KÄNNU MÕÕTMINE. SMI alalisi püsiproovitükke mõõdetakse iga 5 aasta möödumisel ja seda eesmärgiga kirjeldada nii looduslikke kui ka inimpõhjuslikke häiringuid. Raietööde tuvastamisel mõõdetakse ka raiutud puude kännud. Sellest tulenevalt kasvab püsiproovitükkidelt kogutud andmete väärtus ajas iga kordusmõõtmiste ringiga. Püsiproovitükkidel tehtud mõõtmiste aegread annavad ülevaate metsa ja maakasutuse muutustest ja objektiivuse tagamiseks ei tohi majandaja käituda neis mõõtmispunktides süstemaatiliselt teisiti kui mujal. Selle tagab vaatluskohtade salastatus seni, kuni on vaja mõõtmisi teha.Foto: Raul Mee
Mets
31. märts 2021, 12:50

Riikliku avaliku uuringu salajasuse vajalikkuse paradoks ehk Miks on meil vaja just sellist statistilist metsainventuuri (2)

Inventeerimisalade asukohainfot ei avalikustata SMI objektiivsuse huvides ja selline lähenemine kehtib ka teistes riikides.

Tekst Allan Sims, Keskkonnaagentuuri metsaosakonna juhtivspetsialist

Andres Kiviste, Eesti Maaülikooli metsakorralduse ja metsatööstuse õppetooli metsandusliku modelleerimise professor

Mait Lang, Tartu Ülikooli Tartu observatooriumi metsade kaugseire kaasprofessor, Eesti Maaülikooli metsakorralduse ja metsatööstuse õppetooli metsade kaugseire dotsent

Ahto Kangur, Eesti Maaülikooli metsakorralduse ja metsatööstuse õppetooli juht, metsakorralduse ja metsatööstuse professor

Fotod Raul Mee, Eesti Statistilise Metsainventuuri fotokogu; Shutterstock

Hirm ekslike andmete ees pärineb meie nõukogulikust minevikust, kui mitmesuguste andmete võltsimine oli riiklik poliitika.“ (Tiit, 2020.)

Mõõtemääramatus – andmetöötluse „must pesu“ või andmete dünaamiline osa

Kui küsida tänaval inimestelt, kui suur on Eesti pindala, võime saada palju erinevaid vastuseid. ENE (1987) järgi oli Eesti NSV pindala (v.a meri) maabilansi andmetel 45 215 km2, geodeetilis-kartograafilisel mõõtmisviisil 45 100 km2, alates Eesti taasiseseisvumisest on olnud ametlik pindala 45 227 km2. Pärast Maa-ameti täpsustatud mõõtmist on see 2015. aastast alates 45 339 km2. Nende arvväärtuste suurima ja väikseima vahe on 0,5% praegusest kinnitatud pindalast.

Näiteks Eesti rannajoone (3794 km) määratlemise ühemeetrine viga looduses annab kokku 3,8-ruutkilomeetrise maatüki, kuhu mahuks umbes 3500 tavalist 1000 m2 suurust elamukrunti. Võrdluseks tavaelust: keskmise umbes 40 m2 põrandapindalaga korteri pindala esitamine või ütlemine üheruutmeetrise astmega tähendab umbes 2,5%-list viga. Siinkohal võib igaüks võtta mõõdulindi, korteri või maja suuruse täpselt üle mõõta ning kontrollida saadud tulemuse vastavust tehnilistes andmetes ja muudes dokumentides toodule.

Märksa keerulisem on mõõta kuu aja jooksul kulunud elektri- või soojusenergiat, veehulka või ventilatsioonisüsteemist läbi käinud õhu ruumala. Selleks on olemas vastavad arvestid, kuid tihti erineb suure kortermaja üksikute korterite arvestite näitude summa üldarvesti näidust. Selle põhjuseks on mõõtemääramatus, mis on mõõtmiste loomulik ja vältimatu osa, kuid mida tuleb numbriliselt iseloomustada võimalikult täpselt. Siiski on need arvestite näidud piisava täpsusega selleks, et maksta õiglaselt kommunaalarveid ning tavaliselt ei mõtlegi keegi, et kuskil on veel peidus mõõtemääramatus. Mõõtemääramatus hõlmab erinevat tüüpi vigu ja ka definitsioone.

