Kaupunkien viheralueet toimivat hiilen sitojana: mallinnus tarjoaa työkaluja tulevaisuuden ilmaston vaikutusten arviointiin
Ilmatieteen laitoksella on otettu viimeaikaisissa tutkimuksissa edistysaskeleita kaupunkiekosysteemien toiminnan ja hiilensidonnan mallintamisessa. Tutkimuksia voidaan hyödyntää tulevaisuuden kestävien ja hiiliviisaiden kaupunkien suunnittelussa.
Kaupunkipuuston kasvua voidaan mallintaa
Alun perin ei-kaupunkimaisiin oloihin kehitetyn metsikön kasvua ja hiilitasetta kuvaavan PREBASSO-mallin soveltuvuutta arvioitiin puustoisilla kaupunkiviheralueilla Espoossa, Forssassa ja Riihimäellä. Tutkimuksessa hyödynnettiin laserkeilausaineistoa puuston rakenteen ja vuotuisen pituuskasvun selvittämiseen. Lisäksi käytettiin satelliittimittauksiin pohjautuvaa lehtialaindeksiä puuston vuosikierron havainnointiin.
”PREBASSO-malli pystyi varsin hyvin toisintamaan hiilensidonnan vuodenaikaisvaihtelun, mutta oli tässä tutkimuksessa käytetyllä tavalla alustettuna taipuvainen aliarvioimaan puuston yhteyttävän lehtialan määrän ja toisaalta yliarvioimaan puuston vuotuisen pituuskasvun”, sanoo Ilmatieteen laitoksen tutkija Esko Karvinen.
“Tämän mallin erityinen vahvuus on puuston rakenteellisen kehityksen simuloiminen, ja siksi sillä on paljon potentiaalia erityisesti pitkälle tulevaisuuteen ulottuvissa simuloinneissa. Nyt saatujen tulosten perusteella mallin toimintaa voidaan kehittää edelleen.”
Puut sitovat hiiltä nurmikoita ja niittyjä tehokkaammin
Prosessimallin avulla tarkasteltiin erilaisten kaupunkiekosysteemien, kuten kaupunkimetsien, puistojen, nurmikoiden ja niittyjen käyttäytymistä suomalaisissa kaupungeissa simuloiden erilaisia tulevaisuuden ilmaston kehityskulkuja. JSBACH-mallinnustulokset viittaavat siihen, että puistot ja kaupunkimetsät ovat nurmikoita ja niittyjä tehokkaampia ja vakaampia hiilensitojia sekä nykyisessä että tulevaisuuden ilmastoissa.
Tutkimuksessa simuloitiin myös kastelua nurmikolla ja puistossa. Tutkimuksessa havaittiin sen kasvattavan hajotusprosessien nopeutta ja laskevan sitä kautta hiilensidontaa verrattuna kastelemattomiin ekosysteemeihin.
“Urbaanin luonnon hiilensidonnan maksimoimiseksi ja hyötyjen turvaamiseksi tulevaisuudessa on tärkeä ymmärtää muuttuvan ilmaston sekä hoitoon liittyvien valintojen vaikutus eri kaupunkiekosyteemeihin”, sanoo Ilmatieteen laitoksen tutkija Aarni Koiso-Kanttila.
Koneoppimismalli nopeuttaa kaupunkiluonnon hiilensidonnan arviointia
Prosessimallit ovat monipuolisia, mutta niiden käyttäminen on raskasta ja vaatii erikoisosaamista. Ilmatieteen laitoksen tutkimuksessa osoitettiin, että koneoppimismallin voi opettaa emuloimaan eli jäljittelemään raskaan prosessimallin toimintaa.
Emulaattori tuotti hyvin samankaltaisia arvioita kuin JSBACH, ja tulokset vastasivat hyvin myös erillisiä havaintoaineistoja kaupunkiluonnosta. Koulutettu emulaattori tuottaa arvioita sekunneissa ilman prosessimallin vaatimaa laajaa valmistelua ja teknistä osaamista.
”Emulaattoreita voidaan tulevaisuudessa hyödyntää esimerkiksi kaupunkien ilmastotyössä ja maankäytön tarkemmassa suunnittelussa”, sanoo asiantuntija Veera Vasenkari.
Tutkimuksessa kehitettiin kuukausi- ja päivätason emulaattorit. Kuukausitason emulaattori soveltuu esimerkiksi koko kaupungin hiilensidonnan nopeaan arviointiin, kun taas päivätason emulaattori tuottaa yksityiskohtaisempaa tietoa ekosysteemien toiminnasta.
Emulaattorit toimivat parhaiten, kun sääolosuhteet ovat samankaltaisia kuin emulaattorin koulutusjakson aikana. Esimerkiksi voimakkaat kuivuusjaksot voivat olla mallille haastavampia.
Tekstissä viitatut tutkimukset tehtiin osana kuusivuotista Suomen akatemian alaisuudessa toimivan strategisen tutkimuksen neuvoston rahoittamaa CO-CARBON -hanketta, joka päättyy syyskuun lopussa. Monialainen hanke yhdisti ilmakehä-, maaperä- ja sosiaalitieteilijöitä ja maisema-arkkitehteja tavoitteenaan kehittää suunnittelun, rakentamisen ja ylläpidon käytäntöjä, joilla hiilen sitoutumista tehostetaan yhdessä muiden kaupunkivihreään liittyvien ekologisten ja sosiaalisten hyötyjen kanssa. Ilmatieteen laitoksen tutkijat osallistuivat laajasti hankkeeseen erityisesti testaten ja parantaen ekosysteemimallien toimintaa urbaaneissa ympäristöissä sekä käyttämällä näitä malleja kaupunkiluonnon toiminnan ennustamiseen tulevaisuuden ilmastoissa.
Lisätietoja
tutkija Esko Karvinen, Ilmatieteen laitos, puh. 050 439 9932
ryhmäpäällikkö Liisa Kulmala, Ilmatieteen laitos, puh. 040 574 6152
väitöskirjatutkija Aarni Koiso-Kanttila, Ilmatieteen laitos
asiantuntija Veera Vasenkari, Ilmatieteen laitos
Sähköpostit ovat muotoa etunimi.sukunimi@fmi.fi
Tieteelliset artikkelit vapaasti luettavissa Environmental Research Communications, Urban Ecosystems ja Machine Learning: Earth -julkaisuissa.
Tutkimusten viitteet: Karvinen, E., Minunno, F., Ahokas, E., Hyyppä, M., Backman, L., Nevalainen, O., Lindqvist, H., Vasenkari, V., Kulmala, L. (2026). From boreal forests to boreal cities—assessing the applicability of a forest growth and carbon balance model to tree-covered urban green spaces. Environmental Research Communications 8: 065001. https://dx.doi.org/10.1088/2515-7620/ae7253.
Koiso-Kanttila, A., Backman, L., Karvinen, E., Järvi, L., Kulmala, L. (2026). Future climate impacts on carbon sequestration dynamics across urban ecosystem types in Finnish cities. Urban Ecosystems 29: 116. https://dx.doi.org/10.1007/s11252-026-01974-w.
Vasenkari, V., Backman, L., Leskinen, J., Järvi, L., Lindqvist, H., Pihlatie, M., Kulmala, L. (2026). Estimation of Carbon Fluxes in Urban Vegetation Using Machine Learning Emulators of the Land Surface Model JSBACH. Machine Learning: Earth 2: 025013. https://dx.doi.org/10.1088/3049-4753/ae9e2f.
