Porin-Harjavallan alueen ilmanlaadun bioindikaattoritutkimus vuosina 2014-2015
-
Upload
porin-kaupungin-ympaeristoevirasto -
Category
Documents
-
view
220 -
download
0
description
Transcript of Porin-Harjavallan alueen ilmanlaadun bioindikaattoritutkimus vuosina 2014-2015
Kartat: Pohjakartat sisältää Maanmittauslaitoksen Kuntajako 01/2015 aineistoa CLC2000 maankäyttö/maanpeite (yleistetty 25 ha) © SYKE, EEA CLC2000 aineiston tuotannossa on käytetty seuraavien tiedon tuottajien aineistoja: SYKE, MML, MMM (peltotiedot 1999), VRK (rakennetut alueet 2001) ja satelliittikuvien tulkinnassa hyödynnetty Metsähallituksen ja UPM Kymmene Oy:n aineistoja. Taitto: Henna Toivanen ja Janne Ruuth Jyväskylässä 25.2.2016
TIIVISTELMÄ
Ilmanlaatua on seurattu Porin-Harjavallan kuormitetulla alueella bioindikaattorien avulla vuo-
desta 1990 alkaen erillisinä mittausjaksoina. Osalla seurantakerroista on mukana ollut myös
tausta-alueita. Tässä tutkimuksessa tutkittiin Porin-Harjavallan kuormitettu alue ja tausta-aloja.
Ilmanlaadun bioindikaattoreita olivat puusto- ja runkojäkälävauriot, metsäsammalien metallipi-
toisuudet sekä neulasten kemiallinen koostumus.
Ilman epäpuhtauksien vaikutukset bioindikaattoreihin olivat voimakkaimmin kuormite-
tuilla selvästi havaittavissa, hajakuormitetuilla alueilla vaikutukset olivat lievempiä. Tutkituista
muuttujista jäkälämuuttujat ja sammalten alkuainepitoisuudet kuvasivat parhaiten eri ilman
epäpuhtauksien (rikkidioksidi, typen oksidit ja hiukkaset) yhteisvaikutusta. Neulasten alkuai-
nepitoisuudet ja mäntyjen elinvoimaisuustunnukset kuvasivat osittain ilman epäpuhtauksien
kuormitusta, osin luonnollisia tekijöitä, lähinnä maaperän ominaisuuksia ja metsiköiden ravin-
netilaa.
Porin, Nakkilan ja Harjavallan seudulla on merkittävät suurteollisuuden ja energiantuo-
tannon keskittymät, jotka aiheuttavat rikkidioksidin, typen oksidien, hiukkasten sekä raskasme-
tallien päästöjä. Nämä päästölähteet vaikuttavat jäkälälajiston koostumukseen ja kuntoon siten,
että laitosten läheisyydessä lajiston kunto on huonompi ja lajisto köyhtyneempää kuin tausta-
alueilla. Teollisuuden ja energiantuotannon lisäksi ilman epäpuhtauksien päästöjä aiheuttaa
mm. liikenne.
Lupavelvollisten laitosten päästömäärät ovat vaihdelleet jonkin verran 1990 luvun lopusta
vuoteen 2014 tarkasteltuna, mutta trendi on ollut laskeva. Rikin ja typen päästöt ovat olleet
korkeimmillaan 2003 ja 2004, minkä seurauksena jäkälälajisto oli keskimäärin hieman huono-
kuntoisempaa vuonna 2007. Lajiston kunto oli parantunut etenkin Porin keskiosissa, missä sel-
västi köyhtyneen lajiston vyöhyke oli hävinnyt kokonaan. Tutkimusalueen pohjois- ja itäosien
lajimäärä oli myös kasvanut, samoin Luvialla ja Nakkilan länsiosan aloilla. Porin, Nakkilan ja
Harjavallan välillä on köyhtyneemmän lajiston vyöhyke. Metalliteollisuus- ja energiantuotanto-
laitosten läheisyydessä, erityisesti Harjavallassa, Nakkilassa ja Porissa sammalten raskasme-
tallipitoisuudet olivat kohonneita. 2000-luvun tasoon verrattuna sammalen keskimääräiset me-
tallipitoisuudet ovat kuitenkin laskeneet tutkimusalueella.
Kaikkiaan ihmistoiminnan vaikutukset näkyivät Porin-Harjavallan seudulla tutkituissa bi-
oindikaattorilajeissa selvästi. Tarkasteltaessa sekä alkuainepitoisuuksia että jäkälälajiston kun-
toa, eniten muuttuneet alueet sijaitsevat Porissa ja Nakkilassa. Myös paikallisia muutoksia oli
havaittavissa Pomarkun, Kokemäen ja Luvian harvaan asutuilla seuduilla. Samalla kuitenkin
harvaan asutuille seuduille jää vyöhykkeitä, joilla jäkälälajisto on luonnontilaista ja alkuaineiden
pitoisuudet luonnontilaisten tausta-alueiden tasoa. Tutkimusaloista suurin osa sijoittui kuormi-
tetuille alueille, joten koeasetelma antaa tietoa ensisijaisesti kuormitettujen alueiden tilanteesta.
Sisällys
1. JOHDANTO ............................................................................................................................................. 8
2. TUTKIMUSALUE ..................................................................................................................................... 9
2.1 YLEISKUVAUS ....................................................................................................................................... 9 2.1 TUTKIMUSALUEEN ILMANLAATU ............................................................................................................11
2.1.1 Päästöt ......................................................................................................................................11 2.1.2 Päästömäärien kehitys .............................................................................................................14 2.2.3 Ilmanlaatu Suomessa ...............................................................................................................15
3. TUTKIMUSAINEISTO JA –MENETELMÄT ..........................................................................................17
3.1 HAVAINTOALAT ...................................................................................................................................17 3.2 TUTKIMUSRYHMÄ JA MAASTOTÖIDEN AJANKOHTA .................................................................................19 3.3 MÄNNYN RUNKOJÄKÄLÄT.....................................................................................................................19
3.3.1 Ilman epäpuhtauksien vaikutukset runkojäkälissä ...................................................................19 3.3.2 Tutkitut jäkälälajit ......................................................................................................................20 3.3.3 Vaurioiden ja peittävyyksien arvioiminen..................................................................................24
3.4 MÄNNYN ELINVOIMAISUUDEN ARVIOINTI ...............................................................................................25 3.5 NEULASTEN JA SAMMALEN ALKUAINEPITOISUUDET ................................................................................26
3.4.1 Neulasten alkuainepitoisuudet ja niiden määrittäminen ...........................................................29 3.4.2 Sammalen alkuainepitoisuudet ja niiden määrittäminen ..........................................................30
3.6 PAIKKATIETOMENETELMÄT ..................................................................................................................31 3.7 TILASTOMENETELMÄT .........................................................................................................................31
3.7.1 Taustamuuttujien vaikutus ........................................................................................................31 3.7.3 Faktorianalyysi ..........................................................................................................................32 3.7.4 Korrelaatiot ...............................................................................................................................32 3.7.5 Vuosien väliset vertailut ............................................................................................................32
3.8 VIRHELÄHTEET JA LUOTETTAVUUS .......................................................................................................33 3.8.1 Jäkäläkartoitus ..........................................................................................................................33 3.8.2 Neulaskatoarvion virhelähteet ja luotettavuus ..........................................................................34 3.8.3 Neulasten alkuainepitoisuuksien määrittäminen ......................................................................35 3.8.4 Sammalen alkuainepitoisuuksien määrittäminen .....................................................................36
4. TULOKSET ............................................................................................................................................37
4.1 MÄNTYJEN RUNKOJÄKÄLÄT .................................................................................................................37 4.1.1 Sormipaisukarpeen vaurioaste .................................................................................................37 4.1.2 Yleinen vaurioaste ....................................................................................................................39 4.1.3 Jäkälälajien määrät ja yleisyys .................................................................................................41 4.1.4 Peittävyydet ..............................................................................................................................43 4.1.5 IAP-indeksi ................................................................................................................................45
4.5 MÄNTYJEN ELINVOIMAISUUS ................................................................................................................46 4.5.1 Mäntyjen neulaskato ja neulasvuosikertojen määrä .................................................................46 4.5.2 Mäntyjen tuhot, taudit ja värimuutokset ....................................................................................48
4.2 MÄNNYN NEULASTEN ALKUAINEPITOISUUDET ........................................................................................49 4.3 SAMMALEN ALKUAINEPITOISUUDET ......................................................................................................51
5. TULOSTEN TARKASTELU ...................................................................................................................56
5.1 JÄKÄLÄMUUTTUJAT .............................................................................................................................56 5.1.1 Jäkälämuuttujien yhteisvaihtelu ................................................................................................57 5.1.2 Taustamuuttujien vaikutus jäkälämuuttujiin ..............................................................................57
5.2 NEULASMUUTTUJAT ............................................................................................................................59 5.2.1 Neulasmuuttujien yhteisvaihtelu ...............................................................................................59 5.2.2 Taustamuuttujien vaikutus neulasmuuttujiin .............................................................................60
5.3 SAMMALEN METALLIPITOISUUDET ........................................................................................................61 5.3.1 Sammalen metallipitoisuuksien yhteisvaihtelu .........................................................................61 5.3.2 Taustamuuttujien vaikutus sammalen alkuainepitoisuuksiin ....................................................63
5.4. MUUTTUJIEN YHTEISVAIHTELU ............................................................................................................65 5.4.1 Muuttujaryhmien yhteisvaihtelu ................................................................................................65 5.4.2 Kaikkien muuttujien faktorianalyysi ...........................................................................................67
5.5 TULOSTEN YHTEENVETO JA JOHTOPÄÄTÖKSET .....................................................................................68
6. VERTAILU ..............................................................................................................................................69
6.1 VUOSIEN VÄLINEN VERTAILU ................................................................................................................69 6.1.1 Mäntyjen runkojäkälät ...............................................................................................................70 6.1.2 Mäntyjen elinvoimaisuus...........................................................................................................75 6.1.3 Neulasten alkuainepitoisuudet ..................................................................................................78 6.1.4 Sammalen alkuainepitoisuudet .................................................................................................83
6.2 VERTAILU MUUALLA SUOMESSA TEHTYIHIN TUTKIMUKSIIN .....................................................................92 6.2.1 Mäntyjen runkojäkälät ...............................................................................................................93 6.2.3 Mäntyjen elinvoimaisuus...........................................................................................................93 6.2.2 Neulasten alkuainepitoisuudet ..................................................................................................94 6.2.3 Sammalen alkuainepitoisuudet .................................................................................................94
7. JOHTOPÄÄTÖKSET .............................................................................................................................95
LÄHTEET ...................................................................................................................................................98
Liite 1. Tutkimusalat ja maastohavainnot taulukoituna.
© Nab Labs Oy
8
1. Johdanto
Ilmanlaadun bioindikaattoreina eli epäpuhtauksien vaikutuksien ilmentäjinä käyte-
tään eliölajeja, jotka ilmaisevat ympäristön tilaa ja siinä tapahtuvia muutoksia. Ympäristön
tilassa tapahtuvat muutokset voidaan havaita esimerkiksi eliölajin rakenteen, eliöiden al-
kuainepitoisuuksien, runsauden ja levinneisyyden sekä eliöyhteisöjen rakenteen muutok-
sina. Vuoden 2014 seurannassa bioindikaattoreina käytettiin männyillä kasvavia runko-
jäkäliä, sammalten, männynneulasten ja humuksen alkuainepitoisuuksia sekä humuksen
dioksiini- ja furaanipitoisuuksia. Lisäksi arvioitiin havupuiden neulaskatoa. Tutkimusalue
sisälsi 107 havaintoalaa. Koealoina pyrittiin käyttämään aiempien tutkimuksissa säily-
neitä aloja mahdollisuuksien mukaan. Noin 54 prosenttia aloista on jouduttu siirtämään.
Kullakin havaintoalalla on 10 tutkimuspuuta.
Tutkimuksen rahoittivat Harjavallan, Kokemäen, Nakkilan, Porin ja Pomarkun kun-
nat sekä seuraavat alueen toiminnanharjoittajat: Fortum Power and Heat Oy, Huntsman
P&A Finland Oy, PVO-Lämpövoima Oy, Pori Energia Oy, Boliden Harjavalta Oy, Porin
Prosessivoima Oy, STEP Oy, Componenta Finland Oy, Norislk Nickel Harjavalta Oy, Nie-
misen Valimo Oy ja Luvata Pori Oy. Tutkimusaloja sijaitsi em. kuntien lisäksi myös Eu-
rassa, Luvialla ja Ulvilassa.
Ilmanlaatua tutkittiin edellisen kerran Porin-Harjavallan alueella vuonna 2007-2008
(Jussila 2008). Tuolloin tutkimukseen osallistuivat alueen kunnista Harjavalta, Kiukainen,
Kokemäki, Luvia, Nakkila, Noormarkku, Pomarkku, Pori ja Ulvila. Noormarkku on yhdis-
tynyt Porin kanssa ja Kiukainen Euran kanssa vuoteen 2014 mennessä, joten tämän tut-
kimuksen kuntien määrä on vähentynyt kahdeksaan kuntaliitosten myötä. Euran kunnan
puolelle jääneet Kiukaisten alat sisällytettiin mukaan tähän tutkimukseen, vaikka Eura ei
osallistunut itse tutkimuksen kuluihin.
Porin-Harjavallan kuormitetulla alueella laaja alueellinen bioindikaattoriseuranta
aloitettiin ensimmäisen kerran vuosina 1990-1991 (Jussila ym. 1991). Osalla havainto-
alueista tehtiin seurantaa vuosina 1992-1993 (Jussila 1994) sekä kaikilla aloilla vuosina
1996-1997, jolloin seuranta aloitettiin lisäksi ns. tausta-alueella Pohjois-Satakunnassa
(Jussila 1997). Vuosina 2001-2002 tehtiin seuranta Porin-Harjavallan kuormitetulla alu-
eella ja suppealla tausta-alueella (Jussila 2003). Vuosina 2007-2008 tehtiin seuranta Po-
rin-Harjavallan kuormitetulla alueella ja suppealla tausta-alueella (Jussila 2008).
Ilman epäpuhtauksien vaikutukset bioindikaattoreihin olivat voimakkaimmin kuor-
mitetuilla alueilla selvästi havaittavissa, kun taas hajakuormitetuilla alueilla vaikutukset
olivat lieviä. Tutkituista muuttujista jäkälämuuttujat ja sammalen raskasmetallipitoisuudet
kuvasivat eri ilman epäpuhtauksien (rikkidioksidi, typen oksidit ja hiukkaset) yhteisvaiku-
tusta. Neulasten alkuainepitoisuudet ja mäntyjen elinvoimaisuustunnukset kuvasivat osit-
tain luonnollisia tekijöitä, kuten maaperän ominaisuuksia ja metsiköiden ravinnetilaa, osin
ilman epäpuhtauksien kuormitusta.
Mäntyjen epifyyttijäkälät ovat hyviä ilmanlaadun bioindikaattoreita, sillä ne reagoi-
vat herkästi ilman epäpuhtauksiin sekä ulkomuodollaan että lajiston koostumuksen ja
runsauden muutoksilla. Epäpuhtauksien vaikutukset ilmenevät indikaattorilajeissa pit-
källä aikavälillä, minkä vuoksi indikaattorimenetelmät soveltuvat erityisen hyvin pitkän ai-
kavälin muutostrendien kuvaamiseen. Saastevaikutuksen ilmenemiseen vaikuttavat aina
myös luontaiset tekijät, jotka voivat joko puskuroida tai voimistaa sitä.
9
Tutkimuksen toteutti Nab Labs Oy. Maastotyöt tehtiin keväällä ja kesällä 2014, ja nii-
hin osallistuivat tutkijat Kirsi Järvisalo ja Janne Ruuth, tekninen avustaja Henna Toivanen
sekä tutkimusavustajat Janne Hesso, Mari Jäntti ja Olli-Pekka Tervo. Tutkijat Janne Ruuth,
Henna Toivanen, Irene Kuhmonen ja Anne Kiljunen analysoivat tutkimusaineiston ja tuotti-
vat tämän tutkimusraportin.
2. Tutkimusalue
2.1 Yleiskuvaus
Tutkimusalueen muodostivat Porin, Pomarkun, Harjavallan, Nakkilan, Ulvilan, Koke-
mäen, Euran ja Luvian kaupungit ja kunnat (kuva 1).
Kuva 1. Porin-Harjavallan alueen bioindikaattoritutkimusalueeseen vuonna 2014 kuuluneet kunnat sekä alueen päätiestö.
Kuvassa 2 on esitetty maankäyttö tutkimusalueella CLC2012-maankäyttö/maanpeite-
aineiston mukaisesti. Suomen metsäkasvillisuuden aluejaossa alue kuuluu lounaismaahan
(Paikkatietoikkuna 2016). Alueelle on ominaista tasaisuus, joka mahdollistaa laaja-alaiset
10
maatalousalueet mm. Kokemäenjokilaaksossa, Luvialla ja Eurassa. Toisaalta aluetta hal-
kovat kaakko-luoteissuunnassa myös harjut. Lännessä maakunta rajautuu Selkämereen, ja
sisämaassa on suurehkoja järviä, jotka tasaavat lämpötilanvaihteluita (Geologian tutkimus-
keskus 2015). Alueella on sekä intrusiivista että sedimentistä muodostunutta kallioperää.
Alueen pääasiallinen maalaji on hiekkamoreeni, ja alueen läpi kulkee kaakko-luode –suun-
nassa hieta-, hiekka- ja savivyöhyke sijoittuen pääasiassa sedimentistä muodostuneen kal-
lioperän alueelle. Maalajit alueella vaihtelevat kuitenkin suuresti (Geologian tutkimuskeskus
2009, 2015).
Kuva 2. Maankäyttö Pori-Harjavallan seudulla (CLC2012 maankäyttö/maanpeite (yleistetty 25ha): © SYKE, EEA).
Tutkimuskuntien alueella asuu yhteensä noin 137 000 asukasta. Väestömäärältään
suurin kunta on Pori n. 85 300 asukkaallaan ja toiseksi suurin on Ulvila n. 13 400 asukkaalla
(Väestörekisterikeskus 2015). Tutkimusalueen halki kulkee pohjois-etelä suunnassa tie nro.
8 ja kaakko-luode suunnassa tie numero 2. Alueen itäosassa kulkee tie nro. 11 ja pohjois-
osassa tie nro. 23. Teiden 8 ja 2 keskimääräinen vuorokausiliikenne vaihtelee 18 000 ja
4 000 auton välillä. Teiden 11 ja 23 keskimääräinen vuorokausiliikenne vaihtelee osuuksit-
tain 8 000 ja 3 000 ajoneuvon välillä (Liikennevirasto 2015). Liikevaihdoltaan suurimmat te-
ollisuuden alat olivat vuonna 2013 metallien jalostus, muiden koneiden ja laitteiden valmis-
tus sekä paperin ja paperi- sekä kartonkituotteiden valmistus (Tilastokeskus 2015).
Teollisuustoiminnot sijoittuvat pitkälti Harjavallan suurteollisuuspuistoon, Poriin ja Kokemä-
elle.
11
Kuvassa 3 on esitetty vallitsevat tuulensuunnat alueella vuonna 2014 Porin rautatie-
aseman säähavaintoaineiston perusteella (Ilmatieteenlaitos 2015). Alueella vallitsivat kaak-
kois- ja pohjoistuulet.
Kuva 3. Porin rautatieasemalla vuonna 2014 vallinneet tuulensuunnat (Ilmatieteen laitos 2015).
2.1 Tutkimusalueen ilmanlaatu
2.1.1 Päästöt
Suurimmat rikkidioksidin, typen oksidien ja hiukkasten laitoskohtaiset päästömäärät
kunnittain vuonna 2014 on esitetty taulukossa 1. Vuoden 2014 tietojen perusteella tutki-
musalueella raportoitiin syntyneen eniten rikkidioksidipäästöjä, yhteensä 5073 tonnia, joka
syntyi lähes kokonaan teollisuudesta. Suurin osa rikkidioksidipäästöistä syntyi Porissa,
mutta suurin yksittäinen päästölähde oli Boliden Harjavalta Oy, jonka osuus kaikista rikki-
päästöistä oli n. 54 %. Muita merkittäviä lähteitä olivat Fortum Power and Heat Oy:n Meri-
Porin voimalaitos ja Huntsman P&A Finland Oy. Teollisuuden typpipäästöjä syntyi vuonna
2014 yhteensä 1897 tonnia, joka kattaa 67 % tutkimusalueen kokonaistyppipäästöistä. Eni-
ten typen oksidipäästöjä syntyi Porissa, ja suurin yksittäinen päästölähde oli Meri-Porin voi-
malaitos, jonka osuus teollisuuden typpipäästöistä oli 33 %. Vuonna 2014 raportoitiin syn-
tyneen hiukkaspäästöjä 155 tonnia, josta 126 tonnia syntyi teollisuudessa. Suurin osa
päästöistä syntyi Porissa. Suurimmat yksittäiset päästölähteet olivat PVO Lämpövoima
Oy:n Tahkoluodon voimalaitos ja Huntsman P&A Finland Oy.
Kuvassa 4 on esitetty tutkimusalueen päästölähteet vuosien 2009-2013 pitoisuuksien
keskiarvoina. Teollisuuden päästötiedot perustuvat Suomen Ympäristökeskuksen tie-
donantoihin. Tarkastelussa ovat mukana lupavelvolliset päästölähteet, joista aiheutuu rikki-,
typpi- ja hiukkaspäästöjä. Muista alueen ilmanpäästöjä aiheuttavista toiminnoista, kuten
metalliteollisuuden metallipäästöistä tai matalista päästölähteistä kuten jätevedenpuhdista-
moista ei ole tietoja.
Tutkimusalueen teollisuuden lupavelvollisten laitosten päästöt rikkidioksidin,
typen oksidien sekä hiukkasten osalta (tn/v) kunnittain vuonna 2014.
0%
5%
10%
15%
20%
25%N
NNE
NE
ENE
E
ESE
SE
SSE
S
SSW
SW
WSW
W
WNW
NW
NNW
12
Laitos
Kunta SO2 % kunnan teolli-suuspäästöistä
% koko alueen teolli-suuspäästöistä
NOx % kunnan teolli-suuspäästöistä
% koko alueen teol-lisuuspäästöistä
hiukka-set
% kunnan teolli-suuspäästöistä
% koko alueen teol-lisuuspäästöistä
Adven Oy Eura 53 99 % 0,5 % 151,8 97 % 8 % 1,6 73 % 1,3 %
Amcor Flexibles Finland Oy Eura 0 0 % 0,0 % 0,3 0 % 0 % 0 0 % 0,0 %
Biolan Oy Eura 0,3 1 % 0,0 % 1,7 1 % 0 % 0,6 27 % 0,5 %
Jujo Thermal Oy Eura 0 0 % 0,0 % 3,5 2 % 0 % 0 0 % 0,0 %
yhteensä Eura 53,3 100 % 0,5 % 157,3 100 % 8 % 2,2 100 % 1,8 %
AGA Oy Ab Harjavalta 0,2 0 % 0,0 % 12,3 11 % 1 % 0 0 % 0,0 %
Boliden Harjavalta Oy Harjavalta 2911 93 % 28,7 % 0 0 % 0 % 10 57 % 8,0 %
Kemira Oyj, Harjavallan tehtaat Harjavalta 0 0 % 0,0 % 0 0 % 0 % 0,3 2 % 0,2 %
STEP Oy Harjavalta 215 7 % 2,1 % 98 88 % 5 % 6,9 40 % 5,5 %
Yara Suomi Oy Harjavalta 0 0 % 0,0 % 0,5 0 % 0 % 0,2 1 % 0,2 %
yhteensä Harjavalta 3126,2 100 % 30,8 % 110,8 100 % 6 % 17,4 100 % 13,9 %
Adven Oy Nakkila 4 100 % 0,0 % 20,3 100 % 1 % 0,4 100 % 0,3 %
yhteensä Nakkila 4 100 % 0,0 % 20,3 100 % 1 % 0,4 100 % 0,3 %
Peiron Oy Kokemäki 0 8,3 100 % 0 % 8,3 100 % 6,6 %
yhteensä Kokemäki 0 8,3 100 % 0 % 8,3 100 % 6,6 %
Aurubis Finland Oy Pori 0,4 0 % 0,0 % 8,6 1 % 0 % 0 0 % 0,0 %
Componenta Finland Oy Pori Pori 0 0 % 0,0 % 0 0 % 0 % 8 8 % 6,4 %
Fingrid Oyj, Tahkoluodon kaasuturbiinilaitos Pori 0,1 0 % 0,0 % 1 0 % 0 % 0,1 0 % 0,1 %
Fortum Power and Heat Oy, Meri-Porin voimal. Pori 704 37 % 6,9 % 626 39 % 33 % 13,6 14 % 10,8 %
Gaudium Oy Pori 0,02 0 % 0,0 % 0 0 % 0 % 0 0 % 0,0 %
Heikki Laiho Oy Pori 0 0 % 0,0 % 0 0 % 0 % 1,1 1 % 0,9 %
Huntsman P&A Finland Oy Pori 652 35 % 6,4 % 84 5 % 4 % 21,9 23 % 17,5 %
Kemira Oyj Pori 0 0 % 0,0 % 4,9 0 % 0 % 0,6 1 % 0,5 %
Luvata Pori Oy Pori 0,1 0 % 0,0 % 0,1 0 % 0 % 0,1 0 % 0,1 %
Pori Energia Oy, Aittaluodon voimalaitos Pori 216 11 % 2,1 % 301 19 % 16 % 18,4 19 % 14,7 %
Pori Energia Oy, Metallin lämpökeskus Pori 7,3 0 % 0,1 % 2,6 0 % 0 % 0,4 0 % 0,3 %
Pori Energia Oy, Tiilimäen lämpökeskus Pori 0 0 % 0,0 % 0,5 0 % 0 % 0,05 0 % 0,0 %
PVO Lämpövoima Oy, Tahkoluodon voimalaitos Pori 205 11 % 2,0 % 275 17 % 14 % 23,6 24 % 18,8 %
Porin Prosessivoima Oy Pori 100 5 % 1,0 % 256 16 % 13 % 9,1 9 % 7,3 %
Porin Satama Oy Pori 2,5 0 % 0,0 % 39 2 % 2 % 0,2 0 % 0,2 %
RKW Finland Oy Pori 0 0 % 0,0 % 0,2 0 % 0 % 0 0 % 0,0 %
Technip Offshore Finland Oy Pori 0,2 0 % 0,0 % 1,4 0 % 0 % 0 0 % 0,0 %
yhteensä Pori 1887,62 100 % 18,6 % 1600,3 100 % 84 % 97,15 100 % 77,4 %
Teollisuuden päästöt yhteensä (tn) 5071,1 1897 125,45
13
Kuva 4. Porin-Harjavallan alueen typen oksidien (vasemmalla), rikkidioksidin (keskellä) ja hiukkasten (oikealla) päästölähteet suuruusluokittain lupa-velvollisten laitosten osalta vuosien 2009-2013 keskiarvona
14
2.1.2 Päästömäärien kehitys
Alla on esitetty tutkimusalueen liikenteen ja lupavelvollisten laitosten päästömäärien
kehitys vuosina 1999-2014. Liikenteen päästötiedot ovat peräisin LIISA2012-tietokannasta
ja teollisuuden päästötiedot VAHTI-tietokannasta (Suomen ympäristökeskus 2015, kirjalli-
nen tiedonanto). Liikenteen päästöt vuosina 1999-2011 on laskettu vuoden 2012 päästöihin
suhteutetuilla VTT:n LIISA 2011 -laskentajärjestelmän kertoimilla, jolloin tiedot ovat vain
suuntaa-antavia. Porin-Harjavallan alueella on isoja valtateitä, jotka osaltaan nostavat lii-
kenne päästöjen osuutta alueen kokonaispäästöistä.
Rikkidioksidin, typen oksidien ja hiukkasten päästömäärien kehitys vuosina 1999-
2014 on esitetty kuvissa 5-7. Aineiston perusteella liikenteen osuus rikkidioksidipäästöistä
on ollut hyvin pieni läpi tarkastelujakson. Typen oksidien päästöistä liikenteen osuus on alle
puolet. Liikenteen osuus kokonaishiukkaspäästöistä on vähentynyt tarkastelujakson alusta
ja pysynyt koko lailla samana viimeiset viisi vuotta.
Tutkimusalueen rikkidioksidin päästömäärät ovat vaihdelleet tarkastelujakson aikana
jonkin verran. Vuosina 2000-2003 päästöt kasvoivat vuosittain ja saavuttivat huipputasonsa
vuonna 2003. Vuonna 2005 päästöt putosivat hetkellisesti. Vuodesta 2006 alkaen päästöt
ovat kuitenkin pääsääntöisesti olleet laskusuunnassa, ja vuonna 2014 rikkidioksidin päästöt
olivat alle puolet vuoden 2003 tasosta. Typen oksidien päästöt osoittavat samankaltaista
vaihtelua rikkidioksidipäästöjen kanssa: päästöt kasvoivat vuoteen 2003 asti, jonka jälkeen
päästöt ovat olleet laskussa vuoteen 2014 asti. Poikkeuksen tekevät vuoden 2005 ja 2009,
jolloin päästöt olivat pienemmät kuin seuraavina vuosina. Teollisuuden hiukkaspäästöt ovat
olleet voimakkaassa laskussa tarkastelujakson aikana, lukuun ottamatta vuosia 2006-2007.
Viimeisin selvä lasku on tapahtunut vuonna 2011-2012, jonka jälkeen hiukkaspäästöt ovat
pysytelleet samalla tasolla vuoden 2013 pientä nousua lukuun ottamatta vuoteen 2014 asti.
Kuva 5. Tutkimusalueen teollisuuden ja liikenteen rikkidioksidin päästöt (tn/v) vuosina 1999-2014.
0
2000
4000
6000
8000
10000
12000
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
SO2
Teollisuus
Liikenne
15
Kuva 6. Tutkimusalueen teollisuuden ja liikenteen typen oksidien päästöt (tn/v) vuosina 1999-2014.
Kuva 7. Tutkimusalueen teollisuuden ja liikenteen hiukkaspäästöt (tn/v) vuosina 1999-2014.
2.2.3 Ilmanlaatu Suomessa
Lähes kaikkien merkittävimpien ilman epäpuhtauksien pitoisuudet tausta-asemilla
ovat vähentyneet 1980-luvun alusta lähtien tarkasteltuna voimakkaasti. Pitkäaikaisissa mit-
tauksissa näkyy erityisen selkeästi rikkiyhdisteiden pitoisuuksien ja laskeuman pienentymi-
nen viimeisten vuosikymmenien aikana. Ilman epäpuhtauksien vähentyminen on jatkunut
vielä 1990-luvulla, vaikkakin hitaammin Etelä-Suomessa kuin Pohjois-Suomessa. (Kulmala
ym. 1998, Ilmatieteen laitos 2015). Kuvassa 8 on esitetty rikkidioksidin, typen oksidien ja
hiukkasten päästöjen alueellinen jakautuminen Suomessa vuonna 2011 (Komppula ym.
2014). Alueellisen jakautumisen esittäminen on toteutettu yhdisteittäin UNECE:n kaukokul-
keutumissopimuksen EMEP-ohjelman karttamallin avulla. Päästömäärät ovat rannikkoseu-
duilla kaikilla yhdisteillä hieman korkeampia kuin vastaavalla korkeudella sisämaassa, mi-
hin vaikuttaa rannikkoseuduille keskittynyt ihmistoiminta.
0
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
NOx
Teollisuus
Liikenne
0
100
200
300
400
500
600
700
800
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
Hiukkaset
Teollisuus
Liikenne
16
Kuva 8. Rikkidioksidin, typen oksidien ja hiukkasten päästöjen alueellinen jakautuminen Suomessa vuonna 2011 (Komppula ym. 2014).
17
3. Tutkimusaineisto ja –menetelmät
3.1 Havaintoalat
Tutkimus tehtiin 107 havaintoalalla, joilla tutkittiin mäntyjen runkojäkäliä ja arvioitiin
harsuuntumista. Lisäksi kerättiin seinäsammal- ja neulasnäytteitä, joista analysoitiin alkuai-
nepitoisuuksia. Tutkimusalojen sijainnit on esitetty kuvassa 9, ja numerointi liitteessä 1.
Taulukossa 2 on esitetty tutkimusalojen lukumäärät kunnittain. Tutkimusalan jäkälälajisto
arvioitiin kymmeneltä puulta. Tutkimusaloista 49 oli vanhoja. Vanhoilla tutkimusaloilla kar-
toitus pyrittiin tekemään samoilla havaintopuilla kuin edeltävässä, vuosina 2007-2008 to-
teutetussa tutkimuksessa, mutta hakkuiden tai maankäytön muutosten vuoksi vanhoista
aloista perustettiin uudestaan 58 alaa (54 % vanhoista aloista). Lukumääräisesti eniten uu-
sia aloja perustettiin Harjavaltaan ja Poriin. Kaikki muutokset havaintoaloissa tai -puissa
kirjattiin, ja ne huomioitiin vuosien välisiä tuloksia vertailtaessa.
Kuva 9. Tutkimusalojen sijainti tutkimusalueella vuonna 2014.
18
Näytealan sijainti määritettiin GPS-laitteella, ja jokaisesta havaintoalasta täytettiin
taustatietolomake, johon merkittiin alan etsintäohje ja puiden sijainti. Havaintoalan metsä-
tyyppi, puuston kehitysluokka, ikä ja pituus sekä valtalajien pohjapinta-alat ja havaintoalan
topografia kirjattiin ylös. Havaintoalan soveltuvuus luokiteltiin käyttäen asteikkoa hyvä-koh-
talainen-huono. Havaintoalan soveltuvuus on havainnoitsijan subjektiivinen arvio havainto-
alan soveltuvuudesta bioindikaattoritutkimukseen, ja sitä arvioitaessa huomioidaan jäkälä-
kartoitukseen käytettävää metsikköä koskevat kriteerit. Pohjapinta-alat määritettiin
relaskoopin avulla, ja puuston ikä ja pituus määritettiin silmämääräisesti.
Uusien alojen valinnassa tärkein kriteeri oli alan soveltuvuus jäkäläkartoitukseen.
Vanhan tuhoutuneen tutkimusalan tilalle pyrittiin perustamaan uusi ala lähimmälle jäkälä-
kartoituksen kriteerit täyttävälle paikalle. Kriteerit jäkäläkartoituksessa käytettävälle met-
sikölle on esitetty standardissa SFS 5670. Näistä tärkeimpiä ovat metsikön ikä, puuston
tiheys sekä aluskasvillisuuden esiintyminen. Valintakriteerien suhteen optimaaliset havain-
toalat sijaitsevat kuivahkoilla tai kuivilla kankailla, joilla aluskasvillisuus on matalaa ja metsä
melko harvaa. Havaintoalojen valinnalla pyritään eliminoimaan luontaiset jäkälälajiston
koostumukseen sekä vaurioihin vaikuttavat mikroilmastolliset tekijät, joista tärkein on valoi-
suuden ja varjoisuuden suhde. Uusia tutkimusmetsiköitä valittaessa pyrittiin lisäksi välttä-
mään reunavaikutusta tai esim. suppia ja paisterinteitä, joissa vallitsee poikkeava mikroil-
masto. Myös hiljattain käsiteltyjä, esim. kolmen edellisen vuoden aikana harvennettuja
metsiköitä vältettiin. Havaintopuut valittiin siten, että ne olivat läpimitaltaan vähintään 20
cm, ja kolmen metrin korkeudelle oksattomia. Pensaiden tai taimien ympäröimiä puita tai
hyvin lähellä toisia puita kasvavia puita ei hyväksytty mukaan kartoitukseen.
Tutkimusalojen lukumäärä kunnittain ja uutena perustettujen havaintoalojen
määrät vuonna 2014.
Tutkimusalojen jakaantuminen luokkiin taustamuuttujien suhteen on esitetty taulu-
kossa 3. Suurin osa tutkimusaloista oli soveltuvuudeltaan hyviä (57 %) ja seuraavaksi eni-
ten kohtalaisesti soveltuvia aloja (37 %). Soveltuvuudeltaan huonoiksi määritettiin 6 alaa,
jotka kuitenkin otettiin mukaan kartoitukseen joko vertailtavuuden säilyttämiseksi aiempiin
vuosiin nähden, tai koska tuhoutuneen vanhan alan lähistöltä ei löytynyt soveltuvampia
metsiköitä. Yleisimmin tutkimusalat sijaitsivat tuoreilla kankailla (MT) (57 % tutki-
musaloista). Kuivahkoilla kankailla sijaitsi 36 % tutkimusaloista. Loput aloista sijoittuivat leh-
tomaisille kankaille tai luokkaan ”muu”. Suurin osa aloista oli kehitysluokaltaan kypsää
(63 % aloista) ja loput varttunutta (34 %) sekä nuorta metsää (4 %). Tutkimuspuiden iän
Kunta Mäntyaloja
(jäkälät, sammalet, neulaset) Vanhoja mäntyaloja
Vaihtuneita mäntyaloja
Sammalaloja (kuusi)
Eura 6 2 4 4
Harjavalta 24 9 15 9
Kokemäki 11 6 5 0
Luvia 5 1 4 1
Nakkila 16 7 9 8
Pomarkku 7 3 4 0
Pori 28 16 12 9
Ulvila 10 5 5 5
Yhteensä 107 49 58 36
19
mediaani oli 85 vuotta. Tutkimuspuiden pituuden mediaani oli 20 metriä. Puiden läpimitan
mediaani oli 31 cm ja puuston mediaani pohjapinta-ala 18 m2/ha. Valtaosalla aloista valta-
lajina oli mänty ja toisena valtalajina kuusta, koivua, mäntyä tai raitaa.
Tutkimusalojen jakaantuminen luokkiin taustamuuttujien mukaan.
3.2 Tutkimusryhmä ja maastotöiden ajankohta
Jäkäläkartoitukset, harsuuntumisarvioinnit sekä sammalnäytteiden keruu tehtiin
11.11.-4.12.2014. Osa sammalnäytteistä kerättiin 15.-19.12.2015. Työhön osallistuivat Nab
Labs Oy:n tutkijat Kirsi Järvisalo ja Janne Ruuth sekä tutkimusavustajat Henna Toivanen,
Janne Hesso ja Mari Jäntti. Neulasnäytteet kerättiin 7.4.-22.4.2015. Neulasnäytteitä kerä-
sivät Janne Ruuth, Olli-Pekka Tervo ja Mikael Kynsijärvi Nab Labs Oy:stä.