ABIKS ON ULTRAHELI. Klupitava puu kauguse määramine proovitüki tsentrist ultraheli-kaugusmõõtjaga. Kluppimine on puu rinnasläbimõõdu mõõtmine klupiga (kõigile tuntud nihkkaliibri ehk nihiku suurendatud analoog – toim) 1,3 m kõrguselt juurekaelast. Foto: Raul Mee

Metsamaa, mets, mõõtemääramatus ja nende mõõtmine

Mõõtemääramatuse, maa ja metsa ühisosa pole mitte ainult sama algustäht, vaid ka tõsiasi, et maa ja metsa mõõtmisel on mõõtemääramatust üsna kallis täpselt määrata. Klassikalise katse puhul tuleb lihtsalt teha palju kordusmõõtmisi. Mõõtevahendid peavad olema testitud, mõõtemetoodika pädev, mõõtjad peavad oskama mõõtevahendeid õigesti käsitseda ning mõõdetavad objektid peavad olema üheselt defineeritud. Samuti peab olema üheselt kirjeldatud ja kontrollitav järgnev andmetöötlus ja selles kasutatavad matemaatilised mudelid. Üldjuhul on katsetulemuste keskmine väärtus tõesele kõige lähemal, kuid lisaks keskmisele on valimuuringuis oluliseks väljundiks ka statistilised usalduspiirid. Vajadusel korratakse katset, vahetades seadmeid või mõõtjaid. Loomulikult soovib igaüks, et usalduspiirid oleksid võimalikult kitsad ehk hinnangu hajuvus ümber tegeliku õige keskväärtuse oleks võimalikult väike. Ja seda on loomulikult lihtne saavutada – tuleb teha veel rohkem mõõtmiskatseid.

Ent iga katse tegemine maksab ja lõpuks tuleb leida optimum mõõtmistele kulutatud ressursi ning tulemustele esitatavate täpsuskriteeriumite osas. Nii võib igaüks saada oma arvutis või käsinavis oleva GPS vastuvõtja abil paiknemise asukoha ligikaudu 10 m raadiusesse ringi mõne sekundiga, aga maamõõtmise aluseks olevate geodeetilise põhivõrgu punktide koordinaatide saamiseks, millele tuginevad näiteks elamukruntide mõõtjad, peab mitu suurusjärku kallimate seadmetega tegema tunde või isegi päevi kestvaid mõõtmisi.

Iga maaomanik võib avada katastriraamatu ja vaadata, kui palju tal on metsamaad ehk maad, millel on eesmärgiks seatud metsa kasvatamine. Mille alla aga liigitada näiteks kasutusest välja jäänud endisel looduslikul heinamaal või viljapõllul kasvav, praeguseks juba 10‒15 meetri kõrgune puistu? Vastus tuliseid vaidlusi tekitavale küsimusele „Mis on mets?“ jääb ka edaspidi sõltuma iga inimese erinevatest, sealhulgas isiklikest kogemustest sõltuvatest aspektidest.

Siiski on olemas ka ühiselt kokku lepitud selged metsa definitsioonid, mida kasutatakse maakorralduses, metsakorralduses ning siseriiklikus ja rahvusvahelises aruandluses. Aga ka nende kokkulepitud definitsioonide puhul tekib küsimus metsa piiri täpses määratlemises. Metsaseaduse järgi on metsamaa „maatükk pindalaga vähemalt 0,1 hektarit, millel kasvavad puittaimed kõrgusega vähemalt 1,3 meetrit ja puuvõrade liitusega vähemalt 30 protsenti“.

