JÄÄKSOODE VEEREŽIIMI TAASTAMISE KOMPLEKSUURINGU LÕPPARUANNE 1. PROJEKTI KESTUS Algus

(kuu/aasta): 24.04.2017 Lõpp:

(kuu/aasta) 01.09.2023

2. PROJEKTI TAOTLEJA (teadusasutus): Tartu Ülikool

Telefon: +372 7 375826

Aadress: Ülikooli 18, 50090 Tartu

Registrikood: 74001073

Panga rekvisiidid: SEB Pank AS, Tornimäe 2, 15010 TALLINN, arvelduskonto (IBAN): EE281010102000234007 , SWIFT/BIC: EEUHEE2X , käibemaksukohustuslase nr (VAT number): EE100030417 , tehingupartneri kood (TP kood): 605201 3. PROJEKTI JUHT: Ain Kull

(Ees- ja perekonnanimi) kaasprofessor, PhD (Amet, teaduskraad)

4. PROJEKTI PÕHITÄITJAD ARUANDEPERIOODI VÄLTEL Projekti põhitäitjad:

Ees- ja perekonnanimi Teaduskraad Ametikoht 1. Ain Kull PhD loodusgeograafia kaasprofessor 2. Valentina Sagris PhD geoinformaatika teadur 3. Edgar Karofeld PhD rakendusökoloogia kaasprofessor 4. Kai Vellak PhD taimeökoloogia kaasprofessor 5. Alar Läänelaid PhD maastikuökoloogia emeriitdotsent 6. Gert Veber PhD loodusgeograafia teadur 7. Marko Kohv PhD rakendusgeoloogia teadur 8. Mae Uri Dipl./BSc spetsialist (keemik) 9. Edgar Sepp MSc, doktorant geoinformaatika spetsialist 10. Martin Maddison PhD keskkonnatehnoloogia kaasprofessor 11. Ivika Ostonen-Märtin PhD juureökoloogia professor 12. Kristina Sohar PhD loodusgeograafia teadur 13. Iuliia Burdun PhD doktorant, kaitsnud PhD 2020 14. Tauri Tampuu PhD doktorant, kaitsnud PhD 2022 Projektiga seotud abitööjõud: 1. Kärt Erikson BSc/MSc magistrant (2023) / doktorant (2023 sept.) 2. Birgit Viru MSc/PhD doktorant, kaitsnud PhD 2020 5. PROJEKTI KULUD ARUANDEPERIOODIL 2023.a. 69267,18 eurot

Kokku

Töötasud (põhitäitjad +abitööjõud) 40702.70 Sotsiaalmaks 13408.58 Töötuskindlustusmaks 325.08 Ostetud teenused 4879.82 Lähetuskulud 4750.46 Materjalid, tarvikud, masinad, seadmed 5087.24 Muud kulud 113.30 Kokku 69267.18

Ostetud teenuste selgitus 4879.82 Mulla- ja veekeemia analüüsid biogeokeemia

laboris Lähetuskulude selgitus 4750.46 Kõik lähetused on seotud uurimisaladel

gaasi- ning veeproovide regulaarse kogumisega, drooniseire ja taimkatteseirega

Materjalide, tarvikute, masinate ja seadmete selgitus

5087.24 Fotosünteetiliselt aktiivse kiirguse mõõtmise andurid ja temperatuuriandurid. Soetati mõõteseadmetele patareisid ja akusid, seadmete hooldusmaterjale, mõõdulinte, teipe jmt. tarvikuid

Muude kulude selgitus 113.3 Kummikud, töökindad välitöödeks. Kulurida ei kajasta Tartu Ülikooli üldkulueraldist (20%) RMK-lt 2023.a. esitatud aruannete eest (arvestuslik summa 16328.22), mis kajastub eelarves pärast aruande heakskiitmist ja lepingutasu laekumist tartu Ülikoolile.

6. PROJEKTI TÄITMISE LÕPPARUANNE Rakendusuuringu „Ammendatud turbamaardlate vee-režiimi taastamise kompleksuuringu metoodika väljatöötamine ja uuringu läbiviimine“ eesmärgiks oli perioodil 2017 – 2023 luua jääksoode seisundi ja korrastamisjärgsete muutuste seiramise metoodika, rajada valimisse kuuluvas viies jääksoos seirealad ning viia läbi kogu perioodi hõlmav kompleksseire. Lõpparuandes antakse ülevaade projekti raames 2017.a. aprillist kuni 2023.a. septembrini Laiuse, Kõima, Maima, Kildemaa ja Ess-soo jääksoodes läbi viidud tegevustest ja esmastest tulemustest ning tuuakse välja peamised seire käigus tehtud tähelepanekud korrastamistööde edukust mõjutavatest teguritest. Koondaruandes käsitletud teemade detailsem analüüs (eeskätt metoodika osas) on esitatud aruande lõpus viidatud lisana esitatud artiklites ja lisamaterjalides. Seirealade rajamine, seire ja korrastamistööde ajajoon Eelneva ruumianalüüsi ning välitööde tulemuste põhjal valiti RMK poolt korrastatavate jääksoode hulgast seiratavateks aladeks Laiuse, Ess-soo, Maima, Kõima ja Kildemaa jääksood. Neist Maima ja Ess-soo moodustavad väga sarnase paari, kus on esindatud mahajäetud freesturbaväljad ja iseseisvalt taimestunud turbavõtuaugud ning nende vahel kuivemad metsastuvad tervikud ning Ess-soos ka freesturbavälja laiendamiseks eelkuivendusega kuid algse rabataimestiku eemaldamiseta ala. Selle paari puhul oli eesmärgiks korrastamistööde käigus võrrelda Lääne-Eesti ja Kagu-Eesti erinevusi (ilmastik, pealiskorraga seotud mõjutused turba- ning veeomadustele) järgnevate töötlustega aladel:

a) võrdlusalad (korrastamistööde käigus mõjutamata veerežiim ja taimestik); b) madalaveeline veekogu loodusliku taimestumisega; c) alad pinnaspaisudega stabiliseeritava veerežiimiga, kus taimestik areneb iseseisvalt; d) alad lausalise kraavide täitmisega stabiliseeritava veerežiimiga, kus taimestik areneb iseseisvalt; e) alad pinnaspaisudega stabiliseeritava veerežiimiga, kus turbasambla fragmentide siirdamisega

kiirendatakse taimestumist; f) alad lausalise kraavide täitmisega stabiliseeritava veerežiimiga, kus turbasambla fragmentide

siirdamisega kiirendatakse taimestumist. Laiuse jääksoo puhul oli kobraste tegevuse tulemusena lõunapoolses jääksoo osas kujunenud madalaveeline veekogu, põhjapoolses osas aga mahajäetud freesturbaväljal suhteliselt suure ida- läänesuunalise kõrgusgradiendiga vähe kuni mõõdukalt taimestunud ala. Korrastamistööde käigus säilitati loodusliku taimestumise teel soostuv veekogu, põhjapoolne freesturbaala jagati aga neljaks erineva veetasemega osaks, kus idapoolses osas on maapinna suhtes kõige sügavam veetase ning läänepoolses osas veetase maapinnale lähedane ning keskel võrdlusala. Kõikjal peale võrdlusala eemaldati puurinne ning veetase stabiliseeriti kraavidele rajatud pinnaspaisudega. Läänepoolsel ala rajati veetaseme tõstmise tõttu laienenud veepeegliga kraavidega alal ka raiejääkidest lainerahusti. Taimestiku puhul eeldati looduslikku arengut. Kildemaa jääksoo hõlmas nii mahajäetud freesturbavälja kui rabapoolses osas ka freesturbavälja laiendamiseks eelkuivendusega kuid algse rabataimestiku eemaldamiseta ala, mis on lausaliselt

puurindega kaetud (sarnane Ess-soo vastavale alale). Korrastamismeetmena oli kavandatud kraavide sulgemine pinnaspaisudega, tihedama puistu raadamine ning taimestiku iseseisev areng stabiliseeritud veerežiimi tingimustes. Kõima jääksoos oli korrastamisalal nii turbavõtuaukudega ala (sarnane Maimaja Ess-soo vastava tüübiga) kui ka eelkuivendusega ala (sarnane Kildemaa ja Ess-soo vastavale tüübile kuid oluliselt kõrgema veetasemega ning vähem metsastunud). Kõima uurimisala oli lausaliselt rabaliikidega taimestunud ja vajas korrastamistööde käigus vaid pinnaspaisudega kraavide sulgemist veetaseme taastamiseks ning tervikutel ja kraavide servades puurinde eemaldamist/harvendamist. 2017.a. suvel viidi seiratavates jääksoodes läbi turbalasundi sondeerimine, mille käigus hinnati turbalasundi tüseduse ruumilist varieeruvust ning määrati organoleptiliselt turba tüüp ning lagunemisaste (joonis 1). Jääklasundi omaduste ning taimestumise iseloomu järgi valiti igas jääksoos (v.a. Laiuse) kaks algseisu kõige paremini esindavat piirkonda võrdlusaladeks, kus kogu uuringu raames muudatusi ei tehta ja mille suhtes võrreldakse korrastatavate alade muutusi.

Joonis 1. Üldvaade võrdlusaladele Kõima (vasakul) ja Maima (paremal) jääksoos ning vastavalt kumbagi jääksoo võrdlusalade A ja B turbaprofiilidele. 2017.a. augustis rajati kõigil uuringualadel võrdlusalad (alad mis jäävad muutumatuks ka korrastamistööde käigus ehk referentsalad). Neile aladele installeeriti turbaveevaatluskaevud (Ess-soo 3 tk, Laiuse 2 tk, Maima 2 tk, Kõima 2 tk, Kildemaa 2 tk), veetaseme mõõtekaevud ning gaasivoogude mõõtmise püsivahendid. Samal kuul alustati igakuiste vee- ja gaasiproovide kogumist. Igakuiselt (Laiuse ja Ess-soo puhul ka kaks korda kuus) koguti võrdlusaladelt gaasiproovid (CO2, N2O, CH4), mõõdeti vaatluskaevudes ning kraavides veetase, portatiivsete seadmetega O2 sisaldus (mg/l) ning küllastatustase (O2%), pH, konduktiivsus (µS/cm), ORP (mV) ja koguti veeproovid laboratoorseteks analüüsideks. Laboratoorselt määrati igakuiselt vaatluskaevudest ning võrdlusaladega piirnevatest kraavidest kogutud veeproovidest üldsüsiniku ja üldlämmastiku, lahustunud üldsüsiniku, lahustunud orgaanilise süsiniku, lahustunud anorgaanilise süsiniku ning lahustunud üldlämmastiku sisaldus. 2018.a. suvel alustati taimkatte maapealse seire välitöid kõigis viies jääksoos (Kõima, Maima, Laiuse, Kildema ja Ess-soo), kus võrdlusaladel ja erineva planeeritava korrastamismeetodiga aladel märgistati 1x1 m püsiruudud (kokku 156), võeti nende nurgapostide koordinaadid (RTK, kasutati ka drooniseirel ankurpunktidena). Taimkatteseire püsiruudud fotografeeriti ja neil teostati taimkatte analüüs (üldkatvus, eri rinnete ja taimeliikide esinemine ja katvus). 2017-2020. a. osaleti jääksoode korrastamisprojektide koostamisel ja anti sisend projekteerijatele. 2019.a. suvel-sügisel korrastati Laiuse ja Kõima jääksood. 2020.a. rajati korrastatud Laiuse ja Kõima jääksoodes täiendavad püsiproovialad, installeeriti korrastatud aladele täiendavad piesomeetrid ning vaatluskaevud ja rajati täiendavad gaasivoogude mõõtmise alad (sh. täiendavad ujuvkambrid kraavidele ning veekogule). Neil aladel alustati igakuist seiret ning proovialadele rajatud ülevooludel veeseiret. 2020.a suvel-sügisel korrastati Maima jääksoo, oktoobris installeeriti korrastatud aladele täiendavad piesomeetrid ning vaatluskaevud ja rajati täiendavad gaasivoogude mõõtmise alad. 2021.a. suvel parandati Laiuse jääksoos eraldusvalli kõrge veetasemega ala ja kontrollala vahel ning korrigeeriti kahel alal (reguleerimatute) ülevoolude kõrgust. 2021.a. sügisel-talvel korrastati Ess-soo jääksoo ning alates 2021.a. novembrist alustati

korrastamisjärgset seiret värskelt rajatud ülevooludest. 2022.a. kevadel installeeriti Ess-soos korrastatud aladele täiendavad piesomeetrid, vaatluskaevud ja rajati täiendavad gaasivoogude mõõtmise alad ning alustati korralist igakuist seiret. 2023.a. augustis alustati Kildemaa jääksoo korrastamist. Uuringuperioodi ilmastiku ülevaade Ilmastik mõjutab oluliselt soode veerežiimi aastatevahelist muutlikkust ning seeläbi nii veega toitainete ärakannet, ökosüsteemi gaasivahetust kui ka taimestiku arengut. Looduslikus seisundis sood on suhteliselt suure puhverdamisvõimega, jääksood aga vähese puhverdamisvõimega ning eriti tundlikud on ilmastiku suhtes värskelt korrastatud alad. Kuna aastate lõikes on ilmastik olnud väga erinev, tuleb seda silmas pidada ka aastatevahelisi veetaseme, gaasivoo ning ärakande väärtusi võrreldes ning korrastamistööde üldise edukuse hindamisel. Kui korrastamiseelsel perioodil oli väga põuane vaid 2018 aasta (mis järgnes keskmisest vihmasemale 2017 lõpule), siis korrastamisjärgne periood oli oluliselt kuivem nii 2021, 2022 kui ka 2023 juulini. Uurimisperioodi iseloomustab pikaajalisest keskmisest kõrgem õhutemperatuur (joonis 2). Eriti soojad olid 2019 ja 2020 aastad, mil talvekuudel oli kuu keskmine temperatuur normist isegi kuni 6 kraadi soojem. Soojemad talvekuud tähendasid sagedasi sulaperioode ja kevadel väiksemat lumeveevaru, mistõttu soo veetase sõltus juba varakevadest alates peamiselt sademete hulgast ning päikesekiirguse intensiivsusest.