3.3 Männyn runkojäkälät
3.3.1 Ilman epäpuhtauksien vaikutukset runkojäkälissä
Jäkälät koostuvat symbioosissa elävistä lehtivihreättömästä sieniosakkaasta ja yh-
teyttävästä leväosakkaasta. Ne menestyvät hyvin niukkaravinteisessa ja kuivassa elinym-
päristössä, missä korkeammat kasvit eivät selviä. Jäkälät kasvavat löyhärakenteisina se-
kovarsina ilman suojaavia pintasolukerroksia ja ilmarakoja ottaen ravinteensa ja vetensä
suoraan ilmasta, sadevedestä tai runkovalunnasta. Tämä tekee jäkälät herkiksi ilman epä-
puhtauksien vaikutuksille. Tärkeimmät jäkäliin vaikuttavat ilman epäpuhtaudet ovat rikkidi-
oksidi ja typen oksidit. Altistus tapahtuu pääasiassa siten, että epäpuhtaudet kiinnittyvät
Luokka Lkm % Tunnus Luokka Lkm %
Soveltuvuus Hyvä 61 57 Puuston pohjapinta- alle 10 0 0
Kohtalainen 40 37 ala (m3/ha) 10-15 26 24
Huono 6 6 15-20 38 36
Metsätyyppi VT 38 36 20-25 19 18
MT 61 57 25-30 18 17
OMT 3 3 yli 30 6 6
Muu 5 5 Havaintopuiden alle 25 4 4
Kehitysluokka Kypsä 67 63 halkaisija (cm) 25-30 37 35
Varttunut 36 34 30-35 52 49
Nuori 4 4 35-40 12 11
Puuston ikä (v) alle 80 32 30 yli 40 2 2
80-100 58 54 1. valtalaji Mänty 105 98
100-120 15 14 Kuusi 2 2
yli 120 2 2 2. valtalaji Kuusi 61 57
Valtapuiden pituus (m) alle 15 2 2 - 20 19
15-20 40 37 Koivu 22 21
yli 20 65 61 Mänty 3 3
Raita 1 1
20
sieniosakkaan soluseinämien proteiineihin. Talviaikaan, jolloin ilmassa on yleensä enem-
män epäpuhtauksia, runkojäkälät eivät ole lumikerroksen suojaamia, ja leudommilla säillä
niiden solutoiminta voi aktivoitua.
Jäkälät ilmentävät ilman epäpuhtauksien vaikutuksia yksilökohtaisesti silmin havait-
tavina morfologisina tai kemiallisina muutoksina, peittävyyksien muutoksina ja jäkäläyhtei-
söjen lajikoostumuksen muutoksina (Lodenius ym. 2002). Ilman epäpuhtauksien aiheutta-
mat muutokset jäkälissä ja jäkälälajistossa voivat ilmetä nopeasti etenkin suurissa
pitoisuuksissa. Usein vaikutukset näkyvät vielä vuosienkin päästä kuormituksen vähennyt-
tyä, koska jäkälät ovat hyvin hidaskasvuisia ja vaikutukset saattavat välittyä niihin myös
kasvualustan muutosten kautta (Jussila ym. 1999). Jäkälälajit reagoivat ilman epäpuhtauk-
siin eri tavoin: ensimmäisenä herkimpien lajien peittävyydet puiden rungoilla pienenevät,
kunnes laji ei enää pysty menestymään kasvupaikallaan. Tällöin kestävämmät lajit saatta-
vat vallata vapautunutta elintilaa. Eräät lajit saattavat jopa hyötyä kuormituksesta.
Morfologisena muutoksena tässä tutkimuksessa arvioitiin sormipaisukarpeen (Hypo-
gymnia physodes) vaurioastetta sekä tutkitun jäkälälajiston yleistä vaurioastetta. Jäkäläyh-
teisöjen lajikoostumuksen muutoksia arvioitiin lajilukumäärän ja IAP-indeksin avulla. Peittä-
vyyksiä arvioitiin sormipaisukarpeen ja luppojen osalta pistefrekvenssimenetelmällä.
Havainnot tehtiin havaintoalalla kymmeneltä tutkimuspuulta, joiden jäkälälajisto arvioitiin
50-200 cm:n korkeudelta.
3.3.2 Tutkitut jäkälälajit
Indikaattorilajeina käytettiin standardin SFS 5670 mukaisesti 12 männyillä yleisesti
kasvavaa jäkälälajia. Lajien erityispiirteitä sekä niiden indikaattoriarvot on kuvattu taulu-
kossa 4. Taulukossa 5 on luokiteltu indikaattorilajit herkkyytensä mukaan neljään luokkaan.
Tietyn lajin esiintymiseen vaikuttavat lajin saasteherkkyyden lisäksi myös luontaiset ympä-
ristöolosuhteet, jonka vuoksi eri lajien indikaattoriarvot ovat erilaisia. Toiset lajit suosivat
merenrantoja, toiset valoisia ja kuivia metsiköitä, toiset sulkeutuneempia metsiköitä, toiset
nuorempia puita ja toiset vanhempia.
Standardin SFS 5670 mukaiset jäkälälajit ilmanlaadun indikaattoreina. Indi-
kaattoriarvon luokitus: +++ hyvä, ++ kohtalainen, + pieni, - huono. Seuralaislajien luku-
määrät on laskettu Uudenmaan vuoden 2009, Pohjois-Karjalan vuoden 2010, Kokkolan
ja Pietarsaaren vuoden 2012 sekä Etelä-Karjalan vuoden 2012 bioindikaattoritutkimus-
ten yhdistetyistä aineistoista (Huuskonen ym. 2010, Lehkonen ym. 2011, Huuskonen
ym. 2013, Lehkonen 2013).
Sormipaisukarve (Hypogymnia physodes) +++
Sormipaisukarve on käytetyistä indikaattorilajeista kestävin
ja yleisin laji, joka sietää hyvin ilman epäpuhtauksia. Sormipaisukar-
peen esiintymisfrekvenssit eli peittävyys pienentyvät vasta voimak-
kaasti kuormitetuilla alueilla. Sormipaisukarve on hyvä ilmanlaa-
dun indikaattori, sillä myös sekovarren näkyvät vauriot kuvastavat
ilman epäpuhtauksien kuormitusta. Seuralaislajien lukumäärä
4,92.
21
Keltatyvikarve (Parmeliopsis ambiqua) +++
Tuhkakarve ja harmaatyvikarve (Parmeliopsis hyperopta & Imshaugia aleurites) +++
Seinäsuomujäkälä (Hypocenomyce scalaris) ++
Lupot (Bryoria sp.) +++
Naavat (Usnea sp.) +++
Keltatyvikarve sietää myös hyvin ilman epäpuhtauksia ja sen
esiintymisfrekvenssit noudattavat ilman epäpuhtauksien kuormi-
tus-vyöhykkeitä. Keltatyvikarve viihtyy parhaiten sulkeutuneissa
kosteissa metsissä (Pihlström & Myllyvirta 1995). Keltatyvikarvetta
esiintyy hyvin yleisesti, ja se on ilman epäpuhtauksia kestävä, hyvä
indikaattorilaji. Seuralaislajien lukumäärä 4,92.
Tuhkakarve ja harmaatyvikarve sijoittuvat kestävyydeltään
kolmanneksi. Tämä sijoitus sopii yleensä hyvin näiden lajien esiinty-
misfrekvenssin alueelliseen jakaantumiseen, sillä kahta em. lajia
herkempänä näiden lajien pienentyneet frekvenssit ulottuvat vä-
hemmän kuormitetuille alueille kuin sormipaisu- ja keltatyvikar-
peella. Tuhka- ja harmaatyvikarve ovat ilmansaasteita sietäviä, hy-
viä indikaattorilajeja, jotka suosivat kuivia ja valoisia
kalliomänniköitä. Seuralaislajien lukumäärä 5,33.
Seinäsuomujäkälää kasvaa luontaisesti vanhojen mäntyjen
rungoilla. Se pystyy myös käyttämään hyväkseen ilmassa olevia
epäpuhtauksia ja sen esiintyminen lisääntyy ilman saasteiden kuor-
mituksen lisääntyessä. Seinäsuomujäkälä on kohtalaisen hyvä il-
man epäpuhtauksien positiivinen indikaattori eli sen esiintyminen
kuvastaa lähinnä typpilaskeuman rehevöittävää vaikutusta. Seura-
laislajien lukumäärä 5,29.
Lupoilla on keskimäärin eniten seurannaislajeja rungoilla,
mikä osoittaa sen herkkyyttä ilman epäpuhtauksille. Luppojen esiin-
tymisfrekvenssit noudattavat yleensä ilmansaasteiden kuormitusta
ja luppojen pituuksia voidaan myös käyttää kuormitusta kuvaavana
tunnuksena. Lupot ovat hyviä ilman laadun indikaattoreita. Seura-
laislajien lukumäärä 6,27.
Naavojen esiintymisfrekvenssit vaihtelevat ilmansaastekuor-
mituksen mukaan yleensä samalla tavalla kuin lupoillakin. Naavojen
seuralaislajien määrä on yleensä melko suuri kuten lupoillakin, mikä
osoittaa näiden jäkälälajien herkkyyttä ilman epäpuhtauksille. Naa-
vojen pituuksia voidaan myös käyttää kuormitusta kuvaavana tun-
nuksena. Rannikon läheisyys suosii naavojen esiintymistä. Seuralais-
lajien lukumäärä 6,22.
22
Harmaaröyhelö (Platismatia glauca) ++
Keltaröyhelö (Vulpicida pinastri) +
Ruskoröyhelö (Tuckermannopsis chlorophylla) –
Harmaahankakarve (Pseudevernia furfuracea) ++
Raidanisokarve (Parmelia sulcata) +
Harmaaröyhelö on seuralaislajien määrän perusteella suhteel-
lisen herkkä indikaattorilaji ja myös sen esiintymisfrekvenssit ovat
yleensä loogisia: laji puuttuu kuormitetuilta alueilta ja eniten sitä to-
detaan puhtailla alueilla. Harmaaröyhelö on herkkä ilman epäpuh-
tauksille, mutta sen luontainen esiintyminen voi kuitenkin vaihdella
suuresti, minkä vuoksi sen indikaattoriarvo jää kohtalaiseksi. Seura-
laislajien lukumäärä 5,88.
Keltaröyhelön esiintyminen on usein varsin satunnaista, sitä
voidaan löytää voimakkaasti kuormitetuilta alueita ja toisaalta se
saattaa puuttua tausta-alueilta. Keltaröyhelön luontainen esiintymi-
nen vaihtelee suuresti, mutta mahdollisesti myös ilman epäpuhtauk-
silla on vaikutusta sen esiintymiseen. Keltaröyhelön arvo ilman laadun
indikaattorina jää kuitenkin pieneksi. Seuralaislajien lukumäärä 5,32.
Ruskoröyhelö on yleensä 12 indikaattorilajin joukossa yksi har-
vinaisimmista lajeista. Sen esiintyminen vaihtelee usein hyvin satun-
naisesti ja sitä voidaan löytää voimakkaasti kuormitetuiltakin alueilta.
Ilmanlaadun indikaattorina ruskoröyhelö on huono. Seuralaislajien lu-
kumäärä 6,94.
Hankakarve on yleinen laji männyn rungolla. Keskimääräisen
seuralaislajimäärän perusteella hankakarpeen voidaan katsoa olevan
herkkä ilman epäpuhtauksille. Myös sen esiintymisfrekvenssien alu-
eellinen jakauma vastaa yleensä ilman epäpuhtauksien kuormituksen
jakaumaa. Ilmansaasteet aiheuttavat selväi muutoksia hankakarpeen
sekovarressa. Rannikon läheisyys suosii lajin esiintymistä, sillä se viih-
tyy valoisissa kalliomänniköissä. Indikaattorina se on kohtalainen.
Seuralaislajien lukumäärä 5,80.
Raidanisokarve on harvinainen männyn rungolla esiintyvä jä-
kälälaji. Raidanisokarve on ravinteisuudesta hyötyvä jäkälälaji, jota
esiintyy yleensä mm. kalkkipölyalueiden liepeillä. Raidanisokarve so-
veltuu kalkkipölyn indikaattoriksi. Yleensä raidanisokarve on niin
harvinainen, että sen indikaattoriarvo jää pieneksi. Seuralaislajien lu-
kumäärä 6,25.
23
Viherlevä ja vihersukkulajäkälä (Algae & Scoliciosporum) +++
Tutkitut jäkälälajit ja niiden herkkyydet rikkidioksidille (Kuusinen ym. 1990).
Herkkyys Laji (tiet.) Laji (suom.)
kestävä, hyötyvä Algae + Scoliciosporum leväpeite Hypocenomyce scalaris seinäsuomujäkälä
melko kestävä Hypogymnia physodes sormipaisukarve Parmeliopsis ambiqua keltatyvikarve Tuckermannopsis chlorophylla ruskoröyhelö Vulpicida pinastri keltaröyhelö
melko herkkä Parmeliopsis hyperopta harmaatyvikarve Parmeliopsis aleurites tuhkatyvikarve Platismatia glauca harmaaröyhelö Pseudevernia furfuracea harmaahankakarve Parmelia sulcata raidanisokarve
herkkä Bryoria sp. lupot Usnea sp. naavat
Lajien esiintyminen tutkittiin laajentaen standardinmukaista menetelmää siten, että
kunkin lajin runsaus arvioitiin kolmiasteisella luokituksella (taulukko 6). Kullekin tutkimus-
puulle ja -alalle laskettiin ilman epäpuhtauksista kärsivien jäkälälajien lajimäärä. Ala- ja puu-
kohtaisia lajimääriä laskettaessa ei huomioitu ilman epäpuhtauksista hyötyviä seinäsuomu-
jäkälää sekä levää ja vihersukkulajäkälää, jolloin lajeja saattoi olla puuta tai alaa kohti
enimmillään 10.
Jäkälien runsauden luokittelu. Leväpeite (Algae & Scoliciosporum) ja sei-
näsuomujäkälä (Hypocenomyce scalaris) on luokiteltu peittävyytenä (%), muut lajit se-
kovarsien lukumäärän perusteella.
Luokka Sekovarsien määrä, kpl Peittävyys, %
1 1 - 2 < 5 2 3 - 7 5 - 49 3 > 7 ≥ 50
Kullekin havaintopaikalle laskettiin havaintopaikan jäkäläkasvillisuutta kuvaava IAP-
indeksi (Index of Atmospheric Purity, ilmanpuhtausindeksi) (LeBlanc ja DeSloover 1970).
IAP-indeksillä voidaan esittää eri jäkälälajien esiintymisfrekvenssit yhtenä lukuarvona, jossa
on otettu huomioon eri lajien herkkyydet ilman epäpuhtauksille. Korkea indeksiarvo kertoo
Viherleväpeite lisääntyy lähinnä kasvaneen typpilaskeuman
vaikutuksesta eli se on ilman epäpuhtauksien positiivinen indikaat-
tori. Viherleväpeite ja vihersukkulajäkälä ovat hyviä typpikuormituk-
sen indikaattoreita. Seuralaislajien lukumäärä 4,86.
24
runsaasta jäkälälajistosta ja siten hyvästä ilmanlaadusta, matalan indeksin arvon saavat
puolestaan lajistoltaan köyhtyneet havaintoalat (taulukko 8). Indeksi laskettiin kullekin ha-
vaintoalalle seuraavasti:
IAP Q fn
( ) / 101
Q = kunkin jäkälälajin keskimääräinen seuralaislajien lukumäärä (ks. taulukko 5) f = lajin suhteellinen esiintymisfrekvenssi näytealalla (0-1) n = jäkälälajien lukumäärä (10)
IAP–indeksi on laskettu käyttäen kymmentä standardin SFS 5670 mukaista indikaat-
torilajia. Laskennasta on jätetty pois seinäsuomujäkälä (Hypocenomyce scalaris) ja levät
sekä vihersukkulajäkälä (Algae ja Scoliciosporum sp.), jotka hyötyvät kuormituksesta.
Tässä selvityksessä käytetyt seuralaislajien lukumäärät (taulukko 4) on laskettu Uu-
denmaan vuoden 2009, Pohjois-Karjalan vuoden 2010, Kokkolan ja Pietarsaaren vuoden
2012 sekä Etelä-Karjalan vuoden 2012 bioindikaattoritutkimusten yhdistetyistä aineistoista,
joka käsittää 7885 puuta (Huuskonen ym. 2010, Lehkonen ym. 2011, Huuskonen & Lehko-
nen 2013, Lehkonen ym. 2013). Porin-Harjavallan alueen aiemmissa tutkimuksissa käytetyt
seuralaislajien lukumäärät oli laskettu Porin-Harjavallan kuormitetun alueen vuoden 1990
aineistosta. Vertailukelpoisuuden vuoksi vuoden 2007 tutkimuksen samoina pysyneiden
alojen IAP-indeksit laskettiin uudelleen käyttäen samoja seuralaislajimääriä kuin vuoden
2014 tutkimuksessa. Kunkin lajin seuralaislajien määrissä seinäsuomujäkälä, levä sekä vi-
hersukkulajäkälä on huomioitu. Puhtailla tausta-alueilla havaitaan yleensä enemmän jäkä-
lälajeja kuin kuormitetuilla alueilla (taulukko 7).
Jäkälälajiston luokitus IAP-indeksin ja lajilukumäärän perusteella.
IAP-indeksi Lajiluku-määrä
Kuvaus jäkälälajistosta
> 3 ≥ 8 Luonnontilainen lajisto, mukana herkkiä jäkälälajeja
2 - 3 6 - 7 Lievästi köyhtynyt lajisto, lajistossa lieviä muutoksia, herkimpiä lajeja puuttuu yleisesti
1 - 2 4 - 5 Lajisto on köyhtynyt, herkimpiä lajeja voi esiintyä yksittäisillä run-goilla
0,5 - 1 2 - 3 Lajisto on erittäin selvästi köyhtynyt, herkimmät lajit puuttuvat ylei-sesti, rungoilla esiintyy yleisesti ilmansaasteista hyötyviä lajeja
< 0,5 0 - 1 Jäkäläautio tai lähes jäkäläautio
3.3.3 Vaurioiden ja peittävyyksien arvioiminen
Sormipaisukarve on erityisen hyvä ilman epäpuhtauksien indikaattori, sillä se kestää
hyvin suuriakin ilman epäpuhtauksien pitoisuuksia, mutta indikoi niitä morfologisilla muu-
toksilla, joita arvioidaan vaurioasteen avulla. On myös esitetty, että sormipaisukarve saat-
taisi hyötyä ilman epäpuhtauksista tiettyyn kuormitustasoon asti (Anttonen 1990). Kuormi-
tustason kasvaessa sormipaisukarve voi vahvana kilpailijana vallata kasvualaa muilta
lajeilta, mikä näkyy lajin peittävyyden kasvamisena lievässä kuormitustasossa. Kuitenkin
sormipaisukarvekin kestää kuormitusta vain tiettyyn pisteeseen asti, jonka jälkeen sen vau-
riot pahenevat ja peittävyys pienenee (vrt. esim. Niskanen ym. 2003a ja Niskanen ym.
1996).
25
Sormipaisukarpeen vaurioaste ja yleinen vaurioaste arvioitiin viisiasteisella luokituk-
sella puolen vaurioluokan tarkkuudella (taulukko 8, kuva 9). Yleisessä vaurioasteessa eri-
tellään kasvutavaltaan pensasmaisiksi lupot, naavat ja hankakarve, loput lajit ovat lehtimäi-
siä. Sormipaisukarpeen ja luppojen (Bryoria sp.) esiintymisfrekvenssit laskettiin
sapluunaruudukolta 1,2 m:n korkeudelta itä-koillisesta ja länsi-lounaasta. Esiintymisfrek-
vensseistä laskettiin kullekin puulle näiden lajien suhteellinen peittävyys.
Sormipaisukarpeen (Hypogymnia physodes) ja yleinen vaurioluokitus (SFS
5670).
Vaurio Sormipaisukarpeen vaurioaste Yleinen vaurioaste
I terve jäkälät terveitä tai lähes terveitä kaikkien lajien ulkonäkö ja kasvu muuttu-mattomia
II lievä vaurio lievästi kitukasvuisia, lieviä värimuutoksia pensasmaiset kitukasvuisia, lehtimäiset normaaleja
III selvä vaurio jäkälät kitukasvuisia, vihertyneitä tai tum-muneita tai kumpiakin
pensasmaiset pieniä, lehtimäiset vaurioitu-neita
IV paha vaurio jäkälät pieniä, ryppyisiä, vihertyneitä tai tummuneita tai kumpiakin
pensasmaiset puuttuvat, lehtimäiset pa-hoin vaurioituneita
V kuollut tai puuttuu myös lehtimäiset puuttuvat, leväpeitettä voi esiintyä
I II III IV V
Kuva 10. Sormipaisukarpeen (Hypogymnia physodes) vaurioluokitus.
3.4 Männyn elinvoimaisuuden arviointi
Havupuiden neulaskato ei ilmennä nimenomaisesti ilman epäpuhtauksien vaikutuk-
sia, vaan ensisijaisesti puun yleistä elinvoimaisuutta. Puun kasvupaikka, ikä, ilmasto-olo-
suhteet, sienitaudit, hyönteiset ja muut tuhonaiheuttajat vaikuttavat myös neulaskatoon.
Epäpuhtauksien kuormitus yhdessä näiden tekijöiden kanssa voi johtaa suurempaan neu-
laskatoon kuin mitä tavattaisiin puhtaassa elinympäristössä (Jussila ym. 1999, Lindgren
2007). Joissain laajoja alueita kattavissa selvityksissä on havaittu korrelaatiota havupuiden
neulaskadon ja epäpuhtauksien aiheuttaman kuormituksen välillä (Salemaa ym. 1991),
mutta toisissa tutkimuksissa yhteyttä ei ole havaittu (Lindgren 2007).
Neulaskatoa arvioitaessa harsuuntuneiksi katsotaan puut, joiden neulaskato on yli
20 % tai 25 %. Tässä tutkimuksessa harsuuntumisen rajana käytettiin YK:n Euroopan ta-
louskomission (ECE) käyttämää 25 %:n rajaa, jota myös Metsäntutkimuslaitos (Metla) käyt-
tää. Tätä pienemmän vaihtelun katsotaan kuuluvan luontaiseen neulasmäärän vaihtelun
piiriin. Männyllä neulaskato ilmenee usein epätasaisena, eli puussa voi olla yksittäisiä,
muita voimakkaammin harsuuntuneita oksia. Voimakkaassa neulaskadossa latvus yleensä
26
harsuuntuu melko tasaisesti. Myös neulasvuosikertojen määrä kuvaa puun elinvoimai-
suutta, ja yleensä neulaskadon lisääntyessä neulasvuosikertojen määrä vastaavasti vähe-
nee.
Epäpuhtauksien kuormittamillakin alueilla havupuiden neulaskato on hyvin paikalli-
nen ilmiö. Pääkaupunkiseudun ilmanlaadun bioindikaattoriseurannassa mäntynäytealojen
keskimääräisen neulaskadon on todettu edustavan vain kyseistä näytealaa, sillä tulosten
yleistettävyys oli alle 0,3 km (Partanen ja Veijola 1996). Vaikka neulaskato ilmentääkin il-
manlaatua jokseenkin huonosti, on se kuitenkin selkeä puiden yleiskunnon mittari. Lisäksi
neulaskadon arviointi on menetelmänä helppo ja nopea toteuttaa, ja sitä käytetäänkin pal-
jon kansainvälisessä metsien tilan seurannassa.
Mäntyjen harsuuntuneisuutta eli neulaskadon määrää arvioitiin Metsäntutkimuslaitok-
sen arviointiohjeiden mukaisesti (Lindgren ja Salemaa 1999). Havainnot tehtiin koealalla
kymmeneltä puulta tarkastelemalla kutakin puuta kiikareilla eri puolilta vähintään puun pi-
tuutta vastaavalta etäisyydeltä siten, että tarkasteltavan puun neulasmassaa verrattiin sa-
malle kasvupaikalle kuvitellun terveen puun neulasmassaan. Arviot puun neulaskadon
määrästä kirjattiin prosentteina, ja lisäksi arvioitiin neulasvuosikertojen määrä, mahdolliset
tuhot ja taudit sekä neulasten väriviat (kellastuminen tai ruskettuminen). Neulasten värivi-
koja aiheuttavat ravinnepuutokset, hyönteistuhot (esim. kaarnakuoriaiset), sienet (esim.
ruskopilkkukariste, männynharmaakariste ja männyn juurikääpä) sekä abioottiset tekijät,
esim. ahava. Myös rikki- ja typpipäästöt voivat aiheuttaa värivikaisuutta (Metla 2012).
3.5 Neulasten ja sammalen alkuainepitoisuudet
Tässä tutkimuksessa on selvitetty metallien ja ravinteiden pitoisuuksia ja kertymistä
männyn neulasissa ja seinäsammalessa. Tutkitut muuttujat kuvaavat paitsi kuormituksen
alueellista jakaumaa, myös tutkimusmetsiköiden ravinnetilaa sekä maaperän ominaisuuk-
sia. Taulukossa 9 on kuvattu kunkin matriisin ja alkuaineen suhteen tutkittujen alojen mää-
rät.
Tutkimusalojen lukumäärät tutkittujen alkuaineiden ja matriisien suhteen.
Alkuaine Lyhenne Neulasaloja Sammalaloja
Arseeni As 143
Elohopea Hg 143
Kadmium Cd 143
Kalium K 106
Kalsium Ca 106
Kromi Cr 143
Kupari Cu 143
Lyijy Pb 143
Magnesium Mg 106
Mangaani Mn 106
Nikkeli Ni 143
Rauta Fe 143
Rikki S 106
Seleeni Se 143
Sinkki Zn 143
Titaani Ti 143
Typpi N 106
Vanadiini V 143
27
Metallien louhiminen, sulattaminen ja jalostaminen sekä niiden käyttö erilaisiin tarkoi-
tuksiin on saanut aikaan raskasmetallien mobilisoitumista ja leviämistä ilmakehässä erilai-
sissa fysikaalisissa ja kemiallisissa muodoissa. Metallien liikkuminen ja muuntuminen sekä
poistuminen ilmakehästä kuiva- ja märkälaskeumana riippuvat metallien esiintymismuo-
doista ja niiden ominaisuuksista (Helanen ym. 1999). Tutkitut alkuaineet on kuvattu seuraa-
vassa lyhyesti.
Arseeni on luonnossa yleinen, tavallisimmin sulfidimineraalien kanssa esiintyvä puo-
limetalli. Arseeni on erittäin myrkyllistä vesieliöille, ja se sitoutuu tavallisesti maaperän ok-
sideihin, orgaaniseen ainekseen ja savimineraaleihin. Karkearakeisissa maalajeissa ar-
seeni voi olla helposti liikkuvaa ja kulkeutua pohjaveteen. Arseenia käytetään mm.
elektroniikkateollisuudessa. Suomessa maaperän paikallista arseenikuormitusta on aiheut-
tanut lähinnä arseenin käyttö puunsuojaukseen CCA-kyllästeinä (Reinikainen ym. 2007,
93).
Elohopea voi esiintyä luonnossa sekä alkuainemuodossa, että erilaisina epäorgaa-
nisina ja orgaanisina yhdisteinä. Suomen luonnossa elohopeapitoisia mineraaleja esiintyy
luontaisesti eniten mustaliuskepitoisessa kallioperässä. Elohopeaa on käytetty laajalti mm.
paristoissa, sähkölaitteissa, kloorin elektrolyyttisessä tuotannossa, maaleissa sekä torjunta-
aineena. Elohopean ilmapäästöjä syntyy mm. energiantuotannossa sekä epäorgaanisessa
kemianteollisuudessa (kloorialkalitehtaat) (Reinikainen 2007, 94; Helanen ym. 1999).
Kadmiumia esiintyy luonnossa erityisesti sulfidimalmeissa, ja se on maaperässä suh-
teellisen helposti kulkeutuvaa, riippuen maaperän happamuudesta ja mm. orgaanisen ai-
neksen määrästä. Kadmium kertyy sekä eläimiin että kasveihin, ja voi aiheuttaa vaikutuksia
ravintoketjussa jo suhteellisen pienissäkin ympäristön pitoisuuksissa. Kadmiumia on käy-
tetty mm. raudan pintakäsittelyssä, väripigmenteissä sekä paristoissa ja akuissa. (Reinikai-
nen 2007, 95.)
Kalium on pääravinne, joka on tärkein kasvien vesitaloutta ja aineiden kuljetusta sää-
televä ravinne. Kalium ei sitoudu kasvin orgaanisiin rakenteisiin, vaan liikkuu tehokkaasti
K+-ionimuodossa. (Reinikainen ym. 1998.)
Kalsium on kasvien pääravinne, joka toimii kasvien aineenvaihdunnassa juurten kas-
vua, itämistä ja soluseinien välilevyjen ja solukalvojen muodostumista edistävänä ravin-
teena. Suomalaiset havupuut ovat sopeutuneet happamaan maaperään, mihin liittyy myös
neulasten matalat kalsiumpitoisuudet, ja kalsiumpuutokset ovat luonnossa harvinaisia (Rei-
nikainen ym. 1998). Kalsiumpitoisuutta voi nostaa kalkkipitoinen maaperä ja teollisuustoi-
minnoista peräisin oleva kalkkipöly.
Kromia esiintyy luonnossa hapetusasteilla +3 ja +6. Kallio- ja maaperässä suurin osa
kromista esiintyy varsin pysyvissä ja niukkaliukoisissa oksidimineraaleissa. Kuudenarvoi-
nen kromi on syöpävaarallista ja eliöille kolmenarvoista kromia haitallisempaa, mutta sitä ei
luontaisesti ole Suomen maaperässä tavattu. Kolmenarvoinen kromi on ihmiselle välttämä-
tön hivenaine. Kromia on käytetty erityisesti ruostumattoman teräksen valmistuksessa sekä
esim. nahka- ja kemianteollisuudessa sekä puunsuojauksessa (Reinikainen 2007, 97).
Kupari on eläimille ja kasveille välttämätön hivenaine, mutta suurina pitoisuuksina se
on erittäin myrkyllistä vesieliöille. Ihmistoiminnan seurauksena maaperään joutunut kupari
on usein liukoisemmassa muodossa kuin maaperän mineraaleihin sitoutunut kupari. Maa-
perän happamuus ja kuparia sitovien ainesten vähäisyys lisäävät kuparin kulkeutuvuutta.
Liian korkea kuparipitoisuus voi männyillä aiheuttaa mangaanin puutosta (Rautjärvi ja Raitio
2003). Suomessa kuparia on käytetty mm. teollisuuden metalliseoksissa, väripigmenteissä
28
ja puutavaran kyllästysaineissa (Reinikainen 2007, 98). Myös fossiilisten polttoaineiden
käytöstä pääsee ilmaan kuparia (Rautjärvi ja Raitio 2003).
Lyijyä esiintyy tavallisesti kertyneenä maaperän orgaaniseen pintakerrokseen. Lyijyn
kulkeutuvuus maaperässä on yleensä heikkoa, mutta hapettavat ja happamat olosuhteet
sekä kompleksoituminen liukoisiin yhdisteisiin lisäävät lyijyn liukoisuutta ja kulkeutuvuutta.
Lyijy kertyy ihmisen ravintoketjuun, ja on erittäin myrkyllistä vesieliöille. Lyijyä on käytetty
runsaasti mm. elektroniikkateollisuudessa sekä aikaisemmin bensiinin lisäaineena. Maape-
rän paikallista lyijykuormitusta ovat aiheuttaneet mm. ampumaratojen haulit ja luodit, kupa-
risulattojen kuonat sekä autojen akut. Kohonneita lyijypitoisuuksia voivat aiheuttaa myös
energiantuotannon polttoprosessien ilmalaskeuma (Reinikainen 2007, 99).
Magnesium kuuluu kasvien pääravinteisiin, ja valtaosa siitä esiintyy viherhiukka-
sissa. Magnesium on kaliumin ja kalsiumin antagonisti, ja magnesiumpuutos voi aiheutua
poikkeuksellisen runsaasta NH4-typen, kaliumin, kalsiumin tai raskasmetallien saannista.
(Reinikainen ym. 1998.) Humuksesta mitattuna magnesium kuvaa kasvupaikan ravintei-
suutta (Tamminen 1998). Magnesiumpuutosta on Suomessa esiintynyt turkistarhojen lähei-
syydessä, voimakkaasti typellä lannoitetuilla turvemailla ja karuilla kankailla (Ferm ym.
1988, Raitio 1990, Reinikainen ym. 1998). Rannikkoseuduilla magnesiumpitoisuuksia nos-
tavat merivedestä peräisin olevat suolat (Binkley ja Högberg 1997).
Mangaani on yksi maankuoren kahdeksasta yleisimmästä alkuaineesta, ja ihmiselle
tarpeellinen hivenaine. Suomen luontaisesti hapan maaperä sisältää luontaisesti paljon
mangaania (Rautjärvi ja Raitio 2003); kallioperässä mangaania esiintyi erilaisina mineraa-
leina ja malmeina. Mangaania käytetään muun muassa raudan ja teräksen valmistuksessa,
alumiiniseoksissa ja väriaineina. Mangaanin päästölähteitä ovat mm. terästeollisuus ja kivi-
hiilen, öljyn ja turpeen poltto, sekä maaperän pölyäminen (Värri 2007).
Nikkeliä esiintyy Suomen kallio- ja maaperässä luontaisesti mm. nikkelisulfidimine-
raaleissa. Nikkelin liikkuvuutta maaperässä säätelevät pH sekä orgaanisen aineksen ja alu-
miinipitoisten savimineraalien määrä. Nikkeli on välttämätön hivenaine, joka on kuitenkin
tiettyinä yhdisteinä erittäin myrkyllinen vesieliöille. Nikkeliä käytetään mm. ruostumattoman
teräksen ja metalliseosten valmistuksessa, metallien galvanoinnissa sekä paristoissa. Nik-
kelin päästölähteitä ovat mm. kaivos- ja metalliteollisuus ja kivihiilen ja öljyn poltto (Reini-
kainen 2007, 100; Melanen ym. 1999).
Rauta on neulasissa esiintyessään ilmeisen hyvä ilmanlaadun indikaattori, sillä neu-
lasten rautapitoisuuden on havaittu korreloivan ilmasta mitattujen rautapitoisuuksien
kanssa (Landolt ym. 1989). Rautaa kertyy kasvien pinnalle maapölystä ja metalli- ja kaivan-
naisteollisuudesta (Rautjärvi ja Raitio 2003).
Rikki on sivuravinne, jota kasvi käyttää valkuaisaineisiin ja sulfolipidien osana kalvo-
rakenteisiin. Rikkipuutoksia ei Suomen metsistä tunneta (Reinikainen ym. 1998). Humuk-
sesta mitattuna rikki kuvaa kasvupaikan viljavuutta (Tamminen 1998). Rikkikuormituksen
indikaattorina käytetään epifyyttijäkälien lisäksi neulasten ja sammalten rikkipitoisuuksia.
Rikki voi kulkeutua ilmakehässä suhteellisen kauas päästölähteestään, ja se esiintyy il-
massa useimmiten kaasumaisena. Vaikka rikkipitoisuuden on havaittu kohoavan lähellä
päästölähteitä ja laskevan kauempana niistä sekä sammalissa että neulasissa, sitä ei pidetä
erityisen hyvänä rikin kertymäindikaattorina. Korkeat rikkipitoisuudet vahingoittavat kasveja
ja muuttavat niiden kertymiskapasiteettiä (Äyräs ym. 1997), toisaalta männyillä rikin on ha-
vaittu kuvaavan ensisijaisesti ravinnetilannetta, eikä ilman rikkidioksidipitoisuuden ja neu-
lasten pitoisuuksien välillä ole aina havaittu yhteyttä (Innes 1995, Rautjärvi ja Raitio 2003).
29
Lisäksi kasvien aktiiviset fysiologiset prosessit kontrolloivat rikin kertymistä (Moser ym.
1993).
Seleeniä esiintyy luonnossa lähinnä sulfidimalmeissa kuten rikki- ja kuparikiisussa.
Seleeni muistuttaa kemiallisesti rikkiä, joten selenaatti- ja sulfaatti -ioni joutuvat samoihin
kasvinosiin. Seleeni konsentroituu kasveissa yleensä kasvin kasvaviin osiin ja siemeniin,
jolloin on havaittu jopa 1500 mg/kg:n pitoisuuksia. Seleenin määrä maaperässä on kuiten-
kin suhteellisen vähäinen, ja sulfaatti-ioni hillitsee seleenin kulkeutumista kasveihin. Lisäksi
maaperän pH säätelee seleenin kulkeutumista niin, että sen ollessa korkea seleeniä kul-
keutuu helpommin. (Lyyränen ym. 2004).
Sinkki on luonnossa yleinen metalli, jota esiintyy luontaisesti runsaasti sulfidipitoisen
kallioperän alueella (mustaliuskealueet) ja sulfidimailla, jotka ovat yleisiä Pohjanmaalla.
Maaperän happamoituminen ja alumiinin liukoisuuden kasvu lisäävät sinkin kulkeutuvuutta.
Sinkki on eläimille ja kasveille tarpeellinen hivenaine, mutta tietyt sinkkiyhdisteet ovat hyvin
myrkyllisiä vesieliöille. Korkeat sinkkipitoisuudet voivat johtaa fosforin puutteeseen (Reini-
kainen 1998). Sinkkiä käytetään runsaasti metalliteollisuudessa, esim. raudan ja teräksen
pinnoituksessa ja messinkiseoksissa (Reinikainen 2007).
Titaani on tyypillinen maaperästä peräisin oleva alkuaine, joka esiintyy enimmäkseen
isoissa hiukkasissa (Saari ym. 2012).