Seda, kuidas metsa täpne piir (näiteks 10 cm täpsusega) kulgeb, on raske mõõta, kuna keeruline on määrata metsa servas paiknevate puude kasvamiseks kasutatavat ala – juured ja võra ulatuvad tüvest erinevale kaugusele. Metsa serva (joont) on meil hinnanguliselt 220 000 km, seega tähendaks ühemeetrine mõõtemääramatus 22 000 hektari pindala määramise viga, mis on ligikaudu poolteist Tallinna pindala. Veel keerulisem on metsa piiri määratlemine soode ja metsade piirialadel, kus muidu tihe puittaimestik hõreneb ühtlaselt koos mullaviljakuse kahanemisega ning täpne piiritlemine, millised puud kuuluvad alale, mille puuvõrade liitus on vähemalt 30% ja millised väiksema hulka, on oluliselt suurema kui ühemeetrise mõõtemääramatusega.

Põlismets. Foto: Ahto Kangur

Lausaline ja statistiline metsainventeerimine

Metsa tüüpilised takseertunnused, mille abil puistut kirjeldatakse, on puistu kõrgus, puude arv hektari kohta, keskmise puu rinnasläbimõõt, tüve vormiarv, elusvõra alguse kõrgus, tüvemaht, kahjustused, vanus, täius, rinnaspindala jne. Need on puistus kasvavate üksikpuude andmete põhjal arvutatavad statistilised keskmised väärtused, mida kogenud taksaator metsas mõõdab või hindab.

Metsa korraldamise juhendis on toodud takseertunnuste hindamisel lubatud vea piirid. Talu või metskonna puistute kirjeldamisel järgmise kümneaastase perioodi metsamajanduslike ja looduskaitseliste tegevuste soovituste koostamiseks on niisugune meetod igati optimaalne. Ideaalsel juhul mõõdaksid metsataksaatorid igal aastal Eestis üle kõik puud ning nii saaksime täpselt teada, kui palju on meil puid, puitu ja kui suur on suremus, väljaraiutud osa, puidu juurdekasv ning miks mitte ka looduslikkust kirjeldavate tunnuste väärtused.

Ilmselgelt pole selline meetod rahalise kulutuse poolest mõttekas ega praktiliselt teostatav. Seetõttu kasutatakse üleriigiliste hinnangute saamiseks valimmeetodit, mida on teaduslikult käsitletud statistilise metsakorraldusena ja mis on rahvusvaheliselt tuntud kui riiklik statistiline metsainventuur (National Forest Inventory – ingl). (Kangas, 2006)

Statistilise metsainventuuri (SMI) põhimõte on sarnane ülesandele, kus on vaja näiteks Tallinnas hinnata majade arvu ning igas majas olevate korterite ja elanike arvu. Selleks märgitakse kaardil iga 100 meetri järel punkt, otsitakse see üles, valitakse lähim maja kuni 10 meetri kauguselt ning tehakse täpne uuring. Üksikvaatlused keskmistatakse ja saadaksegi vajalikud hinnangud.

Eesti SMI välitööde käigus mõõdetakse aastas üleriigiliselt umbes 5500 proovitükki.

Kevadised sarapuu pungad Järvseljal. Foto: Ahto Kangur

Kasutusel olev Riiklik Statistiline Metsainventeerimine

Rahvusvaheliselt levinud praktika on jaotada SMI mõõtmised perioodideks ja ühe perioodi pikkus on valdavalt viis aastat. Ühe aastaga mõõdetakse umbes 20% proovitükkidest. Eesti SMI välitööde käigus mõõdetakse aastas üleriigiliselt umbes 5500 proovitükki ning aastaaruanne pannakse kokku viie aasta (vastava kalendriaasta ja nelja eelneva aasta) mõõtmiste alusel ehk hinnanguliselt ligi 27 500 proovitüki andmete alusel. Mõõtemetoodika ja statistiliste hinnangute arvutamiseks kasutatav ajaperiood on Eestis olemuselt sarnane meie lähimate naaberriikide ja mujal maailmas rakendatava riikliku statistilise metsainventuuriga (Redmond jt, 2016). Sisuliselt on see sarnane maamõõtmises tuntud punktpaletiga mõõtmise meetodiga.