Joonis 2. Kuu keskmise õhutemperatuuri (joonisel heleroheliste tulpadena) erinevus ( ̊C) uurimisperioodil võrreldes pikaajalise keskmise kliimanormiga (joongraafik). Samblafragmentidega jääksoode korrastamine toimus 2020.a. (Maima) ja 2021.a. (Ess-soo), seetõttu on eriti oluline tähelepanu pöörata perioodi 2021-2023 ilmastikule. Talv algas suhteliselt varakult 2021.a. keskmisest külmema detsembriga kuid maapind külmus varase lumikatte (novembris) tõttu vaid osaliselt ja keskmisest soojem talve jätk (joonis 2) soodustas nii lume sulamist kui külmumata pinnasest gaasivoo eritumist. Korrastamisalade seisukohast oli aga kõige olulisem sulailmadega lumeveevaru kahanemine ja (pool)külmunud pinnasel tekkinud lombid, mis tuule tekitatud lainetusega uhtusid samblafargmentide katteks laotatud põhu vaaludesse. Talvistele keskmiselähedastele sajuhulkadele järgnes aga 2022.a. erakordselt kuiv märts (joonis 3) ning kogu järgneva aasta jooksul oli iga kuu sademete hulk ligi 40% väiksem pikaajalisest kuu sademete normist. Vaid kahel järgneval talvekuul oli sademeid keskmisest enam, kuid 2023.a. kevad algas taas väga tugeva põuaga kui sademeid langes kuude lõikes vaid 30-40 pikaajalisest normist.

Joonis 3. Kuu keskmise sademete summa (joonisel tumesiniste tulpadena) erinevus (%)uuringuperioodil võrreldes pikaajalise kuu keskmise sademete summaga (joongraafik; kuu sademete summa millimeetrites). Keskmisest kõrgem õhutemperatuur, erakordselt väike sademete hulk (132 mm normist vähem 2022.a.) ja keskmisest päikeselisem ilm (eriti 2023 aprillist juunini; joonis 4) tingis intensiivse evapotranspiratsiooni tõttu maist alates kiire veetaseme alanemise (auramine ületas sademete hulka juba märtsist) ja kuivastressi 2021.a. samblafragmentide laotamisega korrastatud uurimisaladel Ess-soo jääksoos, aga ka 2020.a. sarnaselt korrastatud Maima uurimisaladel.

Joonis 4. Kuu keskmine päikesepaiste kestuse summa (joonisel kollaste tulpadena) erinevus (%) uuringuperioodil võrreldes pikaajalise kuu keskmise päikesepaistega tundide summaga (joongraafik; kuu päikesepaistega tundide summa). Kuivale 2022. aastale järgnenud väga kuiv, päikeseline ja suhteliselt tuuline 2023.a. kevad tõi kaasa väga kiire veetaseme alanemise ning samblafragmentide kasvu pidurdumise või isegi kohati hukkumise. Maima jääksoos Ala 9 (kood P) kannatas 2020.a. suhteliselt hästi kasvama läinud turbasammal tugeva talvise külmakohrutuse all. Külmakohrutusest on Maimas iga talv olnud tugevalt mõjutatud ka võrdlusala 1 (Ala 6-2) ja Ala 8 (kood O). Ess-soos on külmakohrutuse mõju olnud väiksem, kõige enam on seal mõjutatud olnud ala 4 (kood F).

TULEMUSED Pinna- ja turbavesi Nii turbavees kui jääksoo kraavides on süsinik ja lämmastik valdavalt lahustunud vormis (vastavalt 92% ja 92% üldsüsinikust ja üldlämmastikust), lahustunud ja lahustumata vormid aga omavahel tugevalt korreleeritud. Lämmastiku ja süsinikusisaldus oli mõõtmisperioodil kõrgem turbavees, kraavides oli pindmise äravoolu ja sademetevee tõttu toimunud vähesel määral lahjendumine. Küll aga on nii kraavi- kui turbavees lahustunud süsiniku (DC) ja lahustunud lämmastiku (DN) suhe väga heaks turba mineraliseerumise indikaatoriks: DC/DN suhe on seda kõrgem ja regressioonvõrrandi seos tugevam, mida enam on ala häiritud (joonis 5).

Maima

y = 11.953Ln(x) + 27.244 R2 = 0.6754

10

20

30

40

50

60

70

0.0 1.0 2.0 3.0 4.0 5.0

Dissolved N (mg/l)

D is

so lv

ed C

(m g/

l)

Kildemaa

y = 19.46Ln(x) + 39.445 R2 = 0.7029

0

10

20

30

40

50

60

70

0.0 1.0 2.0 3.0 4.0 5.0 Dissolved N (mg/l)

D is

so lv

ed C

(m g/

l)

Joonis 5. Lahustunud süsiniku ja lahustunud üldlämmastiku vaheline seos Kildemaa ja Maima jääksoo näitel. Veekvaliteedi ruumilise autokorrelatsiooni hindamiseks koguti veeproovid nii tootmisväljakutevahelistest kraavidest, piirdekraavidest kui väljavooludest 2018 ja 2019 mais ning 2019 septembris. Veeproovide tulemused näitavad tugevat autokorrelatsiooni lahustunud süsiniku kontsentratsiooni (joonis 6) ja mõõdukat korrelatsiooni lahustunud üldlämmastiku (joonis 7) osas. Lahustunud süsinik on kõigi seirealade puhul orgaanilise süsinikuna. Vaid Maima jääksoos esines kevadel ning sügisel pikema vihmaperioodi järel anorgaanilist süsinikku (karbonaadina) Ala 5 (kood B) ja 6-1 (võrdlusala 2) seirekaevudes. Korrastamisjärgselt on 2021-2023 aastatel Ala 5 seirekaevus põhjaveeline toide suurenenud ning anorgaanilise süsiniku (DIC) ja lahustunud lämmastiku (DN) osakaal suurenenud. Eeldatavasti on see seotud pinnaspaisude jaoks liiga sügavalt ekskavaatoriga materjali võtmisel veepidemeks olnud hästilagunenud turbakihi rikkumisest.

Joonis 6. Lahustunud süsiniku (DC) kontsentratsioon (mg/l C) jääksoo kraavi- ja turbavees Ess-soo ning Kildemaa uurimisalade näitel.

Joonis 7. Lahustunud lämmastiku (DN) kontsentratsioon jääksoo kraavivees. Lahustunud lämmastiku sisaldus on väga madal (joonis 7) nii kraavides kui turbavees. Kui DC kontsentratsioon sõltus taimestumisest mõõdukalt ja olulisem oli kraavituse seisukord, siis toitainevaeses keskkonnas on lahustunud lämmastiku kontsentratsioon selgelt madalam taimestunud kraavides ning eriti madal piirkondades kus maapind on lausaliselt kaetud taimestikuga. Korrastamistööde mõju toitainete ja lahustunud süsiniku ärakandele on lühiajaline kui tööde käigus ei mõjutata põhjaveetoitelisust. Maima jääksoos suurenes lahustunud lämmastiku kontsentratsioon (joonis 8) kõige enam alal 5 (Maima B) ja 10 (Maima D). P ja E alal võib osaliselt kõrgemat DN fooni korrastamisjärgselt selgitada ka samblafragmentide laotamise järel laguneva orgaanilise ainega (kattepõhk ning surnud fragmendid).

Joonis 8. Lahustunud lämmastiku kontsentratsiooni muutus uuringuperioodi jooksul Maima jääksoos. Kuigi ka Laiuse jääksoo on toitainerikkam ja osaliselt põhjaveelise toitega, on seal korrastamisjärgsel ajal (pärast 2019 sügist) lahustunud lämmastiku sisaldus kerges langustrendis (joonis 9) ja selgitatav kiiresti areneva taimkattega ja vähese äravooluga. Kui vesi on pikema viibeajaga, siis tarbitakse lämmastikku nii taimestiku poolt kui sõltuvalt redokspotentsiaalist denitrifikatsiooni/nitrifikatsiooni protsessides. Võrdlusalal kus muutused on olnud väikesed, on ka DN püsinud stabiilsena.

Joonis 9. Lahustunud lämmastiku kontsentratsiooni muutus uuringuperioodi jooksul Maima jääksoos. Ess-soo ja Kildemaa uurimisaladel on DN sisaldus vees madal ja aastatevahelised erinevused statistiliselt ebaolulised. Küll aga on selgelt tuvastatav aastaajaline käik kõrgema kontsentratsiooniga suvekuudel, ning kuivematel aastatel (2018, 2022, 2023).

Joonis 10. Lahustunud lämmastiku kontsentratsiooni muutus uuringuperioodi jooksul Ess-soo ja Kildemaa jääksoos. Lahustunud orgaanilise süsiniku sisaldus on Maima jääksoos võrdlusalal 1 jäänud muutumatuks, võrdlusalal Maima 2 langes korrastamistööde käigus põhjaveelise toite lisandumisel väga madalale (joonis 11), aga teistel aladel on sarnane võrdlusalaga 1.

Joonis 10. Lahustunud orgaanilise süsiniku kontsentratsiooni muutus uuringuperioodi jooksul Maima jääksoos. Sarnase selge aastase käiguga kuid olulise trendita on DOC sisalduse käik ka teiste uurimisalade puhul (Laiuse, Ess-soo, Kildemaa, Kõima). Ess-soost võetud puursüdamiku 8-kuune laboratoorne inkubatsioonikatse näitab, et temperatuuri seos DOC-ga pole erinevalt CO2 voost lineaarne, aga 25 C ületav temperatuur suurendab oluliselt DOC teket turbas, olles samas sõltuvuses veetasemest/aereeritusest (Palviainen et al., 2023). Laiuse jääksoos tuleb esile korrastamistööde järgselt madalaveelise veekogu DOC sisalduse langus ja stabiliseerumine 60 mg/li tasandi lähedal.

Joonis 11. Lahustunud orgaanilise süsiniku kontsentratsiooni muutus uuringuperioodi jooksul Laiuse jääksoos.

Vaatamata suhteliselt kõrgemale kontsentratsioonile nii DN kui DOC osas, ei ole ärakanne korrastatud jääksoost suur kuna vee äravool korrastatud aladel on viimastel aastatel (ülevoolu rajamisest saati) olnud vaid lühikesel perioodil talviste sulade ajal ning kevadel lume sulamise järel, mil kontsentratsioonid on keskmisest madalamad. Laiuse jääksoo ülevoolude puhul on äravool vaid märtsis-aprillis, läänepoolses ülevoolus (madalaveelise veekogu ja Lehtmetsa raba vesi) kuni 4 kuud (märtsist juunini). Sarnane on äravoolu periood ka Maima ning Ess-soo puhul. Kõima edelapoolse kraavi äravoolu pole võimalik hinnata kuna vesi valgub ühtlaselt metsa alla. Kirdepoolses äravoolus liigub vesi novembrist maini. Täpse äravoolu koguse hindamine on takistatud kuna Ess-soos viis 30. augusti sadu ülevoolu kõrvalt pinnase ja mitmel sügiskuul puudus äravoolu mõõtmine, Laiuse läänepoolsel ülevoolul muutis kobras V-ülevoolu kuju ja suurust ning Maimal on suure veetaseme kõikumise tõttu olnud vaja vähemalt kaks korda aastas ülevoolu kõrgust reguleerida. Vooluhulga ja kontsentratsiooni järgi hinnates on süsiniku ärakanne DOC kujul jääksoodest vahemikus 62-87 kg/ha*aastas. Mullastik Korrastamistöödega seotud muutused mulla keemilistes omadustes on väga väikesed ja üldjuhul statistiliselt ebaolulised (joonis 12). Ainus oluline muutus on seotud Maima jääksoo mulla happesusega, kus ilmselt on põhjuseks vettpidava turbakihi häirimine ja selle tulemusena suurem põhjavee sissevool alale (eriti Ala 5 (B), aga ka 2 (L), 10 (D) ning 11 (E). Teiste parameetrite osas olulisi muutusi ei toimunud, aga pinnasetööde tõttu suurenes ruumiline varieeruvus. Samblafragmentide laotamisega alal tõusis pindmises kihis süsinikusisaldus keskmiselt ligi 1% võrra, kuid pole selge kas seda tingis täiendav orgaanilise aine lisandumine (sammal, põhk) või eelnevalt osaliselt mineraliseerunud pinnase koorimine.

