Rannansiirtyminen Suomessa : Paikallisten tekijöiden vaikutus rannansiirtymisnopeuteen Perämeren rannikolla vuosina 1985–2024
Ladataan...
suljettu
Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
Lataukset9
Pysyvä osoite
Verkkojulkaisu
DOI
Tiivistelmä
Rannansiirtymisellä tarkoitetaan rantaviivan sijainnin ja muodon ajallista muutosta, joka voi johtua sekä luonnollisista prosesseista että ihmistoiminnasta. Suomessa ilmiön erityispiirteenä on edelleen jatkuva jääkauden jälkeinen maankohoaminen. Rannansiirtymisen tutkimus on ekologisesti ja taloudellisesti tärkeää. Perinteiset menetelmät ovat usein työläitä ja paikallisia, mutta automaation ja pilvilaskenta-alustojen yleistyminen on mahdollistanut ajallisesti ja alueellisesti laajat aikasarjatarkastelut. Tämän tutkimuksen tavoitteena on tunnistaa Suomen rannikon merkittävimmät rannansiirtymisen hotspotalueet ajanjaksolla 1985–2024 sekä tutkia tarkemmin, miten rantaviiva on siirtynyt Perämeren esimerkkialueilla samalla ajanjaksolla. Lisäksi tavoitteena on arvioida tekijöitä, jotka mahdollisesti selittävät muutoksia Suomen rannikolla ja esimerkkialueilla.
Tutkimus perustui kahteen rannansiirtymistä kuvaavaan pääaineistoon: 1) Landsat-pohjaiseen karkearesoluutioiseen Suomen rannikon kattavaan aineistoon (Nylén 2026a) ja 2) itse tuottamaani ilmakuvapohjaiseen korkearesoluutioiseen aineistoon viideltä eri rantatyyppejä edustavalta esimerkkialueelta. Tunnistin Landsat-pohjaisesta aineistosta rannansiirtymisen hotspotalueet Suomen rannikolla. Paikallisella tasolla tutkin rannansiirtymistä tarkemmin digitoimalla rantaviivat vanhoista ilmakuvista, joiden pohjalta laskin vertailukelpoiset rannansiirtymisnopeudet transektimenetelmällä. Lisäksi vertailin keskenään Landsat-pohjaisen ja ilmakuvapohjaisen aineiston mukaisia rannansiirtymisnopeuksia.
Tutkimus osoittaa, että rannansiirtymisen hotspotit Suomen rannikolla noudattavat pääosin maankohoamisnopeuden alueellista vaihtelua. Koko Suomen mittakaavassa rantaviivan etenemisen hotspotit keskittyvät erityisesti Merenkurkun ja Perämeren maankohoamisrannikolle. Paikallisesti rannansiirtymisnopeus riippuu kuitenkin vahvasti myös rantatyypille ominaisesta topografiasta, maaperästä, kasvillisuudesta ja ihmistoiminnasta. Perämerellä nopeimmin ovat muuttuneet loivapiirteiset suojaisat lahdet ja jokisuistot, mutta myös voimakkaasti rakennetut rannat. Jyrkkäpiirteisemmillä kivikko- ja kalliorannoilla rannansiirtyminen on hidasta. Aineistojen välisen vertailun perusteella Landsat-pohjainen aineisto soveltuu parhaiten ajallisesti ja alueellisesti laajaan ja objektiiviseen rannansiirtymisen yleispiirteiseen tarkasteluun, kun taas ilmakuvapohjainen aineisto mahdollistaa tarkan ja yksityiskohtaisen rannansiirtymisen paikallisen tarkastelun. Aineistot täydentävät toisiaan ja niiden yhdistäminen mahdollistaa rannansiirtymisen kokonaisvaltaisen ymmärtämisen eri mittakaavoissa. Tutkimuksen tuloksia voidaan hyödyntää rannikkoalueiden maankäytön suunnittelussa, luonnonsuojelussa ja ilmastonmuutokseen varautumisessa. Jatkotutkimuksessa tulisi kehittää menetelmiä transektien sijoittumisen ja suunnan aiheuttaman epävarmuuden hallitsemiseksi sekä löytää keinoja minimoida digitoinnin subjektiivisuutta ja hallita satelliittipohjaisten aineistojen systemaattisia virheitä.
Shoreline displacement refers to the temporal change in the location and shape of the shoreline, driven by both natural processes and human activities. In Finland, a distinctive feature of this phenomenon is the ongoing postglacial land uplift. Research on shoreline displacement is ecologically and economically significant. While traditional methods are often laborious and local, the rise of automation and cloud computing platforms has enabled temporally and spatially extensive time-series analyses. The aim of this study is to identify the most significant shoreline displacement hotspots along the Finnish coast between 1985 and 2024, and to exam-ine in more detail how the shoreline has shifted in selected case study areas in the Bothnian Bay during the same period. Additionally, the study aims to evaluate the factors that potentially explain these changes on both a national and local scale.
The research was based on two primary datasets describing shoreline displacement: 1) a Landsat-based coarse-resolution dataset covering the Finnish coast (Nylén 2026a), and 2) a self-produced high-resolution dataset based on aerial photographs from five case study areas repre-senting different shore types. Shoreline displacement hotspots along the Finnish coast were identified from the Landsat-based data. At the local level, displacement was studied more closely by digitizing shorelines from historical aerial photographs, which were used to calculate comparable displacement rates using the transect method. Furthermore, the displacement rates derived from the Landsat-based and aerial photograph-based datasets were compared.
The study shows that shoreline displacement hotspots along the Finnish coast mainly follow the regional variation in the rate of land uplift. On a national scale, hotspots of shoreline progradation are particularly concentrated on the land uplift coasts of the Quark and the Bothnian Bay. Locally, however, the displacement rate is also strongly dependent on the topography, substrate, vegetation, and human activities characteristic of the shore type. In the Bothnian Bay, the most rapid changes have occurred in gently sloping, sheltered bays and river deltas, as well as on heavily developed shores. On steeper rocky and bedrock shores, shoreline displacement is slow. Based on data comparison, Landsat-based data is best suited for temporally and spatially extensive and objective overviews of shoreline displacement, while aerial photograph-based data allows for precise and detailed local analysis. The datasets complement each other, and their combination enables a comprehensive understanding of shoreline displacement across different scales. The results of the study can be utilized in coastal land-use planning, nature conservation, and climate change adaptation. Future research should focus on developing methods to manage the uncertainty caused by the placement and orientation of transects, as well as finding ways to minimize subjectivity in digitization and manage systematic errors in satellite-based datasets.