Seda meetodit saab igaüks ka kodus proovida – märkige põrandale 20 cm vahedega punktid ning lugege kokku, mitu punkti on vaibal ja kas selle alusel saadud pindala on võrdne vaiba pindalaga, mille saab arvutada vaiba küljepikkuste abil.

SMI-s esindab iga proovitükk ligikaudu 156 hektarit (igal aastal arvutatakse täpne pindala, sest vastavalt mõõdetavate proovitükkide arvu erinemisele aastate lõikes erineb ka valimi esinduslikkus). Vastavalt sellele, mitu proovitükki satub metsa, arvutatakse esinduslikkuse pindala. Igal proovitükil tehakse peamistele takseertunnustele lisaks täiendavaid mõõtmisi ning nende erinevate tunnuste alusel on võimalik anda ülevaateid riigi metsaressursi olemi kohta (näiteks rühmitades andmeid enamuspuuliigi, vanuse vms järgi).

SMI tulemused esitatakse avalike aruannetena ja Eesti metsi kirjeldavad kokkuvõtted moodustavad suure osa aastaraamatus „Mets“ olevast infost. Lisaks koostatakse SMI alusel ka iga-aastane maakasutuse, selle muutuse ja metsanduse (LULUCF – Land Use, Land Use Change and Forestry) aruandlus, mis on üks osa kasvuhoonegaaside raportist. Kasvuhoonegaaside raport on omakorda Eesti majanduse toimimise üks oluline regulaator.

Piilub. Foto: Ahto Kangur

Mudelite loomine ja kasutamine

Metsa kirjeldavate takseertunnuste hulgas on enamik mitte otseselt mõõdetavad nagu puu rinnasläbimõõt ja kõrgus, vaid kaudsed. Need arvutatakse mõõdetavate tunnuste kaudu teatud mudelite (matemaatilise statistika meetodiga koostatud valemite) abil, näiteks puu tüvemaht. See polekski tõstatamist vääriv probleem, kui metsas kasvavad puud oleksid silindrid või koonused. Paraku on puu tüvekuju varieeruv, sõltudes lisaks puuliigile ja kasvukohale väga suurel määral konkreetse puistu majandamisest (eelkõige varasemast puistu tihedusest ja puude valikust, mis on kujunenud looduslikult või tehtud hooldusraie käigus). Loevad muidugi ka kultiveeritavate taimede geneetilised omadused ja kliimamuutustega kohastumine.

Muutuvate olude ja täiendava info arvestamisel kaasajastatakse metsa mudeleid pidevalt. Seoses sellega on SMI-l kaks halba valikut: 1. jääda aegunud ja ebatäpsemate mudelite juurde, kuid säilitada SMI pika võrdlusperioodi jooksul täpselt sama arvutusmetoodika või 2. täiustada ja täpsustada metsa mudeleid vastavalt uutele uurimistulemustele, kuid tekitades SMI pikkades aegridades metoodika muutuste tõttu hüplemist või varasemate tulemuste korrigeerimise vajadust.

Vaadates pelgalt aastaraamatus või aruannetes toodud statistiliste hinnangute muutusi, tekib lugejal seetõttu küsimusi ja süvenevad kahtlused uuringu usaldusväärsuse kohta. Selline kogemus on ka Soome ja Rootsi teadlastel, kuna neis riikides alustati SMI-ga juba sada aastat tagasi ning seetõttu on olnud vaja korduvalt mudeleid uuendada ja ka ümberarvutusi teha. Nendes riikides on teadlased samuti pidanud korduvalt tegema selgitustööd, et uuem tulemus on täpsem, mitte tulemusi ei ole võltsitud.