Joonis 12. Mulla pH, üldfosfori ja üldlämmastiku sisalduse muutus korrastamistööde käigus. Maima jääksoos mulla pH muutuse ja põhjaveelise toitumuse suurenemise vahelist seost kinnitab ka lahustunud anorgaanilise lämmastiku (DN) sisalduse suurenemine poorivees ning kraavides (joonis 8). DN sisaldus on suurenenud samadel aladel (B, D, E) kus tõusis mulla pH sisaldus ning poorivee karbonaatiooni sisaldus, aga muutus ei avaldu võrdlusalal ega selle juures kraavi vees. Jääksoode mullaanalüüsi andmeid kasutati üleriigilise suuremõõtkavalise mulla fosforisisalduse kaardi koostamisel. Valminud kaart on GIS andmestikuna vabavaraliseks kasutamiseks ja metoodika osas detailsemalt kirjeldatud artiklis: Kull, Anne; Kikas, Tambet; Penu, Priit; Kull, Ain (2023). Modeling Topsoil Phosphorus—From Observation-Based Statistical Approach to Land-Use and Soil-Based High- Resolution Mapping. Agronomy, 13 (5), 1183. DOI: 10.3390/agronomy13051183. Biomassi lagunemiskatsed Jääksoodes viidi läbi standardiseeritud teekotikatse rohelise ning punase (rooibos) teega ning Laiuse ja Ess-soo jääksoodes korrastamisjärgselt maa-aluse ja maapealse biomassi lagunemiskatsed. Standardiseeritud teekottide (punane e. rooibos ja rohelise tee) katse esmased tulemused Laiuse jääksoos alustatud eksperimendist lubavad oodata selget seost nii veetasemega kui taimestikuga (joonis 13). Esimese aasta massikadu on Maima ja Kildemaa jääksoos punase tee puhul sarnane Laiuse jääksoos teekottide massikaoga, kuid erinevus rohelise ja punase tee vahel on väiksem. Kildemaa jääksoos on lagunemine mõnevõrra kiirem kui Maima uurimisaladel, eriti rohelise tee osas.

Joonis 13. Vasakul teekottide paigutuse skeem katsealadel, parempoolsel joonisel punase ja rohelise tee jääkmass 3 kuu, 6 kuu, 1 aasta, 1,5 aasta ja 2 aasta pärast Laiuse võrdlusalal (control), rabametsas (Raba), kuivenduse mõjuga rabametsa servas (Kuivendatud mets) ja pinnaspaisudega korrastatud keskmise veetasemega uurimisalal (Keskmine veetase; korrastamisprojektis Ala 2, uurimisala kood Laiuse E) ning alumisel joonisel jääkmass esimese aasta lõpuks Maima ning Kildemaa võrdlusaladel. Rohelise tee lämmastikusisaldus on kõrgem (3-5%) ja imiteerib peenjuurte lagunemist ning on happelises pinnases suhteliselt suure hajuvusega. Punane tee imiteerib rohkem okaste varist ning selle lagunemine on erineva taimestiku ning veerežiimiga aladel ühtlasem. See viitab ka voortevahelises Laiuse jääksoos (turba pH 2.5-3.5, mediaan 3.1) lagundavate mikroorganismide ühtlast aktiivsust erinevates kooslustes ja rohelise teega võrreldes suhteliselt madalamat leostumiskadu, eriti esimese 6 kuu jooksul. Tulemuste põhjalikum analüüs koos kõigi keskkonnategurite (temperatuur, veetase, mullakeemia, sademed jmt) toimub koostöös Iiri ning Rootsi teadlastega ja võrdluses nende sarnaste katsete andmetega. Sarnaselt 2021.a. varakevadel Laiuse jääksoos alustatud maa-aluse ja maapealse biomassi lagunemiskatsetega laiendati 2022.a. katset värskelt korrastatud Ess-soo alale. Lagunemiskatsesse lisati standardiseeritud teekotikatsele ka eraldi proovid männi ja sookase ning villpea, jõhvika ja mustika/sinika peenjuurte ning varisega. Lagunemiskatsed (vahetult maapinnal ning 5-10 cm sügavusel turbas) rajati kuivemal ja märjemal võrdlusalal, turbasambla fragmentide laotamisega alal, pinnaspaisudega tõstetud veetasemega alal ning suletud kuivenduskraavidega rabametsa alal (joonis 14). Katse on korduste arvu järgi planeeritud kolmeaastasena.

Joonis 14. Lagunemiskatse rajamine Ess-soos uurimisalal 2022. aastal. Vasakpoolsel joonisel proovide paigaldamine alale nr. 11 (kood C) pinnaspaisudega suletud kraavidega alal ning parempoolsel joonisel proovide paigaldamine suletud kuivenduskraavidega rabametsa alal. Kaugseire Arvestades jääksoode suurt pindala, raskesti ligipääsetavust, alasisest suurt heterogeensust ning korrastamistööde puhul ka võimalikku kiiret taimkatte arengu dünaamikat, on kaugseire potentsiaalselt hea vahend seisundi hindamiseks. Käesoleva uuringu raames hinnati nii optilise seire (droon ja satelliit) kui radarkaugseire (satelliit) rakendamise võimalusi. Drooniseire peamiseks eeliseks on väga hea lahutusvõime ja võimalus lennata vastavalt vajadusele ning ilmastikuoludele. RGB kaameraga droonid on praeguseks kujunenud laiatarbekaubaks ja pildi kvaliteet on väga hea. Peamised RGB kaameraga droonide kasutamisega seotud metoodilised küsimused puudutavad erinevate aastate lõikes homogeensete aegridade saavutamist, sest vaatamata päikesekiirgusandurite ja kalibreeritud peegeldusplaatide kasutamisele on drooniseireks liiga suurte (eriti Ess-soo ja Maima) alade puhul probleemiks suur kiirgusspektri ajaline varieeruvus. Lennuaja jooksul muutuvad valgusolud ja kiirgusspekter kahandab piltide põhjal automatiseeritud taimkatteklassifitseerimise edukust erinevate ülelendude vahel, aga ka isegi sama päeva lendude osas kui kiirgusintensiivsus jõuab pika lennuaja jooksul oluliselt muutuda. Paremate sensoritega (kiirgusspektri andurid nii üles kui allasuunatuna) droonid, kalibreeritud peegeldusplaadid, georefereeritud ankurpunktid jmt. muudab aga lendamise kalliks ja töömahukaks (sh. kameraalne järeltöötlus). Maima ning Kõima jääksoo korrastamise eelse drooniandmestiku põhjal hinnati erinevate masinõppe algoritmide rakendatavust ja nende maakatte klassifitseerimise täpsust. MarjanSadat Barekaty leidis oma magistritöös Maima jääksoo põhjal, et nii Random Forest (RF), Support Vector Machine (SVM) ja K-Nearest Neighbours (KNN) meetod annavad suhteliselt sarnase tulemuse RGB kaameraga drooniandmestiku puhul. Kõrgeim kaalutud keskmine F1-skoor saadi RF vaikemudeliga kombineerituna vegetatsiooniindeksitega (0,59), sellele järgnesid KNN (0,58) ja SVM (0,57) kombineerituna vegetatsiooniindeksite ja MinMaxScaleriga. Pildi suurem pikslitihedus ei parandanud klassifitseerimise tulemust. Klassifitseerimist raskendas oluliselt UAV ortofoto kõrgest ruumilisest lahutusest tingitud müra ja maakatteklasside mitte tasakaalus olev koosseis (erinevate liikide/koosluste ruumiline esinemine ebavõrdne, mis on aga looduses tavapärane olukord). Teistele uuringutele tuginedes saaks ilmselt klassifitseerimistulemusi parandada kasutades objektipõhist pildianalüüsi (OBIA), mis töötaks paremini puurinde ning mättaid moodustavate taimede puhul ning lisades kalibreeritud multispektraalsed andmed ning lisatunnused (nt. LIDAR andmed). Sarnaselt droonipiltide töötlemise ja sellelt taimkatte tuvastamise metoodikale on võimalik automatiseeritult tuvastada ka taimestumise osakaalu taimkatteruutude fotode alusel. Uuringu käigus arendati QGIS tarkvara baasil fototuvastussüsteemi, et kõrge lahutusega fotodelt (joonis 15 a ja b) RGB kanalites automatiseeritult eristada kasvama läinud turbasambla fragmentide pindalalist katvust. Selleks fotografeeriti standardselt kõrguselt 1x2 m raami jäävad ruudud (100 tk), neist 33 kasutati õpetusalana ja 67 ala automaattuvastuse alana ning neist omakorda 33 lisaks käsitsi klassifitseeritavate kontrollaladena (joonis 15 c).

Joonis 15. Kasvama läinud turbasambla fragmentide tuvastamiseks kasutatud fotod (a ja b), mis georefereeriti ja transformeeriti ortofotodeks. Käsitsi klassifitseeritud alad kasvavate turbasamblafragmentidega (15c) on kujutatud roostepruunide areaalidega. Näited hästi tuvastatavatest fragmentidest (15 d) ja raskesti tuvastatavatest fragmentidest (15 e). Automaatne klassifitseerimine osutus tõhusaks punaka, lillaka, roheka ja rohekaskollaka tooniga turbasammalde puhul (summaarne tuvastamistõhusus 78%; joonis 15d) kuid tõhusus jäi madalamaks kollakaspruuni tooniga sammalde puhul, kus tuvastamist segasid õlgedele ning lagunevatele taimejäänustele sarnased spektraalsed omadused (joonis 15e). Samuti oli raskusi üksikute väga väikeste hajusalt paiknevate või osaliselt õlgedega kaetud väikeste fragmentide tuvastamisega. Sarnaselt drooniandmestiku töötlemisele on ka tavafotode töötlemise puhul eelduseks pildistamine sarnastes valgusoludes, suur õpetusandmestik ja suhteliselt väike eristatavate klasside arv. Suurem klasside arv või Random Forest/Bagging algoritmide kasutamine tekitab rohkem segaklasse, mille sisu on raskesti tõlgendatav. Lisaks RGB kaamerale katsetati Laiuse testalal ka infrapunakaameraga (IR) drooniseiret, et ühest küljest parandada RGB kaameraga kombineeritult taimkatteklasside eristamise võimet ja teiseks hinnata taimestumise edukust maapinna temperatuuri alusel (suvine kõrge pinnatemperatuur on hüpoteesikohaselt taimestumisele oluline takistus) ning maapinna erineva soojenemise kaudu (kaks ülelendu IR kaameraga hommikul jahtunud maapinnaga ning pärastlõunal maksimaalselt soojenenud maapinnaga ajal) välja töötada maapinna niiskuse arvutamise metoodika. Paralleelselt IR droonilennule viidi läbi ka maapinnal kontaktmeetodil pinnatemperatuuri ja mullaniiskuse (m3/m3) mõõtmine (joonis 16). IR kaameraga testiti ka erineva lennukõrguse mõju 5 m kõrguse muuduga vahemikus 35-150 meetrit, sobivaimaks lennukõrguseks on taimkattestruktuuri määramiseks 70-80 m, maapinna temperatuuri kontrasti järgi niiskuse hindamiseks piisab ka 150 m lennukõrgusest.

a) b)

c) d) e)

Joonis 16. IR kaameraga mõõdetud maapinna temperatuur (23.aug.2018, kl. 15) ja samal ajal maapinnal kontaktmeetodil mõõdetud mullaniiskus (iga lilla ja kollane punkt tähistab mõõtepunkti). Jahutuseta laiatarbe infrapunakaamera droonidele osutus kogu uurimisala katva komposiitpildi koostamiseks ebatäpseks (vt. joonis 15 vasakpoolse kujutise lennusuunast sõltuvat triibulisust) ja mõjutab seeläbi lõpptulemust. Samas temperatuurikontrasti väärtused (pärastlõunasest temperatuuri komposiitpildist lahutatud hommikune temperatuuri komposiitpilt) korreleerusid mõõdetud mullaniiskuse väärtustega. Termokaameraga droon sobib suurepäraselt ka allikaliste kohtade või hilissügisest kevadeni lekkivate pinnaspaisude tuvastamiseks. Arvestades seda, et droonipildi alusel on väga keeruline (ja/või kulukas) koostada aastateülest homogeenset aegrida, on taimestikuseire puhul kõige tõhusam drooniseire kasutamine üldise taimestumise hindamiseks dominantliikide/koosluste alusel ning nende piiride pikemaajalise muutumise jälgimiseks. Lausalise kaardistamise aluseks võiks olla k-means meetodil loodud aluskaart (selle loomine ei eelda eelnevat ala seiret), mille klassidele antakse sisu georefereeritud väliuuringute abil. Eristatavate klasside arv sõltub kasutatud lähteandmestikust, jäädes Sentinel satelliidi optiliste kanalite ja indeksite kasutamisel enamasti 5-7 klassi vahemikku, drooniseire RGB andmete puhul 7-9 klassi ning multispektraalsete kanalite kasutamisel 10-12 klassi piiresse. K-means meetodil loodud dominantklasside arvu määramine on empiiriline, eeskätt ekspertteadmistel põhinev ning vajab reeglina 3-4 erineva versiooni loomist, mille puhul statistiliselt eristunud klassid sisustatakse georefereeritud välitööandmestiku alusel uurimisalal. Neist versioonidest valitakse lõpuks välitingimustes reaalselt tuvastatavate ja looduses eristuvate klasside alusel sobivaima klasside arvuga aluskaart. Seega on drooniseire kõige paremini kasutatav a) ala (visuaalse) eelhinnangu ja seirealade esindusliku paigutuse koostamiseks, b) väiksemate alade detailseks sagedaseks võrdlemiseks (nt. veepiiri või mingi taimestikuareaali aastaajaline dünaamika), c) termokaameraga vee liikumise ja allikaliste kohtade ning paisude lekete tuvastamine, d) sisend ajas dünaamilise ruumilise kasvuhoonegaaside mudeli jaoks taimestiku katvuse muutuse alusel (eeldab vähemalt 3-4 perioodi katmist igal aastal: varakevadine lumesulamine, kevaduvine tärkamine, suvine rohtse biomassi maksimum, sügisene samblarinde seisundi hindamise aeg). Küll aga eeldab selline detailsusaste drooniseire puhul suurt arvutusjõudlust, ajakulu ning arvestatavat rahalist ressurssi. Optiline satelliitseire tagab samaaegselt suure ala katvuse, kuid on väikse ruumilise lahutusega (piksel u. 5-30 m vahemikus) ja ei saa valida ilmastiku järgi sobivat ülelennu aega. Arvestades ülelendude sagedust ja meie laiuskraadil tavapärast pilvisust, on Sentinel-2 missiooni näitel kuu kohta keskmiselt kasutada 1-2 päeva kvaliteetset kujutist (valdavalt pilvevaba) huvipakkuvast alast. Sügisel ja talvel võib esineda kuid, mil kvaliteetset kujutist ei saadagi. Korrastamata jääksoode puhul on see piisav kuna muutused on üldjuhul väikesed (erandiks kevadeti üleujutatavad alad), aga korrastamisjärgseks seireks on see aastaajalise arengu dünaamika hindamiseks ebapiisav. Küll aga sobib selline sagedus pikaajaliseks (paljude aastate üleseks, st. enam kui 10-aastase perioodi muutuste) kindla fenofaasi või aastaaja alusel (madalsoo ja rohundirikka ala puhul kesksuvine, turbasammaldega aladel sügisene periood) hindamiseks. Ülelendude sagedus aga omakorda on seotud kaetava ala suurusega (piksli suurusega) – nii näiteks saab MODIS missiooni Terra ja AQUA satelliitide abil arvutada maapinna ööpäevase temperatuuri amplituudi, aga piksli suurus ulatub kilomeetrini ja huvipakkuva ala sisu kipub hägustuma kuna hõlmab nii freesturbaväljakuid, kraave kui servas ümbritsevat ala (joonis 17).