Typpi on kasvisolujen tärkeimpiä rakennusaineita, ja sen osuus kasvien kuiva-ai-
neesta on 1-3 % (Raitio 1987), neulasilla tyypillisesti alle 2 % (Reinikainen ym. 1998). Typpi
on helposti liikkuva ravinne, ja sen pitoisuus männyn neulasissa tavallisesti alenee neulas-
ten ikääntyessä (Helmisaari 1993). Suomessa typpi on tärkein puiden kasvia rajoittava te-
kijä, ja lievää typen puutetta voi esiintyä kohtalaisen rehevilläkin kivennäismailla (Reinikai-
nen ym. 1998). Runsaan laskeuman alueella on havaittu typen kertymistä neulasiin (Raitio
1994, Innes 1995). Typpilaskeuman lisääntyminen voi muuttaa kasvien ainesuhteita ja hei-
kentää puiden ravinteidenottokykyä, ja ravinne-epätasapaino altistaa puuston taudeille ja
tuholaisille ja sääolosuhteiden haittavaikutuksille (Thelin ym. 1998).
Vanadiinia esiintyy Suomen kallio- ja maaperässä luontaisesti niukkaliukoisina oksi-
dimineraaleina tai kiillemineraaleihin sitoutuneena. Vanadiini kuuluu ihmisille tarpeellisiin
hivenaineisiin. Vanadiinia käytetään seosaineena mm. teräksessä, raudattomissa metalli-
seoksissa sekä kemikaaleissa. (Reinikainen 2007) Vanadiinipäästöjä syntyy mm. öljynpol-
tosta (Melanen ym. 1999). Korkeat pitoisuudet johtuvat pääasiassa öljynjalostamoiden, ke-
mian teollisuuden sekä fossiilisia polttoaineita käyttävien energiantuotantolaitosten
päästöistä. Suomessa sammalten vanadiinin taustapitoisuus on ollut alhainen, keskimäärin
noin 1,0 mg/kg (Harmens & Norris 2008).
3.4.1 Neulasten alkuainepitoisuudet ja niiden määrittäminen
Neulasiin kertyy epäpuhtauksia sekä juuristojen kautta että suoraan ilmasta neulasten
pintasolukoista, ja osa laskeumasta jää neulasten pinnoille kulkeutumatta eteenpäin (Jus-
sila ym. 1999). Neulasten alkuainepitoisuudet kuvaavat kuormitusta suhteellisesti, sillä osa
alkuaineista on aina peräisin maaperän luontaisista ravinnevaroista (Jussila ym. 1999). Al-
kuainepitoisuuksien perusteella voidaan tehdä päätelmiä ravinteiden keskinäisistä suh-
teista, puutostiloista tai myrkyllisen korkeista pitoisuuksista. Voimakkaat sateet laskevat
neulasten alkuainepitoisuuksia (Huttunen 1982). Myös latvustosta voi huuhtoutua ravinteita
alempien neulasten pinnoille; nämä ravinteet ovat peräisin lehtisolukoista ja kuivalas-
keumasta (Helmisaari 1993). Neulasten vanhetessa helposti liikkuvien ravinteiden (N, S,
30
Mg, K) pitoisuudet pienenevät, ja heikosti liikkuvien (Ca, Mn) pitoisuudet kasvavat. Neulas-
ten iän vaikutusta on tutkimuksissa pyritty vakioimaan tekemällä analyysit toisen vuosiker-
ran neulasista. Kuormitetuilla alueilla rikkipitoisuudet voivat kuitenkin päinvastoin kasvaa
neulasten vanhetessa (Nieminen ym. 1993, Helmisaari 1993).
Yksiselitteisiä ohjearvoja neulasten alkuainepitoisuuksille ei juurikaan ole arvojen
vaihdellessa eri lähteissä (vrt. Reinikainen ym. 1998). Neulasten eri pitoisuuksille annettuja
viitearvoja on esitetty taulukossa 10.
Neulasten alkuainepitoisuuksien viitearvoja kangasmaan metsille (Reinikai-
nen ym. 1998 Brække 1995, Mälkönen 1991 ja Raitio 1994 mukaan).
Neulasnäytteet kerättiin standardin SFS 5669 mukaisesti talvella 2015 samoilta tutki-
musaloilta, joilta jäkälähavainnot edellisenä kesällä tehtiin. Neulasnäytteet kerätään puiden
lepoaikana, jolloin neulasten alkuainepitoisuuksissa on vähemmän vaihtelua kuin kasvu-
kaudella (esim. Raitio ja Merilä 1998). Näytepuista katkaistiin 3-4 oksaa eri puolilta latvustoa
8-12 metrin korkeudelta. Näytteet pakattiin muovipusseihin, joita säilytettiin pakastimessa
näytteiden esikäsittelyyn asti. Näytteistä erotettiin toisen vuosikasvaimen neulaset (vuoden
2013 vuosikerta), jotka kuivattiin paperipusseissa noin 40C lämpötilassa noin viikon ajan.
Kuivatut neulaset jauhettiin homogeeniseksi massaksi ja hajotettiin väkevän typpihapon
avulla märkäpoltolla mikroaaltopolttolaitteistossa. Jäähtyneet näytteet laimennettiin vedellä
ja sentrifugoitiin. Neulasnäytteiden alkuainepitoisuudet typpeä lukuun ottamatta ICP-OES -
laitteistolla (Jobin-Yvon Ultima 2) standardin SFS-EN ISO 11885:98 mukaisesti ja ICP-OES
-laitteistolla (Agilent 7500ce) standardin SFS-EN ISO 17294-2:05 mukaisesti (taulukko 13).
Typpipitoisuudet määritettiin Metsäntutkimuslaitoksen laboratoriossa ilmakuivatuista näyt-
teistä. Rinnakkaismääritysten lisäksi alkuainemääritysten laadunvarmistukseen käytetään
laboratorion sisäisiä kontrollinäytteitä. Tulokset on ilmoitettu kuiva-ainetta (105 °C) kohti.
3.4.2 Sammalen alkuainepitoisuudet ja niiden määrittäminen
Sammalten kemiallinen analyysi on hyvä menetelmä esim. raskasmetallilaskeuman
tutkimiseen, sillä tiheä sammalmatto pidättää lähes kaiken hiukkasten muodossa tulevan
laskeuman. Koska sammalilla ei ole juuria, ne ottavat tarvitsemansa alkuaineet sadeve-
destä ja karikkeesta saatavilla olevista ravinteista suoraan solukoihinsa. Sammalia onkin
käytetty Pohjoismaissa laajalti raskasmetallipitoisuuksien kartoittamiseen, ja sammalten
Mänty Ankara puutos Sopiva (optimi) Keskiarvo Minimi
Mak-simi
N % 1,1 - 1,3 1,5 - 2,1 1,23 0,74 2,25 K g/kg 3,0 - 4,1 5,0 - 7,0 4,82 - 4,87 3,1 8 Ca g/kg 1,0 - 2,1 yli 3,0 1,85 - 2,28 1,14 4,24 Mg g/kg 0,3 - 0,7 0,5 - 1,0 0,99 - 1,07 0,52 1,48 S g/kg 0,5 - 0,9 yli 0,9 0,94 0,66 1,42 B mg/kg alle 4 yli 8,0 12,1 3,6 27,6 Cu mg/kg 1,9 - 3,0 ei optimiarvoa 2,6 - 3,2 0,8 5,9 Zn mg/kg alle 5,0 ei optimiarvoa 40 - 46 25,5 61 Mn mg/kg alle 7,0 ei optimiarvoa 409 - 555 157 767 Fe mg/kg 27 - 30 ei optimiarvoa 46,4 24,3 148
31
raskasmetallipitoisuuksien ja absoluuttisten laskeumamäärien välillä on todettu olevan ti-
lastollisesti erittäin merkitsevä korrelaatio (Rühling ym. 1987).
Sammalen alkuaineiden pitoisuudet analysoitiin standardin SFS-EN ISO 11885:98 ja
SFS-EN ISO 17294 mukaisesti. Näytesammalena käytettiin seinäsammalta (Pleurozium
schreberi). Jokaiselta näytealalta kerättiin vähintään viisi osanäytettä eri paikoista mahdol-
lisimman puhtailta sammalkasvustoilta standardin SFS 5671 mukaan. Osanäytteet pyrittiin
keräämään metsän aukkopaikoilta. Sammalista leikattiin maastossa kolme nuorinta vuosi-
kasvainta, jotka pakattiin muovipusseihin. Laboratoriossa sammalnäytteet puhdistettiin ja
kuivattiin lämpökaapissa n. 40C lämpötilassa. Sammalten alkuainepitoisuudet määritettiin
ICP OES ja ICP MS –laitteistoilla (Thermo iCAP-Q), ja elohopeapitoisuudet ICP-MS-
laitteistolla standardin SFS-EN ISO 17294-2:05 mukaisesti.
3.6 Paikkatietomenetelmät
Paikkatietoaineistojen käsittelyssä, tuottamisessa ja visualisoinnissa hyödynnettiin
QGIS 2.12-, Surfer 8- sekä MapInfo 8.0 –ohjelmistoja. Vyöhykekartat interpoloitiin kriging-
menetelmällä. Kriging-menetelmä laskee tuntemattomalle pisteelle arvon painottamalla lä-
himpien tunnettujen pisteiden arvoja, mutta painotus ei perustu pelkästään pisteiden väli-
seen etäisyyteen ja ennustettuun sijaintiin, vaan myös tunnettujen pisteiden ja niiden arvo-
jen spatiaaliseen järjestäytymiseen. Kriging-menetelmää käytettäessä huomioidaan
spatiaalisen autokorrelaation vaikutus. Autokorrelaatio tarkoittaa sitä, että toisiaan lähellä
olevissa paikoissa vastemuuttujan arvot ovat keskenään keskimäärin samanlaisempia kuin
toisistaan kaukana olevissa paikoissa.
Vyöhykekarttoja tarkasteltaessa tulee huomioida, että interpolointitulos on aina yleis-
tys, jonka tarkkuuteen vaikuttaa ennen kaikkea tunnettujen pisteiden määrä ja tiheys. Siten
interpoloinnin tulosta voidaan pitää luotettavana niillä alueilla, joilla tunnettuja pisteitä (tut-
kimusaloja) on tiheässä, mutta harvan tutkimusalaverkon alueilla interpoloinnin tulokseen
tulee huomattavasti enemmän epävarmuustekijöitä. Kun tutkimusalaverkosto on harva, yk-
sittäisen alan tulos vaikuttaa laajempiin alueisiin kuin jos tutkimusalaverkko olisi tiheä.
3.7 Tilastomenetelmät
Tilastomenetelmien avulla pyrittiin saamaan tietoa ilmanlaatu- ja taustamuuttujien vai-
kutuksesta tutkittuihin muuttujiin, ilmanlaatua kuvaavien muuttujien välisestä yhteisvaihte-
lusta sekä vuosien välisistä eroista (Partanen ja Veijola 1996). Tilastomenetelmin tutkittiin
taustamuuttujien (metsikkötunnukset ja ns. ilmanlaatumuuttujat) vaikutusta jäkälätunnuk-
siin, jäkälätunnusten ja alkuainepitoisuuksien välisiä korrelaatioita sekä neulasten ja sam-
malten alkuainepitoisuuksien yhteisvaihtelua faktorianalyysiin avulla. Tilastollisten testien
tekemiseen käytettiin IBM SPSS Statistics 20.0 ja R –ohjelmia.
3.7.1 Taustamuuttujien vaikutus
Taustamuuttujina käytettiin sekä tutkimusalan luonnonolosuhteita kuvaavia ns. kont-
rollimuuttujia että tutkimusalan suhdetta päästölähteisiin kuvaavia muuttujia, ns. ilmanlaa-
tumuuttujia. Luokittelevien taustamuuttujien vaikutusta ilmanlaatua kuvaaviin indikaattori-
muuttujiin testattiin Kruskal-Wallisin varianssianalyysillä tai Spearmanin
järjestyskorrelaatioanalyysillä. Taustamuuttujina käytettiin metsätyyppiä, alan pohjapinta-
32
alaa, puiden halkaisijaa, ikää ja pituutta. Lisäksi laskettiin seuraavat päästölähteitä kuvaa-
vat taustamuuttujat vuosien 2009-2013 päästötietojen keskiarvojen perusteella:
alan etäisyys lupavelvolliseen päästölähteeseen, jonka SO2-, NOx- tai hiukkaspäästöt olivat alle 1 tonni vuodessa
alan etäisyys lupavelvolliseen päästölähteeseen, jonka suurimman päästötyypin pääs-tömäärä oli alle 10 tonnia vuodessa
alan etäisyys lupavelvolliseen päästölähteeseen, jonka suurimman päästötyypin pääs-tömäärä oli 10 tonnia tai yli
Kullekin alalle laskettiin 3 eri etäisyyttä päästölähteisiin: etäisyys mihin tahansa lähim-
pään päästölähteeseen, etäisyys lähimpään luokkaan 2 tai 3 kuuluvaan laitokseen, ja etäi-
syys lähimpään luokkaan 3 kuuluvaan laitokseen. Näiden etäisyysmuuttujien suhdetta il-
manlaatumuuttujiin tarkasteltiin Spearmanin korrelaatioanalyysin avulla.
Havaintoalojen epätasainen jakautuminen taustamuuttujien muodostamiin luokkiin
voi heikentää taustamuuttujien vaikutuksen tilastollisen arvioinnin luotettavuutta, jolloin tu-
lokset voivat erityisesti olla herkempiä parametristen testien taustaoletusten rikkoutumisen
aiheuttamille virheille, jotka vaikuttavat testin merkitsevyystasoon ja voimakkuuteen. Jos
esimerkiksi sekä otoskoot että otosten varianssit eroavat ryhmittäin, riski tehdä tyypin 1
virhe, eli hylätä nollahypoteesi sen ollessa tosi, kasvaa (Ranta ym. 1989).
3.7.3 Faktorianalyysi
Faktorianalyysi on monimuuttujamenetelmä, jossa suuresta muuttujajoukosta pyri-
tään hahmottamaan harvalukuisempi määrä tulkittavissa olevia piileviä (latentteja) muuttu-
jia, faktoreita. Faktorianalyysi tiivistää muuttujien välistä vaihtelua muuttujien välisiin korre-
laatioihin perustuen, ja paljastaa aineistosta piileviä säännönmukaisuuksia. Faktorit on
varimax-rotatoitu, jolloin ne ovat keskenään korreloimattomia. Analyysin tuottamia faktori-
pistemääriä voidaan käyttää esim. karttatarkasteluissa, jolloin voidaan tarkastella esim.
päästölähdetyyppien yhteyttä erilaisiin alkuainepitoisuusprofiileihin (faktoreihin). Faktori-
analyysi tehtiin jäkälämuuttujille, männyn elinvoimaisuusmuuttujille sekä neulasten ja sam-
malten alkuainepitoisuuksille. Tarkasteluun otettiin tavanomaiseen tapaan mukaan ne fak-
torit, joiden ominaisarvot olivat yli yksi.
3.7.4 Korrelaatiot
Jäkälämuuttujien, männyn elinvoimaisuusmuuttujien sekä neulasten ja sammalten al-
kuaineipitoisuuksien välisiä riippuvuuksia tarkasteltiin Spearmanin järjestyskorrelaatioiden
avulla. Alle 0,3:n korrelaatiota ei yleisesti katsota merkitykselliseksi. Suurilla aineistoilla var-
sin pienetkin korrelaatiot voivat olla tilastollisesti merkitseviä. Tilastollisesti merkitsevä tulos
ei siten aina merkitse sitä, että muuttujien välinen korrelaatio olisi voimakas.
3.7.5 Vuosien väliset vertailut
Jäkälä- ja neulasmuuttujien vuosien väliset vertailut tehtiin parittaisten otosten t-tes-
tillä tai parametrittomalla Wilcoxonin merkkitestillä. Sammalmuuttujia tutkittaessa käytettiin
parametritonta Friedmanin toistomittausten varianssianalyysiä, jos vertailtavia vuosia oli
kolme, tai Wilcoxonin merkkitestiä, jos vertailuaineistoa oli vain kahdelta vuodelta.
33
3.8 Virhelähteet ja luotettavuus
3.8.1 Jäkäläkartoitus
Jäkäläkartoituksen tulosten luotettavuuteen vaikuttavat erityisesti kartoituksen tekijöi-
den lajintuntemus sekä kokemus bioindikaattoritutkimusten tekemisessä. Ainoastaan stan-
dardissa SFS 5670 esitettyjen 12 indikaattorilajin hallitseminen ei riitä, sillä lajintuntemuk-
sen ollessa suppea voivat indikaattorilajit sekoittua muihin lajeihin. Ilman epäpuhtaudet
voivat aiheuttaa lajien ulkonäköön huomattavia muutoksia, minkä vuoksi vain luonnontilais-
ten jäkälien tunteminen ei ole tutkimuksen kannalta riittävää.
Eri jäkälälajien esiintymisen kirjaaminen voi vaihdella eri arvioitsijoiden kesken. Levä-
peitteen ja seinäsuomujäkälän kasvutavan vuoksi niiden havainnointi on erityisen hankalaa.
Leväpeitettä voi esiintyä hyvinkin pieninä vihertävinä laikkuina. Seinäsuomujäkälä kasvaa
yksittäisinä alle 1 mm:n kokoisina suomuina. Tämä suomupeite voi olla lähes yhtenäinen,
selvästi havaittava peite kaarnalla, tai niukimmillaan lähes yksittäisiä suomuja. Tyvikarpei-
den osalta on kirjattu esiintymiseksi vain selvästi erottuva sekovarsi, ei kaarnan pinnalla
oleva kellertävä tai vaalea jauhomainen kasvusto. Edellä esitettyjen syiden vuoksi näiden
lajien havainnointiin ja runsauden arviointiin liittyvät erityisen suuret virhelähteet, kun verra-
taan eri tutkijoiden tuloksia keskenään.
Subjektiivisiin arvioihin pohjautuva jäkälien näkyvien vaurioiden arviointi ja luokittelu
aiheuttaa myös tutkijakohtaisia eroja jäkäläkartoituksen tuloksiin. Näiden virhelähteiden pie-
nentämiseksi maastoryhmä koulutettiin ja arviointitasot saatettiin samalle tasolle testien
avulla ennen maastokauden alkua. Maastoryhmän vaurioiden arviointitasoa ja jäkälälajien
havainnoinnin tarkkuutta testattiin myös maastokauden aikana.
Jyväskylän yliopiston ympäristöntutkimuskeskuksen selvityksessä (Polojärvi ym.
2005) männyn epifyyttijäkälien ja sormipaisukarpeen vaurioiden havainnoinnin virheläh-
teistä todettiin, että arviot sormipaisukarpeen vaurioista eivät eronneet tilastollisesti merkit-
sevästi havainnoijien omien eivätkä eri havainnoijien arvioiden välillä. Havainnot ilman epä-
puhtauksista kärsivien jäkälälajien lukumäärästä eivät eronneet tilastollisesti merkitsevästi
havainnoijien omien havaintokertojen välillä, mutta eri havainnoijien välillä todettiin muuta-
mia tilastollisesti merkitseviä eroja. Sormipaisukarpeen suhteellisissa peittävyyksissä todet-
tiin tilastollisesti merkitseviä eroja sekä havainnoijien omien että eri havainnoijien tekemien
mittausten välillä, kuten myös leväpeitteen arvioinnissa. Jäkälähavainnoista leväpeitteen
havainnointi osoittautui tarkkuudeltaan epävarmimmaksi. Arviot leväpeitteen esiintymisestä
poikkesivat havaintoaloilla, joilla leväpeitettä esiintyi mäntyjen rungoilla hyvin pieninä viher-
tävinä laikkuina. Leväpeitteestä poiketen seinäsuomujäkälän havainnoinnissa eroja ei to-
dettu (taulukko 11).
34
Jäkälähavaintojen mittaustarkkuus 95 %:n luottamusvälillä (Polojärvi ym.
2005).
3.8.2 Neulaskatoarvion virhelähteet ja luotettavuus
Latvuksen kunnon arvioiminen on aina subjektiivista ja arviointitulokseen vaikuttavat
esimerkiksi metsikön tiheydestä, sääoloista ja valaistuksesta aiheutuvat virhelähteet (Sale-
maa ym. 1993). Subjektiivisuudestaan huolimatta harsuuntuneisuuden arviointi on käyttö-
kelpoinen ja suhteellisen nopea menetelmä arvioitaessa puiden elinvoimaisuutta. Menetel-
män subjektiivisuudesta johtuvia eroja voidaan vähentää arvioijien koulutuksella sekä
vakioimalla mahdollisimman monia arviointitulokseen vaikuttavia tekijöitä (arvioija, puu, tar-
kastelusuunta). Eri tutkimusten tulosten vertailukelpoisuutta vähentävät mm. arvioijien väli-
set erot, puiden erilaiset ikä- ja kokojakaumat sekä erilaiset kasvupaikat.
Metsäntutkimuslaitoksen arvioijien vertailussa on todettu, että 90 % yksittäisistä
puista arvioidaan yhden neulaskatoluokan (± 10 %) virhemarginaalien sisälle. Näissä ver-
tailuissa ei ole todettu tilastollisia eroja eri arvioijien välillä verrattaessa eri harsuuntunei-
suusluokkiin luokiteltujen puiden osuuksia (Salemaa ym. 1993).
Jyväskylän yliopiston ympäristöntutkimuskeskuksen bioindikaattoritutkijoiden arvioin-
titason vertailussa vuonna 1994 yhden neulaskatoluokan virherajoihin mahtui yli 95 % arvi-
oiduista puista ja erot kohdepuiden jakaantumisessa neulaskatoluokkiin olivat pieniä ilman
tilastollista merkitsevyyttä. Mäntyjen neulaskatoarvioiden keskiarvo oli alle yhden prosentin
suurempi kuin metsäntutkimuslaitoksen arvioijien keskiarvo, eivätkä keskiarvot eronneet ti-
lastollisesti toisistaan. (Niskanen 1995). Kesällä 1996 arviointitason todettiin vastaavan
metsäntutkimuslaitoksen arvioijien tasoa (Niskanen ym. 1996). Kesällä 2000 ympäristön-
tutkimuskeskuksen maastoryhmän harsuuntuneisuusarviot olivat ensimmäisessä testissä
keskimäärin 8 % pienempiä kuin Metlan arvioijien taso ryhmän sisäisen hajonnan ollessa
kuitenkin pieni (Lindgren 2000). Myöhemmin samana kesänä maastoryhmän arviot eivät
eronneet tilastollisesti Metlan Hannu Rantasen arvioista (Lindgren 2001). Vuonna 2007 yh-
den ympäristöntutkimuskeskuksen maastotyöryhmän jäsenen arviointitasot vastasivat hy-
vin Metlan arvioita, ja kahden jäsenen arviot olivat hieman Metlan arvioita korkeampia.
(Lindgren 2007.)
Harsuuntuneisuuden arvioimiseen liittyvien virhelähteiden pienentämiseksi maasto-
ryhmälle järjestettiin kesällä 2015 koulutusjakso ja arviointitasot testattiin ennen maasto-
ARVIOINTITARKKUUS ERO TULOKSISSA
Sormipaisukarpeen vauriot
Yhden havainnoijan arvioiden välinen vaihtelu 3 - 12 % 0,1 - 0,2 vaurioluokkaa
Usean havainnoijan välinen vaihtelu yhdellä havaintoalalla 10 - 16 % 0,2 - 0,4 vaurioluokkaa
Jäkälälajien lukumäärä
Yhden havainnoijan arvioiden välinen vaihtelu 11 - 23 % 0,9 - 1,6 lajia
Usean havainnoijan välinen vaihtelu yhdellä havaintoalalla 0 - 5 % 0 - 0,9 lajia
Sormipaisukarpeen peittävyys
Yhden havainnoijan arvioiden välinen vaihtelu 34 - 42 % 3,3 - 3,0 %-yks.
Usean havainnoijan välinen vaihtelu yhdellä havaintoalalla 11 - 22 % 0,7 - 4,9 %-yks.
35
kauden alkua Metlan vertailupuilla yhdessä Metlan harsuuntumisarvioijan kanssa. Maasto-
työryhmän ja Metlan neulaskatoarviot vastasivat hyvin toisiaan. Neulaskatoarviointien py-
syminen samalla tasolla varmistettiin vielä eri tutkimusaloilla tutkimuksen aikana.
3.8.3 Neulasten alkuainepitoisuuksien määrittäminen
Jyväskylän yliopiston ympäristöntutkimuskeskus tutki vuonna 2004 neulasnäytteiden
keräämiseen ja analysointiin liittyviä virheitä. Menetelmän mittaustarkkuus, joka käsittää
sekä näytteenottoon että analyysiin liittyvät virheet oli rikkipitoisuudelle keskimäärin ± 5 %
ja typpipitoisuudelle ± 7 %. Heikoimmillaan mittaustarkkuus oli suuren pistepäästölähteen
vaikutusalueella rikille ± 14 % ja typelle ± 12 % (taulukko 12). Näytteenoton mittausepävar-
muuden vähentämiseksi näytteet otetaan eri puolilta näytepuuta, jolloin kokoomanäyttee-
seen tulee neulasia sekä päästökohteiden puolelta että suojapuolelta. Menetelmän toistet-
tavuutta tutkittaessa ei tilastollisesti merkitseviä eroja juuri havaittu (ks. Polojärvi ym. 2005).
Vuoden 1995 tutkimuksessa neulasten rikkipitoisuuksien kartoittamisen mittaustarkkuu-
deksi arvioitiin ± 7 % (Niskanen 1995) ja toistettavuuden osalta ± 14 % (taulukko 12) (Nis-
kanen ym. 1996).
Neulasten rikki- ja typpipitoisuuden kartoituksessa käytetyn menetelmän tarkkuus
heikkenee etenkin tilanteessa, jossa pitoisuuksien vaihteluväli on pieni ja sääolosuhteet vai-
kuttavat pitoisuuksiin. Ottamalla näytteet eri vuosina samoilta puilta saadaan parempi kuva
pitoisuuksien muutoksesta näytealalla. Neulasnäytteistä määritettyjen alkuaineiden labora-
torioanalyyseihin liittyvät mittausepävarmuudet ja määritysrajat on esitetty taulukossa 13.
Rikin ja typen keskimääräiset mittaustarkkuudet eri vuosina tehdyissä mit-
taustarkkuuksien arvioinneissa 95 %:n luottamusvälillä. Vuonna 1995 näytepuita oli
alalla viisi vuonna 2004 käytettyjen kymmenen sijasta.
Keskim.
mittaustarkkuus Huonoin
mittaustarkkuus
Rikki 2004 ± 5 % ± 14 %
1995 ± 7 %
Typpi 2004 ± 7 % ± 12 %
36
Neulasten ja sammalten alkuainepitoisuuksien analysoinnissa käytetyt me-
netelmät, määritysrajat sekä mittausepävarmuudet.
ALKUAINE MENETELMÄ MÄÄRITYSRAJA mg/kg MITTAUSEPÄVARMUUS
As ICP-MS 0,05 0,05-0,15 mg/kg ± 0,03 mg/kg> 0,15 mg/kg ± 20 %
Ca ICP-OES 10 10-40 mg/kg ± 6 mg/kg > 40 mg/kg ± 15 %
Cd ICP-MS 0,05 0,05-0,15 mg/kg ± 0,03 mg/kg> 0,15 mg/kg ± 20 %
Cr ICP-MS 0,1 0,1-0,3 mg/kg ± 0,06 mg/kg > 0,3 mg/kg ± 20 %
Cu ICP-OES 1 1-4 mg/kg ± 0,6 mg/kg > 4 mg/kg ± 15 %
Fe ICP-OES 3 3-20 mg/kg ± 2 mg/kg > 20 mg/kg ± 10 %
Hg ICP-MS 0,01 0,01-0,05 mg/kg ± 0,005 mg/kg> 0,05 mg/kg ± 20 %
K ICP-OES 30 30-150 mg/kg ± 15 mg/kg > 150 mg/kg ± 10 %
Mg ICP-OES 10 10-50 mg/kg ± 5 mg/kg > 50 mg/kg ± 10 %
Mn ICP-OES 0,2 0,2-0,7 mg/kg ± 0,1 mg/kg > 0,7 mg/kg ± 5 %
Ni ICP-MS 0,1 0,1-0,3 mg/kg ± 0,06 mg/kg > 0,3 mg/kg ± 20 %
Pb ICP-MS 0,05 0,05-015 mg/kg ± 0,03 mg/kg > 0,15 mg/kg ± 20 %
S ICP-OES 15 15-80 mg/kg ± 8 mg/kg > 80 mg/kg ± 10 %
Se ICP-MS 0,05 0,1-0,3 mg/kg ± 0,06 mg/kg > 0,3 mg/kg ± 20 %
Ti ICP-MS 1 0,5-1,5 mg/kg ± 0,5 mg/kg > 1,5 mg/kg ± 20 %
V ICP-MS 0,1 0,05-0,15 mg/kg ± 0,03 mg/kg> 0,15 mg/kg ± 20 %
Zn ICP-OES 1 1-5 mg/kg ± 1 mg/kg > 5 mg/kg ± 20 %
Tulosten tulkinnassa on otettava huomioon sääolosuhteet: kesä 2014 oli poikkeuk-
sellisen kuuma, ja toisaalta talvi 2015 lämmin ja vähäluminen, mikä voi vaikuttaa esimerkiksi
neulasten ravinnepitoisuuksiin. Neulasvuosikertojen arviointiin on voinut vaikuttaa maasto-
töiden myöhäinen ajankohta, jolloin vanhimmat neulasvuosikerrat olivat jo osin pudonneet.
3.8.4 Sammalen alkuainepitoisuuksien määrittäminen
Pääkaupunkiseudun ilmanlaadun bioindikaattoriseurannan yhteydessä on arvioitu
sammalen ja humuksen metallipitoisuuksien määrittämisen mittaustarkkuutta (Veijola ja
Niskanen 1998). Selvityksessä analysoitiin erikseen samoilta kahdelta näytealoilta (Nuuk-
sio ja Puolarmetsä) otetut 10 sammal- ja humusnäytettä kokoomanäytteen tarkkuuden ar-
vioimiseksi. Mitattaville muuttujille arvioitiin luottamusvälit kun kokoomanäytteet oletettiin
koostuvan 5-15 osanäytteestä. Jotta muuttujan mittaustarkkuus olisi helpompi mieltää, esi-
tettiin tulokset standardoimalla keskiarvo sadaksi. Käytännössä esim. luottamusväli 100±40
voidaan tulkita niin, että eri alueiden tai vuosien välisen eron tulee olla suurempi kuin 40 %,
jotta ne tilastollisesti eroaisivat toisistaan.
Sammalnäytteistä tutkittiin kadmiumin, lyijyn, vanadiinin, nikkelin, raudan, sinkin ja
elohopean pitoisuudet ja humusnäytteistä kalsiumin, magnesiumin, kaliumin, natriumin ja
alumiinin pitoisuudet. Taulukoissa 18 ja 19 on verrattu 5 ja 10 osanäytteestä muodostetun
kokoomanäytteen mittaustarkkuutta. Tulosten perusteella analysoitaessa useampia osa-
näytteitä saavutetaan pienempi vaihteluväli. Sammalten osalta paras mittaustarkkuus oli
sinkillä, heikoin nikkelillä. Humusten osalta paras mittaustarkkuus oli magnesiumilla ja hei-
koin alumiinilla.
Sammalen ja humuksen alkuainepitoisuuksien analysointiin liittyvät mittausepävar-
muudet sekä menetelmien määritysrajat ovat samoja kuin neulasillakin (taulukko 13). Sam-
maleiden määritysrajat on esitetty taulukossa 14. Sammalnäytteitä täydennettiin syksyllä
2015.
37
Sammalten metallipitoisuuksien 95 %:n luottamusväli, kun kokoomanäyte
koostuu 5 tai 10 osanäytteestä (keskiarvo standardoitu 100:ksi).
4. Tulokset
4.1 Mäntyjen runkojäkälät
Mäntyjen jäkälälajistoa kuvaavien muuttujien keskiarvot, suurin ja pienin arvo sekä
keskihajonta on esitetty taulukossa 15. Kutakin jäkälälajistoa kuvaavaa muuttujaa on tar-
kasteltu tarkemmin seuraavissa luvuissa.
Männyn runkojäkälien ilmanpuhtausindeksin, sormipaisukarpeen vaurioas-
teen, yleisen vaurioasteen, alakohtaisen ja puukohtaisen lajimäärän, sormipaisukar-
peen peittävyyden, luppojen peittävyyden ja levän yleisyyden keskiarvo, keskihajonta ja
pienin ja suurin arvo. Lajimääriä laskettaessa ei ole huomioitu levää ja seinäsuomujä-
kälää.
n = 107 keskiarvo mediaani pienin suurin keskihajonta
Sormipaisukarpeen vaurioaste 2,4 2,4 1,1 4,5 0,6
Yleinen vaurioaste 3,5 3,8 1,4 5 0,68
Lajimäärä/näyteala 5,7 6,0 1 9 2,19
Lajimäärä/puu 3,6 3,0 0,8 8,4 1,52
Sormipaisukarpeen peittävyys (%) 14,0 11,7 0,1 46,1 10,49
Luppojen peittävyys (%) 0,06 0,00 0 1,7 0,21
IAP 1,9 1,7 0,4 4,8 0,88
Levän yleisyys 6,3 6,0 0 10 3,32
4.1.1 Sormipaisukarpeen vaurioaste
Sormipaisukarpeen vaurioasteita arvioitiin puolen vaurioluokan välein asteikolla 1-5
(ks. taulukko 8 ja kuva 10), jossa vaurioluokka 1 = terve, 2 = lievästi vaurioitunut, 3 = selvästi
vaurioitunut, 4 = pahasti vaurioitunut ja 5 = kuollut tai puuttuva. Vauriot arvioitiin runkokoh-
taisesti, minkä perusteella on laskettu tutkimusalan keskimääräinen vaurioaste.
Sormipaisukarpeen vaurioiden jakaantumista koko aineistossa tutkittiin luokittele-
malla vaurioasteet sekä tutkimusaloittain että tutkimusrunkokohtaisesti (kuvat 11 ja 12).
Sormipaisukarve oli tutkimusaloilla keskimäärin lievästi vaurioitunutta (vaurioaste 2,4). Vau-
riot vaihtelivat terveestä pahaan vaurioon. 52 % tutkimusaloista eli 56 alaa sijoittui lievästi
vaurioituneen sormipaisukarpeen luokkaan. Seuraavaksi eniten esiintyi selvästi vaurioitu-
nutta sormipaisukarvetta, yhteensä 41 %:lla tutkimusaloista. Tervettä sormipaisukarvetta
5 osanäytettä 10 osanäytettä
Nuuksio Puolarmetsä Nuuksio Puolarmetsä
Cd 100 ± 19 100 ± 19 100 ± 11 100 ± 11
Pb 100 ± 13 100 ± 23 100 ± 8 100 ± 13
V 100 ± 29 100 ± 28 100 ± 17 100 ± 16
Ni 100 ± 74 100 ± 48 100 ± 43 100 ± 28
Fe 100 ± 39 100 ± 29 100 ± 23 100 ± 17
Zn 100 ± 17 100 ± 10 100 ± 10 100 ± 6
Hg 100 ± 33 100 ± 40 100 ± 19 100 ± 23
38
havaittiin 2 alalla ja pahasti vaurioitunutta 4 alalla. Sormipaisukarve oli kuollutta 1 tutkimus-
alalla.
Tutkimuspuukohtaisessa tarkastelussa sormipaisukarpeesta suurin osa (30 %) oli lie-
västi vaurioitunutta (vaurioluokka 2). Seuraavaksi eniten (25 %) tutkimuspuilla havaittiin lie-
vän ja selvän vaurion rajalla olevaa sormipaisukarvetta. Sormipaisukarve oli tervettä tai
melkein tervettä (vaurioluokka 1 tai 1,5) yhteensä 160 tutkimuspuulla, eli n. 15 %:lla tutki-
muspuista. Sormipaisukarve puuttui kokonaan kuudelta rungolta.
Kuva 11. Sormipaisukarpeen vaurioasteet havaintoaloilla luokittain vuonna 2014. N = 107.
Kuva 12. Sormipaisukarpeen vaurioasteet luokiteltuna rungoittain vuonna 2014. N = 1070.
Terveintä sormipaisukarvetta kasvoi tutkimusalueen pohjois-koillisosissa Pomarkun
sekä Porin ja Ulvilan itäosissa. Selvästi tai pahasti vaurioituneen sormipaisukarpeen vyö-
hyke kulki Eurasta Harjavallan kautta Poriin, pitkälti myötäillen Kokemäenjoen varren teol-
lisuus- ja liikennekeskittymiä. Vyöhyke oli melko kapea-alainen, ja vauriot lievenivät nope-
asti asutus- ja teollisuuskeskusten ulkopuolelle mentäessä. Alueen ainoa ala, jolla
sormipaisukarvetta ei esiintynyt, sijaitsi Harjavallan keskustassa (kuva 13).
0%
10%
20%
30%
40%
50%
60%
Terve Lievä vaurio Selvä vaurio Paha vaurio Kuollut taipuuttuu
0%
5%
10%
15%
20%
25%
30%
35%
1 1,5 2 2,5 3 3,5 4 4,5 5
39
Kuva 13. Sormipaisukarpeen vaurioasteet havaintoaloilla vuonna 2014 (standardin SFS 5670 mukaan). N = 107.
4.1.2 Yleinen vaurioaste
Yleinen vaurioaste arvioitiin puolen vaurioluokan välein asteikolla 1-5 (ks. taulukko 8),
jossa vaurioluokka 1 = terve, 2 = lievästi vaurioitunut, 3 = selvästi vaurioitunut, 4 = pahasti
vaurioitunut ja 5 = kuollut tai puuttuva. Vauriot arvioitiin runkokohtaisesti, minkä perusteella
on laskettu tutkimusalan keskimääräinen vaurioaste.