Mudelite muutuse näiteks võib tuua Eesti metsa puidu tüvemahu ja selle juurdekasvu hindamise. SMI-eelsel ajal (enne 1999. aastat) olid üleriigilise hinnangu aluseks puistutes tehtava silmamõõdulise laustakseerimise andmed. SMI asendas üleriigilise laustakseerimise puude ja nende juurdekasvu instrumentaalse mõõtmisega süstemaatiliselt paigutatud proovitükkidel. Inventeerimise metoodika muutus põhjustas Eesti metsade keskmise hektaritagavara ja selle juurdekasvu hinnangute hüppelise kasvu, mis tekitas isegi kogenud, kuid harjumuspäraste tulemustega leppinud metsamajandajate hulgas suurt hämmingut.

Rahustuseks tuleb nentida, et selline mõju oli ette teada ja sama nähtuse on üle elanud ka teised riigid pärast SMI juurutamist.

Rootsis ja Soomes on teadlased samuti pidanud korduvalt tegema selgitustööd, et uuem tulemus on täpsem, mitte tulemusi ei ole võltsitud.

Männik Tartumaal. Foto: Ahto Kangur

Andmed riigile – usaldusväärsed tulemused kõigile

Ajalooliselt on SMI erinevates maades algatanud teadusasutused või vastutavad seal SMI metoodika pideva arendamise ja andmete mitmekülgse kasutamise eest püsivalt rahastatud uurimisrühmad. Eestis on SMI jäänud pelgalt riikliku statistika alusandmete kogumise vahendiks ning on selle eesmärgi täitmisel olnud igati sobiv meetod. Siiski tekib selliselt avaliku raha eest tehtud mõõtmiste tulemusena igal aastal suur hulk väärtuslikku andmestikku, mida erialateadlased ja huvilised saaksid kasutada oma teadusgrantides või muudes kavandatud uuringutes.

Kõik oleks lihtne ja ideaalne, kui SMI andmete täismahus avalikustamisel ei ilmneks üht pisikest probleemi praeguse, kasutusel oleva klassikalise metoodika puhul. SMI üks oluline raporteeritav tulemus on maakasutuse muutuste kirjeldus aastate lõikes. Ehk lihtsustatult öeldes on selle uuringu üks peamine eesmärk analüüsida maa- ja metsaomaniku käitumist ning sellest tingitud maakasutuse muutumist. Objektiivse tulemuse saamiseks on oluline, et maaomanikul ei ole võimalik teadlikult oma tegevusi kavandades mõõtmistulemusi mõjutada.

Rahvusvaheliselt on SMI metoodikas objektiivsus tagatud sellega, et omanditüübist sõltumata on inventeerimisalade asukohainfo oluline ainult püsialadel kordusmõõtmiste tegemiseks ega ole sellest tulenevalt avalik. Selline metoodiline lähenemine väldib olukorda, kus mõõtmiskohtade info avaldamisel võiks andmetesse otsemaid tekkida „kiiruskaamera efekt“. Teadaolevate kiiruskaamerate läheduses sõidetakse enamikel juhtudel lubatud sõidukiirusega, olenemata sellest, milline oli sõidustiil enne või pärast liikluskaamera mõõtepiirkonda. SMI puhul tähendaks see olukorda, kus hinnangud saadakse nihkega, tulemused ei ole enam kasutavad riikliku ja rahvusvahelise aruandluse jaoks ning näiteks Eesti ei saaks enam osaleda CO₂ kvootide turul, mis oleks riikliku arvestuse jaoks äärmiselt problemaatiline. Teisalt ei ole eramaa detailandmete avalikustamine ilma maaomaniku kinnituse ja loata mõeldav ega ka eetiline.