Jääksoo korrastamine 08-10.20219

Joonis 17. Päevane maapinna temperatuur (°C) Laiuse korrastamisalal (Laiuse 1) ja looduslikus seisundis rabametsas (Laiuse_natural) Terra satelliidi andmestiku alusel aastatel 2017-2021.

Samas on sel viisil aastane pidev temperatuurikäik uuritavalt alalt tagatud ja seda saab kasutada näiteks sisendina mullahingamise (Rsoil) või ökosüsteemi hingamise (Reco) modelleerimiseks nagu näidatud jääksoode näitel Burdun et al., 2021 poolt. Vaatamata madalale ruumilisele lahutusele on selline maapinna temperatuur sisendandmestikuna parem kui lähimas ilmajaamas mõõdetud õhutemperatuuri või maapinna temperatuuri vahetu kasutamine, kuna ilmajaam asub mineraalpinnasel, kus termiline režiim on soomuldadest erinev. Ökosüsteemihingamise modelleerimiseks nii vahetult mõõdetud kui kaugseire andmete alusel on sobilik järgmine valem (Riutta et al., 2007; Järveoja et al., 2016):

Metaanivoo hindamine satelliidi andmetel põhineva maapinna temperatuuri alusel ei anna häid tulemusi kuna metanogenees on seotud sügavama anaeroobse turbakihiga ning aereeritud tsooni temperatuur pigem soosib metaani oksüdeerimist/metanotroofide poolt tarbimist ja kahandab metaanivoogu ning selle seost sügavama kihi termiliste omadustega. Kui looduslikus soos metaanivoog ligikaudu järgib aastast temperatuurikäiku (mõningase ajalise nihkega), siis jääksoodes on seos nõrk ja olulisem on sademete hulk ning poorides vee küllastatu hapnikuga. Neid näitajaid paraku praeguste teadmiste kohaselt pinnakihist sügavamal kaugseire vahenditega piisava ruumilise lahutuse ning ajasammuga ei ole võimalik tuletada. Teataval määral võimaldab seda satelliitradarandmestik (SAR), kuid ka seal on avalikult kasutatava andmestiku lainepikkus sobiv vaid väga õhukese pinnakihi kirjeldamiseks.

Joonis 18. Mõõdetud ja satelliidi maapinnatemperatuuri andmete alusel modelleeritud Reco looduslikes soodes (Männikjärve, Linnusaare), kuivendusega jääksoode osas (Kõima 1, Kildemaa 2) ja jääksoo freesturbaväljadel (allikas: Burdun et al., 2021). Optilise kaugseire abil jääksoode korrastamistööde järgse arengu kirjeldamiseks on tavapärase nähtava valguse spektriosa (RGB) kõrval otstarbekas kasutada erinevate spektriosade alusel koostatud indekseid. Kuna jääksoode seisund, korrastamismeetodid (veekogu, metsastamine, rohttaimedega madalsoo-suunaline korrastamine, samblafragmentide laotamine, pinnaspaisude kasutamine isetaimestumisega jne.) on alade lõikes varieeruvad, on vajalik erinevaid indekseid kasutada. Madalaveeliste taimestuvate veekogude puhul annab parima tulemuse NRG indeks, taimestumata veekogu piiritlemiseks aga NDPI. Avavett ja väga niisket pinnast kajastavad paremini NRG ja NGR indeksid, kuid NGR puuduseks on see, et ei suuda edasi anda infot kuivema taimestumata turbaga piirkondade kohta (mis jääksoo korrastamise seisukohast on oluline määratleda). Rohundirikka taimestikuga jääksoo, metsastunud/metsastatud jääksoo kirjeldamiseks sobib hästi laialt kasutatav taimkatteindeks NDVI. Joonis 19 illustreerib 2020.a. korrastatud Maima jääksoo erineva taimestumismääraga (ja korrastamisviisiga) alade ning seda ümbritseva looduslähedase rabataimestikuga ala näitel erinevate indeksite võimekust seisundit kirjeldada.

Joonis 19. Sentinel-2 satelliidi andmete alusel arvutatud indeksid Maima korrastatud jääksoo näitel (21.09.2023). RGB (Red/Green/Blue) iseloomustab tavapilti nähtavas spektriosas, NRG (nIR/R/G) indeksit kus sinine spektriosa on asendatud lähisinfrapunaga, NDVI (normalized difference vegetation index) taimkatet kajastav indeks, NGR (nIR/G/R) sarnane NRG indeksiga niiskuse kirjeldamiseks, NDPI (Normalized Difference Pond Index; (mIR1- Green)/(mIR1+Green) ja NNR (nIR/nIR/Red).

Satelliidiseire andmete alusel kiire hinnangu andmiseks korrastamise edukuse kohta lühiajalise perioodi alusel (mõned aastad) on takistuseks väheste pilvevabade kaadrite esinemine. Atmosfääri läbipaistvus (eriti pilvisus, veeaur) mõjutab oluliselt kõigi optilise seire kanalite alusel arvutatud indeksite väärtust ja võib mõjutada arvutatud ajalisi trende. On üsna sage, et kogu kuu lõikes pole ühtegi hea lahutusega (piksel 10m või väiksem) pilti kogu uurimisala kohta ning erineva pilvisusega tehtud piltide alusel komposiitpilt lahendab probleemi vaid osaliselt. Joonis 20 iseloomustab Maima jääksoo näitel 2022 sügisest (kuiva pika põuase suvega aasta) ja 2023 sügiseni (kuiva kevadsuvega aasta) näitel ühe aasta jooksul RGB, NDVI ja NRG indeksite aastaajalist dünaamikat. Tähelepanu tuleks pöörata Ala 1 (kood M), 5 (B), 7 (N) kiirele taimestumisele valdavalt pilliroo, villpea ja tarnadega ning samblafragmentide laotamisega kuid kõrge veetaseme all kannatavate alade 3 (K) ja 4 (C) kokkuveoteeäärse tsooni muutustele ning normaaltingimustes sobiliku ala 9 (P) seisundi muutusele.

Joonis 20. Korrastatud Maima jääksoo seisundi muutus iga kuu parima kvaliteediga (pilvevabama) pildi alusel RGB (vasakpoolne veerg), NDVI (keskmine veerg) ja NRG (parempoolne veerg) näitel 2022 sügisest alates kuni 2023.a. sügiseni. NDVI mustja ja punakad toonid iseloomustavad rohelise taimestikuta (ja/või veega ning tehispinnasega alasid, tumeroheline lausaliselt taimestunud alasid).

Joonis 20. järg

Joonis 20. järg Joonis 20 illustreerib hästi kuidas 2023.a. väga kuiva suve järel kahanes juulini veega kaetud ala, aga septembris oli taastunud liiga kõrge veetase peaaegu kevadise seisuni (eriti ilmekas Ala 6-1, 4, 1, 7 ja 11 näitel, eriti NRG indeksiga väljendatuna). Seejuures pilvevabade piltide puudumise tõttu ei tule kaugseire andmetest välja, et muutus toimus lühikese aja jooksul just vahetult pärast augustikuise pildi tegemist ning järgmiste ülelendude ajal oli taevas lausalise pilvkattega.

Satelliidi radarandmestiku (SAR) puhul on eeliseks selle vähene sõltuvus ilmastikust või pilvisusest, kuid ülelendude sagedus on väike ja aluspinna koherentsuse muudu alusel pindalaline lahutusvõime tagasihoidlik (enamasti vajalik hektarile lähenev pindala, et sisulisi muutusi ajas eristada). Kõrgusmuudu kaudu niiskusrežiimi muutumise hindamine DInSAR (järjestikuste kujutiste faaside alusel arvutamise meetod) on soos võimalik (nn. soo hingamise mõõtmine) ja enamasti üsna täpne (mõõdetav millimeetrites), kuid probleemiks on ülelendude sagedus, sest erandlikel juhtudel võib kahe pildi vahelisel perioodil maapinna kõrguse muut sadude tõttu ületada faasi ulatust (Sentinel 1 C-band puhul u. 2.5 cm) ja sel juhul tegelik kõrgusmuut jääb teadmata arvu faaside võrra ekslikuks (Tampuu et al., 2023). SAR andmestikku on võimalik kasutada muutuste tuvastamiseks ka koherentsuse kaudu. Sel juhul on soodes vertikaalne-vertikaalne polarisatsioon muutuste kirjeldamiseks tõhusam kui vertikaalne- horisontaalne polarisatsiooni kasutamine, kuna viimasel on just jääksoodes suurem hajuvus (joonis 21).

Joonis 21. Sünteetilise apertuurradari (SAR) erinevate polarisatsioonide hajuvus (nii tõusva kui laskuva suhtelise orbiidi RON alusel 6-päevase sammuga andmestiku põhjal lumevabal perioodil) loodusliku lageraba, jääksoo ning kasutuses oleva freesturbavälja võrdluses (Tampuu et al., 2020). Maima jääksoo uurimisperioodi hõlmav koherentsuse muutuses endisel freesturbaväljal ja turbavõtuaukudega alal võrreldes loodusliku taustaalaga tuleb väga selgelt esile järsk muutus freesturbaväljal alates 2020 a. lõpust (joonis 22), mil veetase järsult freesturbaväljakutel tõusis ning seejärel kajastuvad 2022.a. kuiv suvine-sügisene ning 2023 kuiv suvine periood kasvava koherentsusena (veega kaetud ala kahaneb). Looduslik ning turbavõtuaukudega ala reageerivad 2022 põuale aga vastandsuunalisena (kuiva turbasambla niiskus ja vastavalt elektrijuhtivus kahaneb).

Joonis 22. SAR kahe suhtelise orbiidi (RON 58 ja 80) alusel vertikaalne-vertikaalne polarisatsiooniga jääksoo korrastamisega seotud muudatuste tuvastamine Maima jääksoos endisel freesturbaväljal (Maima_frees), turbaaukude piirkonnas (serv) ning raba looduslikul taustaalal (looduslik).

Ka Ess-soo uurimisalal on täheldatavad sarnased muutused SAR andmestiku alusel (joonised 23, 24).

Joonis 23. Ess-soo SAR pilt suhteliselt orbiidilt RON 160 kevadel kõrgema veetasemega perioodil 1. märtsil 2022. Sinakad toonid iseloomustavad madalat koherentsust (puurinne, vaba veepind) ning kollakad ja punakad toonid suuremat koherentsust. Mustad piirjooned tähistavad Ess-soo erinevaid korrastamisalasid, millest on välja jäetud eraldavad pinnaspaisud, kokkuveotee ning kraavid ja üleminekulised tsoonid.

Joonis 22. SAR andmete alusel vertikaalne-vertikaalne polarisatsiooniga jääksoo korrastamisega seotud muudatuste tuvastamine Maima ja Ess-soo jääksoos. Ülemine joonis iseloomustab 2020.a lõpus järsu veetaseme tõusu tõttu suurt muutust Maima jääksoos, kuid 2021.a. sügisel Ess-soos sarnast õleujutust ei esinenud ning muutus koherentsuses on tagasihoidlikum. Alumine joonis iseloomustab korrastatud alase väga sarnast sünkroonsust maapinna niiskuse muutuses põua tõttu 2022 ja 2023.a., kuid toob ka välja erineva suhtelise orbiidi (RON) valiku olulisuse niiskuse kirjeldamise seisukohast.