Jäkälälajiston yleisten vaurioiden jakaantumista koko aineistossa tutkittiin luokittele-
malla vaurioasteet sekä tutkimusaloittain että tutkimuspuittain (kuvat 14 ja 15). Yleinen vau-
rioaste oli keskimäärin 3,5 eli jäkälälajisto oli alueella keskimäärin selvästi ja pahasti vauri-
oituneen välillä. Yleinen vaurioaste vaihteli välillä 1,4 ja 5. Suurimmalla osalla eli 65 %:lla
tutkimusaloista (70 alaa) lajisto oli pahasti vaurioitunutta. Tätä selittää yleisen vaurioasteen
arviointiasteikko, jossa puu luokitetaan automaattisesti luokkaan 4, jos sillä ei kasva lain-
kaan pensasmaisia lajeja. Loput vauriot jakautuivat pääosin selviin (24 %) ja lieviin vaurioi-
hin (8 % tutkimusaloista). Jäkälälajisto oli tervettä yhdellä alalla ja kuollutta kahdella.
Tutkimuspuukohtaisessa tarkastelussa suurin ryhmä oli niin ikään pahasti vaurioitu-
neet, johon kuului 67 % tutkimuspuista, yhteensä 712 puuta. Loput tutkimuspuut jakautuivat
tasaisesti vaurioluokkiin 2-3. Tervettä tai melkein tervettä jäkälälajistoa tavattiin 41 alalla.
Lajisto oli kuollutta tai puuttui 14 tutkimuspuulla.
40
Kuva 14. Yleiset vaurioasteet luokiteltuna aloittain vuonna 2014. N = 107.
Kuva 15. Yleiset vaurioasteet luokiteltuna rungoittain vuonna 2014. N = 1070.
Jäkälälajiston suurimmat vauriot painottuivat pääasiassa samoille alueille kuin sor-
mipaisukarpeen vauriot, mutta jäkälälajiston yleiset vaurioasteet olivat keskimäärin 0,5-
1,5 vaurioluokkaa sormipaisukarpeen vaurioastetta suurempia. Selvän-pahan vau-
rioluokan vyöhykkeitä muodostui tutkimusalueen keskiosiin Kokemäenjoen lähiympä-
ristöön, Harjavallasta Poriin ulottuvalle akselille. Lisäksi jäkälälajisto oli normaalia vau-
rioituneempaa Euran Kiukaisten länsiosissa. Porin-Harjavallan välin vauriotasoa
selittävät alueilla sijaitsevat teollisuus- ja energiantuotantolaitokset sekä maatalous. Eu-
rassa vauriot johtunevat pääosin tien läheisyydestä sekä maataloudesta (kuva 16).
0%
10%
20%
30%
40%
50%
60%
70%
1 1,5 2 2,5 3 3,5 4 4,5 5
0%
10%
20%
30%
40%
50%
60%
70%
Terve Lievä vaurio Selvä vaurio Paha vaurio Kuollut taipuuttuu
41
Kuva 16. Yleinen vaurioaste havaintoaloilla vuonna 2014 (standardin SFS 5670 mukaan). N = 107.
4.1.3 Jäkälälajien määrät ja yleisyys
Yleisin laji tutkimusalueella oli sormipaisukarve, jota esiintyi lähes 100 %:lla tutkimus-
puista. Seuraavaksi yleisin laji oli keltatyvikarve (87 % tutkimuspuista) ja levä (63 % puista)
(kuva 23). Raidanisokarvetta ei tavattu yhdelläkään tutkimuspuulla (kuva 17).
Kuva 17. Männyn runkojäkälien esiintymistiheys tutkimusalueella vuonna 2014. N = 1070.
0 1 2 3 4 5 6 7
Viherlevä
Sormipaisukarve
Keltatyvikarve
Keltaröyhelö
Seinäsuomujäkälä
Harmaa- ja tuhkatyvikarve
Harmaaröyhelö
Lupot
Ruskoröyhelö
Harmaahankakarve
Naavat
42
Runkojäkälien seuralaislajien, eli kyseisen lajin kanssa samalla rungolla esiintyvien
muiden lajien määrät on esitetty kuvassa 18. Eniten seuralaislajeja (seuralaislajimäärät su-
luissa) oli tutkimusalueella melko harvinaisina esiintyvillä naavoilla (6,6), harmaahankakar-
peella (5,7), ruskoröyhelöllä (5,6) ja lupoilla (5,5). Vähiten seuralaislajeja oli viherlevällä
(3,4), sormipaisukarpeella (3,5) ja keltatyvikarpeella (3,8). Raidanisokarve on jätetty tarkas-
telusta pois. Havaitut seuralaislajimäärät noudattavat melko hyvin oletuksia jäkälien herk-
kyydestä ilman epäpuhtauksille.
Kuva 18. Männyn runkojäkälien seuralaislajien lukumäärät tutkimusalueella vuonna 2014.
Tutkimusaloilla havaittiin keskimäärin 5,7 lajia lajilukumäärän vaihdellessa 1 ja 9 vä-
lillä. Tutkimuspuukohtainen keskimääräinen lajilukumäärä oli 3,6 lajia (vaihteluväli 0-9 lajia).
Tutkimusalakohtaisen lajimäärän perusteella lajisto oli keskimäärin köyhtynyttä, tutkimus-
puukohtaisen lajimäärän perusteella selvästi köyhtynyttä. Suurin osa tutkimusaloista kuului
luokkiin normaali lajisto (8 tai enemmän lajeja) tai lievästi köyhtynyt lajisto (6-7 lajia), joihin
molempiin kuului 28 % tutkimusaloista. 25 % tutkimusaloista oli lajistoltaan köyhtyneitä (4-
5 lajia). Selvästi köyhtyneitä aloja oli 18 % aloista ja 1 % aloista lajisto oli erittäin selvästi
köyhtynyt (kuva 19). Tällaisia aloja sijaitsi ympäri tutkimusaluetta, mutta erityisesti Porissa,
Ulvilassa, Nakkilassa, Harjavallassa ja Eurassa. Lajistoltaan köyhtyneet vyöhykkeet sijoit-
tuivat tutkimusalueella meren rantaan ja Kokemäen jokea mukailevaksi luode-kaakko-suun-
taiseksi vyöhykkeeksi (kuva 20). Levää esiintyi yleisimmin alueilla, joilla ilman epäpuhtauk-
sille herkkiä lajeja esiintyi vähiten.
0% 20% 40% 60% 80% 100%
Levä
Raidanisokarve
Ruskoröyhelö
Harmaahankakarve
Keltaröyhelö
Harmaaröyhelö
Naavat
Lupot
Seinäsuomujäkälä
Harmaa- ja tuhkatyvikarve
Keltatyvikarve
Sormipaisukarve
43
Kuva 19. Tutkimusalojen jakaantuminen luokkiin lajilukumäärän perusteella vuonna 2014. N = 107.
Kuva 20. Ilman epäpuhtauksista kärsivien jäkälälajien lukumäärät havaintoaloilla vuonna 2014 (standardin SFS 5670 mukaisesti). N = 107.
4.1.4 Peittävyydet
Kuvissa 21 ja 22 on esitetty sormipaisukarpeen sekä luppojen pistefrekvenssimene-
telmällä lasketut peittävyydet mäntyjen rungoilla havaintoalakohtaisista keskiarvoista yleis-
tettyinä vyöhykkeinä. Karttoja tarkasteltaessa on huomioitava, että erityisesti sormipai-
sukarpeen peittävyys reagoi ilman epäpuhtauksiin epälineaarisesti: lajin peittävyys usein
ensin kasvaa epäpuhtauksien vaikutuksesta, ja kuormitustason edelleen kasvaessa peittä-
vyys jälleen pienenee. Lisäksi luontaiset tekijät vaikuttavat peittävyyksiin merkittävästi,
esim. sormipaisukarpeen peittävyys on suurempi nuorissa kuin vanhoissa männiköissä.
0%
5%
10%
15%
20%
25%
30%
Normaali Lievästiköyhtynyt
Köyhtynyt Selvästiköyhtynyt
Erittäin selvästiköyhtynyt
44
Sormipaisukarpeen keskimääräinen peittävyys oli 14 % (taulukko 15). Sormipaisukar-
peen peittävyys oli suurimmillaan tutkimusalueella Ulvilassa, sekä paikoin Harjavallan ja
Porin taajamissa. Muita yksittäisiä sormipaisukarpeen suuremman peittävyyden vyöhyk-
keitä oli paikoittain mm. Pomarkussa ja tutkimusalueen länsiosissa meren rannalla. Sormi-
paisukarpeen peittävyys oli pieni Harjavallan, Nakkilan, Luvian ja Porin liikennekeskittymien
ja teollisuuden läheisyydessä (kuva 21.)
Lupot esiintyivät runsaina vain yksittäisillä aloilla. Luppojen keskimääräinen peittä-
vyys oli 0,1 % (taulukko 17). Luppojen peittävyys oli yli 0:n 10 tutkimusalalla eri puolilla
tutkimusaluetta (kuva 22).
Kuva 21. Sormipaisukarpeen keskimääräinen peittävyys (%) tutkimusalueella vuonna 2014. N = 107.
45
Kuva 22. Luppojen peittävyys (%) tutkimusalu-eella vuonna 2014 (oikealla). N = 107.
4.1.5 IAP-indeksi
Ilmanpuhtausindeksi oli tutkimusalueella
keskimäärin 1,9, minkä perusteella lajistoa voi
kuvailla köyhtyneeksi. Pienin IAP-indeksin arvo
oli 0,4 (jäkäläautio) ja suurin 4,8 (luonnontilai-
nen lajisto) (taulukko 15). Suurimmalla osalla
(46 %) tutkimusaloista eli 49 tutkimusalalla oli
IAP-indeksin arvon perusteella köyhtynyt la-
jisto. Toiseksi suurimpaan luokkaan, jossa la-
jisto oli lievästi muuttunutta, kuului 32 % aloista.
Luonnontilaista lajistoa (IAP > 3) tavattiin 9 %
eli 10 tutkimusalalla. Kaksi alaa oli jäkäläauti-
oita. (Kuva 23.)
Luonnontilaisinta jäkälälajistoa (IAP-
indeksi > 3) tavattiin yhteensä 22 havaintoalalla, jotka sijaitsivat pääosin Pomarkussa ja
Porin koillisosissa, Kokemäen itäosissa ja Nakkilan länsiosissa. Edellisten jäkälämuuttujien
tavoin myös IAP-indeksin osalta selvimmin muuttuneet alat sijoittuivat Harjavallasta Poriin
ulottuvalla vyöhykkeellä. Alat, joilla oli pahiten köyhtynyt jäkälälajisto, sijaitsivat Harjaval-
lassa ja Ulvilan-Nakkilan rajalla (kuva 24).
Kuva 23. IAP-indeksin jakauma havaintoaloittain vuonna 2014. N = 107.
0%
10%
20%
30%
40%
50%
Luonnontilanen Lievästimuuttunt
Köyhtynyt Selvästiköyhtynyt
Jäkäläautio
46
Kuva 24. IAP-indeksi tutkimusaloilla vuonna 2014 (standardin SFS 5670 mukaan). N = 107.
4.5 Mäntyjen elinvoimaisuus
4.5.1 Mäntyjen neulaskato ja neulasvuosikertojen määrä
Tutkimusalueen puilla havaittiin keskimäärin 2,5 neulasvuosikertaa ja määrä vaihteli
välillä 1-4 neulasvuosikertaa. Koko tutkimusalueella mäntyjen keskimääräinen neulaskato
oli 18 %. Neulaskadon määrä vaihteli välillä 5-90 % (taulukko 16). Metlan metsien tervey-
dentilaa koskevien tulosten mukaan männyn keskimääräinen harsuuntumisaste oli vuosina
2002-2005 noin 9,4 % ja vuosina 1985-2010 maan eteläosissa 10,6 % (Lindgren ym. 2007,
Nevalainen 2011).
Männyn neulaskato ja neulasvuosikertojen määrä tutkimusalueella. n = tutki-
muspuiden lukumäärä.
n = 1070 keskiarvo pienin suurin keskihajonta
Neulasvuosikertojen määrä 2,5 1 4 0,52
Neulaskato (%) 18 5 29 8,32
Valtaosa (77 %) tutkimuspuista oli lievästi harsuuntuneita (neulaskato 10-25 %). Täy-
sin harsuuntumattomia mäntyjä (harsuuntumisaste alle 10 %) oli 6 % tutkituista puista. Har-
suuntuneiden puiden osuus (neulaskato yli 25 %) tutkimusmännyistä oli noin 17 % eli 181
puuta. Valtaosa (34 %) tukimusmännyistä sijoittui harsuuntumisasteeltaan luokkaan 15-
20 %. (Kuva 25.) Tutkimusmännyt olivat keskimäärin harsuuntuneita 11 havaintoalalla.
Nämä alat sijaitsivat ympäri tutkimusaluetta; osa lähellä asutus- tai teollisuustoimintojen
keskuksia Harjavalta-Pori-vyöhykkeellä, osa tausta-alueilla Pomarkun pohjois- ja itäosissa.
47
Myös Euran Kiukaisissa havaittiin harsuuntuneita aloja. Vähiten harsuuntuneet alat sijaitsi-
vat niin ikään Harjavallassa, Nakkilassa ja Porissa (kuva 27).
Kuva 25. Mäntyjen jakautuminen neulaskatoluokkiin tutkimusalueella. N = 1070.
Suurimmalla osalla (40 %) tutkimuspuista havaittiin 2 neulasvuosikertaa. Seuraavaksi
suurin luokka oli 3 neulasvuosikertaa (35 % tutkimuspuista). 19 %:lla tutkimuspuista havait-
tiin 2,5 neulasvuosikertaa, ja alle 2 neulasvuosikertaa havaittiin yhteensä 3 %:lla tutkimus-
puista (kuva 26). Enemmän kuin 3 neulasvuosikertaa esiintyi niin ikään 3 %:lla tutkimus-
puista. Keskimääräisessä neulasvuosikertojen määrässä havaittiin selkeä vyöhykkeisyys
siten, että alat, joilla havaittiin 2-2,5 neulasvuosikertaa painottuivat Harjavaltaan ja sen lä-
hikuntiin Nakkilaan, Ulvilaan, Euraan ja Kokemäelle. Lisäksi yksittäisiä aloja sijaitsi Pomar-
kussa ja Porin Noormarkussa. Eniten neulasvuosikertoja havaittiin Porin ja Luvian itäosissa.
(Kuva 27.)
Kuva 26. Mäntyjen jakautuminen neulasvuosikertaluokkiin tutkimusalueella vuonna 2014. N = 1070.
0%
10%
20%
30%
40%
50%
60%
70%
<2 2 2,5 3 3,5 4 4,5
0%
5%
10%
15%
20%
25%
30%
35%
< 10 % 10-15 % 15-20 % 20-25 % > 25 %
48
Kuva 27. Mäntyjen neulaskato neulasvuosikerrat tutkimusalueella vuonna 2014.
4.5.2 Mäntyjen tuhot, taudit ja värimuutokset
Tutkimusalueen puissa havaitut taudit, tuhot ja neulasten värimuutokset on esitetty
taulukossa 17. Tutkituista männyistä havaittiin melko vähän selviä tuhojen aiheuttajia. Ter-
vasrosoa, jonka aiheuttavat sienet Cronartium flaccidum ja Peridermium pini, tavattiin vain
kolmella tutkimusrungolla (0,2 %:lla tutkimuspuista). Metsäntutkimuslaitoksen vuosina
2002-2005 toteuttamassa valtakunnallisessa tutkimuksissa keskimäärin 15,7 % männyistä
oli tervasroson vaivaamia (Lindgren ym. 2007), joten Kanta- ja Päijät-Hämeen bioindikaat-
toritutkimuksen havaintopuilla tervasrosoa esiintyi selvästi vähemmän kuin Metlan tutki-
muksessa.
Tutkimusalueen puista 9 rungolla eli 0,6 %:lla tutkimuspuista tavattiin ytimennäver-
täjä. Metla havaitsi vuosien 2002-2005 valtakunnallisissa tutkimuksissaan ytimennävertäjää
5,9 % havaintopuista eli selvästi enemmän kuin tässä tutkimuksessa havaittiin (Lindgren
ym. 2007). Tutkituista puista vain 0,1%:lla oli värivikoja. Tätä selittää se, että maastotöiden
aikaan syksyllä mäntyjen vanhimmat, ruskistuneet neulasvuosikerrat olivat jo pudonneet
pois (Metla 2012). Runkovaurioita (esim. halkeamat rungossa, kaarnavauriot) havaittiin 5
tutkimusrungolla.
49
Taudit, tuhot ja neulasten värimuutokset tutkimusalueen puissa (N = 1070).
Vaurio Puiden määrä %-osuus puista
Taudit
Tervasroso 3 0,3 %
Ytimennävertäjä 9 0,8 %
Pistiäinen 2 0,2 %
Värimuutokset
Ruskistuneita neulasia 2 0,2 %
Kellastuneita neulasia 0 0,0 %
Muut vauriot
Runkovaurio 5 0,8 %
4.2 Männyn neulasten alkuainepitoisuudet
Taulukossa 18 on esitetty neulasten alkuainepitoisuuksien tunnuslukuja Porin-Harja-
vallan alueella koko alueen osalta. Tutkimusalojen alkuainepitoisuudet on esitetty kartoilla
kuvissa 28-30.
Kalsiumin (kuva 28) ja rikin (kuva 30) suurimmat pitoisuudet havaittiin kuormitetuilla
alueilla Harjavallassa, Euran Kiukaisissa, Nakkilassa ja Porissa. Rikin puutosta havaittiin
13 tutkimusalalla Porissa, Pomarkussa, Kokemäellä ja Luvialla. Neulasissa ei havaittu kal-
siumpuutosta yhdelläkään tutkimusalalla. Kaliumia (kuva 28) esiintyi runsaimmin Harjaval-
lassa ja Nakkilassa, mutta arvot olivat koko tutkimusalueella korkeimmillaankin männyn op-
timialueella. Kaliumin vakavaa puutosta esiintyi 37 alalla ympäri tutkimusaluetta, sijoittuen
pääosin Harjavaltaan ja Poriin. Luvian ja Nakkilan itäosan korkeille rikki-, kalsium-, kalium-
ja magnesiumpitoisuuksille ei löytynyt yksiselitteistä syytä.
Suurimmat typpipitoisuudet (kuva 30) havaittiin Harjavallassa, Euran Kiukaisissa ja
yhdellä alalla Porin rannikolla. Typen puutosta (1,2 % tai alle neulasten kuiva-aineesta)
esiintyi neljällä alalla Pomarkussa, Porissa ja Ulvilassa. Mangaanin ja magnesiumin (kuva
29) korkeimmat pitoisuudet sijoittuivat tasaisesti ympäri tutkimusaluetta, ja pienimmät pitoi-
suudet sijoittuivat pääosin Harjavaltaan ja Nakkilaan, mangaanin osalta myös Porin ranni-
kolle ja Kokemäenjoen varrelle. Magnesiumin puutostila vaihtelee eri lähteissä. Porin-Har-
javallan alueella magnesiumia esiintyi alle 500 mg/kg vain neljällä alalla. Mangaanin
puutosta esiintyi 50 tutkimusalalla eniten kuormitetulla alueella, joka sijoittui Harjavallasta
Poriin Kokemäenjoen vartta mukaillen.
Rikki-, kalsium-, magnesium-, mangaani- ja kaliumpitoisuudet olivat verrattain kor-
keita yksittäisillä aloilla Luvialla ja Nakkilan itärajalla. Yksiselitteistä syytä ilmiölle ei suoraan
löytynyt, mutta näillä aloilla esimerkiksi jäkälämuuttujat indikoivat hyvää ilmanlaatua.
Neulasten alkuainepitoisuuksien keskiarvot, pienimmät ja suurimmat arvot
sekä keskihajonta koko tutkimusalueella.
n = 107 K (mg/kg) Ca (mg/kg) Mg (mg/kg) Mn (mg/kg) S (g/kg) N (%)
keskiarvo 4504 4363 760 700 1,098 1,40
pienin 3076 2246 383 213 0,815 1,15
suurin 6450 7572 1163 1444 1,591 1,74
keskihajonta 714,12 1010,99 156,08 267,54 0,148 0,12
50
Kuva 28. Männyn neulasten toisen vuosikerran kalsiumpitoisuudet (vasemmalla) ja kalium-pitoisuudet (oikealla) tutkimusaloilla vuonna 2014 (mg/kg).
Kuva 29. Männyn neulasten toisen vuosikerran magnesiumpitoisuudet (vasemmalla) ja mangaanipitoisuudet (oikealla) tutkimusaloilla vuonna 2014 (mg/kg).
51
Kuva 30. Männyn neulasten toisen vuosikerran kokonaistyppipitoisuudet (%, vasemmalla) ja rikkipitoisuudet (g/kg, oikealla) tutkimusaloilla vuonna 2014.
4.3 Sammalen alkuainepitoisuudet
Taulukossa 19 on esitetty sammalten alkuainepitoisuuksien keskiarvot ja pienimmät
ja suurimmat arvot tutkimusalueella niillä tutkimusaloilla, jotka ovat pysyneet samoina tutki-
musvuosien välillä. Kuvissa 31-36 on esitetty alkuaineiden pitoisuudet kartoilla. Kuusi-män-
tyalavertailussa arseenin, kadmiumin, seleenin, elohopean ja sinkin pitoisuudet sam-
malissa olivat korkeammat mäntyaloilla kuin kuusialoilla. Erot olivat tilastollisesti erittäin
merkitseviä lukuun ottamatta sinkkiä, jolla ero kuusi- ja mäntyalojen välillä oli tilastollisesti
merkitsevä.
Sinkin (kuva 34) pitoisuuksien jakautuminen oli melko tasaista ympäri tutkimusalu-
een. Suurimmat pitoisuudet mitattiin Porin Hyvelässä, Ulvilan-Porin rajalla sekä Harjaval-
lassa. Muutoin tutkimusalueen pitoisuudet olivat enimmäkseen luokassa 20-40 mg/kg.
Arseenin (kuva 35) suurimmat pitoisuudet mitattiin Harjavallan suurteollisuuspuiston
läheisyydestä ja Nakkilan-Porin rajalta alueilta, missä on mm. metalliteollisuutta. Muuten
arseenipitoisuudet eivät vaikuttaneet seurailevan Kokemäenjoen varren teollisuuskeskitty-
miä.
Myös kadmiumin (kuva 31) suurimmat pitoisuudet mitattiin Harjavallan teollisuusalu-
een läheisistä näytteistä. Muuten kadmiumpitoisuudet olivat tasaisesti jakautuneet tutki-
musalueella. Pienimmät pitoisuudet mitattiin Porin pohjoisosista.
Kromia (kuva 31) esiintyi niin ikään eniten Harjavallan teollisuuspuiston alueella. Te-
ollisuuspuistoa lukuun ottamatta Harjavallan kromipitoisuudet olivat kuitenkin taustapito-
siuuksien luokkaa. Yksittäisistä pitoisuuksista suurin sijoittui Porin Hyvelään.
52
Kuparin (kuva 32) suurimmat pitoisuudet sijoittuivat Harjavallan teollisuus- ja taa-
jama-alueille. Myös Porin Tahkoluodon ja Ulvilan-Porin rajalla sammalnäytteessä oli kupa-
ria keskimääräistä runsaammin. Molempien tutkimusalojen lähellä sijaitsi teollisuus- tai
energiantuotantolaitoksia, jotka selittävät korkeita pitoisuuksia. Pienimmät pitoisuudet mi-
tattiin Pomarkun ja Porin koillisosien aloilta sekä Luvialta.
Vanadiinin (kuva 34) suurimmat pitoisuudet keskittyivät Harjavallan taajamaan teol-
lisuuden lähelle. Myös Porin pohjoispuolella Isokivellä oli ala, jonka vanadiinipitoisuus oli
kohollaan.
Elohopean (kuva 32) suurimpia pitoisuuksia mitattiin niin ikään Harjavallan teollisuu-
den lähistöltä. Lisäksi yksi korkeampi elohopea pitoisuus mitattiin Porin Soininkulmasta.
Nikkelin (kuva 33) korkeammat pitoisuudet painottuivat Harjavallan teollisuus- ja asu-
tuskeskusten ympäristöön.
Sammalen alkuainepitoisuuksien tunnusluvut koko alueella mänty-ja kuu-
sialoilla erikseen (keskiarvo1) ja yhdessä (keskiarvo2). N = 107 (mänty) ja 43 (kuusi).
Parittaiset vertailut on tehty Wilcoxonin riippuvien otosten merkkitestillä. Tilastollisesti
melkein merkitsevä tulos (p < 0,05) on merkitty yhdellä tähdellä (*), merkitsevä (p <
0,01) kahdella (**) ja erittäin merkitsevä (p < 0,001) kolmella (***).
alan tyyppi mediaani keskiarvo1 keskiarvo2 pienin suurin keskihajonta p-arvo
As mänty 0,33 0,59 0,495 0,06 6,80 0,96 < 0,001***
kuusi 0,3 0,40 0,09 1,57 0,34 Hg mänty 0,04 0,04 0,045 0,02 0,14 0,02 < 0,001***
kuusi 0,03 0,05 0,02 0,13 0,02 Cd mänty 0,22 0,37 0,335 0,07 2,30 0,39 < 0,001***
kuusi 0,2 0,30 0,08 0,91 0,21 Cr mänty 0,8 0,9 0,9 0,2 3,5 0,63 0,388
kuusi 0,8 0,9 0,2 2,1 0,42 Cu mänty 16 32 28 4 382 54 0,279
kuusi 13 24 6 95 21,51 Pb mänty 1,48 2,49 2,175 0,50 23,0 3,35 0,865
kuusi 1,72 1,86 0,60 6,20 1,16 Ni mänty 4,8 9,5 8,55 0,9 123,0 15,91 0,145
kuusi 4,1 7,6 2,0 26,9 6,24 Fe mänty 219 321 286 62 1580 273,37 0,303
kuusi 235 251 89 656 143,89 Se mänty 0,23 0,38 0,34 0,10 11,03 1,05 < 0,001***
kuusi 0,2 0,30 0,12 0,94 0,19 Zn mänty 40 40 40,5 19 162 21,70 < 0,01**
kuusi 35 41 25 67 10,01 Ti mänty 13 18 16,5 5 90 15,11 0,385
kuusi 13 15 4 48 10,44 V mänty 0,7 0,9 0,85 0,2 3,6 0,59 0,159
kuusi 0,7 0,8 0,3 2,0 0,41
53
Kuva 31. Sammalen kadmiumpitoisuudet (vasemmalla) ja kromipitoisuudet (oikealla) tutki-musaloilla vuonna 2014 (mg/kg).
Kuva 32. Sammalen kuparipitoisuudet (vasemmalla) ja elohopeapitoisuudet (oikealla) tutki-musaloilla vuonna 2014 (mg/kg).
54
Kuva 33. Sammalen nikkelipitoisuudet (vasemmalla) ja lyijypitoisuudet (oikealla) tutkimus-aloilla vuonna 2014 (mg/kg).
Kuva 34. Sammalen vanadiinipitoisuudet (vasemmalla) ja sinkkipitoisuudet (oikealla) tutki-musaloilla vuonna 2014 (mg/kg).
55
Kuva 35. Sammalen arseenipitoisuudet (vasemmalla) ja rautapitoisuudet (oikealla) tutki-musaloilla vuonna 2014 (mg/kg).
Kuva 36. Sammalen titaanipitoisuudet (vasemmalla) ja seleenipitoisuudet (oikealla) tutki-musaloilla vuonna 2014 (mg/kg).
56
5. Tulosten tarkastelu
Tässä luvussa tarkastellaan saatuja tuloksia ja niiden välisiä yhteyksiä, tuloksiin vai-
kuttaneita tekijöitä ja muuttujien yhteisvaihtelua tilastollisten menetelmien avulla. Tuloksiin
vaikuttavia tekijöitä tutkittiin tausta-muuttujien avulla. Taustamuuttujina käytetään sekä
luonnollisia, tutkimusmetsikköä kuvaavia muuttujia että päästömääriä ja ilmanlaatua kuvaa-
via muuttujia. Tutkimusmetsikköä kuvaavat taustamuuttujat ja niiden mittausmenetelmät on
esitelty luvussa 3.1. Tilastollisissa analyyseissä ns. luonnollisina taustamuuttujina käytetyt
muuttujat olivat:
- alan tutkimuspuiden keskimääräinen ikä (arvio vuosina)
- alan tutkimuspuiden keskimääräinen pituus (arvio metreinä)
- puuston pohjapinta-ala (mittaus, m2/ha)
- kasvupaikkatyyppi
- tutkimuspuiden halkaisija (mittaus, cm)
Päästöjä ja ilmanlaatua kuvaavina muuttujina käytettiin tutkimusalan etäisyyttä lähim-
piin ilmoitusvelvollisiin laitoksiin, jotka ovat tuottaneet ajanjaksolla 2009-2013 rikkidioksidin,
typen oksidien tai hiukkasten päästöjä. Päästölähteille laskettiin keskiarvot rikkidioksidin,
typen oksidien ja hiukkasten päästöille vuosilta 2009-2013, ja keskiarvon perusteella pääs-
tölähteet luokiteltiin kolmeen luokkaan: alimpaan luokkaan, jos mikään seurattujen päästö-
jen määristä ei ylittänyt 1 tonnia vuodessa, toiseen luokkaan, kun suurimman päästötyypin
päästömäärät olivat alle 10 tonnia vuodessa, ja kolmanteen luokkaan, kun suurimman
päästö-tyypin päästömäärät olivat 10 tonnia tai yli. Näin tarkasteltuna päästölähteitä oli 1.
luokassa 12, 2. luokassa 10, ja 3. luokassa 15.
Kullekin alalle laskettiin 3 eri etäisyyttä päästölähteisiin: etäisyys mihin tahansa lähim-
pään päästölähteeseen, etäisyys lähimpään luokkaan 2 tai 3 kuuluvaan laitokseen, ja etäi-
syys lähimpään luokkaan 3 kuuluvaan laitokseen. Etäisyyksien ja indikaattorimuuttujien vä-
lisiä yhteyksiä tarkasteltiin tilastollisesti korrelaatioiden avulla.
Luvussa 5.1 tarkastellaan jäkälämuuttujia, luvussa 5.2. neulasmuuttujia (mäntyjen
elinvoimaisuutta kuvaavat muuttujat sekä neulasten alkuainepitoisuudet) ja luvussa 5.3
sammalen alkuainepitoisuuksia. Lopuksi luvussa 5.5 tarkastellaan muuttujien yhteisvaihte-
lua.
5.1 Jäkälämuuttujat
Tässä luvussa kuvataan jäkälämuuttujien yhteisvaihtelua sekä taustatekijöiden vaiku-
tuksia jäkäliin. Jäkälämuuttujina käytetään seuraavia:
- sormipaisukarpeen vaurioaste (alan keskiarvo, 1-5)
- jäkälälajiston yleinen vaurioaste (alan keskiarvo, 1-5)
- tutkimusalan ilman epäpuhtauksille herkkien jäkälälajien lukumäärä (0-10)
- IAP-indeksi
- sormipaisukarpeen peittävyys (% rungosta)
- luppojen peittävyys (% rungosta)
- levän yleisyys (esiintyminen tutkimusalalla, 0-10)
57
5.1.1 Jäkälämuuttujien yhteisvaihtelu
Jäkälämuuttujien keskinäiset korrelaatiot on esitetty taulukossa 20. Korrelaatiotestinä
on käytetty ei-parametristä Spearmanin järjestyskorrelaatiota. Tilastollisesti merkitsevät
korrelaatiot on merkitty tähdillä; melkein merkitsevä (p < 0,05) yhdellä tähdellä (*) ja merkit-
sevä (p < 0,01) kahdella tähdellä (**).
Miltei kaikki jäkälämuuttujat korreloivat keskenään tilastollisesti merkitsevästi tai mel-
kein merkitsevästi. Mitä suuremmat sormipaisukarpeen vauriot, sitä suurempi yleinen vau-
rioaste, vähemmän lajeja ja pienempi IAP-indeksi alalla havaittiin; sitä pienempiä olivat sor-
mipaisukarpeen ja luppojen peittävyys, ja sitä enemmän alalla havaittiin levää.
Voimakkaimmat korrelaatiot havaittiin lajistoa kuvaavien muuttujien yleisen vaurioasteen,
lajilukumäärän ja IAP-indeksin kesken. Yleisen vaurioasteen arviointi perustuu osin lajiston
esiintymiseen ja IAP-indeksi lasketaan lajiston esiintymisen perusteella, jolloin korkeat kor-
relaatiokertoimet näiden muuttujien välillä ovat odotettuja. Sormipaisukarpeen vaurioasteen
korrelaatiokertoimet lajistomuuttujien kanssa olivat hieman matalampia kuin lajistomuuttu-
jien keskinäiset korrelaatiokertoimet. Myös luppojen peittävyys ja levän yleisyys korreloivat
selvästi muiden ilmanlaatua kuvaavien jäkälämuuttujien kanssa. Korrelaatioiden perus-
teella myös nämä tunnukset ovat hyviä ilmanlaatua arvioitaessa, mutta niiden käyttökelpoi-
suutta heikentää luppojen osalta se, että luppo katoaa kuormitetuilta alueilta ensimmäisten
joukossa, toisin kuin esim. sormipaisukarve, ja levän esiintymisen arvioimiseen liittyy epä-
varmuustekijöitä. Sormipaisukarpeen peittävyys korreloi muiden jäkälämuuttujien kanssa
heikoimmin – sormipaisukarpeen peittävyyden onkin todettu liittyvän ensisijaisesti luontai-
siin tekijöihin ennen kuin ilmanlaatuun liittyviin tekijöihin, toisin kuin muiden jäkälämuuttujien
(esim. Ruuth ym. 2016).
Jäkälämuuttujien keskinäiset korrelaatiot (Spearman). Hyp. = sormipai-
sukarve (Hypogymnia physodes), Bryoria = lupot, Alg. = levä ja vihersukkulajäkälä (Al-
gae & Scoliciosporum sp.). Tilastollisesti erittäin merkitsevät korrelaatiot on lihavoitu ja
melkein merkitsevät kursivoitu.
Hyp. vaurio Yleinen vaurio Lajilukumäärä IAP Hyp. peit. Bryoria peit. Alg. es.
Hyp. vaurio 1 ,590** -,604** -,639** -,248* -,343** ,525**
Yleinen vaurio ,590** 1 -,860** -,840** -0,142 -,584** ,436**
Lajilukumäärä -,604** -,860** 1 ,906** ,315** ,499** -,491**
IAP -,639** -,840** ,906** 1 0,173 ,531** -,428**
Hyp. peit. -,248* -0,142 ,315** 0,173 1 0,024 -,268**
Bryoria peit. -,343** -,584** ,499** ,531** 0,024 1 -,237*
Alg. es. ,525** ,436** -,491** -,428** -,268** -,237* 1
5.1.2 Taustamuuttujien vaikutus jäkälämuuttujiin
Kruskal-Wallisin testin perusteella kasvupaikkatyyppi vaikutti jäkälämuuttujista lajis-
toa kuvaaviin yleiseen vaurioasteeseen, lajilukumäärään ja IAP-indeksiin. Muihin jäkälä-
muuttujiin kasvupaikkatyypillä ei ollut merkitystä. Lajisto oli hieman runsaampaa kuivahkon
kankaan metsiköissä kuin muilla kasvupaikkatyypeillä (lehtomaisilla kankailla, tuoreilla kan-
kailla tai luokan muu kasvupaikkatyypeillä).
58
Pohjapinta-alalla oli vaikutusta muihin jäkälämuuttujiin peittävyyksiä lukuun ottamatta.
Mitä suurempi puuston pohjapinta-ala, sitä enemmän vaurioita ja levää sekä vähemmän
lajeja tutkimusalalla havaittiin. Suuri puuston pohjapinta-ala lisää kasvupaikan varjoisuutta,
ja jäkälät viihtyvät yleensä huonommin varjoisissa olosuhteissa kuin valoisissa. Muiden
luontaisten taustamuuttujien vaikutus jäkälälajistoon jäi pienemmäksi Spearmanin korrelaa-
tiokertoimien perusteella tarkasteltuna. Puiden halkaisijan kasvaminen vähensi levän esiin-
tymistä tilastollisesti melkein merkitsevästi ja iältään vanhemmissa metsiköissä sormipai-
sukarpeen peittävyys oli pienempi, ja levää esiintyi vähemmän. Levää siis esiintyi
vähemmän vanhoissa metsiköissä ja halkaisijaltaan suurilla puilla, ja sormipaisukarve oli
nuorissa metsiköissä peittävämpää kuin vanhoissa. Pituudella ei ollut vaikutusta jäkälä-
muuttujiin (taulukko 21).
Jäkälämuuttujien ja luontaisten taustamuuttujien korrelaatiot (Spearman).
Hyp. = sormipaisukarve (Hypogymnia physodes), Bryoria = lupot, Alg. = levä ja viher-
sukkulajäkälä (Algae & Scoliciosporum sp.). Tilastollisesti erittäin merkitsevät korre-
laatiot on lihavoitu ja melkein merkitsevät kursivoitu.
Halkaisija Pohjapinta-ala Ikä Pituus
Hyp. vaurio 0,107 ,303** 0,092 0,066 Yleinen vaurio -0,044 ,273** -0,134 0,088 Lajilukumäärä 0,069 -,284** 0,115 -0,004 IAP -0,013 -,286** 0,088 0,005 Hyp. peit. -0,098 -0,045 -,270** -0,028 Bryoria peit. -0,06 -0,145 0,003 0,014 Alg. es. -,233* ,348** -,257** -0,071
Etäisyydellä lähimpään ilman epäpuhtauksien päästöjä tuottavaan laitokseen oli selvä
yhteys kaikkiin jäkälämuuttujiin sormipaisukarpeen peittävyyttä lukuun ottamatta. Suurim-
mat korrelaatiokertoimet etäisyyden ja muuttujan välillä havaittiin IAP-indeksillä sekä sor-
mipaisukarpeen vaurioasteella. Yhteys oli tilastollisesti merkitsevä, tarkasteltiinpa etäisyyttä
mihin tahansa päästölähteeseen tai kokoluokaltaan suurempiin päästölähteisiin. Kuitenkin
kaikilla tutkituilla muuttujilla korrelaatiokerroin kasvoi, kun etäisyystarkastelusta jätettiin pie-
nimmän kokoluokan laitokset pois. Lajiston koostumusta kuvaavilla yleisellä vaurioasteella,
lajilukumäärällä ja IAP-indeksillä korrelaatiokerroin kasvoi, kun tarkastelussa oli ainoastaan
etäisyydet lähimpään suurimman kokoluokan laitokseen. Sormipaisukarpeen vaurioasteella
ja levän esiintymisellä korrelaatio oli sama, kun tarkastelusta oli poistettu pienimmän koko-
luokan laitokset, ja kun tarkastelussa oli mukana ainoastaan suurimmat laitokset. Korrelaa-
tiokertoimien vertailu osoittaa, että etäisyydellä suurimman ja keskimmäisen päästöluokan
laitoksiin on tutkittuihin muuttujiin enemmän vaikutusta, kuin etäisyydellä kaikkien kokoluok-
kien laitoksiin – lähellä sijaitseva päästömäärältään pienehkö päästölähde ei vaikuta indi-
kaattoreihin yhtä paljon kuin kauempana sijaitseva päästömäärältään suuri päästölähde.