Näiteks Skandinaavia riikides tegelevad SMI-ga teadusasutused ning seal on alaliste proovitükkide koordinaatidele ligipääs olemas SMI töörühma ja SMI-ga otseselt seotud projektide töörühmade liikmetel. Väljastpoolt neid rühmi antakse ligipääs ainult teadlastele, kes peavad taotlema andmetele ligipääsu ning sedagi konkreetsete projektide jaoks ja lepingu alusel – vältimaks andmete leket. Kui teadlane või lihtsalt asjahuviline esitab ainult päringu, et sooviks alaliste proovitükkide asukohainfot, siis seda ei väljastata. Peab olema selge põhjendus, millise projektiga on see seotud ja mis on uurimuse eesmärk. Hoolimata andmekasutajate heast tahtest on maailmas palju näiteid andmete lekkimisest ning kord juba (Internetiavarustesse) ringlema jõudnud andmekoopiaid on võimatu tagasi kutsuda. Seega kasutataksegi SMI püsiproovitükkide puhul lähenemist „pigem karta kui kahetseda“, sest õnnetu juhuse tõttu mistahes viisil levima hakkavad püsivaatlusalade asukohaandmed tähendavad Eesti riigile kogu 20-aastase mõõtmisseeria ja tehtud investeeringu kasutuks muutumist ja veelgi suuremaid kulutusi uue vaatlusvõrgu rajamiseks.

Objektiivse tulemuse saamiseks on oluline, et maaomanikul ei ole võimalik teadlikult oma tegevusi kavandades mõõtmistulemusi mõjutada.

Järgmise põlvkonna lahendus ehk SMI 2.0

SMI senine metoodika on teadlaste poolt rahvusvaheliselt põhjalikult analüüsitud ja tunnustatud ning see on praktikas kõikjal kasutusel, kuid eeldus on siiski, et alaliste proovitükkide koordinaadid ei ole avalikud. Kui need koordinaadid saavad avalikuks, ei ole antud metoodika enam statistiliselt usaldusväärne. Kui eeldatakse uue metoodika kasutuselevõttu, mille koordinaadid on avalikud, tuleb alustada täiesti uutel statistilistel eeldustel põhineva metoodika väljatöötamisega. Siinkohal ei saa enam kasutada teiste maade kogemust, kuna neil see seni veel puudub. Seetõttu on uue metoodika väljatöötamine suur töö, mis saab alata matemaatikute ja statistikute tehtavate teoreetiliste analüüsidega, et selgitada välja uutel alustel toimiva metoodika statistilised eeldused. Neid eirates saame tulemustesse ettearvamatud süstemaatilised vead ning edasised ülevaated Eesti metsadest ei ole enam asjakohased.

Uue metoodika kasutuselevõtmise eelduseks on teoreetiliste ja praktiliste analüüside avaldamine teadusartiklitena, kuna vastasel korral ei aktsepteerita SMI metoodikat LULUCF aruandluses. Senini on LULUCF-i aruandlus põhinenud valdavalt SMI andmetel ning selles metoodikas rahvusvaheliselt ei kahelda. Tulles aga välja täiesti uue ja tundmatu metoodikaga, on vaja kõigile tõestada, et selle põhjal saadud tulemused on usaldusväärsed.

Uue metoodika väljatöötamine võib võtta aastaid, kuna esmalt tuleb välja töötada uutel alustel metoodika, järgnevalt need analüüsid publitseerida ning alles siis saab alustada andmete kogumisega.

Teema võib kokku võtta vanarahva tarkusega „Ära aja vana kaevu enne kinni, kui uus on valmis“!

Kui eeldatakse uue metoodika kasutuselevõttu, mille koordinaadid on avalikud, siis tuleb alustada täiesti uutel statistilistel eeldustel põhineva metoodika väljatöötamisega.

Viited

ENE, 1987. 2. tr. 2. kd, lk 258.

Kangas, A. 2006. Design-basedsampling and inference. Raamatus: Kangas, A., Maltamo, M. „Forestinventory- methodology and applications“. Managing Forest Ecosystems, Volume 10. Springer.

Redmond, J., Geschwantner, T., Riedel, T., Alberdi, I., Vidal, C., Bosela, M., Fischer, C., Hernandez, L., Kucera, M., Kuliešis, A., Tomter, S., Vestman, M., Lanz, A. 2016. Comparison of wood resource assessment in National Forest Inventories. Raamatus: Vidal, C., Alberdi, I., Hernández, L., Redmond, J.J. (Toim.) „National Forest Inventories – assessment of wood awailability and use“. Springer.

Tiit, E. M, „Statistika kaitseks“. Postimees, 28.juuli 2020.