Veetaseme dünaamika Veetaset, kasvuhoonegaaside voogu ning Maimas ja eriti Ess-soos värskelt korrastatud aladel samblafragmentide kasvama minekut (ka laiemalt alade taimestumist) mõjutas väga tugevalt 2022.a. ja 2023.a. ilmastik. Kui Maima jääksoos tõusis pärast korrastamist 2020.a. lõpus ja 2021.a. veetase sammalde kasvuks ebasoodsalt kõrgeks, siis Ess-soo korrastamisele järgnes kaks väga kuiva suve. Talv algas suhteliselt varakult 2021.a. keskmisest külmema detsembriga kuid maapind külmus varase lumikatte (novembris) tõttu vaid osaliselt ja keskmisest soojem talve jätk (joonis 3) soodustas nii lume sulamist kui külmumata pinnasest gaasivoo eritumist. Korrastamisalade seisukohast oli aga kõige olulisem sulailmadega lumeveevaru kahanemine ja (pool)külmunud pinnasel tekkinud lombid, mis tuule tekitatud lainetusega uhtusid samblafargmentide katteks laotatud põhu ning osaliselt ka samblafragmendid vaaludesse. Talvistele keskmiselähedastele sajuhulkadele järgnes aga 2022.a. erakordselt kuiv märts (joonis 3) ning kogu järgneva aasta jooksul oli iga kuu sademete hulk ligi 40% väiksem pikaajalisest kuu sademete normist. 2023.a. kevadsuvi osutus aga veelgi kuivemaks ja veetase alanes taas väga kiiresti, langedes Maima jääksoo võrdlusalal ning samblafragmentide laotamisega pinnaspaisudega alal 9 (kood P) ligi 60 cm sügavusele maapinna suhtes. Juulis alanud sademed küll tõstsid veetaset, aga optimaalse tasemeni (-20 cm) jõudis see alles septembris (joonis 23).

Joonis 23. Kuu keskmise veetaseme dünaamika Maima jääksoo korrastatud aladel ning võrdlusalal. Alade tähises „sph“ näitab turbasamblafragmentide laotamist, „Pais“ ala korrastamist ainult pinnaspaisude rajamisega, „Täis“ lausaliselt pinnasega täidetud kraave. Halli varjutusega ala indikeerib eelistatud veetaseme vahemikku korrastatud alal (veetase maapinna suhtes vahemikus 0...-20 cm). Laiuse jääksool on Lehtmetsa raba näol suur tagamaa madalaveelisel veekogul ning mõningane põhjavee toide, mis koostoimes Lehtmetsa peakraavil toimetavate kobrastega tagasid suhteliselt hea veetaseme stabiilsuse kogu korrastatud ala ulatuses (v.a. kõige kõrgema maapinnaga väike eraldatud idapoolne nurk) ja veetase oli kogu aasta ulatuses vahemikus 0...-40 cm (joonis 24). Sellest tulenevalt algas 2022 aastal ja jätkus 2023.a. jõudsalt ülepinnaline taimestumine Laiuse kesksel korrastamisalal (kood Laiuse E) ning läänepoolsel alal (Laiuse W), kuid jäi puudulikuks kõige kuivemal väikesel idapoolsel alal. Samuti laienes keskmiselt 4.4 meetri võrra veekogu suunas taimestunud vöönd madalaveelise veekogu põhja-, edela- ja lõunaservas, mis on madalamad ja laugema kaldaga. Kõima jääksoos on küll veetase tänu suurele looduslikule puhverdavale tagamaale ning juba algselt lausalisele samblakattele optimaalse lähedal, aga nii 2021. kui 2022.a. on veetase ilmastikust tingituna augustiks langenud madalamale kui eelnevatel aastatel. Seevastu Kõima turbavõtuaukude veetase on oluliselt tõusnud (eriti gradiendiga korrastamisala edelaosa suunas) ja turbavõtuaukude vahelised tervikud on muutunud niiskemaks, veetase kõrgem (Kõima S tervik; joonis 24) kui võrdlusalal ja kvalitatiivselt on märgatav ala lääne- ning edelaosas tervikute servades turbasambla laienemist aukudest tervikule, kanarbiku ja samblike hääbumist ning nokkheina ja villpea lisandumist.

Joonis 24. Kuu keskmise veetaseme dünaamika Kõima ja Lause jääksoo korrastatud aladel ning võrdlusalal. Kasvuhoonegaaside voog Korrastamise käigus saavutatud kõrge veetase on kahandanud turba lagunemise kiirust ja süsihappegaasi lendumist korrastatud aladelt nii Kõima, Laiuse, Ess-soo kui Maima jääksoos. Peamine mõju on Maima ja Ess-soo alal saavutatud turba lagunemise aeglustumise kaudu, Laiuse jääksoos aga ka kiiresti arenema hakanud taimestiku tõttu (peamiselt karusammal, jõhvikas, pilliroog, lääneoas ka turbasammal). Juba algselt lausalise taimkattega Kõima jääksoos gaasivoo osas statistiliselt olulisi muutusi ei ole, pigem on muutused selgitatavad aastate vahelisest ilmastiku erinevusest. Kõima jääksoo puhul on turbavõtuaukudes kõrgema veetaseme tõttu edelapoolses osas lopsakalt arenemas älvestele iseloomulikud turbasambla liigid ning kohati laieneb turbasammal ka madalamatele terviku osadele. Enamasti on tervikud siiski aeglase taimestumisega ja gaasivoogu mõjutab enam turba niiskusrežiimi muutus. Maima jääksoo kontrollala nr. 2 on aastaringselt lausaliselt 30-50 cm paksuse veekihiga kaetud ja jäetud antud analüüsist välja kuna ei vasta enam kontrollala kriteeriumitele. Kontrollala nr. 1 on samuti korrastamistööde järel märjemaks muutunud (eriti kevadel ja sügisel), mistõttu ka põuasel 2022 ja 2023.a. suvel oli seal veetase sarnane uuringuperioodi algusega, aga 2023.a. ei avaldunud see mõju veel taimestiku arengus väljaspool kraavi servasid ning ala 8 (O) piirdevalliga külgnevat peenart, kus on intensiivne jõhvika areaali laienemine. Kogu endise freesturbavälja ulatuses on domineeriv mullahingamine, autotroofne hingamine ja taimede fotosüntees on aastase voo mõttes enamasti tagasihoidlik. Erandi moodustavad pillirooga kattuvad alad (Ala 1 (M), 5 (B), 7 (N) ja turbasamblaga endised turbavõtuaugud (ala 12 (G)), kus keskpäevane ökosüsteemi CO2 sidumine (NEE, Net Ecosystem Exchange) võib ulatuda pilliroo puhul -192 mg CO2-C m2 h-1 ja turbasamblal -77 mg CO2-C m2 h-1. Enamasti jääb siiski aeglase taimestumise, laotatud põhu ja surnud samblafragmentide tõttu NEE isegi suvekuudel Maimas emissiooni poolele. Kui 2021.a. oli samblafragmentidega korrastatud aladel süsihappegaasi emissioon ligi poole väiksem kui kontrollalal ning lausalise kraavide täitmisega alal omakorda väiksem kui pinnaspaisudega suletud kraavidega alal, siis 2022.a. sellist erinevust ei esinenud ja vaid suuremalt jaolt veega üleujutatuks jäänud alad (C ja K) olid teistest väiksema emissiooniga, kuid 2023.a. oli ka neil aladel voog ülejäänuga sarnasemaks muutunud. Sellest tulenevalt on ökosüsteemi hingamine (Reco) jätkuvalt hea indikaator süsihappegaasi emissiooni väljendamiseks (joonis 25), mis toob kombineeritult välja nii mullahingamise kui taimestiku arengu mõju. Ökosüsteemi hingamine jäi vaatamata kahele järjestikusele soojale kuivale suvele valdavalt samale tasemele kui eelnevatel aastatel. 2021.a. veega kaetud aladel aga 2022 ja 2023.a. põuastel suvedel vesi soojenes kiiresti ja veetase alanes, jättes maapinna kohati mudaga kaetuks ja suurendades süsihappegaasi voogu. Erandlik on joonisel ala B (paisudega suletud kraavid, veega osaliselt üleujutatud), kus 2022.a. suvine Reco CO2-C piik on seotud intensiivse pilliroo kasvuga ning taime hingamine kombineerub sooja mudaja pinnase emissiooniga. Lisaks mõjutas üleujutatud alade voogu ka surnud kanarbiku jmt. lagunemine. 2023.a. taimestumise tõttu päevane NEE suurenes sel alal ligi 20 mg CO2-C m2 h-1 võrra ja surnud taimede lagunemine on aeglustunud.

Joonis 25. Ökosüsteemi hingamine (Reco) Maima jääksoos. Märge „veega“ iseloomustab korrastamise järgselt üleujutatud ala, „norm“ tähistab normaalse veerežiimiga ala, kus veetase jäi valdavalt maapinnast sügavamale. Aasta CO2 bilanss oli 2022.a. sambla fragmentidega korrastatud üleujutatud aladel emiteeriv (0.46 t/ha C), kraavidel pinnaspaisudega korrastatud aladel 0.86 t/ha C ning koos fragmentide laotamisega aladel 0.75 t/ha C. Turbaaukudes aga toimus tänu ohtrale päikesekiirgusele ning optimaalse lähedasele veetasemele (kohev sammal liigub sünkroonselt veetaseme muutusega, veetase 0...-15 cm) sidumine NEE -1.04 t/ga C. 2023.a. kuni augustini samblafragmentidega korrastatud aladel päevane NEE suurenes sidumise suunas ligi 10 mg CO2-C m2 h-1 võrra, aga enamikul suvekuudel jäi endiselt emiteerivaks isegi päevasel fotosünteesi toimumise ajal väga hõreda taimestiku tõttu. Kõima jääksoos on võrdlusala emiteeriv (1.9 t/ha C), turbaaukude vaheline tervik emiteerib 2.6 t/ha C, samas kui turbaaugu emissioon on 1.1 t/ha C ning kuiva suve tõttu oli ka looduslähedases seisus rabaosa emiteeriv (0.6 t/ha C) ning 2023.a. suvekuudel emissioon kasvas 2022.a. võrreldes veelgi. Laiuse jääksoos algas 2022.a. suve teises pooles ja jätkus kogu 2023.a. kiire taimkatte levik varasemalt palja turbaga alal. Kasvuala laiendasid kõige jõudsamalt karusammal ja jõhvikas, kraavides pilliroog, tarnad ning valge vesiroos. Läänepoolses osas kus turbaaukudele rajati lainetõkked, laienes kiiresti pilliroo ning hundinuiaga kaetud ala, tervikutel ja madalamates niiskemates lohkudes turbasammal. Kiire taimkatte muutuse tõttu allus mõõtmisandmestik modelleerimisele gaasimõõtmisrõngaste lõikes erinevalt (R2 0.43-0.95). Laiuse 1 (võrdlusala) on läbi kõigi aastate olnud CO2 emiteerija, Laiuse idapoolne (Laiuse E) korrastamisala oli 2021.a. emiteeriv, kuid 2022.a. saavutas sidumise jõhvikaga kaetud alal ning pillirooga taimestunud alal. Kõige märjemal alal (Laiuse W) on 2022.a. süsinikuneutraalsed või siduvad kõik taimestunud alad (joonis 26). Kraavide ning Laiuse madalaveelise veekogu süsinikubilanss on positiivne, keskmine emissioon 0.42 t/ha C. Seisva veega kraavides võib küll suve alguses vetika vohamise tõttu mõnel kuul süsihappegaasi sidumine olla intensiivne, aga suve teises pooles algab tekkinud biomassi lagunemine ja eritub nii süsihappegaasi kui metaani. 2023.a. suurenes päevane NEE sidumine kõigis korrastatud jääksoo osades 10-30 mg CO2-C m2 h-1 võrra võrreldes 2022.a., kõige enam pillirooga taimestunud pinnaspaisuga suletud kraavil.

Joonis 26. CO2 bilanss korrastatud Laiuse jääksoos. Laiuse 1 on võrdlusala, Laiuse E keskne korrastamisala võrdlusalast idas ning Laiuse W kontrollalast läänes paiknev maapinnalähedase veetasemega korrastamisala. Kõrge maapinna temperatuur ning suhteliselt kõrge veetase soodustavad metaani teket. 2022.a. olid pika põua tingimustes Maima jääksoos metaani tekkeks äärmiselt soodsad tingimused. Kuigi veega kaetud korrastatud aladel oli suvel keskmiselt kõrgem metaani emissioon, oli ka nii pinnaspaisude kui täidetud kraavidega korrastatud alasid, kus metaani voog oli suur. Samas pinnaspaisudega ala 10 (D) ja võrdlusala olid endiselt väga madala metaani emissiooniga, aga eelneval 2021.a. suvel oli just ala 10 kõrge vooga kui seal veetase lühiajaliselt väga kiiresti muutus. 2023.a. jäi eelnevate aastatega võrreldes metaanivoog oluliselt väiksemaks oli korrastamismeetodist sõltumatult sarnane.

Joonis 27. Kuu keskmine süsiniku kadu metaanina lendumise kaudu Maima kontrollalal (2017-2023) ja korrastamisjärgselt nii kontrollalal kui korrastatud aladel.