Analyysin selitysvoimaa tosin heikentää se, että tutkimusaloja ei ole säännönmukaisesti
sijoitettu muiden kuin Harjavallan alueen suurteollisuusalueen osalta säännöllisesti päästö-
lähteiden läheisyyteen. Suurimman kokoluokan laitokset vaikuttavat eniten lajiston run-
sautta kuvaaviin muuttujiin. Kun lähimpien etäisyyksien analyysistä jätettiin keskimmäisen
kokoluokan laitokset pois ja tarkasteltiin etäisyyksiä ainoastaan suurimpiin laitoksiin, korre-
laatiokerroin laski luppojen peittävyydellä. Lupot ovat ilman epäpuhtauksille hyvin herkkiä
lajeja, joten suhteellisen matalatkin päästömäärät vaikuttavat lajiin enemmän kuin kaikkiin
lajeihin kokonaisuudessaan (taulukko 22).
59
Jäkälämuuttujien yhteisvaihtelu ilman epäpuhtauksia tuottavien laitosten etäi-
syyden kanssa (Spearman). Hyp. = sormipaisukarve (Hypogymnia physodes), Bryoria
= lupot, Alg. = levä ja vihersukkulajäkälä (Algae & Scoliciosporum sp.). Tilastollisesti
erittäin merkitsevät korrelaatiot on lihavoitu ja melkein merkitsevät kursivoitu.
5.2 Neulasmuuttujat
Tässä luvussa kuvataan ns. neulasmuuttujien eli mäntyjen elinvoimaisuutta kuvaavien
muuttujien ja neulasten alkuainepitoisuuksien yhteisvaihtelua sekä taustatekijöiden vaikutuksia
mäntyjen elinvoimaisuuteen ja neulasten alkuainepitoisuuksiin. Tutkitut muuttujat ovat seuraavia:
- neulaskato (%)
- neulasvuosikertojen määrä
- neulasten alkuainepitoisuudet: kalium (K), kalsium (Ca), magnesium (Mg), man-
gaani (Mn), rikki (S) ja typpi (N).
5.2.1 Neulasmuuttujien yhteisvaihtelu
Neulasmuuttujien keskinäiset korrelaatiot on esitetty taulukossa 23. Neulaskadon ja neu-
lasvuosikertojen välillä ei havaittu tilastollisesti merkitsevää korrelaatiota, vaikka usein näiden pui-
den elinvoimaisuutta kuvaavien tunnusten välillä on havaittu yhteisvaihtelua (esim. Ruuth ym.
2016). Neulaskadolla ei ollut havaittavissa yhteisvaihtelua minkään muun tutkitun neulasmuuttu-
jan kanssa. Neulasvuosikertojen määrä sen sijaan korreloi tilastollisesti merkitsevästi kalium, kal-
sium- magnesium- ja typpipitoisuuksien kanssa. Korrelaatio oli positiivinen muiden paitsi kaliumin
suhteen, eli mitä enemmän näitä ravinteita neulasista mitattiin, sitä enemmän alalla havaittiin
neulasvuosikertoja. Kaliumin osalta yhteys oli kuitenkin negatiivinen, eli mitä suurempi kaliumpi-
toisuus, sitä vähemmän neulasvuosikertoja. Havaittu yhteys voi liittyä puun sisäiseen ravinnekier-
toon, jolloin riittävästi saatavilla olevien ravinteiden pitoisuudet kohoavat neulasvuosikertojen vä-
hentyessä (ks. Raitio 1987). Neulasten ravinnepitoisuuksien välillä oli runsaasti yhteisvaihtelua.
Korrelaatioita tarkasteltaessa omiksi ryhmikseen erottuvat kalium, rikki ja typpi, jotka korreloivat
keskenään tilastollisesti merkitsevästi, sekä magnesium, kalsium ja mangaani, jotka niin ikään
korreloivat kaikki keskenään tilastollisesti merkitsevästi. Rikkipitoisuuksien sekä kalsiumin ja
magnesiumin välillä on lisäksi tilastollisesti merkitsevät korrelaatiot.
Etäisyys lähimpään päästölähteeseen
Etäisyys lähimpään päästöläh-teeseen, jonka vuosipäästöt
> 1 tonni
Etäisyys lähimpään päästöläh-teeseen, jonka vuosipäästöt
> 10 tonnia
Hyp. vaurio -,611** -,627** -,627** Yleinen vaurio -,533** -,573** -,595** Lajilukumäärä ,518** ,581** ,600** IAP ,625** ,687** ,709** Hyp. peit. 0,075 0,109 0,095 Bryoria peit. ,371** ,415** ,399** Alg. es. -,420** -,496** -,496**
60
Neulasmuuttujien keskinäiset korrelaatiot (Spearman). Tilastollisesti erittäin merkit-
sevät korrelaatiot on lihavoitu ja melkein merkitsevät kursivoitu.
Neulaskato Neulasvuosikerrat K Ca Mg Mn S N
Neulaskato 1 0,005 0,066 -0,051 0,127 0,07 0,027 -0,092 Neulasvuosikerrat 0,005 1 -,307** ,257** ,316** 0,152 -0,178 -,317** K 0,066 -,307** 1 ,226* ,211* 0,018 ,739** ,272** Ca -0,051 ,257** ,226* 1 ,476** ,437** ,509** 0,191 Mg 0,127 ,316** ,211* ,476** 1 ,347** ,384** 0,011 Mn 0,07 0,152 0,018 ,437** ,347** 1 0,175 -0,156 S 0,027 -0,178 ,739** ,509** ,384** 0,175 1 ,444** N -0,092 -,317** ,272** 0,191 0,011 -0,156 ,444** 1
5.2.2 Taustamuuttujien vaikutus neulasmuuttujiin
Kasvupaikkatyypillä oli Kruskal-Wallisin testin perusteella vaikutusta neulasmuuttujista neu-
laskatoon, kalsiumpitoisuuksiin sekä rikki- ja typpipitoisuuksiin. Näiden ravinteiden pitoisuudet oli-
vat ravinteisimmilla kasvupaikoilla suurempia kuin karummilla, ja neulaskato oli kuivahkon kan-
kaan kasvupaikoilla hieman suurempaa kuin tuoreen kankaan kasvupaikoilla. Myös lehtomaisen
kankaan kasvupaikoilla neulaskato oli suurempaa kuin muilla, mutta tutkimusalojen lukumäärä
tässä ryhmässä jäi matalaksi. Lehtomaiset kankaat (3 kpl) tässä tutkimuksessa sijaitsivat Porin
pohjoisosissa ja Kiukaisissa.
Muiden luontaisten taustamuuttujien korrelaatiot neulasmuuttujien kanssa on esitetty taulu-
kossa 24. Puiden halkaisijalla oli tilastollisesti merkitsevä positiivinen yhteys neulasvuosikertojen
määrään sekä neulasten kalsium- ja magnesiumpitoisuuksiin. Puuston ikä liittyi ainoastaan mag-
nesiumpitoisuuteen tilastollisesti melkein merkitsevästi, ja puuston pituus niin ikään magnesium-
pitoisuuksiin tilastollisesti merkitsevästi ja kaliumpitoisuuksiin melkein merkitsevästi. Pohjapinta-
ala korreloi tilastollisesti melkein merkitsevästi ja negatiivisesti neulasten mangaanipitoisuuksien
kanssa.
Neulasmuuttujien korrelaatiot luontaisten taustamuuttujien kanssa (Spearman). Ti-
lastollisesti erittäin merkitsevät korrelaatiot on lihavoitu ja melkein merkitsevät kursivoitu.
Halkaisija Pohjapinta-ala Ikä Pituus
Neulaskato 0,175 -0,168 0,137 0,09 Neulasvuosikerrat ,252** -0,049 0,128 0,06 K 0,128 0,186 0,068 ,201* Ca ,251** 0,036 0,131 0,097 Mg ,263** 0,19 ,207* ,381** Mn 0,029 -,202* 0,079 -0,052 S 0,116 0,184 0,068 0,175 N -0,16 0,022 -0,116 -0,052
Etäisyydellä ilman epäpuhtauksia tuottavaan laitokseen oli neulasmuuttujista vaikutusta
neulasvuosikertojen määrään sekä neulasten magnesium-, mangaani-, rikki- ja typpipitoisuuksiin.
Neulaskadon ja neulasten muiden ravinnepitoisuuksien sekä etäisyyden välillä ei havaittu tilas-
tollisesti merkitseviä yhteyksiä. Neulasvuosikertojen määrä kasvoi tilastollisesti melkein merkitse-
västi etäisyyden ilman epäpuhtauksia tuottavaan laitokseen kasvaessa, kun etäisyyttä tarkastel-
tiin keskikokoisiin ja suurimpiin laitoksiin. Kaikkia laitoksia tarkasteltaessa yhteyttä ei havaittu.
61
Päästölähteiden läheisyydellä oli vaikutusta neulasten ravinnepitoisuuksista magnesium- ja man-
gaanipitoisuuksiin, jotka olivat korkeampia etäällä päästöjä tuottavista laitoksista. Mangaanipitoi-
suuksien yhteys etäisyyteen oli tilastollisesti merkitsevä, kun tarkasteltiin kaikkien kokoluokkien
laitoksia, ja melkein merkitsevä, kun tarkasteltiin vain keskikokoisen ja suurimman kokoluokan
laitoksia. Magnesiumpitoisuuksissa taas yhteyttä kaikkien kokoluokkien laitoksiin ei havaittu,
mutta tilastollisesti melkein merkitseviä yhteyksiä havaittiin sen sijaan keskikokoisen ja suurim-
man kokoluokan laitoksiin. Rikkipitoisuudet puolestaan olivat korkeampia päästölähteiden lähei-
syydessä; selvin yhteys oli etäisyydellä suurimman kokoluokan laitoksiin. Neulasten typpipitoi-
suudet olivat niin ikään korkeampia suurimman kokoluokan laitosten läheisyydessä korrelaation
ollessa tilastollisesti melkein merkitsevä (taulukko 25).
Neulasmuuttujien yhteisvaihtelu ilman epäpuhtauksia tuottavien laitosten etäisyy-
den kanssa (Spearman). Tilastollisesti erittäin merkitsevät korrelaatiot on lihavoitu ja melkein
merkitsevät kursivoitu.
Etäisyys lähimpään päästölähteeseen
Etäisyys lähimpään päästöläh-teeseen, jonka vuosipäästöt
> 1 tonni
Etäisyys lähimpään päästöläh-teeseen, jonka vuosipäästöt
> 10 tonnia
Neulaskato 0,118 0,121 0,161 Neulasvuosikerrat 0,077 ,209* ,210* K -0,161 -0,165 -0,177 Ca -0,136 -0,082 -0,143 Mg 0,188 ,211* ,195* Mn ,314** ,247* ,197* S -,195* -,210* -,259** N -0,12 -0,166 -,193*
5.3 Sammalen metallipitoisuudet
Tässä luvussa kuvataan sammalen metallipitoisuuksien yhteisvaihtelua korrelaatioiden ja
faktorianalyysin perusteella, sekä taustatekijöiden vaikutuksia pitoisuuksiin. Yhteisvaihtelun ana-
lyysissä ovat mukana sekä mäntyaloilta (N=107) että kuusialoilta (N=36) kerätyt sammalnäytteet
(N yhteensä = 143). Taustatekijöiden vaikutusta on tutkittu vain mäntytutkimusaloilta kerättyjen
sammalnäytteiden osalta. Sammalen metallipitoisuuksia tutkittiin arseenin (As), elohopean (Hg),
kadmiumin (Cd), kromin (Cr), kuparin (Cu), lyijyn (Pb), nikkelin (Ni), raudan (Fe), seleenin (Se),
sinkin (Zn), titaanin (Ti) ja vanadiinin (V) osalta.
5.3.1 Sammalen metallipitoisuuksien yhteisvaihtelu
Sammalen metallipitoisuuksien keskinäiset korrelaatiot on esitetty taulukossa 26. Suurin
osa sammalista mitattujen metallien pitoisuuksista korreloi keskenään tilastollisesti merkitsevästi.
Voimakkaimmat korrelaatiot havaittiin arseenin, kadmiumin, kuparin, lyijyn ja nikkelin kesken sekä
raudan, titaanin ja vanadiinin kesken.
62
Sammalen metallipitoisuuksien keskinäiset korrelaatiot (Spearman). Tilastollisesti
erittäin merkitsevät korrelaatiot on lihavoitu ja melkein merkitsevät kursivoitu. Yli 0,6:n olevat
korrelaatiokertoimet on värjätty vaaleammalla punaisella ja yli 0,8:n olevat kertoimet tummem-
malla punaisella.
As Hg Cd Cr Cu Pb Ni Fe Se Zn Ti V
As 1 0,163 ,851** ,218** ,918** ,812** ,905** ,421** ,496** ,232** ,174* ,451** Hg 0,163 1 0,019 ,327** ,179* ,314** 0,157 ,462** ,280** ,574** ,454** ,461** Cd ,851** 0,019 1 0,044 ,837** ,692** ,797** ,205* ,390** ,244** -0,041 ,238** Cr ,218** ,327** 0,044 1 0,104 ,336** ,229** ,665** ,486** ,231** ,754** ,663** Cu ,918** ,179* ,837** 0,104 1 ,791** ,943** ,324** ,340** ,287** 0,073 ,362** Pb ,812** ,314** ,692** ,336** ,791** 1 ,755** ,514** ,528** ,353** ,348** ,603** Ni ,905** 0,157 ,797** ,229** ,943** ,755** 1 ,366** ,393** ,235** 0,149 ,411** Fe ,421** ,462** ,205* ,665** ,324** ,514** ,366** 1 ,495** ,360** ,859** ,892** Se ,496** ,280** ,390** ,486** ,340** ,528** ,393** ,495** 1 ,247** ,429** ,592** Zn ,232** ,574** ,244** ,231** ,287** ,353** ,235** ,360** ,247** 1 ,294** ,397** Ti ,174* ,454** -0,041 ,754** 0,073 ,348** 0,149 ,859** ,429** ,294** 1 ,810** V ,451** ,461** ,238** ,663** ,362** ,603** ,411** ,892** ,592** ,397** ,810** 1
Toinen tapa tarkastella muuttujien välisiä suhteita on faktorianalyysi, joka tiivistää muuttu-
jien vaihtelua harvalukuisemmille faktorikomponenteille. Faktorianalyysin ratkaisu perustuu muut-
tujien yhteisvaihteluun, jolloin samankaltaisesti vaihtelevat muuttujat latautuvat samoille fakto-
reille. Tulosten tulkinta perustuu muuttujien eri faktoreilla saamien latauksien tarkasteluun. Kunkin
muuttujan saamia faktoripistemääriä voidaan tarkastella kartalla samaan tapaan kuin alkuperäisiä
alkuainepitoisuuksia – koska faktorianalyysi perustuu muuttujien välisen yhteisvaihtelun tunnista-
miseen, faktoripistemäärät kuvaavat useiden eri muuttujien pitoisuuksia alkuperäisten yksittäisten
metallien pitoisuuksien sijaan. Sammalten metallipitoisuuksien faktoriratkaisu tiivisti 12 metallipi-
toisuutta kuvaavaa muuttujaa 3 faktorille, jotka kattoivat 89 % muuttujien vaihtelusta (taulukko 27,
kuva 37).
Ensimmäinen faktori kuvaa arseenin, kadmiumin, kuparin, lyijyn ja nikkelin pitoisuuk-
sia. Myös elohopea sai korkeimman latauksensa tällä faktorilla, joskin sen lataus jäi muita metal-
leja matalammaksi. Faktori kuvaa Harjavallan teollisuuden päästöjä.
Toinen faktori kuvaa kromin, raudan, titaanin ja vanadiinin pitoisuuksia. Faktori sai kor-
keimmat pistemääränsä Porin keskustan ja Söörmarkun välissä, missä sijaitsee typen, rikin ja
hiukkasten päästöjä raportoiva metallivalimo. Lisäksi alueella on maanottoalue ja romuttamoita.
Pienempiä korkeampien arvojen vyöhykkeitä havaittiin myös Porin Kuuminaisissa ja Ulvilan poh-
joisosissa. Arvojen suuruudelle näillä alueilla ei löytynyt yksiselitteistä syytä. On mahdollista, että
alueella sijaitsee esimerkiksi pienempiä metallialan toimijoita, joista päästöjä syntyy. Pitoisuudet
olivat kuitenkin paikallisia, eivätkä kohonneet pitoisuudet näkyneet kyseisten, korkeita pistemää-
riä saaneiden alojen läheisillä aloilla. Harjavallan pieni vyöhyke sijoittuu teollisuustoimintojen pii-
riin.
Kolmas faktori kuvaa seleenin ja sinkin pitoisuuksia. Faktorin korkeimmat arvot sijoittui-
vat Porin ja Ulvilan rajalle alueelle, jolla sijaitsee energiantuotanto- ja metallialan toimintoja.
63
Sammalen metallipitoisuuksien faktorianalyysin varimax-rotatoitu komponenttimat-
riisi. Kunkin muuttujan yli 0,5:n olevat lataukset on lihavoitu, ja komponentti, jolla muuttuja on
saanut suurimman latauksensa, on värjätty punaiseksi.
Kuva 37. Sammalten alkuainepitoisuuksien faktorianalyysin faktorien 1, 2 ja 3 faktoripistemäärät interpoloituna.
5.3.2 Taustamuuttujien vaikutus sammalen alkuainepitoisuuksiin
Luontaisista taustamuuttujista kasvupaikkatyypillä ei ollut Kruskal-Wallisin parametrittoman
varianssianalyysin perusteella vaikutusta sammalen metallipitoisuuksiin. Puiden halkaisijalla oli
tilastollisesti merkitsevä negatiivinen yhteys sammalen kadmiumpitoisuuksiin. Pohjapinta-ala kor-
reloi positiivisesti ja tilastollisesti merkitsevästi arseeni-, kadmium-, kupari- ja nikkelipitoisuuksien
kanssa sekä tilastollisesti melkein merkitsevästi sinkkipitoisuuksien kanssa. Ikä yhdistyi tilastolli-
sesti melkein merkitsevästi kadmium-, kromi- ja titaanipitoisuuksiin, joista korrelaatio kadmiumpi-
toisuuden kanssa oli negatiivinen ja muiden kanssa positiivinen. Puiden pituuden ja sammalen
metallipitoisuuksien välillä ei havaittu yhteisvaihtelua (taulukko 28).
1 2 3
As 0,877 0,226 0,386 Hg 0,478 0,457 0,288 Cd 0,945 0,153 0,023 Cr 0,156 0,89 0,135 Cu 0,954 0,199 0,176 Pb 0,929 0,27 0,141 Ni 0,95 0,183 0,041 Fe 0,43 0,816 0,275 Se 0,054 0,127 0,948 Zn 0,427 0,441 0,684 Ti 0,02 0,961 0,043 V 0,43 0,81 0,236
64
Sammalten metallipitoisuuksien korrelaatiot luontaisten taustamuuttujien kanssa
(Spearman). Tilastollisesti erittäin merkitsevät korrelaatiot on lihavoitu ja melkein merkitsevät
kursivoitu.
Halkaisija Pohjapinta-ala Ikä Pituus
As -0,115 ,261** -0,116 -0,092 Hg 0,071 0,098 0,123 -0,042 Cd -,279** ,250** -,228* -0,12 Cr 0,172 -0,084 ,210* 0,032 Cu -0,125 ,322** -0,146 -0,104 Pb -0,129 0,19 -0,075 -0,133 Ni -0,111 ,319** -0,112 -0,113 Fe 0,119 0,05 0,189 -0,04 Se 0,066 -0,007 0,116 0,022 Zn 0,068 ,218* 0,154 0,075 Ti 0,121 -0,089 ,200* -0,029 V 0,093 0,081 0,165 -0,056
Etäisyydellä lähimpään päästölähteeseen oli vaikutusta miltei kaikkiin tutkittuihin sammalen
metallipitoisuuksiin. Ainoastaan sammalen kromipitoisuudella ei havaittu yhteyttä etäisyyden
kanssa. Arseenilla, kadmiumilla, kuparilla, lyijyllä ja nikkelillä korrelaatiokerroin kasvoi, kun tar-
kastelusta jätettiin pienimmän kokoluokan laitokset pois, ja suurimmalla osalla näistä metalleista
se kasvoi myös, kun keskikokoiset laitokset jätettiin pois tarkastelusta. Näiden metallien pitoi-
suuksiin vaikuttavat siis merkittävimmin suurimman kokoluokan laitokset. Sen sijaan elohopeapi-
toisuuksien ja etäisyyden välillä oli tilastollisesti merkitsevä yhteys, kun tarkastelussa oli mukana
kaikki laitokset, ja yhteys oli heikompi, kun pienimmän kokoluokan laitokset jätettiin ulos tarkas-
telusta. Raudan, sinkin ja titaanin korrelaatiokertoimet olivat suurimpia, kun tarkastelussa olivat
mukana myös pienimmän kokoluokan laitokset, ja laskivat, kun tarkastelussa olivat mukana vain
suurimmat laitokset (taulukko 29).
Sammalen metallipitoisuuksien yhteisvaihtelu ilman epäpuhtauksia tuottavien
laitosten etäisyyden kanssa (Spearman). Tilastollisesti erittäin merkitsevät korrelaatiot on
lihavoitu ja melkein merkitsevät kursivoitu.
Etäisyys lähimpään päästölähteeseen
Etäisyys lähimpään päästölähteeseen, jonka vuosipäästöt > 1 tonni
Etäisyys lähimpään päästöläh-teeseen, jonka vuosipäästöt
> 10 tonnia
As -,628** -,709** -,725** Hg -,300** -,242* -,226* Cd -,449** -,533** -,553** Cr -0,125 -0,135 -0,143 Cu -,693** -,761** -,784** Pb -,590** -,624** -,625** Ni -,667** -,735** -,750** Fe -,448** -,439** -,438** Se -,295** -,303** -,292** Zn -,304** -,262** -,269** Ti -,245* -,205* -,197* V -,414** -,420** -,410**
65
5.4. Muuttujien yhteisvaihtelu
Tässä luvussa tarkastellaan mäntyalojen muuttujien yhteisvaihtelua korrelaatioiden ja fak-
torianalyysien avulla. Korrelaatiotarkastelut on esitetty muuttujaryhmittäin: jäkälä- ja neulasmuut-
tujat, jäkälämuuttujat ja sammalten metallipitoisuudet sekä neulasmuuttujat ja sammalten metal-
lipitoisuudet.
5.4.1 Muuttujaryhmien yhteisvaihtelu
Kaikilla neulasmuuttujilla kaliumpitoisuutta lukuun ottamatta oli vähintään tilastollisesti mel-
kein merkitsevää yhteisvaihtelua jäkälämuuttujien kanssa. Vaikka neulaskadon on yleisesti ole-
tettu kuvaavan ilmanlaadun vaikutuksia, tässä tutkimuksessa yhteydet jäkälämuuttujien kanssa
olivat päinvastaisia oletusten kanssa. Neulaskato on puun yleiskunnon hyvä mittari, mutta ilman
epäpuhtauksien indikaattorina neulaskato ei ole kuitenkaan spesifi muuttuja. Tässä tutkimuk-
sessa etenkin jäkälälajistoa kuvaavat muuttujat olivat sitä parempia, mitä suurempi oli havaittu
neulaskato. Tämä liittynee metsätyypin vaikutukseen, joka on saman tyyppinen sekä neulaska-
don että jäkälälajistoa kuvaavien muuttujien kohdalla: karummilla metsätyypeillä havaitaan suu-
rempaa neulaskatoa ja enemmän jäkälälajeja kuin rehevämmillä metsätyypeillä, joiden varjoisuus
yleensä vaikuttaa jäkälälajistoon epäedullisesti. Neulasvuosikerrat liittyivät tilastollisesti merkitse-
västi levän esiintymiseen; mitä enemmän neulasvuosikertoja havaittiin, sitä vähemmän levää.
Havaittu yhteys liittyy kuormituksen vaikutukseen; neulasvuosikertoja on vähemmän ja levää
enemmän kuormituslähteiden läheisyydessä. Kaliumin pitoisuuksien nouseminen näytti jossain
määrin lisäävän yleistä vaurioastetta ja vähentävän lajilukumäärää sekä lisäävän levän esiinty-
mistä, tosin korrelaatiokertoimet olivat melko matalia. Havaittu vaikutus voi liittyä kasvupaikan
ravinteisuuteen samaan tapaan kuin neulaskadon yhteydessä kuvattiin, joskin kaliumin osalta
metsätyypillä ei havaittu olleen vaikutusta pitoisuustasoon. Kalsiumpitoisuuksien ja jäkälämuut-
tujien välillä ei ollut yhteisvaihtelua. Magnesiumpitoisuuksien kasvaminen näytti liittyvän levän
vähäisempään esiintymiseen. Mangaanipitoisuuksien kasvaminen liittyi vaurioiden pienenemi-
seen ja jäkälälajiston runsastumiseen. Rikki- ja typpipitoisuuksien kasvaminen sen sijaan liittyi
jäkälävaurioiden kasvamiseen ja lajiston köyhtymiseen. Mangaani- ja magnesiumpitoisuudet oli-
vat kauempana päästölähteistä korkeampia kuin niiden läheisyydessä, ja rikki- ja typpipitoisuudet
puolestaan korkeampia, mikä selittää havaitut yhteydet jäkälämuuttujien kanssa (taulukko 30).
Jäkälä- ja neulasmuuttujien välinen yhteisvaihtelu (Spearmanin korrelaatiokertoi-
met). Tilastollisesti merkitsevät korrelaatiokertoimet on lihavoitu ja melkein merkitsevät kursi-
voitu.
Neulaskato Neulasvuosikerrat K Ca Mg Mn S N
Hyp. vaurio -0,049 -0,018 0,146 0,155 -0,059 -,234* ,227* 0,081 Yleinen vaurio -,250** -,240* ,226* 0,043 -0,054 -,284** ,350** ,339** Lajilukumäärä ,204* 0,189 -,198* 0,007 0,091 ,260** -,301** -,278** IAP ,267** 0,122 -0,122 -0,006 0,13 ,293** -,268** -,247* Hyp. peit. -,191* ,206* -,245* 0,087 0,003 -0,017 -,206* -0,03 Bryoria peit. 0,161 -0,018 -0,051 -0,01 0,105 ,211* -0,134 -0,178 Alg. es. -,263** -,262** ,203* 0 -,283** -,246* 0,183 0,143
Taulukossa 31 on esitetty jäkälämuuttujien ja sammalten metallipitoisuuksien välinen yh-
teisvaihtelu. Sormipaisukarpeen vaurioaste korreloi tilastollisesti merkitsevästi kaikkien samma-
len metallien pitoisuuksien kanssa seleeniä lukuun ottamatta, jonka kanssa korrelaatio oli tilastol-
lisesti melkein merkitsevä. Yleisen vaurioasteen kanssa korrelaatioita oli lukumääräisesti
66
vähemmän. Myös lajilukumäärä ja IAP-indeksi korreloivat miltei kaikkien sammalen metallipitoi-
suuksien kanssa. Vaikutukset olivat yhdensuuntaisia: mitä korkeampia pitoisuuksia sammalista
eri metallien osalta mitattiin, sitä korkeampia olivat jäkälälajiston vaurioasteet ja sitä köyhtyneem-
pää oli jäkälälajisto. Metallipitoisuuksien kasvaminen liittyi myös sormipaisukarpeen ja luppojen
peittävyyteen. Levää sen sijaan havaittiin sitä enemmän, mitä korkeampia metallipitoisuudet oli-
vat.
Jäkälämuuttujien ja sammalten metallipitoisuuksien välinen yhteisvaihtelu (Spear-
manin korrelaatiokertoimet). Tilastollisesti merkitsevät korrelaatiokertoimet on lihavoitu ja mel-
kein merkitsevät kursivoitu.
Taulukossa 32 on esitetty neulasmuuttujien ja sammalten metallipitoisuuksien väliset yh-
teisvaihtelut. Neulasmuuttujista eniten yhteisvaihtelua sammalten metallipitoisuuksien kanssa ha-
vaittiin neulasvuosikerroilla: sammalten korkeat metallipitoisuudet näyttivät vähentävän neulas-
vuosikertojen määrää lukuun ottamatta elohopeaa ja titaania, joiden osalta yhteys oli positiivinen.
Muutamilla metalleilla havaittiin myös neulaskatoon vastaavan suuntainen, mutta tilastollisesti
vain melkein merkitsevä yhteys – myös neulaskadon osalta titaanin vaikutus oli erisuuntainen
kuin muilla metalleilla. Kalium-, rikki- ja typpipitoisuuksilla yhteys osaan sammalten metallipitoi-
suuksista oli positiivinen; männyn neulasten kalium-, rikki- ja typpipitoisuudet olivat suurempia,
kun sammalten metallipitoisuudet olivat suurempia. Yhteydet näkyivät erityisesti arseenin, kad-
miumin, kuparin ja nikkelin kohdalla. Sen sijaan vaikutukset magnesium- ja mangaanipitoisuuksiin
olivat päinvastaisia, ja näitä ravinteita havaittiin neulasissa sitä vähemmän, mitä korkeampia sam-
malen metallipitoisuudet olivat. Nämä negatiiviset korrelaatiot havaittiin samojen metallien koh-
dalla kuin positiiviset korrelaatiot kalium-, rikki- ja typpipitoisuuksien kanssa.
Hyp. vau-
rio Yleinen vaurio
Lajiluku- määrä
IAP Hyp. peit.
Bryoria peit.
Alg. es.
As ,488** ,547** -,593** -,603** -,197* -,330** ,454** Hg ,382** -0,025 -0,115 -0,17 -0,147 0,01 0,103 Cd ,331** ,460** -,488** -,443** -,257** -0,133 ,531** Cr ,323** 0,05 -0,14 -0,179 -0,088 -0,051 -0,011 Cu ,498** ,558** -,558** -,610** -0,109 -,325** ,486** Pb ,472** ,405** -,454** -,476** -,219* -,199* ,400** Ni ,500** ,553** -,581** -,644** -0,114 -,352** ,409** Fe ,447** 0,189 -,257** -,309** -0,125 -0,169 0,126 Se ,217* 0,137 -,250** -,234* -,352** -0,005 0,044 Zn ,399** 0,133 -,236* -,280** -0,166 -0,057 ,215* Ti ,378** 0,045 -0,099 -0,132 -0,077 -0,11 -0,03 V ,478** ,211* -,283** -,361** -,236* -0,136 0,129
67
Neulasmuuttujien ja sammalten metallipitoisuuksien välinen yhteisvaihtelu (Spear-
manin korrelaatiokertoimet). Tilastollisesti merkitsevät korrelaatiokertoimet on lihavoitu ja mel-
kein merkitsevät kursivoitu.
5.4.2 Kaikkien muuttujien faktorianalyysi
Muuttujien yhteisvaihtelua ja keskinäisiä yhteyksiä tutkittiin vielä faktorianalyysin avulla, jo-
hon otettiin mukaan kaikki mäntyaloilta tutkitut vastemuuttujat. Faktorianalyysi tiivisti 27 muuttujan
vaihtelun 7 faktoriin, jotka selittivät kokonaisvaihtelusta 80 % (taulukko 33).
Ensimmäinen faktori kuvasi sammalen arseeni-, elohopea-, kadmium-, kupari-, lyijy- ja nik-
kelipitoisuuksia. Näiden muuttujien lataukset faktorille olivat pääsääntöisesti hyvin korkeita, 0,8-
0,9. Myös raudan, sinkin ja vanadiinin lataukset tälle faktorille olivat yli 0,5:n.
Toinen faktori kuvasi jäkälälajistoa ja erityisesti sen runsautta, sillä faktorille saivat korkeim-
mat latauksensa lajiston runsautta kuvaavat yleinen vaurioaste, lajilukumäärä ja IAP-indeksi.
Myös sormipaisukarpeen vaurioasteen ja luppojen peittävyyden lataukset olivat korkeita. Kor-
keimman latauksensa tälle faktorille saivat myös levän esiintyminen sekä neulaskato, mutta la-
taukset eivät ylittäneet 0,5:ttä. Neulaskadon lataus oli miinusmerkkinen, eli se parani jäkäläindi-
kaattorien huonontuessa. Neulaskadon negatiivinen lataus tälle faktorille liittyy todennäköisesti
metsätyypin vaikutukseen: karuilla kasvupaikkatyypeillä jäkäliä on havaittu runsaammin, mutta
samalla neulaskato on ollut näillä aloilla korkeampi.
Kolmannella faktorilla suurimmat latauksensa saivat sammalen kromi-, rauta-, titaani- ja va-
nadiinipitoisuudet. Näiden metallien pitoisuudet liittyivät kuormitukseen, jota aiheutti alueella
myös pienemmän kokoluokan toiminnot.
Neljännelle faktorille latautuivat neulasten ravinnepitoisuutta kuvaavat neulasten kalsium-,
magnesium-, mangaani- ja rikkipitoisuudet. Vaikka neulasten rikkipitoisuus kasvoi hieman pääs-
tölähteiden läheisyydessä, ensisijaisesti rikkipitoisuus liittyy kuitenkin metsien ravinnetilaan.
Viidennelle faktorille latautuivat neulasvuosikerrat ja neulasten kalium- ja typpipitoisuudet,
jotka kuvaavat niin ikään metsikön ravinnetilaa.
Kuudennelle faktorille latautuivat sammalen seleeni- ja sinkkipitoisuudet. Näiden metallien
havaitut pitoisuudet eivät yhdistyneet päästölähteiden sijaintiin yhtä selvästi kuin esim. arseenin,
kuparin ja nikkelin pitoisuudet. Samat metallit muodostivat oman faktorinsa myös pelkästään
sammalen metallipitoisuuksille tehdyssä faktorianalyysissä.
Neulas-
kato Neulasvuosikerrat K Ca Mg Mn S N
As -,191* -,451** ,256** 0,033 -,263** -,204* ,291** ,231* Hg 0,156 ,269** -0,016 0,126 -0,12 -0,076 -0,008 -0,018 Cd -,193* -,607** ,289** -0,088 -,344** -,192* ,237* ,208* Cr ,207* 0,167 0,02 0,096 0,087 -0,136 0,062 -0,036 Cu -,239* -,428** ,249* 0,049 -,291** -,224* ,289** ,271** Pb -0,096 -,357** 0,165 0,032 -,295** -,199* 0,185 0,144 Ni -,205* -,357** ,204* 0,055 -,237* -,236* ,253** ,242* Fe 0,106 0,127 0,013 0,118 -0,035 -0,171 0,112 0,062 Se 0,137 -0,122 0,099 0,006 -0,039 -0,035 0,073 -0,088 Zn 0,021 -0,095 0,151 0,142 -0,002 -0,033 ,228* -0,014 Ti ,226* ,280** -0,072 0,117 0,032 -0,113 0,026 -0,022 V 0,09 0,08 -0,01 0,032 -0,04 -,193* 0,085 -0,014
68
Seitsemäs faktori kuvasi yksinään sormipaisukarpeen peittävyyttä, joka liittyy ensisijaisesti
metsikön luontaisiin tekijöihin, eikä niinkään ilman epäpuhtauksien kuormituksen vaikutuksiin.
Faktoriratkaisu piti muuttujaryhmät miltei kokonaan erillään, kun faktoreista kolme kuvasi
sammalen metallipitoisuuksia, kaksi jäkälämuuttujia ja kaksi neulasmuuttujia. Ainoastaan neulas-
kato sai suurimman, mutta silti suhteellisen matalan latauksen jäkäläfaktorilla.
Kaikkien muuttujien faktorianalyysin varimax-rotatoitu komponenttimatriisi. Kunkin
muuttujan yli 0,5:n olevat lataukset on lihavoitu, ja faktori, jolla muuttuja on saanut suurimman
latauksensa, on värjätty punaiseksi.
1 2 3 4 5 6 7
Hyp. vaurio 0,423 0,614 0,21 0,1 -0,002 -0,073 0,332 Yleinen vaurio 0,143 0,896 0,025 0,026 0,181 0,004 -0,04 Lajilukumäärä -0,217 -0,81 -0,031 0,032 -0,164 -0,099 -0,229 IAP -0,208 -0,899 -0,066 -0,009 -0,08 -0,066 -0,021 Hyp. peit. -0,158 -0,039 -0,123 -0,004 -0,12 0,036 -0,852 Bryoria peit. 0,059 -0,62 -0,169 0,216 -0,086 0,053 0,12 Alg. es. 0,331 0,489 -0,178 -0,084 -0,007 0,123 0,424 Neulaskato -0,105 -0,447 0,385 -0,114 0,227 -0,084 0,275 Neulasvuosikerrat -0,287 0,064 0,327 0,444 -0,549 -0,137 -0,248 N: K 0,007 0,125 -0,027 0,303 0,728 0,044 0,306 N: Ca 0,134 0,042 0,024 0,88 0,092 0,01 -0,12 N: Mg -0,399 -0,088 0,075 0,7 0,181 -0,021 0,041 N: Mn -0,031 -0,409 -0,198 0,601 -0,049 -0,031 0,104 N: S 0,187 0,223 0,029 0,575 0,664 -0,01 0,162 N: N 0,208 0,295 -0,012 -0,027 0,672 -0,097 -0,27 S: As 0,885 0,157 0,191 -0,06 0,097 0,32 0,046 S: Hg 0,69 0,08 0,446 0,1 -0,101 0,132 0,048 S: Cd 0,903 0,208 0,079 -0,113 0,164 -0,001 0,163 S: Cr 0,267 0,053 0,856 0 -0,018 0,123 0,016 S: Cu 0,952 0,14 0,162 -0,028 0,107 0,099 0,043 S: Pb 0,936 0,124 0,213 -0,028 0,131 0,045 0,067 S: Ni 0,916 0,182 0,152 -0,006 0,099 -0,033 0,05 S: Fe 0,52 0,124 0,763 0,034 0,011 0,235 0,022 S: Se 0,124 0,023 0,18 -0,058 -0,007 0,928 -0,036 S: Zn 0,535 0,13 0,406 0,064 -0,006 0,626 0,056 S: Ti 0,122 0,043 0,928 -0,026 -0,066 0,036 0,031 S: V 0,526 0,165 0,741 0 -0,038 0,191 0,072
5.5 Tulosten yhteenveto ja johtopäätökset
Ilmanlaatua kuvaavat etäisyysmuuttujat yhdistyivät indikaattorimuuttujien vaihteluun sel-
vemmin kuin luontaisia taustatekijöitä kuvaavat muuttujat. Jäkälämuuttujat olivat hyviä ilmanlaa-
dun yleisindikaattoreita, ja sammalten alkuainepitoisuudet kuvasivat hyvin metallien kertymistä.
