselt kasutatud metsamaana, aga on ajutiselt ilma puittaimestikuta. Samuti kasutatakse ETAK andmeid alade välistamiseks, kus maakate on olemas, kuid mis maakasutuse tõttu ei saa olla metsamaa.
- Satelliidipiltide põhjal tuvastatakse puittaimestikuga alad, kasutades ühe aasta kevadsuviseid pilte. Kombineerides satelliidipilte SMI andmetega koostatakse metsasuse tõenäosuse rasterpilt.
- LiDARi andmete alusel tuvastatakse alad, kus võrastiku katvus ületab etteantud lävendi, sõltuvalt soovitud metsadefinitsioonist.
Lõplik metsamask koostatakse kõigi kolme andmeallika kombineerimisel kasutades masinõppe meetodit. Metsamaa piiritlemise veahinnangu määramiseks kasutatakse SMI andmeid. Projekti käigus koostatud metsamaski täpsust hinnati enam kui 22 tuhandel SMI proovitükil - ennustustäpsus oli 97,4%.
Märksõnad: metsamask, metsamaa, maakasutus, kaugseire, SMI, statistiline metsainventuur, LULUCF