Naerugaasi voog oli 2022.a. sarnaselt eelnevatele aastatele toitainevaestes tingimustes kõigis uuritavates jääksoodes ebaoluliselt väike (joonis 28). Suhteliselt pika kuiva perioodi ja hoovihmadest tingitud veetaseme kiirete kõikumiste tulemusel suurenes N2O voog korrastamise järgselt Maimal juba 2021.a. ning veelgi selgemalt 2022.a., aga ka need vood on väga väikesed. Ainsaks erandiks oli september kui pärast pikka põuaperioodi ja sügavale langenud veetaseme juures algasid intensiivsed sajuhood, mis kiirelt täitsid pinnaspoore ning soodustasid lühiajalist naerugaasi heidet. Sarnane põuajärgne järsk naerugaasi voo lendumine septembris leidis aset ka teistel uurimisaladel. 2023.a. kiire kevadine veetaseme alanemine ja püsimine stabiilsena kuni augustis ohtrate sademete tõttu veetase taas kiirelt tõusis ja stabiliseerus, jäi naerugaasi voog väga madalaks. Teistest aladest eristub juba teist põuast aastat järjest Maima võrdlusala 1, kus korrastamise järgselt on veetase muutunud kõikuvamaks (kevadel ja sügisel naaberalade tõttu veetase kraavides tõuseb) ning see on kaasa toonud võrdlusalal naerugaasi suurema emissiooni, mis absoluutväärtuselt on siiski ebaoluline.

Joonis 28. Naerugaasi emissioon Maima jääksoost perioodil 2017-2023. Märgalade gaasivood on ajaliselt ja ruumiliselt suure varieeruvusega, seetõttu on ennatlik paari korrastamisjärgse aasta ning ühe või kahe ala tulemuste põhjal teha järeldusi korrastamismeetmete tõhususe osas. Maima jääksoos on samblafragmentide abil taimestumise kiirendamine valdavalt ebaõnnestunud liiga kõrge ning kõikuva veetaseme tõttu, aga samas on kõikidel samblafragmentide laotamisega aladel vähemalt mingil määral hajusalt kasvama läinud samblaid ning lisandunud on teisi raba liike. Aladel kuhu samblafragmente ei laotatud ei ole ka sõltumata veetasemest või paiknemisest looduslikuma taimestikuga rabaosa suhtes turbasamblaid iseseisvalt alale ilmunud. Kaks põuast suve on Maimal taimestumist oluliselt kiirendanud, eriti aladel 1 (M), 2 (L), 5 (B) ning 7 (N). Turbavõtuaukude juures on korrastamise mõju vähemärgatav, ilmselt põuaste suvede tõttu, sest kevadel on turbaaukudes veetase tervikute tasapinnani, kuid suveks taandub oluliselt. Sama tähelepanek kehtib ka Ess-soo kohta, kus taimestiku taastumise aeg on olnud oluliselt lühem, aga Ess-soos on just turbavõtuaukude ja metsas eelkuivenduskraavide sulgemisega alal veetase püsinud hästi ka suvedel ning turbasammalde laienemine olnud kiire (sh. ekskavaatori tekitatud aukudes ja pinnaspaisude külgedel niisemates lohkudes). Seevastu Laiuse jääksoos on kõigil korrastatud väljakutel ilmunud vähemalt mõnes piirkonnas ka iseseisvalt turbasamblaid, kohati on turbasammalde areaali laienemine alates 2022.a. suve lõpust muutunud kiireks. Detailne ülevaade taimkatte muutustest seiratavate jääksoode püsiseireruutudes on esitatud aruande II osas „RMK taimestiku seire KOONDARUANNE.pdf“.

Tähelepanekuid ja soovitusi korrastamisalade põhjal Alade jagamine väiksemateks hüdroloogilisteks üksusteks on ennast õigustanud, vähendades nii veelgi ulatuslikumaid üleujutusi või ulatuslikumaid liiga kuivi alasid. Iga eraldusvalli sees tuleb väljaku madalama osa juures tekitada ülevool, ülevoolude puhul tuleks kasutada reguleeritava kõrgusega ülevoolu lahendusi (joonis 29). Need on lihtsad, kuid võimaldavad vähemalt esimestel taimestumise seisukohast kriitilisel aastatel ilmastiku, projekteerimis- või ehitusvigade tõttu tekkinud veetaseme probleeme leevendada.

Joonis 29. Pinnasvall jääksoode eraldajana (vasakul) ning lihtne kuid tõhus reguleeritav ülevool veetaseme reguleerimiseks. Selliseid ülevoole tuleks kasutada iga hüdroloogiliselt eraldatud jääksoo eraldusvalli juures. Pinnaspaisudega suletavate kraavide puhul tuleks rajada igale kraavile pinnaspais iga 30 cm kõrgusmuudu kohta, aga vähemalt 3 pinnaspaisu. See võimaldab hüdroloogiliselt eraldatud üksustes juhtida väljaku madalamas piirkonnas lumesulamise vee serpentiinina läbi ala nii, et pinnaspaisudega kraavid oleks üle ühe ühendatud erineval pool kesksest pinnaspaisude reast (joonis 30). Antud lahendus on väga hästi toiminud Ess-soo põhjapoolsel alal (Alad 5, 7, 11, kood J ja H, C), soodustades vee pikemat säilitamist korrastatud alal, kuid kahandades suuremat üleujutust.

Joonis 30. Serpentiinina ühendatud kraavid Ess-soos.

Laiuse jääksoo Laiuse jääksoo oli esimene mis sai uuringualadest korrastatud 2019.a oktoobriks ning seega on korrastamisjärgseid muutusi saanud jälgida peaaegu 4 aastat. Esimesel kahel aastal oli taimestiku kujunemine aeglane ja kohati mõjutas liiga kõrge veetase, aga samas soodustas see veelindude saabumist uurimisalale, kes levitavad ka taimede seemneid ja eoseid, aga ka väetavad ala. Väetamise efekt on tugev kevadel, mil laudteed on lausaliselt väljaheidetega kaetud ning paigal seismist nõudvate välitööde korral on kasuks vihmavarju või kapuutsiga kummimantli kasutamine sõltumata ilmast. Mõju avaldub selgelt ka madalaveelise veekogu kõrgendatud DN sisalduses, mis tõuseb ka sügisese rändeperioodi ajal, kuid sügisvihmade lahjendava toime tõttu pole sama tuntav kui kevadel. Alates 2022.a. algas kiire taimestiku areng, mis jätkus jõudsalt 2023.a. 2023.a. algas ka madalaveelise veekogu kallastel taimestiku laienemine veekogu suunas. Jääksoo lääneosas laiematele kraavidele rajatud lainerahusti (joonis 31) on oma eesmärki täitnud suurepäraselt ja soodustanud kiiret taimestiku laienemist kraavides. Laienenud on peamiselt pilliroog ja hundinui, aga ka tarnad ja kohati turbasamblad.

Joonis 31. Laiuse jääksoo korrastamisalad. Taimkatte arengut Laiuse jääksoos enne korrastamist, vahetult pärast korrastamist ja uuringu lõpuaastal 2023 septembrikuiste satelliidipiltide alusel iseloomustab joonis 32. Võrreldes algseisuga on oluliselt paremini taimestunud ala loodepoolne osa, madalaveelise veekogu kallastele on kujunenud kuni mõnekümne meetri laiune sootaimedega taimestunud kaldavöönd-õõtsik, vaatamata puurinde eemaldamisele on kirdepoolne osa on NDVI indeksi väärtuse järgi taimestunud juba paremini kui kontrollala, aga kui kontrollala indeksit mõjutab eeskätt puurinne ja villpea, siis loodepoolses osas on domineerivad sootaimed (tarnad, pilliroog, rabakarusammal, jõhvikas jmt). Jõhvika areaal laieneb aastas keskmiselt 40-50 cm võrra peenarde keskosast ääreala suunas ja moodustab kohati lausalise katte.

Joonis 32. Taimkatte muutused Laiuse jääksoos enne korrastamist (2018), korrastanmise ajal (2019) ja uuringuperioodi lõpus (2023) Sentinel-2 satellidipildi alusel NRG ja NDVI indeksitena väljendatuna. Kõima jääksoo Kõima jääksoo korrastati 2019.a. lõpuks. Ala oli juba eelnevalt peaaegu lausaliselt taimestunud ja vaid üksikutes kohtades turbavõtu aukude vahelistel tervikutel oli taimestumata laike. Korrastamistööde käigus eemaldati suuremad puud evapotranspiratsiooni kahandamiseks, pinnaspaisudega suleti kraavid ja väljavool turbavõtu aukudest. Tänu eelnevalt olemasolevale rabataimestikule taastus kogu alal korrastamise käigus paljandunud pinnas kiiresti. Madalamad alad kattusid nii nokkheina kui turbasammaldega (joonis 33), kõrgemad pinnaspaisud peamiselt kanarbiku, karusambla ja villpeaga (joonis 34).

Joonis 33. Pinnaspaisude rajamiseks turba võtmise auk (vasakul) ja endine kirdepoolne kogujakraav (Kõima-N väljavool) on turbasammalde,villpea ning nokkheinaga kattumas.

Joonis 34. Kõrgemad pinnaspaisud kattuvad villpea, kanarbiku, karusambla ja murakaga, madalamad servad ja turba võtmisel tekkinud lohud nokkheinaväljaga.

Joonis 35. Pinnaspaisude tõttu seisva veega kraavid ning turbavõtuaugud täituvad turbasammaldega, tervikutel märjemates piirkondades kanarbik hääbub.

Joonis 36. Edelapoolses osas kus veetase on kõrgem ja püsivalt maapinnale lähedal ka põuastel suvedel (maapinna kalle tagab vee pealevoolu) on ka suuremad pinnaspaisud peaaegu täielikult taimestunud.

Joonis 37. Edelaoas lausaliselt täidetud kogujakraav ning vee liikumist tõkestavad massiivsed pinnaspaisud hoiavad turbavõtuaukudes veetaset kõrgena ka kesksuvel ning tagavad soodsad tingimused kiireks taimestumiseks. Turbasammaldega kaetud areaal on nelja aastaga jõudsalt laienenud.

Joonis 38. Edelapoolne väljavool on aastaringselt kuiv, soost valguv vesi on leidnud endale tee metsa alla, kuhu valgub ühtlaselt laial alal. Maima jääksoo Maima jääksoo korrastamine toimus 2020.a. sügisel ja oli uurimisaladest esimene kus kasutati kõiki erinevaid korrastamisvõtteid (madalaveeline veekogu, pinnaspaisud kraavidel, kraavide lausaline täitmine, pinnaspaisud kraavidel ja turbasambla fragmentide laotamine, kraavide lausaline täitmine ja turbasambla fragmentide laotamine, turbavõtuaukude väljavoolude sulgemine). Kavandatud tegevused osaliselt ebaõnnestusid ebaõige veetaseme tõttu, kuid soovitust kõrgem veetase ei takista soostumist. Turbasammalde areng ja levik on alal liiga kõrge või muutliku veetaseme tõttu piiratud, pilliroo, tarnade, villpea ja nokkheina, üksikutes piirkondades ka jõhvika laienemine on viimase aastaga kiirenenud.

Taimestumist kiirendas kõige enam 2022 ja 2023.a. põuased suved, mis tagas taimede arenguks soodsama veetaseme. 2021.a. lõpus väga edukalt laienenud nokkheina areaali alal 2 (L) ja 10 (D) hävitas peaaegu täielikult sügisrände eel 100-200-pealine sookurgede parv, mis rebis taimed lausaliselt juurtega välja. Uurimisalal on kohatud merikotkast (sageli Ala 4 rabapoolsel küljel kõrgema männi ladvas), kuni 20 luigest koosnevat parve, koovitajaid, põtra, hunti ja pruunkaru. Uurimisala projekteerimisel/korrastamisel tehtud suurim eksimus oli liigse vee äravoolu planeerimine läbi olemasoleva osaliselt täidetud kogujakraavi. Kõrge veetaseme korral täidetud kraavis mudajas mass kerkib koos veetasemega ja takistab vee äravoolu, suvel alaneva veetaseme korral aga alaneb ka mudajas mass äravoolukraavis ja pigem soodustab kiiremat veetaseme alanemist turbaväljal. Maima eksimust võeti arvesse Ess-soos, kus kogujakraav täideti või sulgeti pinnaspaisudega ja liigvee äravooluks kujundati eraldi voolunõva serpentiinina läbi turbaväljade.

Joonis 39. Madalaveelise märgala (Ala 1, kood M) veetase jäi planeeritust madalamaks kuna soovitud veetaseme korral oleks kõik rabapoolsed väljakud veelgi sügavamalt üleujutatud olnud. Taimestumise seisukohast on veetase alal soodne ja pilliroo, hundinuia ning tarnade jõudne levik algas 2022.a. ja 2023.a. sügiseks on taimestumine peaaegu lausaline.

Joonis 40. Kraavide lausalise täitmisega ja samblafragmentide laotamisega alal (ala 3, K) on veetase liiga kõrge, valdava osa aastast on ala veega kaetud ja taimestunud on peamiselt täidetud kraavide kohad, kus maapind kerkib koos veetasemega. Siiski leidub hajusalt ka üksikuid elusaid turbasamblaid.

Joonis 41. Ebasoodsalt kõrge veetaseme puhul toimub taimestumine kiiremini just täidetud kraavide kohal kuna seal maapind kerkib koos veetasemega. Taimestikus domineerivad villpead, hundinui, tarnad, nokkhein ja mätaste vahel üksikuid turbasamblaid, mis on fragmentide laotamisest säilinud. Veega kaetud ala on luikede kasutuses.