Jäkälämuuttujista selvin yhteys kuormittajien sijaintiin oli lajiston runsautta ja koostumusta kuvaa-
valla IAP-indeksillä ja sormipaisukarpeen vaurioasteella. Kaikkein kuormitetuimmilla alueilla sam-
malta ei kasvanut lainkaan, minkä vuoksi sammalten metallipitoisuuksien kartoitusta voitaisiin tu-
levaisuudessa täydentää tutkimalla metallipitoisuuksia myös neulasista. Sammalten
metallipitoisuuksien ja jäkälämuuttujien kesken havaittiin selkeitä, yhdensuuntaisia korrelaatioita.
Neulasten rikkipitoisuudet indikoivat kuormitusta jossain määrin, mutta yhteys kuormitusta aiheut-
taviin laitoksiin jäi kuitenkin heikommaksi kuin esim. jäkälämuuttujilla. Neulasten rikkipitoisuus
onkin ennen kaikkea puuston ravinnetilan indikaattori. Männyn elinvoimaisuusindikaattorit neu-
69
laskato ja neulasvuosikerrat sekä neulasten ravinnepitoisuudet ilmaisivat epäpuhtauksien vaiku-
tuksia heikommin kuin jäkälämuuttujat ja sammalten metallipitoisuudet. Neulaskadon suhteen yh-
teyttä ei havaittu, mutta neulasvuosikertoja havaittiin laitosten läheisyydessä hieman vähemmän
kuin kauempana niistä. Rikki- ja typpipitoisuudet olivat suurimpien kuormittajien läheisyydessä
hieman korkeampia kuin kauempana niistä, ja ravinnepitoisuuksista magnesium- ja mangaanipi-
toisuudet olivat päästölähteiden läheisyydessä matalampia kuin kauempana niistä.
Sammalen metallipitoisuuksissa arseeni, kadmium, kupari, lyijy ja nikkeli muodostivat oman
ryhmän, joka kuvasi ennen kaikkea suurimpien päästölähteiden vaikutuksia. Kromi, rauta, titaani
ja vanadiini yhdistyivät omaksi faktorikseen, ja seleeni ja sinkki omikseen. Näiden metallien ker-
tymiseen vaikuttavat myös pienemmän kokoluokan päästölähteet.
Tilastoanalyysien valossa päästömääriltään suurimpien laitosten vaikutus tutkittuihin muut-
tujiin on merkittävin. Tämän tutkimuksen tilastotarkasteluissa ei tosin aineiston saatavuuden
vuoksi huomioitu päästömääriltään usein pieniä, mutta päästökorkeudeltaan matalia päästöläh-
teitä (esim. jätevedenpuhdistamot, jätteenkäsittelylaitokset yms.), joiden on todettu aiheuttavan
paikallisia, indikaattorimuuttujissa näkyviä vaikutuksia (esim. Ruuth ym. 2016, Huuskonen ym.
2012). Lisäksi tutkimusalojen sijoittelu on alueella tehty niin, että ne kuvastavat ensisijaisesti suu-
rimpien päästökeskittymien vaikutuksia.
6. Vertailu
6.1 Vuosien välinen vertailu
Tässä luvussa vertaillaan vuoden 2014 tuloksia aikaisempien vuosien bioindikaattoritut-
kimusten tuloksiin. Tutkimus on tehty Porin-Harjavallan alueella edellisen kerran vuosina 2007-
2008, jolloin tutkimusalueeseen kuuluivat samat kunnat kuin vuonna 2014 sekä kuntaliitosten
myötä lakkautetut entiset kunnat Noormarkku, Kullaa ja Kiukainen. Vuoden 2014 tuloksia ver-
tailtiin aineistojen pohjalta vuoden 2007-2008 (Jussila 2008) tutkimustuloksiin ja lisäksi tehtiin
kuvailevaa vertailua vanhojen tutkimusraporttien pohjalta vuosien 1990 (Jussila ym. 1991),
1992-1993 (Jussila 1994), 1996-1997 (Jussila 1997), 2001-2002 (Jussila 2003) ja 2007 tutki-
muksiin. Vuonna 2007-2008 tutkimus tehtiin yhteensä 173 mäntyalalla ja seinäsammalen alku-
ainepitoisuudet analysoitiin 96 tutkimusalalta. Vuosien 2014 ja 2007 vertailun keskiarvotarkas-
teluissa aineistosta on karsittu vaihtuneet tutkimusalat. Muiden vuosien vertailussa ovat
käytännön syistä mukana kaikki kyseisen vuoden tutkimusalat, myös ne, jotka eivät kuuluneet
tutkimusalueeseen vuonna 2014. Karttaesitykset on laadittu perustuen kaikkien kyseisenä tut-
kimusvuonna tutkittujen alojen havaintoihin. Koska tutkimusalue on hieman muuttunut vuo-
desta 2007, karttavyöhykkeitä tulee pitää vain suuntaa-antavina.
Vuosina 1990 ja 1992 jäkälävauriot tutkittiin viideltä tutkimuspuulta, kun vuosina 2007 ja
2014 jäkälät tutkittiin 10 puulta. Metsän elinvoimaisuuden tarkastelu tehtiin vuonna 1990 ja
1992 viidellä puulla ja kymmenellä puulla vuosina 1997, 2001, 2007 ja 2014. Kuvassa 38 on
esitetty vuosina 2007-2008 ja 2014 samana pysyneet alat, yhteensä 48 alaa.
70
Kuva 38. Vuosien 2014 ja 2007 välisessä vertailussa mukana olevat tutkimusalat (N = 50).
6.1.1 Mäntyjen runkojäkälät
Vertailu vuosina 2014 ja 2007-2008
Mäntyjen runkojäkäliä kuvaavia tunnuslukuja vuosina 2014 ja 2007 sekä vuosien väliset
tilastolliset vertailut on esitetty taulukossa 34. Ilmanpuhtausindeksi kasvoi tilastollisesti merkitse-
västi keskimäärin 0,2 yksikköä edellisestä tutkimuskierroksesta. Myös ilman epäpuhtauksista kär-
sivien lajien lukumäärä oli suurempi kuin edellisellä tutkimuskerralla, sormipaisukarpeen peittä-
vyys puolestaan oli laskenut vuonna 2014 noin puoleen edellisen tutkimuskerran tuloksiin
nähden. Molemmat erot olivat tilastollisesti erittäin merkitseviä. Sormipaisukarpeen vaurioaste
kasvoi hieman, mutta ero ei ollut tilastollisesti merkitsevä. Luppojen peittävyys ja levän yleisyys
tutkimusalaa kohti olivat lähes samaa tasoa kuin vuosina 2007-2008, eikä niiden keskiarvotar-
kasteluissa havaittu tilastollisesti merkitsevää eroa (taulukko 34).
Kuvissa 39 ja 40 on esitetty sormipaisukarpeen vauriokehitys vuosina 2014 ja 2007. Ku-
vissa 41-45 on esitetty ne jäkälämuuttujat, joissa oli tapahtunut tilastollisesti merkitsevää muu-
tosta sekä jäkälälajien esiintymisfrekvenssien muutokset.
71
Männyn runkojäkäliä kuvaavia tunnuslukuja Porin-Harjavallan alueen samoina py-
syneillä tutkimusaloilla vuosina 2014 ja 2007-2008. Vuosien väliset parittaiset vertailut on
tehty parittaisten otosten t-testillä tai Wilcoxonin merkkitestillä. Melkein merkitsevä (p < 0,05)
testitulos on merkitty yhdellä tähdellä (*), merkitsevä (p < 0,01) kahdella (**) ja erittäin merkit-
sevä (p < 0,001) kolmella (***). N = 48.
Vuosi Keski- arvo
Pienin Suurin Keski-
hajonta testisuure p-arvo
Ilmanpuhtausindeksi 2014 1,9 0,4 4,04 0,76 t = 2,976 < 0,01**
2007 1,7 0 2,6 0,6
Lajilukumäärä (alakohtainen) 2014 6 1 9 2,09 t = 3,746 < 0,001***
2007 5,2 0 9 1,89
Sormipaisukarpeen vaurioaste 2014 2,4 1,5 4,5 0,62 V = 719 0,052
2007 2,2 1 3,4 0,4
Sormipaisukarpeen peittävyys (%) 2014 11,8 0,1 35,1 8,15 t = -7,632 < 0,001***
2007 22,9 0 75,4 15,86
Luppojen peittävyys (%) 2014 0,03 0 0,6 0,11 V = 15,0 0,059
2007 0,01 0 0,1 0,02
Levän yleisyys 2014 6,1 0 10 3,31 V = 340,5 0,874
2007 6,2 0 10 3,26
Sormipaisukarve oli keskimäärin lievästi vaurioitunutta kummallakin tutkimuskierroksella.
2007-2008 sormipaisukarpeen vaurioasteen vaihteluväli oli terve-selvä vaurio, ja vuonna 2014
lievästi vaurioituneesta kuolleeseen tai puuttuvaan. Lievästi vaurioituneiden alojen osuus oli pie-
nempi vuonna 2014 kuin vuonna 2007-2008, ja vastaavasti selvästi vaurioituneen sormipaisukar-
peen osuus oli kasvanut edellisestä (kuvat 39 ja 40).
Kuva 39. Samana pysyneet tutkimusalat luokiteltuna sormipaisukarpeen vaurioasteen mukaan vuosina 2014 ja 2007-2008. N = 48.
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
Terve Lievä vaurio Selvä vaurio Paha vaurio Kuollut taipuuttuu
2014
2007-2008
72
Kuva 40. Sormipaisukarpeen vaurioasteet tutkimusalueella vuosina 2014 ja 2007.
IAP-indeksin perusteella tutkimusalueen ilmanlaatu oli jonkin verran parantunut edellisestä
tutkimuskerrasta: vuonna 2007-2008 luonnontilaista lajistoa ei esiintynyt samana pysyneillä aloilla
lainkaan ja vuonna 2014 luonnontilaista lajistoa esiintyi 8 %:lla aloista. Muuten alat jakautuivat
IAP-indeksiluokkiin melko samaan tapaan kuin aiemmalla kerralla. Erittäin selvästi köyhtyneitä
aloja esiintyi enemmän kuin edellisellä tutkimuskerralla, mutta jäkäläautioiden alojen määrä oli
puolestaan vähentynyt aiemmasta (kuva 42). Selvin ero IAP-indeksin vyöhykejaossa oli tapahtu-
nut tutkimusalueen itäosissa, jossa lajisto oli luonnontilaisempaa kuin aiemmin. Myös Luvian ja
Nakkilan indeksiarvot olivat parantuneet. Köyhtyneen lajiston vyöhyke tutkimusalueen keski-
osissa oli pienentynyt ja hajanaistunut (kuvat 41 ja 42).
Kuva 41. Samana pysyneet tutkimusalat luokiteltuna IAP-indeksin arvon mukaan vuosina 2014 ja 2007-2008. N = 48.
0%
10%
20%
30%
40%
50%
60%
Luonnontilainenlajisto
Lievästiköyhtynyt
Köyhtynyt Erittäin selvästiköyhtynyt
Jäkäläautio
2014
2007-2008
73
Kuva 42. IAP-indeksin vyöhykejako tutkimusalueella vuosina 2014 ja 2007.
Ilman epäpuhtauksista kärsivien lajien lukumäärä oli hieman kasvanut vuodesta 2007. Sa-
mana pysyneillä aloilla ei havaittu yhtään jäkälätöntä alaa, ja lajistoltaan normaalien alojen luku-
määrä oli kasvanut. Lajiston kunto oli parantunut etenkin Porin keskiosissa, missä selvästi köyh-
tyneen lajiston vyöhyke oli hävinnyt kokonaan. Tutkimusalueen pohjois- ja itäosien lajimäärä oli
myös kasvanut, samoin Luvialla ja Nakkilan länsiosan aloilla (kuva 43).
Kuva 43. Ilman epäpuhtauksista kärsivien lajien lukumäärät tutkimusalueella vuosina 2014 ja 2007.
74
Edelliseen tutkimuskierrokseen verrattuna harmaa- ja tuhkatyvikarvetta, harmaaröyhe-
löä, harmaahankakarvetta ja seinäsuomujäkälää esiintyi useammalla puulla vuonna 2014.
Myös sormipaisu- ja keltatyvikarvetta esiintyi enemmän kuin aiemmassa tutkimuksessa.
Esiintymisfrekvenssit olivat pienentyneet luppojen, keltaröyhelön ja ruskoröyhelön osalta.
Raidanisokarvetta ei tavattu kummallakaan tutkimuskerralla (kuva 44).
Kuva 44. Jäkälälajien esiintymisfrekvenssit samoina pysyneillä tutkimusaloilla vuosina 2014 ja 2007-2008. N = 480.
Myös sormipaisukarpeen peittävyys oli parantunut edellisestä tutkimuskerrasta muuta-
man %-yksikön verran. Peittävyys oli parantunut etenkin Ulvilassa, Kokemäellä ja Euran Kiukai-
sissa. Peittävyys oli pienin Harjavallassa, Porissa ja Nakkilan-Ulvilan rajalla. Tilanne oli hieman
heikentynyt Porin keskustassa (kuva 45).
Kuva 45. Sormipaisukarpeen peittävyys tutkimusalueella vuosina 2014 ja 2007.
0% 20% 40% 60% 80% 100%
Sormipaisukarve
Keltatyvikarve
Harmaa- ja tuhkatyvikarve
Lupot
Naavat
Harmaaröyhelö
Keltaröyhelö
harmaahankakarve
Ruskoröyhelö
Raidanisokarve
Seinäsuomujäkälä
Levä
2014
2007-2008
75
Vertailu Porin-Harjavallan alueen tutkimuksiin vuosina 1990, 1992, 1996, 2001, 2007 ja 2014.
Taulukossa 35 on esitetty mäntyjen runkojäkäliin liittyviä keskiarvoja myös aiemmilta tutki-
musvuosilta. Tarkastelussa ovat mukana kaikki kyseisten tutkimusvuosien alat, eivät vain sa-
mana pysyneet alat. Jäkälätunnusten perusteella ilmanlaatu oli vuonna 2014 edelleen heikom-
malla tasolla kuin vuonna 1990, jolloin seuranta tehtiin ensimmäisen kerran. Jäkälät olivat
kuitenkin paremmassa kunnossa kuin vuonna 2007.
Sormipaisukarpeen peittävyys oli n. 20 % luokkaa vuosien 1990, 1992, 1996 ja 2001 tutki-
muksissa. Peittävyys oli suurimmillaan vuonna 1992 (20 %) ja pienimmillään vuonna 2007
(11,5 %), mutta kasvoi 2,5 %-yksikköä vuoden 2014 tutkimuksessa. Sormipaisukarpeen peittä-
vyys oli kaikissa tutkimuksissa pienimmillään voimakkaimmin kuormitetuilla alueilla Harjavallassa.
Myös Ulvilassa, Porin Noormarkussa, Kokemäellä ja Luvialla esiintyi yksittäisiä aloja, joilla peit-
tävyys oli alle 5 %. Vuonna 2007 Euran Kiukaisissa ja Pomarkussa havaittiin aloja, joilla peittävyys
oli alle 5 %. Luvialla ja Kokemäellä peittävyys oli viimeisimmässä tutkimuksessa hieman kasva-
nut, eikä alle 5 % peittävyyksiä havaittu. Eniten sormipaisukarvetta esiintyi kaikissa tutkimuksissa
rannikolla Meri-Porin alueella sekä vuoden 2014 tutkimusta lukuun ottamatta Harjavallassa. Peit-
tävyys vaikuttaa kuitenkin yleisesti pienentyneen vuonna 2014 aiempiin tutkimuksiin verrattuna,
mikä voi johtua osaltaan alaverkoston harventumisesta ja keskittymisestä kuormitetuimmille alu-
eille.
Tutkimusalakohtainen lajilukumäärä on vaihdellut tutkimuskertojen välillä keskimäärin 5,3
ja 6,9 välillä. Luvuissa on mukana seinäsuomujäkälä mutta ei viherlevää, joten tulokset eivät ole
suoraan vertailukelpoisia vuoden 2014 tulosten tulkinnassa käytetyn luokittelun kanssa (taulukko
7). Suuntaa-antavasti voitaneen kuitenkin todeta, että lajilukumäärän perusteella lajisto on vaih-
dellut lievästi köyhtyneestä köyhtyneeseen. Kaikissa tutkimuksissa vähiten lajeja havaittiin Har-
javallan kuormitetuimmilla alueilla. Eniten lajeja on kaikissa tutkimuksissa havaittu tutkimusalueen
pohjois- ja keskiosissa. Tutkimuspuukohtainen lajilukumäärä kasvoi vuoteen 1996 asti. Vuonna
2001 lajilukumäärä oli hieman laskenut, mutta on sen jälkeen pysynyt samalla tasolla vuosina
2001-2014. Myös näissä aiempien tutkimusten lajilukumäärissä on todennäköisesti seinäsuomu-
jäkälä mukana.
Mäntyjen runkojäkäliä kuvaavia tunnuslukuja aiemmista Porin-Harjavallan alueen
tutkimuksista. n = tutkimusalojen määrä, - = tietoa ei ole raportoitu.
6.1.2 Mäntyjen elinvoimaisuus
Vertailu vuosina 2014 ja 2007-2008
Neulasvuosikertojen määrä väheni keskimäärin yhdellä vuosikerralla Porin-Harjavallan alu-
eella vuodesta 2007-2008 erittäin merkitsevästi (p < 0,001). Vuonna 2014 koko alue aivan itäran-
nikkoa lukuun ottamatta lukeutui 3 neulasvuosikerran vyöhykkeeseen, kun vuonna 2007 suurin
vuosi n Sormipaisukarpeen peittävyys (%) Lajilukumäärä / ala Lajilukumäärä / puu
1990 171 19,7 6,9 -
1992 150 20 6,3 4,3
1996 186 18,4 6,9 5,1
2001 168 18,5 6,0 3,7
2007 173 11,5 5,8 3,6
2014 107 14 6,2 3,6
76
osa tutkimusalueesta lukeutui 3,5 ja 4 neulasvuosikerran vyöhykkeeseen. Eroon voi olla syynä
se, että vuonna 2014 arvioinnit tehtiin loppuvuodesta, jolloin syksyllä ruskaantunut vanhin neu-
lasvuosikerta oli jo pudonnut tutkimuspuista.
Neulaskadon perusteella mäntyjen elinvoimaisuus on sen sijaan pysynyt samalla tasolla
vuoteen 2007 verrattuna. Keskimääräinen neulaskatoprosentti samana pysyneillä aloilla oli jopa
hieman pienentynyt, mutta ero ei ollut tilastollisesti merkitsevä (taulukko 36). Karttatarkastelujen
perusteella neulaskatovyöhykkeet ovat tasaantuneet vuodesta 2007: Aiemmin havaittua har-
suuntunutta vyöhykettä Ulvilan ja Porin Noormarkun alueella ei enää havaittu. Vastaavasti ranni-
kolla neulaskato oli hieman suurentunut vuodesta 2007, jolloin neulaskato oli vuonna 2014 15-20
% luokkaa lähes koko tutkimusalueella.
Mäntyjen elinvoimaisuutta kuvaavia tunnuslukuja Porin-Harjavallan alueen sa-
moina pysyneillä tutkimuspuilla vuosina 2014 ja 2007-2008. Vuosien väliset vertailut on tehty
parittaisten otosten t-testillä. Melkein merkitsevä (p < 0,05) testitulos on merkitty yhdellä täh-
dellä (*), merkitsevä (p < 0,01) kahdella (**) ja erittäin merkitsevä (p < 0,001) kolmella tähdellä
(***).
Vuosi Keskiarvo Pienin Suurin Keskihajonta testisuure p-arvo
Neulasvuosikerrat 2014 2,5 1,9 3,5 0,37 t = -9,88 <,001***
2007 3,3 2,1 4 0,42
Neulaskato (%) 2014 18,7 11,4 28,7 4,55 t = -1,27 0,212
2007 20,1 6 36,5 6,78
Kuva 46. Mäntyjen neulaskatovyöhykkeet tutkimusalueella vuosina 2014 ja 2007.
77
Kuva 47. Mäntyjen neulasvuosikertojen esiintyminen tutkimusalueella vuosina 2014 ja 2007.
Vertailu Porin-Harjavallan alueen tutkimuksiin vuosina 1990, 1992, 1996, 2001, 2007 ja 2014.
Taulukossa 37 on esitetty mäntyjen elinvoimaisuusmuuttujiin liittyviä keskiarvoja myös
aiemmilta tutkimusvuosilta. Tarkastelussa ovat mukana kaikki kyseisten tutkimusvuosien alat, ei-
vät vain samana pysyneet alat. Harsuuntumistunnusten perusteella metsien elinvoimaisuus oli
selvästi parantunut 1990-luvun tuloksista.
Neulaskato on vähentynyt tasaisesti tutkimuskierrosten välillä vuodesta 1990 alkaen. Har-
suuntuneiden alojen osuus on vähentynyt vuodesta 2001 vuoteen 2014 yhteensä 32 %-yksikköä.
Pahiten neulaskadosta kärsivien alojen sijoittuminen on vaihdellut tutkimusvuosien välillä paljon:
vuonna 1990 eniten harsuuntuneita aloja pääosin oli Harjavallassa, Ulvilassa, Porissa ja Nakki-
lassa. Vuonna 1992 eniten harsuuntuneita aloja oli Ulvilan Kullaassa ja Kokemäellä. Vuoden
2007 tutkimuksessa harsuuntuneimmat alat olivat Ulvilassa, Porissa ja Kokemäellä. Vuonna 2014
selvästi harsuuntuneita aloja ( > 25%) sijaitsi lähinnä Pomarkussa, minkä lisäksi yksittäisiä har-
suuntuneita aloja oli eri puolilla tutkimusaluetta mm. Harjavallassa, Kokemäellä ja Porissa, eikä
selvää neulaskatovyöhykettä esiintynyt. Neulaskato oli arvioitu aiempia vuosia suuremmaksi
vuonna 2001, ja pienimmillään se oli vuonna 1996 ja 2014. Suurimmillaan neulaskato on ollut
vuonna 1990, jolloin puiden neulasista puuttui keskimäärin 34 % (taulukko 37).
Neulasvuosikertojen määrä on pysynyt melko tasaisena vuosina 1990-2007. Vähiten neu-
lasvuosikertoja havaittiin vuonna 2014, mitä osaltaan selittää maastotöiden myöhäinen ajan-
kohta.
78
Mäntyjen elinvoimaisuuteen liittyviä tunnuslukuja aiemmilta tutkimusvuosilta. N =
tutkimusalojen lukumäärä, - = tunnusta ei ole raportoitu.
vuosi n Neulaskato
(%) Harsuuntuneiden alojen
osuus (%) Harsuuntuneiden puiden osuus (%)
Neulasvuosi-kerrat
1990 171 34 - - 3,3
1992 150 27 - - -
1996 186 17 - - 3,1
2001 168 24 41 - 3,5
2007 173 22 32 34 3,3
2014 1070 18 9 17 2,5
6.1.3 Neulasten alkuainepitoisuudet
Vertailu vuosina 2014 ja 2007-2008
Taulukossa 38 on esitetty neulasten alkuainepitoisuuksien keskiarvot ja pienimmät ja suu-
rimmat arvot koko alueen osalta vuosilta 2014 ja 2007. Vertailussa ovat mukana ne alat, jotka
ovat pysyneet samoina ja joilta analyysit on kyseisinä tutkimusvuosina tehty. Karttatarkasteluita
tulkittaessa on huomioitava, että vuoden 2007 alaverkko oli tiheämpi, jolloin yksittäisen alan saa-
mat poikkeuksellisen korkeat tai matalat tulokset saivat pienemmän painoarvon kuin vuonna 2014
alaverkon ollessa huomattavasti harvempi.
Samana pysyneiden alojen neulasten kalsium-, magnesium-, mangaani- ja rikkipitoisuudet
olivat nousseet vuodesta 2007. Kalium- ja typpipitoisuudet olivat vastaavasti laskeneet erittäin
merkitsevästi. Kaikkien muuttujien kohdalla ero oli tilastollisesti erittäin merkitsevä.
Vuoden 2014 tutkimuksessa neulasten kalsiumpitoisuudet olivat lisääntyneet lähes koko
tutkimusalueella vuoden 2007 tutkimuskierrokseen verrattuna. Suurimmat pitoisuudet mitattiin
Porin pohjoisosista. Luvialla, Nakkilassa, Harjavallassa pitoisuudet olivat pistemäisempiä (kuva
48).
Magnesiumin (kuva 50) määrä oli noussut hieman vuoden 2007 ja 2014 tutkimuksessa.
Alueellisesti magnesiumin pitoisuudet ovat kasvaneet etenkin Porin saaristossa ja Luvialla, mutta
pienentyneet hieman tutkimusalueen keskivaiheilla.
Rikin esiintyminen on lisääntynyt koko tutkimusalueella. Runsaimmat rikkipitoisuudet mi-
tattiin Harjavallasta, Nakkilasta sekä Luvian ja Kokemäen itäosista ja korkeimmat pitoisuudet si-
joittuivat samoille alueille kaliumin, kalsiumin, magnesiumin ja rikin kanssa.
Mangaanin (kuva 51) pitoisuus on vähentynyt vuodesta 2007 Ulvilassa, mutta pienemmät,
pistemäiset pitoisuudet ovat lisääntyneet joka kunnassa.
Kokonaistypen prosentuaalinen osuus oli vuonna 2007 suurinta Harjavallassa sekä Kok-
kolan ja Ulvilan rajalla. Vuoden 2014 tutkimuksessa typen esiintyminen vähentyi. Selvästi kohon-
neita typpipitoisuuksia mitattiin vain Meri-Porista, Harjavallasta ja Eurasta vanhan Kiukaisten alu-
eelta (kuva 52).
Kaliumpitoisuudet (kuva 49) ovat laskeneet reilusti edellisestä tutkimuskierroksesta erityi-
sesti tausta-alueilla. Suurimmat pistemäiset päästöt mitattiin Luvialla sekä Ulvilan ja Nakkilan ra-
jalta.
79
Neulasten alkuainepitoisuudet tutkimusalueella vuosina 2014 ja 2007. Vuosien vä-
liset vertailut on tehty parittaisten otosten t-testillä tai Wilcoxonin merkkitestillä. Melkein mer-
kitsevä (p < 0,05) testitulos on merkitty yhdellä tähdellä (*), merkitsevä (p < 0,01) kahdella (**)
ja erittäin merkitsevä (p < 0,001) kolmella tähdellä (***).
Kuva 48. Männyn neulasten kalsiumpitoisuuksien (Ca mg/kg) vyöhykkeet tutkimusalueella vuo-sina 2014 ja 2007.
n = 48 vuosi keskiarvo mediaani pienin suurin keskihajonta suure p
Ca (mg/kg) 2014 4530 4579 2390 7572 1002,2 t = -11,422 < ,001***
2007 3328 3227 2147 4874 646,6
K (mg/kg) 2014 4662 4602 3331 6450 730,8 t = 9,0748 < ,001***
2007 5635 5546 4559 6520 460,5
Mg (mg/kg) 2014 776 744 395 1163 173,1 t = -30,83 < ,001***
2007 743 740 505 1142 280,1
Mn (mg/kg) 2014 740,8 752,5 213 1215 284,4 t = -17,92 < ,001***
2007 535,1 510,2 111,3 1929 280,1
S (mg/kg) 2014 1117 1086 907 1591 160,3 V = 1020.5 < ,001***
2007 992 977 866 1469 94,3
N (% kuiva-aineesta) 2014 1,38 1,37 1,16 1,62 0,11 V = 915,5 < ,001***
2007 1,48 1,46 1,2 2,19 0,15
80
Kuva 49. Männyn neulasten kaliumpitoisuuksien (K mg/kg) vyöhykkeet tutkimusalueella vuosina 2014 ja 2007.
Kuva 50. Männyn neulasten magnesiumpitoisuuksien (Mg mg/kg) vyöhykkeet tutkimusalueella vuosina 2014 ja 2007.
81
Kuva 51. Männyn neulasten mangaanipitoisuuksien (Mn mg/kg) vyö hykkeet tutkimusalueella vuosina 2014 ja 2007
Kuva 52. Männyn neulasten typpipitoisuuksien (N %) vyöhykkeet tutkimusalueella vuosina 2014 ja 2007.
82
Kuva 53. Männyn neulasten rikkipitoisuuksien (mg/kg) vyöhykkeet tutkimusalueella vuosina 2014 ja 2007.
Vertailu Porin-Harjavallan alueen tutkimuksiin vuosina 1990, 1992, 1996, 2001, 2007 ja 2014.
Taulukossa 39 on esitetty neulasten ravinnepitoisuuksiin liittyviä keskiarvoja myös aiem-
milta tutkimusvuosilta. Tarkastelussa ovat mukana kaikki kyseisten tutkimusvuosien alat, eivät
vain samana pysyneet alat. Neulaspitoisuuksien perusteella tutkimusalueen ravinteista kaliumin,
magnesiumin, mangaanin ja rikin määrät ovat laskeneet metsiköissä. Kalsiumin ja typen pitoisuu-
det puolestaan ovat kasvaneet 1990-lukuun verrattuna. Vuosien välillä on kuitenkin ollut paljon
vaihtelua, minkä vuoksi samoina pysyneillä aloilla esimerkiksi mangaanin määrä neulasissa oli
laskenut vuodesta 2007.
Neulasten rikkipitoisuus oli vuonna 2014 samalla tasolla kuin vuosina 1990 ja -92, ja korke-
ampi kuin vuosina 1996-2007. Kokonaisuudessaan Porin-Harjavallan neulasten rikkipitoisuudet
eivät ole korkeita, sillä neulasten rikkipitoisuuden optimitason alaraja on noin 900 mg/kg. Pää-
sääntöisesti rikkipitoisuudet ovat olleet korkeimpia lähimpänä päästölähteitä, mutta myös tausta-
alueilta on mitattu korkeampia pitoisuuksia.
Typpipitoisuus noudatti pitkälti samaa alueellista jakaumaa läpi vuosien kuin rikkipitoisuus.
Typpipitoisuudet ovat kuitenkin olleet nousussa vuosina 2001 ja 2007, mutta vuonna 2014 pitoi-
suus oli pienentynyt. Kalsiumin keskimääräinen pitoisuus on niin ikään ollut nousussa vuodesta
2001 asti.
Magnesiumpitoisuus oli vuosina 2007 ja 2014 pienempi kuin alkupään seurannoissa. Ka-
liumpitoisuudet ovat pienentyneet lähes puolella koko tutkimusalueella vuoden 2007 tutkimuksen
jälkeen. Tutkimusalueen kalsiumpitoisuudet ovat kasvaneet hieman, samoin kuin mangaanipitoi-
suus.
83
Männyn neulasten ravinnepitoisuuksiin liittyviä tunnuslukuja aiemmilta tutkimus-
vuosilta. N = tutkimusalojen lukumäärä, - = tunnusta ei ole raportoitu. N = typpi, S = rikki, Ca
= kalsium, K = kalium, Mg = magnesium, Mn = mangaani.
vuosi n N (%) S (mg/kg) Ca (g/kg) K (g/kg) Mg (g/kg) Mn (mg/kg)
1990 166 - 1198 - - - -
1992 128 - 1150 3,42 4,91 0,93 739
1996 175 1,24 975 3,53 5,08 0,85 633,3
2001 166 1,45 967 3,31 5,59 0,87 581
2007 173 1,47 977 3,43 5,53 0,76 522
2014 107 1,40 1098 4,36 4,50 0,76 268
6.1.4 Sammalen alkuainepitoisuudet
Mäntyalojen vertailu vuosina 2001, 2007 ja 2014.
Sammalen alkuainepitoisuudet eri tutkimusvuosina samana pysyneillä aloilla on esitetty
taulukossa 40. Tunnusluvuissa on käytetty yhdistettyä kuusi- ja mäntyalojen aineistoa. Vuoden
2008 tutkimuksessa verrattiin analyysitulosten tasoja Jyväskylän yliopiston ympäristöntutkimus-
keskuksen ja Metsäntutkimuslaitoksen välillä. Vertailun perusteella vuosien 2001, 2007 ja 2014
alkuaineiden analyysituloksia voidaan pitää vertailukelpoisina arseenia, elohopeaa ja rautaa lu-
kuun ottamatta. Arseenin, elohopean ja raudan osalta tässä kappaleessa vertaillaan vuosia 2007
ja 2014. Vuosien väliset vertailut on tehty kadmiumin, kromin, kuparin, lyijyn, nikkelin, sinkin, ti-
taanin ja vanadiinin osalta Friedmanin toistomittausten varianssianalyysillä. Arseenin, elohopean,
raudan ja seleenin aineistot on analysoitu Wilcoxonin merkkitestillä.
Kuvissa 54-65 esitetty alkuaineiden pitoisuudet vyöhykekartoilla. Karttatarkasteluissa ovat
mukana kaikki kyseisen vuoden tutkimusalat, lukuun ottamatta vuotta 2001, jolta oli saatavilla
paikkatietoaineistoa vain samana pysyneiden alojen osalta.
Alkuaineet, joita vertailtiin kolmelta vuodelta, jakautuivat vuosien välisen vaihtelun perus-
teella kahteen ryhmään. Ensimmäisessä ryhmässä pitoisuudet olivat nousseet vuodesta 2001
vuoteen 2007, ja sen jälkeen laskeneet vuonna 2014 alle vuoden 2001 tason. Tähän ryhmään
kuuluivat kadmium, kupari, vanadiini, lyijy ja titaani. Toiseen ryhmään kuuluvien alkuaineiden pi-
toisuudet laskivat merkittävästi vuodesta 2001 vuoteen 2007, ja edelleen laskivat vuoteen 2014,
mutta jälkimmäisten vuosien välinen muutos oli pienempi. Tähän ryhmään kuuluivat kromi, nikkeli
ja sinkki.
Kadmiumpitoisuudet olivat kasvaneet vuodesta 2001 vuoteen 2007, minkä jälkeen medi-
aanikadmiumpitoisuus laski takaisin vuoden 2001 tasolle. Sekä pitoisuuksien kasvu, että lasku
olivat tilastollisesti erittäin merkitseviä, eivätkä vuosi 2014 ja 2001 eronneet tilastollisesti. Kad-
miumin esiintymisessä on ollut runsasta vaihtelua tutkimusjaksojen välillä (kuva 55).
Vanadiinin pitoisuuskehitys noudatti samanlaista linjaa kuin kadmium, eikä vuosien 2001
ja 2014 välillä ollut tilastollista eroa. Vuoden 2014 tutkimuksessa vanadiini on vähentynyt ja yk-
sittäiset esiintymät ovat jakautuneet tasaisemmin tutkimusalueelle, kuin aiemmilla tutkimusker-
roilla (kuva 60).
Sinkkipitoisuuksissa (kuva 57) havaittiin samankaltainen trendi; myös sen pitoisuudet
nousivat vuosina 2001-2007 ja laskivat vuoteen 2014 mennessä. Sinkkipitoisuuksien kasvu ei
84
kuitenkaan ollut tilastollisesti merkitsevä, toisin kuin niiden lasku. Korkeita sinkkipitoisuuksia on
esiintynyt pääosin Harjavallassa ja Nakkilassa energiayksiköiden läheisyydessä. Vuoden 2014
tutkimuksessa sinkin esiintyminen keskittyi Harjavallaan, Nakkilan ja Ulvilan läheisyyteen, kun
taas vuoden 2007 tutkimuksessa kohonneita sinkkipitoisuuksia mitattiin ainoastaan Harjavallasta.
Vuoden 2001 vertailukartan suuret sinkkipitoisuudet Eurassa johtuvat vanhan Kiukaisten alueen
runsaista pitoisuuksista, jotka ovat yleistyneet koko Euran alueelle mallinnuksen myötä.
Kromipitoisuudet (kuva 54) olivat laskeneet erittäin merkitsevästi läpi tarkastelujakson.
Vuoden 2001 tutkimuksessa kromia esiintyi vielä runsaana koko tarkastelualueella, kun 2007 tut-
kimuksessa kromipitoisuudet keskittyivät Harjavallasta Poriin keskittyvälle akselille. Vuoden 2014
tutkimuksessa pitoisuudet olivat hajaantuneet pistemäisiksi eri puolille tutkimusaluetta, eikä yk-
sittäistä isoa selkeää päästöjen keskittymää ollut enää havaittavissa.
Nikkelipitoisuus (kuva 58) oli niin ikään laskenut merkittävästi. Nikkelin esiintyminen on
ollut paikallista ja sitä on esiintynyt pääosin Harjavallassa.
Lyijyn pitoisuudet ovat laskeneet, mutta vuosina 2001-2007 lasku ei ollut merkitsevä. Sen
sijaan vuosina 2007-2014 sekä 2001-2014 ero oli erittäin merkitsevä. Vuoden 2014 tutkimuk-
sessa lyijyn esiintyminen muuttunut pistemäisemmäksi ja sen esiintyminen seuraa enimmäkseen
Kokemäenjoen varteen sijoittunutta energiateollisuutta (kuva 59).