Joonis 42. Pinnaspaisudega suletud kraavidega turbasambla fragmentide laotamise alal on taimestumine võimalik vaid soodsa niiskusrežiimiga vööndis. Liiga sügava veega alal toimub aeglane taimestumine pilliroo ning hundinuiaga. Sobivates tingimustes on turbasambla katvus hea ja sammal elujõuline.

Joonis 43. Pinnaspaisudega suletud kraavidega alal 5 (B) toimub looduslik taimestumine kõrge veetaseme tingimustes ja levivad madalsoole iseloomulikud liigid. Taimestumise kiirust toetab sel alal lahustunud lämmastikuga rikastunud põhjavee väljakiildumine.

Joonis 44. Kraavide lausalise täitmisega ja samblafragmentide laotamisega alal (ala 11, E) on veetase liiga kõrge, valdava osa aastast on ala veega kaetud. See ala vajas korrastamisel pinnase suuremamahulist tasandamist ja seetõttu pole pindmine turbakiht tihedalt alumiste kihtidega seotud ning liigub koos veetasemega kaasa. Taimestunud on peamiselt täidetud kraavide kohad, kus maapind kerkib kergemini koos veetasemega, aga taimestumine on ulatuslikum kui sarnaselt töödeldud alal 3 (K).

Joonis 44. Lausaliselt täidetud kraavidega alal (10, D) toimub iseeneslik taimestumine ebaühtlaselt. Kanarbik ja sinikas hääbuvad, villpea, nokkhein, tarnad ja jõhvikas laiendavad areaali. Vaatamata sobivatele niisketele laikudele ala sees ja külgnemisele samblafragmentide laotamise alaga, pole iseseisvalt turbasamblaid ilmunud.

Joonis 45. Pinnaspaisudega suletud kraavidega turbasambla laotamisega alal (9, P) oli esimesel aastal sammalde elulevus väga hea, kuid järgneval talvel kannatas kõrge lumesulavee uhtumise ja tugeva külmakohrutuse all. 2022/2023 kohrutuse kahju kordus. Siiski on kogu ala samblafragmentidega hajusalt

kaetud, püsivad koloniseerimistuumakesed tekkinud ning alal on esindatud paljud tüüpilised rabaliigid. Taimestumine on küll oodatust aeglasem, aga püsiv. Sel alal on niiskemal perioodil sambalaga paremini kattunud gaasirüngastes mõõdetud päevasel ajal ökosüsteemi hingamist ületavaid CO2 sidumise väärtusi.

Joonis 46. Võrdlusala on kõige kehvemini taimestunud. Alustaimestikus domineerivad üksikud hajusalt paiknevad villpeamättad, kraavi kallastel ka jõhvikas, samblikud. Kased ja männid kannatavad mineraliseerumise ning tuuleerosiooni tõttu paljanduvate juurte käes. Kuigi korrastamise käigus võrdlusala veetase tõusis, ei ole see veel oluliselt mõjutanud taimestumist.

Joonis 47. Pinnaspaisudega suletud kraavidega ja turbasambla fragmentide laotamisega ala (7, N), mis oli korrastamise eelselt tugevalt pilliroo ja noorte mändidega kaetud, on esimesest aastast saati olnud kõikuva veetasemega, aga juba esimesel sügisel risoomidest võrsunud varred takistasid lainetusel laotatud samblafragmente ja kattepõhku ära uhtuda ning pilliroo vahel esineb ohtralt turbasammalt, huulheina, kanarbikku. Esimeste aastate tulemus on paljulubav ja samblad elujõulised, kuid ebaselge on kas pikemas perspektiivis hakkab pilliroog turbasammalt varjutama või suudab sammal moodustada tugeva ühtlase katte.

Ess-soo Ess-soo ala korrastati 2021. a. sügisel ja selle käigus tehti võrreldes Maima alaga projektis mitmeid muudatusi. Eeldatavad veetasemed modelleriti iga ala lõikes, äravooluteed planeeriti serpentiinina väljakute keskosa kaudu, kohati säilitati üleujutuste vältimiseks avatud kogujakraavi lõike ning looduslikuma rabaosa ja freesturbavälja vahele rajati kogujakraavile veekogu. Korrastamistööde käigus tehti jooksvalt täiendusi vastavalt nivelleerimise tulemustele, lisati pinnaspaise kraavidele ning rajati madala pinnasvalliga eraldatud terrasseeritud väljak. Kuigi korrastamisest on seireperioodi lõpuks möödunud alla 2 aasta ja mõlemad korrastamisjärgsed suved on olnud äärmiselt põuased ning ebasoodsad turbasambla fragmentide siirdamisega korrastamiseks, on üldtulemused siiski lootustandvad ja metoodilises mõttes võib Ess-soo korrastamist edukaks näiteks pidada.

Joonis 48. Kuigi lausaliselt täidetud kraavidega turbasambla fragmentide laotamise ala nr. 2 (N) on arvestatava pikisuunalise nõlvakaldega ja külgnev avatud äravoolukraaviga, on see põuased suved kõige edukamalt üle elanud ja elujõulisi samblafragmente esineb lausaliselt. Sarnaselt samasugusele korrastamismeetodile Maima jääksoos, on ka siin kiiremini taimestunud just täidetud kraaviga osa. Samas domineerib täidetud kraavi osas villpea, turbasammalt leidub hajusalt kõikjal ning kuivemal osal on enam kanarbikku. Kohati esineb ka nokkheina laike.

Joonis 49. Pinnaspaisudega kraavid hoiavad ka arvestatava nõlvakalde korral edukalt veetaset üleval. Samblafragmentide laotamine sel alal (1, L) pole enamasti sama edukas kui kraavide lausalise täitmisega naaberalal (2, N), kuid sobiva niiskusega piirkonnas on kujunenud ulatuslik lausalise turbasambla katvusega ala. Taimestumine toimub edukamalt ka kraavide kallastel, aga traavidevahelistel väljakutel on taimestik hõre ning elusaid turbasamblaid vähem kui naaberalal. Kas samblafragmendid on säilitanud kahe põuase suve järel elujõu, selgub järgnevatel aastatel.

Joonis 50. Kõikidel aladel kuhu samblafragmente on laotatud, on hajusalt elujõulisi turbasablaga laigukesi ning seisva veega kraavilõikudes sageli ka vohavat turbasammalt (ala 9, E).

Joonis 51. Kuigi pealtnäha mõõdab eddy covariance mast nukralt tühja välja (ala 10, D) CO2 ja CH4 voogu, on siiski kogu alal hajusalt elujõulisi turbasambla laigukesi ja soodsamate aastate saabumisel võib sambla katvus kiiresti laieneda. Sarnaselt Maima jääksoos üleujutatud mudasele väljale (ala 11, E) on ka siin esimese 2 aasta taimestumine väga tagasihoidlik, aga tüüpiliselt toimub taimestumine alguses kiiremini just täidetud kraavide kohal. Pioneerliigiks villpea, kuivematel aladel kanarbik, hajusalt elus turbasamblaid, nokkheina, huulheina.

Joonis 52. Looduslikult kujunenud sootaimestiku säilitamine korrastamise ajal kiirendab veetaseme tõstmisel maapinna kattumist taimedega. Alal 11 (B) on pinnaspaisude abil veetaseme tõstmisel ja stabiliseerimisel jõhvikas laiendanud kaetavat areaali 60-70 cm võrra aastas, kraavides hõljuval mudal laiutavad villpead ning servas laiendavad kasvuala nokkheinad.

Joonis 53. Avatuks jäävatel kraavilõikudel haost või põhupallidest tõkete tekitamine/säilitamine on kasulik nii heljumi kahandamiseks kui kraavi kinnikasvaise kiirendamise seisukohast. Kogujakraav K-17 on tõketevahelisel lõigul täitumas turbasammalde, ubalehtede, soovõhkade, villpeade ja tarnadega.

Joonis 54. Kuigi pinnaspaisud kraavidel ja terrasseerimine madala eraldusvalliga hoiavad veetaset võrdväärselt teiste korrastatud väljakutega, on alal 4 (F) turbasammalde kasvama minek oluliselt kehvem. Üheks põhjuseks oli külmunud kängardes fragmentide laotamine pärast tugevat öökülma külmunud maapinnale, teiseks põhjuseks oli sel alal erandlikult esinev külmakohrutus 2022/2023 talvel ning kolmandaks põhjuseks 2022.a. 30. augustil esinenud erakordselt intensiivne sadu (Korelas mõõdeti 24 h jooksul 84 mm sademeid), mis tulvaveega uhtus ära Ess-soo uurimisala peamise ülevoolu mulde (P3) ning uhtus peenarde kõrgematesse osadesse nii samblafragmendid kui kattepõhu.

Joonis 55. Näide meandreeruvast paisudega suletud kraave ühendavast vooluteest (vasakul) ning liiga kõrget veetaset vältivast voolunõvast (paremal).

Joonis 56. Kogujakraavi võib sulgeda laiade turbaga täidetud lõikudega, kus sulgev lävend on kaetud taimede juurtega tihedalt läbikasvanud mätastega. Selline veekogu aitab hoida freesturbavälja otstele iseloomulikku kõrgemat serva niiskemana ja tagab kiirema taimestumise ning väiksema erosiooni, mis muidu kannaks turvast madalamal paiknevatele laotatud samblafragmentidele. KOKKUVÕTE Korrastamata jääksood olid olulised CO2 allikad. Enne korrastamist oli CO2 emissioon sõltuvalt aasta ilmastikust ja alast 4.7 (3.2 – 8.3) CO2-C t/ha*a. Metaani emissioon oli tagasihoidlik 0.09 t CH4-C t/ha*a. Toitainevaese rabaturbaga jääksoode naerugaasi emissioon oli samuti väike (0.0003 N2O-N t/ha*a) ja korrastamisejärgsel oluliselt ei muutunud. CO2 voog korrastamisjärgselt kahanes ja Laiuse jääksoos neli aastat pärast korrastamist jõudis aastabilansina süsinikuneutraalsuseni. Teistel korrastatud aladel oli aasta bilanss CO2 osas jätkuvalt emiteeriv 0.4-1.9 CO2-C t/ha*a. Kuigi gaasivood on suuremad suvekuudel (v.a. naerugaas, mil puudub selge aastaajaline käik), võivad külmumata pinnasega talvekuud oluliselt mõjutada gaasivoo aastast bilanssi. Süsihappegaasi sidumist mõjutab kõige enam fotosünteetiliselt aktiivne kiirgus (PAR), temperatuur (õhu ja pindmise 10 cm mullatemperatuur). Viimastel aastatel Eestis enam Keskkonnaagentuuri hallatavates ilmajaamades PAR ei mõõdeta ja ainsad teadaolevad pidevad PAR mõõtmised toimuvad hetkel RMK jääksoodes paiknevates mõõtekohtades. Ilma PAR pideva aegreata ei ole ökosüsteemi puhasgaasivahetuse (Net Ecosystem Exchange, NEE) usaldusväärne modelleerimine võimalik. Korrastamisjärgse seire periood vastavalt 4, 3, 2 ja 0 aastat on ebapiisav, et teha järeldusi meetodite tõhususe, taimestumise kiiruse või kasvuhoonegaaside voo kahanemise kohta. Esimestel aastatel mõjutab kasvuhoonegaase samblafragmentidega korrastataval alal põhu ja surnud fragmentide lagunemine. Äärmiselt suur määramatus on seotud ilmastikuga. Taimestumine kiirenes alates kolmandast korrastamisjärgsest aastast, kuid selgusetu on kui suurt rolli selle juures mängisid viimased kaks põuase suvega aastat. Kõikidel aladel kus rakendati turbasamblafragmentide laotamist, on vähemalt hajusalt elusaid turbasambla kogumeid ja vähestel aladel moodustavad ka väiksemaid lausalise katvusega alasid. Meetodi edukust kahandas projekteerimisviga veetaseme osas Maima jääksoos ning vahetult korrastamisele järgnenud 2 väga põuast suve Ess-soos. Aladel kus turbasambla fragmente ei laotatud, iseseisvalt turbasamblaid kasvama hakanud ei ole. Samuti on sambla fragmentide laotamisega aladel