Kuparin (kuva 56) pitoisuudet kasvoivat ensin vuodesta 2001 vuoteen 2007, ja olivat las-
keneet vuonna 2014 vuoden 2001 tasoa alemmaksi. Ero oli kaikkien tarkasteluvuosien osalta
erittäin merkitsevä.
Titaanin (kuva 61) pitoisuus oli suunnilleen samaa tasoa vuosina 2001 ja 2007, mutta
sammalpitoisuus laski erittäin merkitsevästi vuoteen 2014. Eroa oli kuitenkin vain vuosien 2001
ja 2014 välillä.
Arseenin (kuva 62), elohopean (kuva 63) ja raudan (kuva 64) pitoisuudet sammalissa
olivat vähentyneet erittäin merkitsevästi vuodesta 2007 vuoteen 2014. Raudan esiintyminen on
jakautunut tasaisemmin tutkimusalueelle vuoden 2007 tutkimuksesta.
Seleenin (kuva 65) pitoisuuksissa ei ole tapahtunut tilastollisesti merkitsevää muutosta vuo-
desta 2007. Seleeniä esiintyi molempina vuosina eniten Porin-Ulvilan alueella ja Harjavallan kes-
kustassa. Vuonna 2014 Näiden alueiden pitoisuudet olivat hieman kasvaneet, mutta vähemmän
kuormitettujen tausta-alueiden pitoisuudet vaikuttivat laskeneen.
85
Tutkittuja sammalen alkuaineita kuvaavia tunnuslukuja Porin-Harjavallan alueen
samoina pysyneillä tutkimusaloilla vuosina 2014, 2007 ja 2001. Tilastollisesti erittäin merkit-
sevä testitulos (p < 0,001) on merkitty kolmella tähdellä (***).
n = 50 vuosi keskiarvo pienin suurin keskihajonta mediaani p
Cd 2014 0,43 0,07 2,30 0,46 0,30 < 0,001***
2007 0,57 0,18 4,70 0,72 0,37
2001 0,55 0,17 6,82 0,97 0,30
Cr 2014 0,9 0,2 2,6 0,6 0,7 < 0,001***
2007 1,5 0,7 7,1 1,3 1,2
2001 6,4 2,1 29,4 5,6 4,5
Cu 2014 41 7 382 69 17 < 0,001***
2007 94 10 1506 224 40
2001 74 8 677 137 30
Pb 2014 2,82 0,69 23,00 4,09 1,72 < 0,001***
2007 5,90 1,89 50,02 8,51 3,59
2001 5,42 2,16 33,86 5,70 3,77
Ni 2014 12,2 2,0 123,0 20,0 5,0 < 0,001***
2007 34,6 2,7 639,7 92,7 13,0
2001 45,8 2,3 574,3 95,9 15,6
Zn 2014 41 19 133 20 35 < 0,001***
2007 54 27 209 32 48
2001 60 27 332 54 45
Ti 2014 16 4 70 14 12 < 0,001***
2007 28 7 199 33 20
2001 32 7 293 47 19
V 2014 0,8 0,2 3,6 0,6 0,7 < 0,001***
2007 2,5 0,9 13,8 2,0 1,9
2001 2,1 0,0 54,0 7,5 0,9
As 2014 0,70 0,09 6,80 1,15 0,39 < 0,001***
2007 1,63 0,20 28,91 4,17 0,63
Hg 2014 0,04 0,02 0,14 0,02 0,04 < 0,001***
2007 0,07 0,03 0,42 0,06 0,07
Fe 2014 323 93 1351 276 242 < 0,001***
2007 764 220 4668 834 451
Se 2014 0,30 0,10 1,40 0,22 0,20 0,267
2007 0,32 0,11 2,58 0,35 0,25
86
Kuva 54. Sammalen kromipitoisuudet (mg/kg) tutkimusalueella vuosina 2001, 2007 ja 2014
Kuva 55. Sammalen kadmiumpitoisuudet (mg/kg) tutkimusalueella vuosina 2001, 2007 ja 2014
1992 1997
87
Kuva 56. Sammalen kuparipitoisuudet (mg/kg) tutkimusalueella vuosina 2001, 2007 ja 2014.
Kuva 57. Sammalen sinkkipitoisuudet (mg/kg) tutkimusalueella vuosina 2001, 2007 ja 2014.
88
Kuva 58. Sammalen nikkelipitoisuudet (mg/kg) tutkimusalueella vuosina 2001, 2007 ja 2014.
Kuva 59. Sammalen lyijypitoisuudet (mg/kg) tutkimusalueella vuosina 2001, 2007 ja 2014.
89
Kuva 60. Sammalen vanadiinipitoisuudet (mg/kg) tutkimusalueella vuosina 2001, 2007 ja 2014.
Kuva 61. Sammalen titaanipitoisuudet (mg/kg) tutkimusalueella vuosina 2001, 2007 ja 2014.
90
Kuva 62. Sammalen arseenipitoisuudet (mg/kg) tutkimusalueella vuosina 2007 ja 2014
Kuva 63. Sammalen elohopeapitoisuudet (mg/kg) tutkimusalueella vuosina 2007 ja 2012.
91
Kuva 64. Sammalen rautapitoisuudet (mg/kg) tutkimusalueella vuosina 2007 ja 2014.
Kuva 65. Sammalen seleenipitoisuudet (mg/kg) tutkimusalueella vuosina 2007 ja 2014.
Vertailu Porin-Harjavallan alueen tutkimuksiin vuosina 1990, 1992, 1996, 2001, 2007 ja 2014.
Tässä kappaleessa vertailtiin kaikkien vuosien välistä muutosta sammalen alkuainepitoi-
suuksien osalta. Vertailussa ovat mukana kaikki kyseisten vuosien tutkimusalat, eivät vain sa-
mana pysyneet alat. Vuodesta 1996 vuoteen 2014 kaikkien vertailtujen alkuaineiden pitoisuudet
ovat pienentyneet tutkimusalueella (taulukko 41). Poikkeuksen muodostaa seleeni, jota ei tutkittu
vuonna 1996, ja jonka pitoisuudet olivat kaikilla aloilla vuonna 2014 hieman korkeammat kuin
92
aiemmissa tutkimuksissa. Kromin, nikkelin, titaanin ja sinkin osalta pitoisuudet ovat laskeneet
kaikkina vuosina, sen sijaan kadmium-, kupari-, lyijy- ja vanadiinipitoisuuksien havaittiin kohon-
neen vuonna 2007. Kaikkina vuosina suurimpia pitoisuuksia mitattiin Harjavallasta.
Kuparin suurimmat pitoisuudet mitattiin kunakin tutkimusvuonna Harjavallasta. Myös Porin
rannikolla havaittiin suurempia kuparipitoisuuksia kuin tausta-alueilla. Vuonna 2014 suuria pitoi-
suuksia mitattiin vain Harjavallasta, ja muualla tutkimusalueella pitoisuudet olivat samaa tasoa
tausta-alueiden kanssa.
Nikkelin suurimmat pitoisuudet mitattiin kaikkina vuosina Harjavallasta, ja pitoisuudet esiin-
tyivät suurina melko rajoitetulla, pienialaisella alueella. Kadmiumin suurimmat pitoisuudet esiin-
tyivät kaikkina vuosina niin ikään Harjavallassa, mutta myös Nakkilan puolella.
Sinkkiä on esiintynyt edellä mainittuja tasaisemmin tutkimusalueella. Kohonneita sinkkipi-
toisuuksia on mitattu Harjavallan keskustasta kaikkina vuosina, mutta läpi tutkimusjakson myös
mm. Porin rannikolla, Noormarkussa ja Nakkilassa. Myös kromipitoisuudet ovat olleet melko ta-
saisesti jakautuneet ympäri tutkimusaluetta riippumatta hiukkas-, typpi- ja rikkipäästölähteiden
sijainneista. Etenkin vuonna 1990 suuria pitoisuuksia havaittiin myös kuormittamattomilla alueilla.
Suurimmat lyijypitoisuudet rajoittuivat vuonna 1996 pääosin Harjavaltaan. Vuonna 2001
muita alueita korkeampia pitoisuuksia mitattiin myös Meri-Porissa, Nakkilassa ja Ulvilan-Porin ra-
jalla. Vuonna 2014 korkeimmat pitoisuudet olivat huomattavasti matalammalla tasolla kuin aiem-
pina vuosina. Vanadiinipitoisuus oli vuonna 2007 kasvanut etenkin Harjavallassa. Aiempiin vuo-
siin verrattuna vanadiinin pitoisuudet olivat pienentyneet koko alueella, ja huippupitoisuudet olivat
laskeneet taustapitoisuuksien tasolle Kokemäenjokilaaksossa.
Titaanin suurimmat pitoisuudet sijoittuivat vuonna 1996 Harjavaltaan, Porin keskustaan ja
Meri-Poriin. Pitoisuuksien jakauma on pysynyt suhteellisen samanlaisena kaikkina tutkimusvuo-
sina.
Seinäsammalen alkuainepitoisuuksien keskiarvopitoisuudet (mg/kg) Porin-Harja-
vallan alueella eri tutkimusvuosina. N = tutkimusalojen määrä, - = tietoa ei ole raportoitu. Tar-
kastelussa ovat mukana ne alkuaineet, jotka on todettu vertailukelpoisiksi vuoden 2007 ra-
portissa. Cd = kadmium, Cr = kromi, Cu = kupari, Ni = nikkeli, Pb = lyijy, Se = seleeni, Ti =
titaani, V = vanadiini, Zn = sinkki.
vuosi n Cd Cr Cu Ni Pb Se Ti V Zn
1996 95 0,45 9,2 224 40 16,9 - 43 2,6 73,6
2001 95 0,4 5,4 63 37,9 5,1 0,33* 30 1,15 58
2007 96 0,54 1,5 95 30,4 5,9 0,32 29 2,5 55
2014 143 0,35 0,9 30 9,0 2,3 0,36 17 0,9 40
* n = 31
6.2 Vertailu muualla Suomessa tehtyihin tutkimuksiin
Tässä luvussa vertaillaan muualla Suomessa tehtyjen tutkimusten tuloksia Porin-Harjaval-
lan alueen bioindikaattoritutkimuksen tuloksiin.
93
6.2.1 Mäntyjen runkojäkälät
Taulukossa 42 on verrattu Porin-Harjavallan alueen bioindikaattoritutkimuksen tuloksia eri
puolilla Suomea tehtyjen tutkimusten tuloksiin jäkälämuuttujien osalta. Porin-Harjavallan tutki-
muksessa sormipaisukarpeen vaurioaste oli keskimäärin hieman suurempi kuin muissa tutkimuk-
sissa ja samalla tasolla Uudenmaan ja Kokkolan-Pietarsaaren tutkimusten kanssa. Ilmansaas-
teille herkkiä lajeja esiintyi vähemmän kuin muissa tutkimuksissa lukuun ottamatta Turun
bioindikaattoritutkimusta. Porin-Harjavallan alueella on suuria teollisuuskeskittymiä etenkin Koke-
mäenjoen varrella, jotka vaikuttavat jäkälien kuntoon ja lajiston koostumukseen laajalla alueella.
Kunnissa on myös runsaasti hajapäästöjä aiheuttavaa maa- ja metsätaloutta.
Sormipaisukarpeen vaurio ja puukohtainen lajilukumäärä Porin-Harjavallan alueen
bioindikaattoritutkimuksessa 2014 sekä eri puolilla Suomea toteutetuissa tutkimuksissa. Tu-
lokset lähteistä Keskitalo ym. 2015, Huuskonen ym. 2013, Lehkonen ym. 2013, Lehkonen ym.
2011, Huuskonen ym. 2010, Huuskonen ym. 2009, Laita ym. 2008a-b, Laita ym. 2007, Haahla
ym. 2006a.
Alue n Tutkimusvuosi Sormipaisukarpeen
vaurio Lajilukumäärä /
puu
Pori-Harjavalta 107 2014 2,4 3,6
Kanta- ja Päijät-Häme 304 2014 2,5 4,5
Uusimaa 734 2014 2,5 4,4
Kokkola & Pietarsaari 238 2012 2,3 3,9
Etelä-Karjala 263 2012 2,1 4,9
Pohjois-Karjala 300 2010 1,9 6
Uusimaa 776 2009 2,1 4,7
Pyhäjärviseutu 98 2007 2,1 5,3
Vakka-Suomi 103 2006 2,1 5,1
Länsi-Suomi 398 2006 2,1 4,1
Turku 145 2005 2,2 3,6
Keski-Suomi 492 2005 2
6.2.3 Mäntyjen elinvoimaisuus
Taulukossa 43 on verrattu Porin-Harjavallan alueen bioindikaattoritutkimuksen tuloksia eri
puolilla Suomea tehtyjen tutkimusten tuloksiin mäntyjen elinvoimaisuutta kuvaavien muuttujien
osalta. Mäntyjen keskimääräinen neulaskato oli hieman suurempi kuin suurin osa vertailualueista,
ja samaa luokkaa Kotkan ja Etelä-Karjalan tutkimusalueilla. 17 % Porin-Harjavallan alueen tutki-
musmännyistä oli harsuuntunut, ja harsuuntuneiden puiden osuus oli luokkaa kuin Vakka-Suo-
messa. Porin-Harjavallan alueella oli harsuuntuneita puita huomattavasti suurempi osuus kuin
Pyhäjärviseudulla tai Länsi- ja Keski-Suomessa, mutta vähemmän kuin Kotkassa tai Etelä-Karja-
lassa. Neulasvuosikertoja oli keskimäärin selvästi vähemmän kuin vertailualueilla, mikä osaltaan
selittyy maastotöiden myöhäisellä ajankohdalla, jolloin vanhin vuosikerta oli jo varissut pois.
94
Mäntyjen elinvoimaisuutta kuvaavia tunnuslukuja Porin-Harjavallan alueen bioindi-
kaattoritutkimuksessa 2014 sekä eri puolilla Suomea toteutetuissa tutkimuksissa. Tulokset
lähteistä Lehkonen ym. 2013, Huuskonen ym. 2009, Laita ym. 2008a, Laita ym. 2008b, Laita
ym. 2007, Haahla ym. 2006 ja Niskanen ym. 2003.
Alue n Tutkimusvuosi Neulaskato (%) Harsuuntuneiden pui-
den osuus (%) Neulasvuosiker-
tojen määrä
Pori-Harjavalta 1070 2014 18 17 2,5
Etelä-Karjala 1315 2012 19 25 3,2
Pyhäjärviseutu 980 2007 16 5 3,1
Vakka-Suomi 515 2006 16 18 3,1
Turun seutu 725 2005 15 10 3,3
Länsi-Suomi 3968 2006 14 6 3,4
Keski-Suomi 4920 2005 14 8 3,3
Kotka 1244 2002 18 25 3,1
6.2.2 Neulasten alkuainepitoisuudet
Taulukossa 44 on vertailtu neulasten ravinne- ja rikkipitoisuuksia Pori-Harjavallan seudulla
muihin Suomessa tutkittuihin alueisiin. Mukana on lisäksi neulasten alkuainepitoisuuksien vertai-
luarvoja, jotka kuvaavat metsikön keskimääräistä ravinnetilaa.
Kaliumin ja magnesiumin pitoisuudet olivat keskimäärin vertailuarvojen alapuolella, kal-
siumin, mangaanin ja rikin ollessa vertailuarvoja korkeammalla tasolla. Muihin alueisiin verratta-
essa kalsiumin ja rikin pitoisuudet olivat Keski-Suomea ja Turkua lukuun ottamatta keskimäärin
korkeampia. Neulasten typpi noudatti pitkälti samaa linjaa kuin muualla maassa, sijoittuen pitoi-
suustason keskivaiheille.
Neulasten alkuainepitoisuuksia Porin-Harjavallan ja Päijät-Hämeen seudulla ja
muilla alueilla. Muut tulokset lähteistä Ruuth ym. 2016, Huuskonen ym. 2012, Reinikainen ym.
1998 Brække 1995, Mälkönen 1991 ja Raitio 1994 mukaan; Huuskonen ym. 2009, Laita ym.
2008c-f, Merilä 2007, Haahla ym. 2006, Polojärvi ym. 2005.
Pori-Har-javalta 2014
Kanta- ja Päijät-Häme
Metlan vertailuarvo
1998
Kokkola-Pietar-saari
Pyhä-järvi-seutu 2007
Seinä-joki
Suu-pohja Vaasa
Vakka-Suomi Turku
Keski-Suomi
2014 2012 2006 2006 2006 2006 2005 2005
Ca 4360 4215 1850 - 2280 2881 3265 3218 3447 3475 3524 4400 4800
K 4500 4558 4820 - 4870 5499 5586 4697 4396 5254 5077 5600 5700
Mg 760 831 990 - 1070 783 767 879 892 880 887 1000 1000
Mn 700 - 406-555 388 508 392 892 519 564 567 -
N % 1,40 1,30 1,23 1,4 1,49 1,52 1,51 1,53 1,57 1,56 1,55
S 1098 1055 940 947 992 971 1011 1037 1088 1100 1110
6.2.3 Sammalen alkuainepitoisuudet
Taulukossa 45 on esitetty sammalen alkuainepitoisuuksien keskiarvoja Porin-Harjavallan
seudulla ja Metlan valtakunnallisessa aineistossa sekä Kokkolassa ja Pietarsaaressa (2012),
Pohjois-Karjalassa (2010), Pyhäjärviseudulla (2007) ja Seinäjoen seudulla (2012).
95
Porin-Harjavallan seudun tutkittujen metallien keskimääräiset pitoisuudet olivat kadmiumin,
kuparin, nikkelin, titaanin ja arseenin osalta korkeampia kuin muissa vertailuaineistoissa. Pitoi-
suudet olivat matalampia tai lähes saman suuruisia verrattuna vertailualueisiin kromin, eloho-
pean, lyijyn, sinkin ja raudan osalta. Tutkituista alkuaineista vanadiinia esiintyi vähemmän kuin
vertailualueilla. Seleenistä ei ollut vertailuaineistoa saatavissa ja titaania oli tutkittu vertailualu-
eista vain Pyhäjärven seudulla.
Sammalen keskimääräisiä alkuainepitoisuuksia mäntyaloilla Porin-Harjavallan seu-
dulla ja muilla alueilla. Muut tulokset lähteistä Ruuth 2014 ym., Huuskonen ym. 2012, Met-
säntutkimuslaitos 2012, Lehkonen 2011, Huuskonen 2008, Lehtinen ja Lepola 2012.
Pori-Harja-valta 2014
Kanta- ja Päi-jät-Häme
2014
Kokkola-Pietar-saari 2012
Metla 2010 Poh-jois-
Karjala 2010
Pyhä-järvi-seutu 2007
Seinä-joen
seutu 2012 alkuaine keskiarvo pienin suurin
Cd mg/kg 0,43 0,17 0,24 0,12 0,03 0,44 0,16 0,2 0,11
Cr mg/kg 0,9 1,12 1,09 0,97 0,34 14 1,7 0,74 3,56
Cu mg/kg 41 6,0 6 5,03 0,74 55 5,2 8,6 5,76
Hg mg/kg 0,04 0,04 0,05 0,042 0,016 0,119 0,05 0,03
Ni mg/kg 12,2 1,4 2,1 2,51 0,42 88 2,5 2,4 2,56
Pb mg/kg 2,82 3,1 2,6 2,05 0,4 6,6 1,9 2 1,1
V mg/kg 0,8 1,39 1,1 1,09 0,32 14,2 1,6 1,6 1,22
Zn mg/kg 41 42 74 31 11,5 102 38 43 32
Ti mg/kg 17 - - - - - - 15 -
Se mg/kg 0,36 - - - - - - - -
Fe mg/kg 303 - 435 243 53 2230 431 282 439
As mg/kg 0,54 - 0,23 0,11 < 0,10 1,21 0,16 - 0,38
7. Johtopäätökset
Ilmanlaatua on seurattu Porin-Harjavallan alueella vuodesta 1990 lähtien. Vuonna 2014
seurantaa jatkettiin, ja ilmanlaadun bioindikaattoreina käytettiin männyn runkojäkäliä, männyn
elinvoimaisuutta sekä neulasten ja seinäsammalen alkuainepitoisuuksia.
Alueella on mittavaa metalliteollisuutta ja energiantuotantoa, jotka aiheuttavat rikkidioksidin,
typen oksidien, hiukkasten sekä raskasmetallien päästöjä. Lisäksi ilman epäpuhtauksia aiheuttaa
liikenne. Paikallisen teollisuuden aiheuttamat ilman epäpuhtauksien päästöt ja kaukokulkeuma
ovat etenkin 1970- ja 1980-lukuihin verrattuna vähentyneet merkittävästi piipunpääteknologioiden
käyttöönoton seurauksena. Myös liikenteen päästöt ovat autokannan uusiutuessa vähentyneet.
Tutkimusalueen rikkidioksidipäästöt muodostuvat pääosin Harjavallan suurteollisuudesta ja Porin
energiantuotantolaitoksista. Typen oksidien ja hiukkasten päästöistä suurin osa syntyi Porin ener-
giantuotannosta. Rikkidioksidin päästömäärät ovat pienentyneet pääsääntöisesti koko seuranta-
jakson ajan 1990-luvulta alkaen. Vuosina 2000-2003 päästöt kasvoivat merkittävästi, mutta ovat
sen jälkeen olleet laskusuunnassa. Typen oksidien päästömäärät ovat liikenteen osalta laskeneet
koko seurantajakson ajan. Teollisuuden aiheuttamien typen oksidipäästöjen suuruus on vaihdel-
lut 2000-luvulla melko paljon, mutta trendi on ollut laskeva. Hiukkaspäästöt ovat laskeneet sekä
teollisuuden että liikenteen osalta koko seurantajakson. Suurin päästömäärien vähennys on ta-
pahtunut teollisuudessa.
96
Ilman epäpuhtauksien vaikutukset useimpiin indikaattoreihin voimakkaimmin kuormitetuilla
alueilla olivat selvästi havaittavissa, hajakuormitusalueilla vaikutukset olivat lievempiä. Jäkälä-
muuttujat ja sammalten alkuainepitoisuudet olivat hyviä ilmanlaadun yleisindikaattoreita. Jäkälä-
muuttujista ilman laatua kuvasi selvimmin lajiston runsautta ja koostumusta mittaava IAP-indeksi
sekä sormipaisukarvejäkälän vaurioaste. Korrelaatiokertoimien perusteella kromia lukuun otta-
matta kaikki sammalten metallipitoisuudet korreloivat päästölähteiden etäisyyden kanssa. Neu-
lasmuuttujista ilman laatua kuvasi parhaiten rikkipitoisuus, mutta korrelaatiot olivat verrattain pie-
niä; neulasten alkuainepitoisuudet kuvasivatkin enemmän luonnollisia tekijöitä kuten metsän
ravinnetilaa kuin ilmanlaatua. Neulaskadolla ei havaittu yhteyttä ilman laatuun tai päästölähteisiin.
Tulosten tulkinnassa on otettava kuitenkin huomioon, että erilaiset luontaiset tekijät, esim. satei-
suus, voivat vaikuttaa tuloksiin puskuroimalla tai voimistamalla niitä, jolloin bioindikaattorilajien
vasteet eivät yksiselitteisesti seuraa esim. päästömäärissä tapahtuvia muutoksia.
Porin-Harjavallan alueen jäkälälajisto oli keskimäärin köyhtynyttä, sormipaisukarve lievästi
vaurioitunutta ja lajisto yleisesti vaurioitunutta tai selvästi vaurioitunutta. Selvimmin jäkälälajiston
huono kunto näkyi raskaimmin kuormitetulla alueella Harjavallan suurteollisuuspuiston ympäris-
tössä. Vaikutukset kuitenkin rajoittuivat teollisuus- ja taajama-alueelle, ja teollisuuspuiston etelä-
puolisilla aloilla lajisto oli monin paikoin luonnontilaista tai vain lievästi muuttunutta. IAP-indeksin
ja lajilukumäärän perusteella lajisto oli köyhtynyttä Harjavallan lisäksi myös muualla Kokemäen-
joen varrella ja Meri-Porissa. Jäkälälajiston suhteen luonnontilaisimmat alueet sijaitsivat Pomar-
kussa, Kokemäellä, Luvialla ja Nakkilan länsiosissa. Tutkimusalueen verrattain intensiivisen ih-
mistoiminnan vuoksi sormipaisukarpeen vaurioaste oli keskimäärin hieman huonompi kuin
vertailualueilla Suomessa, mutta samaa tasoa kuin Uudellamaalla, Kanta- ja Päijät-Hämeessä
sekä Kokkola-Pietarsaari-alueella, joita leimaa suuri väestötiheys ja/tai vahva teollisuustoiminta.
Puukohtainen lajimäärä oli samaa luokkaa kuin Kokkolan-Pietarsaaren alueella ja Turussa, mutta
selvästi pienempi kuin muualla vertailualueilla. Jäkäläautioita aloja ei esiintynyt vuonna 2014 lain-
kaan.
Sammalten raskasmetallipitoisuudet kuvasivat hyvin alojen sijoittumista rikin, typen ja
hiukkasten päästölähteisiin nähden. Metallipitoisuuksia nostivat eniten suurimman kokoluokan
laitokset (typen, rikin tai hiukkasten päästömäärät > 10 t vuodessa). Suurimmat metallipitoisuudet
havaittiin lähes poikkeuksetta Harjavallassa, mutta myös muualla Kokemäenjokilaaksossa ja Po-
rin teollisuuden lähellä osalla metalleista pitoisuudet olivat kohonneita. Kaikkein kuormitetuimmilla
aloilla Porin keskustassa ei kasvanut sammalta lainkaan, joten tulevaisuudessa metallipitoisuuk-
sien kartoitusta voisi täydentää tutkimalla metallipitoisuuksia myös neulasista.
Neulasten ravinnepitoisuus ei korreloinut päästölähteiden kanssa yhtä hyvin kuin jäkälä-
muuttujat tai sammalten metallipitoisuudet. Selvin yhteys etäisyydellä päästölähteisiin havaittiin
rikillä ja mangaanilla, joista rikki kuvasi parhaiten kaikkein suurimpia päästölähteitä ja mangaani
kaikkia päästölähteitä. Myös typpi- ja magnesiumpitoisuus korreloivat päästölähteiden kanssa.
Muiden ravinteiden korrelaatio päästölähteiden kanssa oli kuitenkin päinvastainen kuin rikillä ja
typellä, eli päästölähteiden läheisyydessä ravinnepitoisuudet olivat usein pienempiä kuin kauem-
pana päästölähteistä. Korrelaatiot jäivät kuitenkin verrattain pieniksi näillä alkuaineilla.
Päästöjen pieneneminen näkyi selvästi sammalten metallipitoisuuksissa. Seleeniä lukuun
ottamatta kaikkien tutkittujen alkuaineiden pitoisuudet olivat laskeneet sammalissa 1990-lukuun
verrattuna. Vuonna 2007 havaittiin mm. kadmium-, kupari-, arseeni-, vanadiini- ja elohopeapääs-
töjen nousua. Tämä johtui todennäköisesti metalliteollisuudessa ja energiantuotannossa tapah-
tuneista tuotantomäärien lisäämisistä (Jussila 2008). Sittemmin nämä pitoisuudet ovat pienenty-
neet merkittävästi, alle 1990-luvun tason. Maantieteellisesti suurimmat pitoisuudet olivat
97
supistuneet paikallisemmiksi ja tausta-alueiden pitoisuudet laskeneet aiemmista vuosista. Ver-
tailtaessa jäkälämuuttujia (lajilukumäärä ja sormipaisukarpeen peittävyys) koko alueella, ilman-
laatu vaikuttaa olevan heikommalla tasolla kuin 1990-luvulla, tosin vuosien välillä on ollut paljon
vaihtelua. Vuoteen 2007 verrattuna ilman epäpuhtauksille herkkien lajien lukumäärä ja IAP-
indeksi olivat parantuneet, useimmilla muilla tunnuksilla taso oli pysynyt samalla tasolla. Kuormi-
tetuimmilla alueilla jäkälälajiston kunto oli edelleen heikkoa ja paikallisesti jopa heikompaa kuin
aiemmin. Kuormittamattomilla alueilla lajisto oli kuitenkin luonnontilaisempaa kuin vuonna 2007.
Neulaskato oli koko tutkimusaluetta tarkasteltaessa pienentynyt 1990-luvun lukemista ja oli
vuonna 2014 suunnilleen samaa tasoa kuin vuonna 1996, jolloin neulaskato oli pienimmillään.
Neulasten ravinnepitoisuuksista rikkipitoisuus oli noussut etenkin Harjavallassa, Nakkilassa ja
Porin-Luvian rajalla. Typpipitoisuus oli kokonaisuudessaan laskenut, käytännössä siten, että Har-
javallan ja Porin keskustan typpipitoisuuspiikit olivat lieventyneet ja korkeat pitoisuudet jakautu-
neet laajemmin myös Luvialle ja Meri-Poriin.
Kaikkiaan ihmistoiminnan vaikutus näkyi bioindikaattorimuuttujissa selvästi. Erityisesti sam-
mal- ja jäkälätunnusten perusteella voidaan kuitenkin päätellä ilman epäpuhtauksien vähenty-
neen vähemmän kuormitetuilla tausta-alueilla, kun taas raskaimmin kuormitetuilla alueilla Koke-
mäenjokilaaksossa ilman epäpuhtaudet näkyvät edelleen ilmanlaadun indikaattoreissa.
Tilastoanalyysien valossa päästömääriltään suurimpien laitosten vaikutus tutkittuihin muuttujiin
on merkittävin. Tämän tutkimuksen tilastotarkasteluissa ei tosin aineiston saatavuuden vuoksi
huomioitu päästömääriltään usein pieniä, mutta päästökorkeudeltaan matalia päästölähteitä
(esim. jätevedenpuhdistamot, jätteenkäsittelylaitokset yms.), joiden on todettu aiheuttavan pai-
kallisia, indikaattorimuuttujissa näkyviä vaikutuksia (esim. Ruuth ym. 2016, Huuskonen ym.
2012).
Tutkimusalojen sijoittelu on alueella tehty niin, että ne kuvastavat ensisijaisesti suurimpien
päästökeskittymien vaikutuksia. Siten tutkimustuloksetkin antavat luotettavaa seurantatietoa lä-
hinnä kuormitetuimmilta alueilta, ja muiden alueiden tulokset jäävät kattavuudessaan ja luotetta-
vuudessaan enemmän suuntaa-antaviksi. Tulevissa bioindikaattoriseurannoissa tulisi miettiä tut-
kimusalaverkoston laajentamista kattamaan tasaisemmin myös muita päästölähteitä sekä
vähemmän kuormitettuja tausta-alueita.
98
Lähteet
99
100
101
Liite 1. Tutkimusalat ja maastohavainnot.
Taulukoiden lyhenteet:
ala = alan numero x, y = x- ja y -koordinaatit YKJ-koordinaatteina kunta = 1. Eura, 2. Harjavalta, 3. Kokemäki, 4. Luvia, 5. Nakkila, 6. Pomarkku, 7. Pori, 8. Ulvila JHypphy = Hypogymnia physodes, sormipaisukarpeen esiintymisfrekvenssi tutkimusaloilla
(0-5; 0: jäkälää ei todettu tutkituilla rungoilla, 5: jäkälää todettiin kaikilla rungoilla) JParamb = Parmeliopsis ambigua, keltatyvikarpeen esiintymisfrekvenssi tutkimusaloilla (0-5) JPh&Ial = Parmeliopsis hyperopta & Imshaugia aleurites, harmaatyvi- ja tuhkakarpeen esiintymisfrek-
venssi tutkimusaloilla (0-5) JBryoria = Bryoria spp., luppojen esiintymisfrekvenssi tutkimusaloilla (0-5) JUsnea = Usnea spp., naavojen esiintymisfrekvenssi tutkimusaloilla (0-5) JPlagla = Platismatia glauca, harmaaröyhelön esiintymisfrekvenssi tutkimusaloilla (0-5) JVulpin = Vulpicida pinastri, keltaröyhelön esiintymisfrekvenssi tutkimusaloilla (0-5) JPsefur = Pseudevernia furfuracea, harmaahankakarpeen esiintymisfrekvenssi tutkimusaloilla (0-5) JTuchlo = Tuckermannopsis chlorophylla, ruskoröyhelön esiintymisfrekvenssi tutkimusaloilla (0-5) JParsul = Parmelia sulcata, raidanisokarpeen esiintymisfrekvenssi tutkimusaloilla (0-5) JHypsca = Hypocenomyce scalaris, seinäsuomujäkälän esiintymisfrekvenssi tutkimusaloilla (0-5) JAlgSco = Algae & Scoliciosporum, viherlevän ja vihersukkulajäkälän esiintymisfrekvenssi tutkimusaloilla (0- 5) IAP = tutkimusalan IAP-indeksi Lajilkm = tutkimusalalla esiintyneiden lajien määrä (lukuun ottamatta Hypsca ja AlgSco) HypVaur = sormipaisukarpeen vaurioaste tutkimusalalla (1-5: 1 = terve, 5 = kuollut tai puuttuu) YlVaur = yleinen vaurioaste tutkimusalalla (1-5: 1 = terve lajisto, 5 = jäkäläautio) ymp.mitta = tutkimuspuiden keskimääräinen ympärysmitta
Ikä = tutkimuspuiden arvioitu ikä Pituus = tutkimuspuiden keskimääräinen pituus Pohjap. = tutkimusalan pohjapinta-ala Nvk = neulasvuosikertojen määrä N.kato% = keskimääräinen neulaskato N_K_mg/kg = neulasten kaliumpitoisuus N_Ca_mg/kg = neulasten kalsiumpitoisuus N_Mg_mg/kg = neulasten magnesiumpitoisuus N_Mn_mg/kg = neulasten mangaanipitoisuus N_S_mg/kg = neulasten rikkipitoisuus N_N% = neulasten typpipitoisuus (% kuiva-aineesta) S_As_mg/kg = sammalen arseenipitoisuus S_Hg_mg/kg = sammalen elohopeapitoisuus S_Cd_mg/kg = sammalen kadmiumpitoisuus S_Cr_mg/kg = sammalen kromipitoisuus S_Cu_mg/kg = sammalen kuparipitoisuus S_Pb_mg/kg = sammalen lyijypitoisuus S_Ni_mg/kg = sammalen nikkelipitoisuus S_Fe_mg/kg = sammalen rautapitoisuus S_Se_mg/kg = sammalen seleenipitoisuus S_Zn_mg/kg = sammalen sinkkipitoisuus S_Ti_mg/kg = sammalen titaanipitoisuus S_V_mg/kg = sammalen vanadiinipitoisuus
Taulukko 1. Tutkimusalojen jäkälätulokset.
ala x y kunta Jhyphy Jparamb Jpar+Im JBryor JUsnea JPlagla JVulPin JPsefur JTuchlo JParsul JHypsca JAlgSco lajilkm IAP Hyp.peit% Bryor.peit% Hypvaur Ylvaur
1 3210713 6841701 7 10 8 1 1 0 0 0 0 1 0 0 9 5 1,1 12 0 3,2 3,9
2 3211143 6840605 7 10 5 2 1 0 0 1 2 0 0 5 3 6 1,1 35,1 0 2,9 3,9
5 3207236 6833094 7 10 1 0 3 2 0 7 0 1 0 0 5 6 1,3 46,1 0,1 2,3 3,4
6 3209245 6833057 7 10 10 10 1 1 5 0 0 1 0 7 3 7 2,0 19 0 2,8 3,8
10 3212168 6838712 7 10 10 7 1 1 0 3 2 2 0 4 4 8 1,9 24 0 2,5 3,8
14 3214468 6836199 7 10 9 1 0 0 0 5 0 3 0 0 1 5 1,5 28,4 0 2,1 4
17 3217326 6833565 7 10 10 1 5 0 3 0 2 0 0 9 1 6 1,6 12,6 0 2,4 3,2
21 3219192 6832324 7 10 10 1 0 0 0 9 0 1 0 0 3 5 1,6 25,9 0 2,2 4
25 3229367 6832014 8 10 10 0 1 0 3 5 3 0 0 8 5 6 1,7 5,7 0 2,7 3,5
33 3241528 6836372 8 10 10 9 1 0 10 0 5 0 0 7 3 6 2,4 7,4 0 2,2 3,1
36 3250433 6834218 8 10 10 10 5 2 6 0 1 2 0 7 2 8 2,5 5,2 0 2,1 3,8
39 3247706 6829255 8 10 10 6 0 0 5 7 4 1 0 2 6 7 2,3 16 0 1,9 3
44 3229352 6838029 7 10 10 10 6 0 5 0 1 2 0 10 5 7 2,4 3,8 0 2,3 3,3
45 3221308 6839006 7 10 10 2 0 0 2 4 1 0 0 1 3 6 1,5 11,6 0 2,5 3,9
46 3223086 6837505 7 10 10 7 2 0 1 0 0 0 0 9 4 5 1,5 3,9 0 2,7 3,8
51 3226038 6836559 7 10 10 9 0 2 0 0 0 0 0 4 9 4 1,6 10,1 0 2,6 3,8
60 3226850 6845144 7 10 10 6 10 0 2 8 4 3 0 1 10 8 2,9 21 1 2,6 2,7
66 3234857 6819085 5 10 10 6 2 1 1 8 0 0 0 0 8 7 2,0 37,7 0 1,9 3,7
69 3236314 6816666 5 10 10 1 0 0 0 1 0 0 0 4 9 4 1,1 22,2 0 2,8 4
70 3236790 6817472 5 10 10 1 0 0 1 1 0 0 0 0 9 5 1,2 14,3 0 2,7 4
71 3237872 6816606 2 10 10 1 0 0 0 0 0 0 0 0 10 3 1,0 7,1 0 2 4
73 3234873 6814844 5 10 7 0 0 0 0 1 0 0 0 0 10 3 0,9 18,5 0 2,7 4
74 3237407 6814604 2 10 10 0 0 0 0 0 0 0 0 0 10 2 1,0 7,7 0 3,4 4
75 3238803 6815003 2 9 7 0 0 0 0 1 0 0 0 0 10 3 0,8 1,7 0 3,6 4,1
76 3229133 6812988 5 10 8 0 0 0 0 6 0 0 0 0 10 3 1,2 7,1 0 3 4
77 3234530 6813245 5 10 8 5 0 0 0 1 0 0 0 0 9 4 1,2 16,2 0 3,1 4
78 3237339 6812791 5 10 3 0 0 0 0 1 0 0 0 0 10 3 0,7 2,7 0 3,1 3,9
81 3232978 6810116 5 10 10 5 0 3 6 7 1 3 0 0 2 8 2,4 22,1 0 2,2 3,5
ala x y kunta Jhyphy Jparamb Jpar+Im JBryor JUsnea JPlagla JVulPin JPsefur JTuchlo JParsul JHypsca JAlgSco lajilkm IAP Hyp.peit% Bryor.peit% Hypvaur Ylvaur
82 3236442 6809741 2 10 6 0 0 0 0 0 0 0 0 0 10 2 0,8 5,4 0 2,6 4
83 3237727 6810434 2 10 1 0 0 0 0 0 0 0 0 0 10 2 0,5 1,5 0 3 4
85 3238450 6843721 7 10 10 10 9 7 9 7 8 5 0 7 5 9 4,2 11,7 0,3 1,5 1,5
88 3241098 6816830 2 10 9 6 0 0 2 5 0 1 0 0 10 6 1,7 16,3 0 1,9 4
89 3244517 6815707 2 10 9 3 1 0 0 10 0 0 0 0 6 5 1,7 36,1 0 2,2 3,9
92 3241239 6814671 2 10 8 0 0 0 0 1 0 0 0 0 9 3 0,9 7,3 0 2 4
93 3243910 6813973 2 10 10 1 0 0 0 3 0 0 0 0 4 4 1,2 45,3 0 2 4
94 3248219 6814105 3 10 10 6 0 0 0 9 0 0 0 0 10 4 1,8 14,8 0 2,9 4
95 3241368 6812686 2 10 1 0 0 0 0 0 0 0 0 0 10 2 0,5 5,7 0 2,6 4
96 3242441 6812343 2 10 3 0 0 0 0 0 0 1 0 0 10 3 0,7 2,2 0 2,5 4
97 3247315 6811573 3 10 10 0 1 1 10 0 2 1 0 3 2 7 1,9 11,7 0 2,5 3,6
98 3240087 6809825 2 10 0 0 0 0 0 0 0 2 0 0 10 2 0,6 1,7 0 3,9 4
99 3242654 6810937 2 10 10 2 0 0 0 3 0 0 0 0 10 4 1,3 7,7 0 2,7 4
102 3251008 6813308 3 10 10 4 2 1 6 9 4 2 0 0 3 9 2,6 28,9 0 2,4 3,5
104 3257409 6814801 3 10 10 6 9 2 9 8 2 0 0 0 5 8 3,1 15,1 0,1 2,6 3
129 3204881 6846701 7 10 10 0 2 0 4 1 1 0 0 6 1 6 1,5 25,1 0 2 3,5
133 3215049 6847243 7 10 10 3 0 0 0 2 1 3 0 7 4 6 1,5 18,2 0 2,9 3,8
135 3221262 6848603 7 10 10 9 0 0 3 9 0 1 0 4 4 6 2,2 10,2 0 2,2 4
137 3214955 6845982 7 10 10 5 1 1 6 0 5 0 0 4 7 7 2,0 16,1 0 3,2 3,5
141 3216806 6843688 7 10 10 6 5 1 1 3 1 1 0 2 10 9 2,0 24,2 0 2,4 3,2
143 3218234 6841489 7 10 10 6 0 0 0 4 0 2 0 0 9 5 1,7 8,8 0 3,3 4
147 3208597 6824673 4 10 10 4 6 1 4 9 1 6 0 0 4 9 2,8 34,7 0 1,8 2,7
154 3217693 6825230 7 10 10 6 0 0 1 8 2 0 0 0 10 6 1,9 16,1 0 2,4 3,9
161 3221802 6829598 7 10 5 1 0 0 0 0 0 0 0 10 0 3 0,8 0,4 0 3,2 4
165 3227126 6826869 8 10 5 0 2 0 0 4 0 0 0 1 8 4 1,1 18,7 0 2,4 3,7
174 3237620 6826487 8 10 10 2 0 0 0 8 0 1 0 1 3 5 1,6 42,6 0 2,3 4
178 3229655 6824350 8 10 10 2 0 0 1 3 2 0 0 1 9 6 1,4 19,7 0 2,7 3,8
181 3230990 6821371 5 7 0 0 0 0 0 1 0 0 0 0 10 2 0,4 0,1 0 4,1 4,7
183 3233106 6820307 5 10 10 10 0 0 2 0 0 0 0 9 3 4 1,6 3,6 0 2,8 4
ala x y kunta Jhyphy Jparamb Jpar+Im JBryor JUsnea JPlagla JVulPin JPsefur JTuchlo JParsul JHypsca JAlgSco lajilkm IAP Hyp.peit% Bryor.peit% Hypvaur Ylvaur
189 3245946 6825572 8 10 9 2 4 1 2 10 3 0 0 0 1 8 2,2 39,2 0 1,5 2,6
192 3243930 6822808 8 10 10 6 0 0 4 9 1 1 0 0 1 7 2,2 20,1 0 1,9 3,9
195 3242745 6819836 2 10 10 8 1 0 0 0 0 1 0 10 4 5 1,5 8,8 0 2,1 3,9
201 3210498 6820789 4 10 10 10 0 3 0 6 7 0 0 0 9 6 2,4 9,8 0 2,6 2,9
205 3216791 6819273 4 10 10 10 4 0 0 0 0 0 0 9 9 4 1,8 3,1 0 2,3 3,6
208 3213329 6813105 4 10 8 5 2 0 1 7 1 1 0 0 3 8 1,8 30,1 0 1,8 3,6
211 3222558 6818174 5 10 10 0 0 0 0 10 0 0 0 0 3 3 1,5 18,8 0 1,1 4
213 3229399 6818227 5 10 10 8 6 4 9 0 3 5 0 6 6 8 3,1 6,5 0 1,8 2,9
214 3219736 6815075 4 10 10 10 10 0 10 3 4 1 0 3 8 8 3,2 1,6 0,1 1,9 2,3
215 3222795 6814358 5 10 10 10 0 0 3 2 2 0 0 7 7 6 1,9 7,2 0 1,9 3,8
216 3224215 6815009 5 10 8 6 10 1 10 1 2 2 0 2 1 9 2,8 6,1 0,6 1,9 2,7
217 3225054 6814126 5 10 10 10 10 10 10 7 9 8 0 2 5 9 4,8 17,4 0,4 1,6 1,8
220 3223727 6812703 5 10 10 10 10 4 10 9 7 8 0 0 2 9 4,4 8 1,7 1,8 1,9
223 3234864 6808784 2 10 10 10 1 0 4 3 3 2 0 1 10 8 2,3 17,7 0 2,2 3,6
224 3238292 6809204 2 10 3 0 0 0 0 0 0 0 0 0 9 2 0,6 2,1 0 3,6 4
227 3235081 6807459 2 10 10 1 0 0 0 10 0 0 0 0 3 4 1,6 18,7 0 1,9 4
228 3237840 6808367 2 10 10 2 0 0 0 0 0 0 0 0 10 3 1,1 18,1 0 2,7 4
230 3233824 6807063 1 10 8 2 0 0 0 9 0 0 0 0 10 4 1,5 16,2 0 2,5 4
231 3236830 6805007 1 10 10 0 0 0 0 0 1 0 0 0 10 3 1,0 4,7 0 3,1 3,9
233 3232306 6803696 1 10 10 1 1 0 0 10 0 0 0 0 4 5 1,6 14,3 0 2,1 3,9
236 3231875 6801198 1 10 10 3 0 0 0 6 0 0 0 0 10 4 1,5 16,5 0 3,3 4
239 3239149 6809127 2 10 7 2 2 1 6 4 4 9 0 0 10 9 2,6 10,1 0 3 3,3
240 3240764 6808974 2 10 5 4 0 0 0 1 4 0 0 1 10 5 1,2 4,7 0 3 3,9
241 3243359 6808702 2 10 2 0 0 0 0 0 0 0 0 9 9 2 0,6 5,9 0 3,2 4
243 3238944 6806867 3 10 10 5 0 0 9 6 5 1 0 1 8 7 2,5 9,3 0 2,1 3,4
244 3240565 6807895 2 10 6 2 3 0 5 1 6 10 0 0 9 8 2,5 19 0,2 2,6 2,8
245 3243032 6807747 2 10 10 3 0 0 2 3 0 2 0 0 6 6 1,6 23,8 0 2,2 4
246 3239259 6805236 3 10 10 3 2 3 9 0 1 0 0 9 6 7 2,0 7,7 0 1,7 3,5
247 3241013 6805015 3 10 10 9 0 0 3 0 0 0 0 2 9 4 1,6 12,3 0 2,7 4
ala x y kunta Jhyphy Jparamb Jpar+Im JBryor JUsnea JPlagla JVulPin JPsefur JTuchlo JParsul JHypsca JAlgSco lajilkm IAP Hyp.peit% Bryor.peit% Hypvaur Ylvaur
248 3243238 6804831 3 10 10 10 0 0 4 3 5 0 0 0 6 6 2,2 14,5 0 2,1 3,4
250 3242708 6803016 3 10 10 10 0 0 6 8 7 0 0 0 8 6 2,7 15,8 0 2 3,2
253 3244704 6801613 3 10 10 10 2 2 9 4 5 1 0 1 9 9 2,9 7,5 0 2,2 3,3
254 3246691 6797659 3 10 10 7 1 2 10 3 6 0 0 1 9 8 2,6 17,7 0 2,2 3,3
267 3221299 6854684 7 10 10 7 8 0 9 1 2 1 0 5 5 8 2,6 7,6 0 2,1 2,8
269 3214768 6854567 7 10 10 4 2 0 0 8 0 1 0 0 3 6 1,8 30,9 0 2,6 3,8
285 3231619 6799345 1 10 10 9 0 0 2 0 0 0 0 0 10 4 1,6 8,9 0 2,9 4
286 3230265 6797324 1 10 10 3 0 0 9 0 0 0 0 0 10 4 1,7 11 0 3,2 4
294 3238730 6812242 2 8 0 0 0 0 0 0 0 0 0 0 10 1 0,4 0,1 0 4,5 5
296 3224607 6820535 8 10 10 10 0 0 1 2 0 0 0 6 5 5 1,7 5,3 0 2,8 4
301 3245769 6844594 7 10 10 7 3 0 4 6 3 0 0 7 5 7 2,3 8,9 0 1,8 2,9
302 3242596 6848811 6 10 10 7 10 1 6 10 1 5 0 0 0 9 3,3 32 0,6 1,4 1,4
303 3251448 6843138 7 10 10 9 1 0 8 2 0 0 0 4 9 6 2,1 0,9 0 1,8 3,9
304 3247532 6850165 6 10 10 9 10 3 6 6 0 2 0 7 3 8 3,1 9,1 0,1 1,7 2,1
306 3241828 6854184 6 10 10 10 10 0 7 2 1 1 0 9 3 8 2,8 6 0,4 1,5 1,8
309 3252351 6849793 7 10 10 10 10 6 8 6 3 8 0 4 9 9 4,0 15,7 0,1 1,9 2,1
310 3256074 6848499 7 10 10 10 4 1 8 3 1 0 0 7 3 8 2,5 5,3 0 1,7 3,3
324 3238808 6857179 6 10 10 10 9 1 7 3 3 0 0 7 1 8 2,9 5,6 0,4 2,1 2,5
325 3235958 6856284 6 10 10 10 5 0 4 4 0 2 0 5 6 7 2,4 9,3 0 1,9 3,3
326 3241639 6861898 6 10 10 10 10 1 9 9 4 5 0 8 1 9 3,8 7,7 0,2 2 2,4
327 3235558 6860682 6 10 10 10 8 1 8 0 3 1 0 10 0 8 2,8 12,2 0 1,8 2,5
Taulukko 2. Mäntyjen elinvoimaisuus- ja neulasten ravinnepitoisuustunnukset aloittain.
ala x y ymp.mitta Ikä Pituus Pohjap. Nvk N.kato% N_K_mg/kg N_Ca_mg/kg N_Mg_mg/kg N_Mn_mg/kg N_S_mg/kg N_N%
1 3210713 6841701 104 80 20 25,7 3,15 24,2 3967 5391 882 792 1124 1,28
2 3211143 6840605 100 80 19 28,3 3,4 14 3852 3431 741 593 957 1,36
5 3207236 6833094 106 90 18 25,3 3,3 12,9 4057 4439 720 789 964 1,4
6 3209245 6833057 110 100 21 13,3 3,45 18,7 4873 4779 837 553 1190 1,38
10 3212168 6838712 101 95 24 14,7 2,9 21,3 4511 5083 857 562 1022 1,38
14 3214468 6836199 103 85 22 15 3,1 17 4059 4224 745 275 1171 1,66
17 3217326 6833565 112 120 24 21,7 2,8 18,4 4137 3647 747 243 995 1,28
21 3219192 6832324 92 85 22 22,7 2,95 19,1 4529 4630 1020 276 1118 1,49
25 3229367 6832014 107 100 18 17,7 2,8 15,6 3841 2812 698 251 945 1,19
33 3241528 6836372 95 100 23 32 2,6 17,4 4212 3609 908 697 983 1,27
36 3250433 6834218 110 95 25 16,3 2,8 23,6 4556 4278 913 933 1117 1,34
39 3247706 6829255 107 85 18 14,7 2,5 17,9 3691 5045 652 526 991 1,37
44 3229352 6838029 88 100 19 13,3 2,25 20,9 3636 2246 574 505 875 1,53
45 3221308 6839006 111 95 24 19,3 2,5 14,9 4198 5514 938 1113 1147 1,35
46 3223086 6837505 107 90 20 17,7 2,75 15,8 3898 4339 830 753 917 1,29
51 3226038 6836559 100 85 22 17,7 2,8 21,3 4116 4394 897 539 1062 1,33
60 3226850 6845144 87 75 25 22,3 3,15 9,9 4078 5166 991 718 1000 1,24
66 3234857 6819085 99 70 18 25,3 2,15 14,2 5241 4289 771 696 1232 1,36
69 3236314 6816666 110 110 22 19,3 2,2 14,5 4493 4458 718 846 1063 1,4
70 3236790 6817472 99 90 23 32,3 1,95 16,5 4713 2894 727 450 1123 1,28
71 3237872 6816606 78 70 19 21,7 2,3 11,6 3156 2247 653 353 895 1,38
73 3234873 6814844 91 90 21 18 2,15 15,8 4868 4147 551 762 1190 1,3
74 3237407 6814604 104 85 20 28 1,9 22,9 5607 3837 932 455 1070 1,28
75 3238803 6815003 95 75 23 26,3 2,05 13,7 4775 2741 671 454 1022 1,33
76 3229133 6812988 102 85 24 17 2 17,7 5162 3768 676 514 1061 1,3
77 3234530 6813245 86 80 23 26 2,65 12,6 5954 6207 954 1032 1457 1,53
78 3237339 6812791 106 90 20 22 2,75 18,1 3734 4675 616 626 991 1,27
81 3232978 6810116 101 85 20 14,3 2,15 13,8 3580 3206 630 511 835 1,22
82 3236442 6809741 78 60 17 20,8 2,6 12,8 3955 3707 769 609 1088 1,25
ala x y ymp.mitta Ikä Pituus Pohjap. Nvk N.kato% N_K_mg/kg N_Ca_mg/kg N_Mg_mg/kg N_Mn_mg/kg N_S_mg/kg N_N%
83 3237727 6810434 73 90 14 15,7 2,2 16,8 5393 3966 523 376 1285 1,32
85 3238450 6843721 82 75 20 18 2,6 14,9 3188 3997 630 926 815 1,15
88 3241098 6816830 100 80 21 20,7 2,1 14,9 4401 4771 740 633 1075 1,51
89 3244517 6815707 89 75 20 15,3 2,1 16,7 3970 5014 636 603 1062 1,49
92 3241239 6814671 90 80 20 22,3 2,2 14,6 5580 2835 643 435 1148 1,59
93 3243910 6813973 80 75 17 18,3 2,1 12 4151 4313 728 815 1051 1,5
94 3248219 6814105 98 90 22 23,7 2,3 13,9 4643 4594 894 511 1149 1,53
95 3241368 6812686 88 75 18 29,3 2,15 15,9 4732 4325 733 892 1186 1,45
96 3242441 6812343 78 65 17 28 2,05 14,2 4489 4132 711 837 1149 1,43
97 3247315 6811573 107 100 25 20,7 2,1 22,6 3313 2495 487 508 893 1,48
98 3240087 6809825 84 65 20 32,7 2,45 18,2 5506 5265 771 256 1546 1,59
99 3242654 6810937 107 90 24 33 2 15,3 5650 5219 1021 417 1409 1,62
102 3251008 6813308 85 70 19 12 2,25 26,8 4009 4433 786 736 1063 1,41
104 3257409 6814801 97 90 28 30,7 2,3 20,7 5564 4305 853 703 1304 1,39
129 3204881 6846701 108 90 21 19 3 24,3 4106 5074 1163 1167 1137 1,35
133 3215049 6847243 119 105 17 13,7 2,95 14,5 3692 5702 722 769 962 1,28
135 3221262 6848603 124 95 23 16,5 2,75 15,2 4988 4732 822 541 1055 1,38
137 3214955 6845982 96 90 18 21 2,75 15,8 3571 4489 794 1215 1076 1,34
141 3216806 6843688 104 90 22 16,3 3 13,6 3951 4614 655 626 968 1,33
143 3218234 6841489 112 90 25 27,3 2,65 21,6 4440 5891 929 680 1153 1,38
147 3208597 6824673 91 80 18 15,7 3,1 19,9 3076 4944 799 860 1012 1,36
154 3217693 6825230 97 80 25 27 2,7 20,4 4213 4757 766 434 1096 1,44
161 3221802 6829598 130 110 20 17,8 3,05 25,4 5076 5470 969 636 1095 1,39
165 3227126 6826869 122 85 23 20,3 2,35 19,1 4402 4176 628 508 1017 1,36
174 3237620 6826487 87 75 20 19 2,05 18,7 4234 2986 739 373 1040 1,47
178 3229655 6824350 77 70 20 17 2,3 20,4 3727 4317 712 717 1007 1,33
181 3230990 6821371 94 70 20 13,3 2,25 15 6241 3171 570 574 1287 1,56
183 3233106 6820307 115 100 21 17,3 2,1 28 5258 5431 840 1067 1210 1,37
189 3245946 6825572 92 85 19 12 2,8 12,1 3955 3868 639 713 946 1,35
192 3243930 6822808 95 75 20 13,3 2,15 15,7 5028 4568 760 752 1190 1,42
ala x y ymp.mitta Ikä Pituus Pohjap. Nvk N.kato% N_K_mg/kg N_Ca_mg/kg N_Mg_mg/kg N_Mn_mg/kg N_S_mg/kg N_N%
195 3242745 6819836 85 85 22 18 2,1 17,5 3601 4228 772 593 1051 1,56
201 3210498 6820789 82 80 17 15,3 3,05 20 3413 4348 729 910 907 1,31
205 3216791 6819273 96 90 23 28,3 2,6 17,5 6450 6267 1151 997 1591 1,4
208 3213329 6813105 95 70 18 27,7 2,8 18,5 4803 4462 1105 578 1176 1,4
211 3222558 6818174 81 65 18 13 2,3 15,2 4556 4740 837 947 1169 1,51
213 3229399 6818227 105 95 18 18,3 2,25 20,6 5136 5123 847 1152 1298 1,45
214 3219736 6815075 89 100 19 20 2,15 19 3869 2891 697 795 992 1,56
215 3222795 6814358 100 100 23 19,3 2,3 12,3 5628 4589 1132 960 1293 1,55
216 3224215 6815009 104 110 24 17,3 2 19,5 5999 5846 1127 1174 1428 1,4
217 3225054 6814126 97 80 20 14,3 2,25 14,9 4835 4362 937 740 1017 1,29
220 3223727 6812703 82 75 18 10,7 2,15 18,4 3906 5143 875 1444 1130 1,46
223 3234864 6808784 90 80 19 18,8 2,2 14 5202 4928 764 861 1185 1,5
224 3238292 6809204 75 65 16 13 1,65 27,7 4680 2498 383 775 1080 1,7
227 3235081 6807459 72 60 17 14,2 2,45 14,6 4041 4709 618 719 1052 1,64
228 3237840 6808367 97 90 25 16,3 2,15 11,4 4909 3695 618 443 1102 1,5
230 3233824 6807063 81 60 20 21,3 2,75 12,4 3987 4689 608 584 1005 1,37
231 3236830 6805007 90 70 19 20,3 2,75 16,7 5578 4375 861 275 1276 1,58
233 3232306 6803696 94 65 20 17 2,45 16,9 5082 5746 883 737 1202 1,5
236 3231875 6801198 93 65 18 13,7 2,65 20,6 4604 6103 818 1218 1346 1,74
239 3239149 6809127 85 80 17 25,3 2 16,4 5118 5294 602 680 1143 1,51
240 3240764 6808974 127 100 23 11,3 2,75 17,2 5091 7572 724 1101 1417 1,46
241 3243359 6808702 110 130 19 14,7 2,05 15,1 4543 4600 603 394 1181 1,58
243 3238944 6806867 87 70 18 15 2,45 16,4 4617 5294 584 1064 961 1,35
244 3240565 6807895 81 75 13 22 2,35 15,8 4288 5827 637 622 1101 1,42
245 3243032 6807747 85 80 19 18 2,45 15,5 4062 3566 395 311 955 1,33
246 3239259 6805236 104 95 25 32,7 2,25 22,2 5718 4123 704 500 1177 1,46
247 3241013 6805015 99 75 19 29,7 2,7 25 5406 4699 687 1054 1278 1,26
248 3243238 6804831 91 85 20 27,3 2,9 14,9 4174 3372 699 897 978 1,27
250 3242708 6803016 87 70 16 18,3 2,35 21,5 4414 3112 616 284 966 1,6
253 3244704 6801613 87 80 18 18 2,3 18,1 4396 2515 553 324 943 1,35
ala x y ymp.mitta Ikä Pituus Pohjap. Nvk N.kato% N_K_mg/kg N_Ca_mg/kg N_Mg_mg/kg N_Mn_mg/kg N_S_mg/kg N_N%
254 3246691 6797659 83 60 17 28,7 2,35 18,6 5191 3454 625 508 1017 1,2
267 3221299 6854684 115 100 20 12,2 2,75 14,9 5183 5694 720 941 1251 1,27
269 3214768 6854567 105 90 21 22,7 2,9 12,5 4344 6818 808 948 1125 1,38
285 3231619 6799345 85 70 17 14 2,55 16 3354 2763 677 566 921 1,34
286 3230265 6797324 96 90 25 24,3 2,3 26,5 3377 3649,5 661,85 441,1 907,4 1,37
294 3238730 6812242 101 95 18 25,3 2,05 16,3 4588 4981 444 213 1421 1,59
296 3224607 6820535 99 100 20 23,3 2,8 13,9 4467 5065 996 887 1081 1,32
301 3245769 6844594 96 80 20 17,7 2,5 12,3 5252 4756,5 931 956,35 1024 1,52
302 3242596 6848811 92 60 20 15,3 2,45 25,7 4226 3061 593 801 913 1,19
303 3251448 6843138 104 90 22 17,3 2,45 20,9 3331 3823 790 1111 974 1,3
304 3247532 6850165 92 90 22 12 2,7 24,9 4482 4090 849 915 1054 1,21
306 3241828 6854184 108 90 19 13,3 2,5 24,7 4321 4825 729 790 1045 1,16
309 3252351 6849793 103 85 19 11,3 2,1 28,7 5030 2390 615 472 967 1,37
310 3256074 6848499 101 90 21 13,7 2,5 19,1 4701 3801 727 930 1104 1,27
324 3238808 6857179 101 95 20 17,3 2,65 26,1 4844 4435 1002 1019 1058 1,41
325 3235958 6856284 106 90 20 13,3 3 19,3 4557 4058 722 668 1137 1,45
326 3241639 6861898 101 85 21 15,7 2,6 26,7 3989 3319 783 541 1089 1,32
327 3235558 6860682 94 90 19 13 2,4 28,3 4586 4096 747 1312 1032 1,27
TaulukkoTaulukko 3. Sammalten alkuainepitoisuudet aloittain.
ala x y S_As_mg/kg S_Hg_mg/kg S_Cd_mg/kg S_Cr_mg/kg S_Cu_mg/kg S_Pb_mg/kg S_Ni_mg/kg S_Fe_mg/kg S_Se_mg/kg S_Zn_mg/kg S_Ti_mg/kg S_V_mg/kg
1 3210713 6841701 0,24 0,04 0,12 1,14 20,0 1,30 9,42 396 0,20 34,8 24,1 1,60
2 3211143 6840605 0,17 0,04 0,12 0,79 14,4 0,97 6,13 222 0,19 36,4 16,0 0,75
5 3207236 6833094 0,13 0,04 0,13 0,76 9,4 0,82 2,90 102 0,16 26,8 5,8 0,40
6 3209245 6833057 0,29 0,05 0,13 2,60 14,5 1,72 5,54 1015 0,29 34,1 68,2 2,29
10 3212168 6838712 0,14 0,03 0,07 0,98 7,3 1,35 3,33 268 0,19 19,2 24,5 0,80
14 3214468 6836199 0,18 0,03 0,08 1,13 12,4 1,04 4,43 437 0,21 26,2 24,2 1,08
17 3217326 6833565 0,21 0,05 0,13 1,15 10,3 1,62 3,56 340 0,25 31,6 28,7 0,88
21 3219192 6832324 0,24 0,04 0,16 1,37 11,1 1,31 4,11 409 0,27 37,2 28,5 0,93
25 3229367 6832014 0,3 0,03 0,2 0,8 12 2 3 239 0,6 37 16 0,8
33 3241528 6836372 0,32 0,04 0,18 2,23 8,1 1,48 3,02 761 0,39 34,8 69,6 1,73
36 3250433 6834218 0,20 0,03 0,17 1,19 8,9 0,85 2,41 351 0,23 29,7 22,6 0,92
39 3247706 6829255 0,19 0,02 0,17 0,75 6,9 0,80 2,20 168 0,17 29,4 10,0 0,49
44 3229352 6838029 0,19 0,03 0,14 1,99 7,6 1,26 2,94 457 0,48 26,6 70,9 1,20
45 3221308 6839006 0,2 0,03 0,1 0,6 9 1 4 277 0,3 38 20 0,9
46 3223086 6837505 0,22 0,03 0,09 0,86 6,4 1,00 2,25 315 0,63 24,0 18,9 0,76
51 3226038 6836559 0,53 0,07 0,48 3,53 14,8 1,89 7,67 1580 0,90 144,2 90,4 3,31
60 3226850 6845144 0,16 0,03 0,25 0,95 8,2 1,41 2,45 222 0,28 40,8 14,7 0,65
66 3234857 6819085 0,5 0,02 0,4 0,8 21 2 8 198 0,3 26 9 0,6
69 3236314 6816666 0,7 0,02 0,6 1,6 28 2 14 331 0,2 30 10 0,6
70 3236790 6817472 0,6 0,02 0,5 1,3 24 2 10 282 0,2 32 14 0,7
71 3237872 6816606 0,8 0,02 0,6 0,7 43 3 14 143 0,3 31 8 0,8
73 3234873 6814844 0,7 0,03 0,6 0,7 37 2 12 209 0,3 37 9 0,7
74 3237407 6814604 0,9 0,02 0,8 0,7 47 3 23 189 0,3 31 7 0,9
75 3238803 6815003 1,2 0,02 1,1 0,7 60 4 30 197 0,3 34 7 0,9
76 3229133 6812988 0,4 0,03 0,3 0,8 19 2 6 265 0,2 41 14 0,7
77 3234530 6813245 1,3 0,05 0,7 1 68 5 21 418 0,3 47 18 1,1
78 3237339 6812791 3,6 0,1 1,4 1,4 185 11 52 840 0,7 97 18 1,6
81 3232978 6810116 0,5 0,03 0,3 0,8 31 3 7 264 0,3 34 11 0,7
82 3236442 6809741 1 0,04 0,7 0,8 52 3 15 259 0,3 44 11 1
ala x y S_As_mg/kg S_Hg_mg/kg S_Cd_mg/kg S_Cr_mg/kg S_Cu_mg/kg S_Pb_mg/kg S_Ni_mg/kg S_Fe_mg/kg S_Se_mg/kg S_Zn_mg/kg S_Ti_mg/kg S_V_mg/kg
83 3237727 6810434 1,3 0,04 0,9 2,3 68 5 20 1091 0,4 55 60 2,6
85 3238450 6843721 0,1 0,03 0,2 0,3 6 1 1 128 0,2 31 7 0,5
88 3241098 6816830 0,6 0,02 0,5 1 28 2 12 210 0,3 29 12 0,7
89 3244517 6815707 0,4 0,03 0,3 0,8 24 2 8 172 0,2 40 11 0,6
92 3241239 6814671 0,8 0,03 0,6 0,6 21 2 17 190 0,3 25 7 0,7
93 3243910 6813973 0,4 0,04 0,3 0,5 25 2 7 241 0,2 47 12 0,7
94 3248219 6814105 0,2 0,02 0,2 1 13 1 3 237 0,1 39 13 0,6
95 3241368 6812686 1,5 0,04 1,1 0,7 109 6 34 310 0,4 48 12 1,4
96 3242441 6812343 0,7 0,03 0,6 0,6 46 2 15 210 0,2 40 10 0,7
97 3247315 6811573 0,4 0,06 0,3 0,5 27 2 7 197 0,2 44 11 0,7
98 3240087 6809825 1,4 0,06 1 1 107 11 28 534 0,3 63 18 1,1
99 3242654 6810937 0,4 0,03 0,5 0,5 34 2 9 138 0,2 45 7 0,5
102 3251008 6813308 0,2 0,02 0,2 1,4 13 2 4 156 0,2 38 15 0,6
104 3257409 6814801 0,2 0,05 0,2 0,2 9 1 2 127 0,1 36 7 0,4
129 3204881 6846701 0,55 0,04 0,15 0,97 50,3 2,99 46,5 462 0,26 42,7 15,3 0,84
133 3215049 6847243 0,3 0,05 0,2 1,3 13 2 4 543 0,2 40 33 2,1
135 3221262 6848603 0,1 0,04 0,1 0,2 7 1 1 119 0,2 43 8 0,4
137 3214955 6845982 0,2 0,04 0,1 0,3 12 1 3 150 0,2 45 10 0,7
141 3216806 6843688 0,1 0,05 0,1 0,3 9 1 1 138 0,2 38 8 0,5
143 3218234 6841489 0,4 0,03 0,3 1 17 2 5 320 0,6 34 20 1,2
147 3208597 6824673 0,06 0,02 0,13 0,59 5,3 0,50 1,16 316 0,14 31,4 16,0 0,55
154 3217693 6825230 0,23 0,06 0,19 0,92 11,3 1,48 3,38 197 0,27 29,3 10,0 0,60
161 3221802 6829598 0,22 0,06 0,18 1,30 10,1 1,15 3,84 418 0,37 40,2 22,4 0,97
165 3227126 6826869 4,13 0,07 0,37 2,21 109,6 5,81 9,38 1075 11,03 162,3 34,6 2,24
174 3237620 6826487 0,3 0,03 0,3 0,7 13 1 5 231 0,3 33 12 0,7
178 3229655 6824350 0,2 0,07 0,2 0,5 10 2 2 235 0,3 56 15 0,8
181 3230990 6821371 0,4 0,03 0,3 0,8 17 2 6 233 0,3 31 13 0,8
183 3233106 6820307 0,4 0,03 0,4 0,7 20 2 8 197 0,3 28 9 0,6
189 3245946 6825572 0,32 0,04 0,27 1,53 12,1 1,12 4,39 382 0,29 30,4 19,1 1,03
192 3243930 6822808 0,6 0,02 0,3 0,6 13 1 4 110 0,2 28 6 0,4
195 3242745 6819836 0,4 0,02 0,3 0,5 13 1 5 102 0,2 26 6 0,4
ala x y S_As_mg/kg S_Hg_mg/kg S_Cd_mg/kg S_Cr_mg/kg S_Cu_mg/kg S_Pb_mg/kg S_Ni_mg/kg S_Fe_mg/kg S_Se_mg/kg S_Zn_mg/kg S_Ti_mg/kg S_V_mg/kg
201 3210498 6820789 0,14 0,05 0,16 2,96 6,9 0,97 3,23 204 0,18 33,1 46,6 0,57
205 3216791 6819273 0,17 0,05 0,16 0,81 8,5 1,26 3,00 163 0,24 50,8 7,7 0,53
208 3213329 6813105 0,08 0,03 0,13 0,54 5,0 0,78 1,55 96 0,10 35,9 5,9 0,31
211 3222558 6818174 0,2 0,02 0,2 0,6 10 1 3 188 0,3 29 12 0,6
213 3229399 6818227 0,5 0,03 0,3 0,7 23 2 6 466 0,3 32 18 0,9
214 3219736 6815075 0,2 0,03 0,2 0,7 11 2 3 244 0,2 35 12 0,8
215 3222795 6814358 0,2 0,03 0,2 0,6 12 1 2 216 0,2 35 11 0,5
216 3224215 6815009 0,2 0,03 0,2 0,5 13 1 3 125 0,2 39 7 0,5
217 3225054 6814126 0,2 0,03 0,2 0,6 14 1 3 200 0,2 35 9 0,6
220 3223727 6812703 0,2 0,02 0,2 0,5 7 1 2 94 0,2 29 5 0,3
223 3234864 6808784 0,5 0,03 0,4 1 29 2 8 373 0,2 27 20 1
224 3238292 6809204 3,6 0,07 1,8 1,9 218 16 52 969 0,8 59 36 2,3
227 3235081 6807459 0,3 0,02 0,3 0,6 18 2 5 189 0,2 30 10 0,5
228 3237840 6808367 1 0,04 0,8 0,5 51 2 13 283 0,2 47 14 0,6
230 3233824 6807063 0,2 0,04 0,2 0,2 13 1 3 148 0,1 25 6 0,4
231 3236830 6805007 0,5 0,06 0,3 2,2 25 2 7 426 0,2 39 31 1
233 3232306 6803696 0,3 0,02 0,2 0,6 13 1 3 181 0,2 25 11 0,5
236 3231875 6801198 0,4 0,04 0,2 0,8 14 2 3 266 0,2 30 17 0,6
239 3239149 6809127 4 0,09 2,1 2,5 275 17 66 1030 0,8 83 41 2,1
240 3240764 6808974 2,3 0,08 1,2 1,9 162 11 36 1040 0,5 74 36 1,8
241 3243359 6808702 0,5 0,04 0,4 0,7 35 3 9 250 0,2 66 12 0,7
243 3238944 6806867 0,6 0,04 0,5 0,3 43 2 10 194 0,3 29 7 0,5
244 3240565 6807895 0,9 0,05 0,6 0,5 69 4 17 382 0,3 35 13 0,9
245 3243032 6807747 0,6 0,04 0,5 0,6 48 3 11 317 0,2 32 13 0,8
246 3239259 6805236 0,2 0,03 0,3 0,2 15 1 3 126 0,2 38 5 0,2
247 3241013 6805015 0,5 0,04 0,3 0,5 20 2 5 274 0,2 37 20 0,7
248 3243238 6804831 0,3 0,03 0,3 0,2 16 1 5 150 0,2 31 7 0,4
250 3242708 6803016 0,3 0,04 0,2 0,5 16 2 5 242 0,2 30 13 0,7
253 3244704 6801613 0,3 0,05 0,2 0,7 18 2 5 316 0,2 31 18 0,9
254 3246691 6797659 0,1 0,02 0,2 0,5 8 1 2 134 0,1 35 9 0,4
267 3221299 6854684 0,2 0,03 0,1 0,7 7 1 2 156 0,2 34 11 0,7
ala x y S_As_mg/kg S_Hg_mg/kg S_Cd_mg/kg S_Cr_mg/kg S_Cu_mg/kg S_Pb_mg/kg S_Ni_mg/kg S_Fe_mg/kg S_Se_mg/kg S_Zn_mg/kg S_Ti_mg/kg S_V_mg/kg
269 3214768 6854567 0,2 0,03 0,1 1,1 11 2 3 317 0,2 41 26 1
285 3231619 6799345 0,2 0,04 0,2 0,4 10 1 2 211 0,1 28 10 0,6
286 3230265 6797324 0,3 0,03 0,2 0,8 11 1 2 285 0,2 34 18 0,7
294 3238730 6812242 6,8 0,14 2,3 2,5 382 23 123 1351 1,4 133 46 3,6
296 3224607 6820535 0,37 0,05 0,25 0,97 18,5 2,18 7,34 205 0,49 33,2 22,7 0,74
301 3245769 6844594 0,1 0,03 0,1 0,2 4 1 1 107 0,1 26 6 0,3
302 3242596 6848811 0,15 0,04 0,16 1,03 7,0 1,31 2,00 142 0,30 33,3 17,8 0,55
303 3251448 6843138 0,1 0,03 0,2 0,2 7 1 1 113 0,2 34 6 0,4
304 3247532 6850165 0,11 0,02 0,12 1,06 5,8 1,24 1,20 170 0,32 20,9 12,4 0,63
306 3241828 6854184 0,19 0,05 0,18 1,60 7,0 1,41 2,64 369 0,34 33,6 25,8 1,09
309 3252351 6849793 0,18 0,03 0,19 0,86 6,1 0,92 1,79 184 0,22 34,8 10,5 0,59
310 3256074 6848499 0,1 0,03 0,2 0,4 6 1 1 117 0,2 41 8 0,5
324 3238808 6857179 0,20 0,05 0,22 1,12 7,9 1,85 2,45 363 0,35 37,5 24,5 1,04
325 3235958 6856284 0,07 0,02 0,09 0,50 3,6 0,55 0,91 62 0,15 22,2 8,4 0,20
326 3241639 6861898 0,16 0,05 0,21 1,05 7,7 1,45 1,05 439 0,28 36,7 34,0 1,10
327 3235558 6860682 0,12 0,04 0,15 0,82 7,2 1,22 1,59 103 0,27 37,8 6,9 0,49