rohkem rabale iseloomulikke liike. Esimeste aastate tulemused näitavad, et samblafragmentide laotamise teel korrastatavate jääksoode puhul taimestuvad nii üleujutatavate kui põuast mõjutatud aladel kiiremine lausaliselt täidetud kraavidega alad, aga pikemas ajaskaalas ei pruugi see kehtida. Ka pinnaspaisudega kraavide kallastel laieneb taimestik. Kriitiline on siiski sobilik veetaseme vahemik ja suvine niiskuse olemasolu, see sõltub aga nii võimalikust külgnevast tagamaast kui konkreetsete aastate ilmastikust. Drooniseire on väga tõhus abivahend korrastatava alaseisundi eelnevaks kaardistamiseks, seirealade optimaalseks valikuks, allikaliste alade tuvastamiseks, pinnaspaisude lekete avastamiseks ning ligikaudseks pinnase niiskuse määramiseks. Taimkatte kaardistamiseks on võimalik kasutada k-means klasterdamisel põhinevat lähenemist koos välitööde käigus klassidele sisu andmisega või suure õpetusandmestiku olemasolul masinõppe meetodil (random forest, bagging jmt). Pikaajalise homogeense aegrea saavutamine taimkatte dünaamika kaardistamiseks on väga kallis (tehniliselt ning tööjõukulult), aeganõudev ja keeruline, mida omakorda mõjutab tehnoloogia kiire areng ning sensorite muutus. Satelliidiseire on jääksoode korrastamise tulemuslikkuse jälgimiseks asjakohane, kuid kasutegur on suurem pika seireperioodi puhul. Lühikese perioodi puhul jääb muutuste suhtes väga tundliku jääksoo dünaamika oluliselt kiiremaks (nt. veetasemete muutus ja üleujutatavate alade ulatus) kui pilvevabade piltide saamine satelliitidelt. Samuti eeldab selline seire suuremate seireruutude rakendamist maapealses seires, et andmestik oleks võrreldav piksli suurusega. Paljude klassikaliste indeksite kasutamise muudab keeruliseks ka jääksoodele sagedane olukord, kus taimede vahelt paistab vesi, mitte maapind. See raskendab ka muidu pilvedest vähem mõjutaud radari andmestiku kasutamist. Dendrokronoloogia abil on võimalik näha turbaväljade rajamisega kaasnevaid mõjusid, raskustega luua kronoloogiaid jääksoos kasvavate puude osas (puud erivanuselised ja seega muutuva nooruskasvuga ning samaaegselt kiire keskkonnatingimuste muutusega), aga veetaseme tõstmise avaldumise tuvastamiseks ei ole 3-4 aastat piisav. Männid jätavad ebasoodsates tingimustes aastarõngaid vahele ja seega nii lühikesed perioodid ei allu kronoloogia loomisele. Lahustunud orgaanilise süsiniku ja lämmastiku kontsentratsioonid korrastamisjärgselt küll kuni kaheks aastaks tõusid, kuid selgusetu on seos ilmastiku (kuumad põuased suved) ja korrastamistööde osakaalu osas. Ärakanne on aga tagasihoidlik kuna vee äravoolu esineb uuritud aladel 2-4 kuud aastas ja needki madalama kontsentratsiooniga hilissügisel ja varakevadel. Vooluhulga ja kontsentratsiooni järgi hinnates on süsiniku ärakanne DOC kujul jääksoodest vahemikus 62-87 kg/ha*aastas. Lagunemiskatse esmased tulemused näitavad, et peamine massikadu toimub väga kiiresti esimese aasta jooksul ning selles mängib omakorda suurimat rolli esimeste kuude jooksul leostumiskadu. Veetase ja taimestik mõjutavad lagunemist oluliselt. Erinevate taimsete materjalide (varis, peenjuured, erinevad liigid) lagunemiskatsete tulemused selguvad kolme aasta pärast.

7. PROJEKTIGA HAAKUVAD TEADUSTEEMAD, GRANDID, DOKTORI- JA MAGISTRITÖÖD, JÄRELDOKTORITE UURIMISTEEMAD, LEPINGUD: Teavitustegevus: Lühiartikkel projekti eesmärkidest Eesti Loodus 8/2017, lk. 5. http://www.eestiloodus.ee/arhiiv/Eesti_Loodus08_2017.pdf ja Rahvusvahelise Märgalade Kaitse Grupi kuukirjas IMCG Bulletin, June, 2017 pp. 13-14 http://www.imcg.net/media/2017/imcg_bulletin_1706.pdf. 04.10.2017 TÜ geograafia osakonna seminar projekti eesmärgi ja hetkeseisu tutvustamiseks ning võimalike täiendavate huviliste (omafinantseeringu korras) kaasamine ülikooli teistest uurimisgruppidest. 18.-19.oktoober 2017 Toilas Keskkonnaministeeriumi turbaümarlaual projekti eesmärgi ja hetkeseisu tutvustamine. Suuline ettekanne: A. Kull & G. Veber, Abandoned peat extraction sites – will future be wetter and better? 10.-12.10.2018 Tartu, 18th Baltic Peat Producers Forum. Jääksoode korrastamisega seonduvat on laiema üldsuse teavitamiseks käsitletud populaarteaduslikus väljaandes "Samblasõber" nr 23, 2020, lk 10-15: https://sisu.ut.ee/sites/default/files/samblasober/files/samblasober_23_0.pdf Esinemine ERR Aktuaalne Kaamera, Osoon ja Vikerraadios intervjuudega.

Magistritööd ja doktoritööd Ott Toomsalu, 2019. Jääksoodes toimuvate muutuste analüüsimine LiDAR andmetel. Magistritöö. Kaitsutud Tartu Ülikooli geograafia osakonnas. https://dspace.ut.ee/handle/10062/65031 MarjanSadat Barekaty, 2021. Compare the performance of applying Machine Learning concepts to landcover classification models using very high-resolution UAV data. Magistritöö. Kaitsutud Tartu Ülikooli geograafia osakonnas. https://dspace.ut.ee/handle/10062/72820 Kärt Erikson, 2022. Veerežiimi häiringute ja ilmastiku mõju hariliku männi (Pinus sylvestris L.) radiaalsele juurdekasvule Lehtmetsa soo näitel. Magistritöö. Kaitsutud Tartu Ülikooli geograafia osakonnas. https://dspace.ut.ee/handle/10062/82873 Tauri Tampuu doktoritöö: Application of spaceborne SAR polarometry and interferometry for landscape ecological studies in bogs (Tartu Ülikool, kaitstud 2022.a. augustis). Artiklid Birgit Viru, Gert Veber, Jaak Jaagus, Ain Kull, Martin Maddison, Mart Muhel, Alar Teemusk, and Ülo Mander, 2017. Winter nitrous oxide and methane emissions from drained peatlands. Geophysical Research Abstracts, Vol. 21, EGU2019-15964. The abstract identification number EGU2019-15964. https://meetingorganizer.copernicus.org/EGU2019/EGU2019-15964.pdf?pdf Tampuu, Tauri; Praks, Jaan; Uiboupin, Rivo; Kull, Ain (2020). Long Term Interferometric Temporal Coherence and DInSAR Phase in Northern Peatlands. Remote Sensing, 12 (10), ARTN 1566. DOI: 10.3390/rs12101566 Tampuu, T.; Praks, J.; Kull, A. (2020). Insar Coherence for Monitoring Water Table Fluctuations in Northern Peatlands. International Geoscience and Remote Sensing Symposium (IGARSS). IGARSS, 4738−4741. DOI: 10.1109/IGARSS39084.2020.9323709 Burdun, Iuliia; Kull, Ain; Maddison, Martin; Veber, Gert; Karasov, Oleksandr; Sagris, Valentina; Mander, Ülo (2021). Remotely Sensed Land Surface Temperature Can Be Used to Estimate Ecosystem Respiration in Intact and Disturbed Northern Peatlands. Journal of Geophysical Research Biogeosciences, 126 (11), e2021JG006411. DOI: 10.1029/2021JG006411 T. Tampuu, J. Praks, A. Kull, R. Uiboupin, T. Tamm, K. Voormansik (2021).Detecting peat extraction related activity with multi-temporal Sentinel-1 InSAR coherence time series. International Journal of Applied Earth Observation and Geoinformation,Vol. 98,102309, https://doi.org/10.1016/j.jag.2021.102309 Tampuu, Tauri; De Zan, Francesco; Shau, Robert; Praks, Jaan; Kohv, Marko; Kull, Ain (2022). Can Bog Breathing be Measured by Synthetic Aperture Radar Interferometry. 2022-July, 16−19. DOI: 10.1109/IGARSS46834.2022.9883421. Kull, Anne; Kikas, Tambet; Penu, Priit; Kull, Ain (2023). Modeling Topsoil Phosphorus—From Observation-Based Statistical Approach to Land-Use and Soil-Based High-Resolution Mapping. Agronomy, 13 (5), 1183. DOI: 10.3390/agronomy13051183 Palviainen, M., Könönen, M., Peltomaa, E., Pumpanen, J., Ojala, A., Hasselquist, E., Laudon, H., Ostonen, I., Renou-Wilson, F., Kull, A., Veber, G., Mosquera, V., and Laurén, A.: Processes affecting lateral carbon fluxes from drained forested peatlands, EGU General Assembly 2023, Vienna, Austria, 24–28 Apr 2023, EGU23-6367, https://doi.org/10.5194/egusphere-egu23-6367, 2023. Tampuu, T.; Praks, J.; De Zan, F.; Kohv, M.; Kull, A. (2023). Relationship between ground levelling measurements and radar satellite interferometric estimates of bog breathing in ombrotrophic northern bogs. Mires and Peat, 29, 1−28. DOI: 10.19189/MaP.2022.OMB.Sc.1999815

8. Projekti juht (nimi): Ain Kull

Allkiri: allkirjastatud digitaalselt

Kuupäev: allkirjastatud digitaalselt

9. Taotleja allkirjaõigusliku esindaja kinnitus aruande õigsuse kohta (nimi, amet): Ain Kull, kaasprofessor

Allkiri: allkirjastatud digitaalselt

Kuupäev: allkirjastatud digitaalselt

NB! Aruanne esitada elektrooniliselt aadressil [email protected]

Tartu Ülikool

Loodus- ja täppisteaduste valdkond

Ökoloogia ja maateaduste instituut

Geograafia osakond

Magistritöö loodusgeograafias ja maastikuökoloogias (30 EAP)

Veerežiimi häiringute ja ilmastiku mõju hariliku männi (Pinus sylvestris L.)

radiaalsele juurdekasvule Lehtmetsa soo näitel

Kärt Erikson

Juhendajad: Ain Kull

Alar Läänelaid

Kristina Sohar

Tartu 2022

2

Annotatsioon

Veerežiimi häiringute ja ilmastiku mõju hariliku männi (Pinus sylvestris L.) radiaalsele

juurdekasvule Lehtmetsa soo näitel

Magistritöö eesmärgiks oli koostada Lehtmetsa soo rabamändide aastarõngalaiuste kronoloogiad

ning analüüsida nende abil sealsete puude radiaalse juurdekasvu sõltuvust inimtekkelistest

veerežiimi muutustest ja kohalikest ilmastikutingimustest. Töös uuriti Lehtmetsa soo puude

juurekasvu mööda veetaseme gradienti viiel eriilmelisel proovialal. Sarnaselt varasemate töödega

leidis kinnitust, et üksteisele geograafiliselt lähedal asuvad proovialad erinevad üksteisest

märkimisväärselt. Üks prooviala käitus loodusliku alana, kaks olid mõjutatud nii

klimatoloogilistest kui kuivendusega seotud muutustest, ning kaks prooviala olid tugevalt

mõjutatud inimtekkelistest kuivendustest.

Märksõnad: harilik mänd, Pinus sylvestris L., dendrokronoloogia, dendroklimatoloogia, soo

CERS kood: P510 - füüsiline geograafia, geomorfoloogia, mullateadus, kartograafia,

klimatoloogia

Abstract

Effect of water level change and weather on radial increment of Scots pine

(Pinus Sylvestris L.) in Lehtmetsa Bog

The aim of this Master’s thesis was to create tree-ring chronologies of Scots pine from Lehtmetsa

Bog and to analyse the influence of anthropogenic changes in the water level and climatic variables

on tree-ring growth. Five diverse study sites along a gradient of water table from Lehtmetsa Bog

were used for this study. Compared with previous studies, the thesis confirmed that geographically

close sample plots differed significantly from each other. One sample plot from five behaved like

a natural area, two were influenced by both climate and by changes in the water level in the nearby

peat extraction site or the nearby Lake Kivijärv. And two were mostly influenced by the changes

in water level in the nearby peat extraction site.

Keywords: Scots pine, Pinus sylvestris L., dendrochronology, dendroclimatology, bog

CERS code: P510 - Physical geography, geomorphology, pedology, cartography, climatology

3

Sisukord

1.Teoreetiline sissejuhatus .............................................................................................................. 4

2. Materjal ja metoodika ................................................................................................................. 8

2.1 Uurimisala ............................................................................................................................. 8

2.2 Kliimaandmed ....................................................................................................................... 9

2.3 Puiduproovide kogumine ja mõõtmine ............................................................................... 11

2.4 Andmeanalüüs ..................................................................................................................... 13

3. Tulemused ................................................................................................................................. 15

3.1 Juurdekasvu kronoloogiad ja kuivenduse mõju .................................................................. 15

3.2 Ilmastiku mõju..................................................................................................................... 17

3.2.1 Temperatuuri mõju puude juurdekasvule ..................................................................... 17

3.2.2 Sademete mõju puude juurdekasvule ........................................................................... 19

3.2.3 Ilmastiku mõju puude juurdekasvule enne ja peale kuivendust ................................... 22

3.2.4 Põua ja sademete rohkuse mõju puude juurdekasvule ................................................. 24

4. Arutelu ja järeldused ................................................................................................................. 25

5. Kokkuvõte ................................................................................................................................. 29

6. Summary ................................................................................................................................... 31

Tänuavaldused .............................................................................................................................. 33

Kirjandus ....................................................................................................................................... 34

Lisad .............................................................................................................................................. 39

4

1. Teoreetiline sissejuhatus

Märgalad on olulised bioloogilise mitmekesisuse kandjad ning paljude taime- ja loomaliikide jaoks

ainsad elupaigad (Edvardsson et al. 2019). IMCG (The Global Peatland Database of the

International Mire Conservation Group) hinnangute järgi katavad turbaalad umbes 3%

(Edvardsson et al. 2016) maailma maismaapinnast ning 80% märgaladest asuvad põhjapoolses

parasvöötmes või külmas kliimas (Punttila et al. 2016). Balti riigid, sealhulgas Eesti, on tuntud

oma suhteliselt suure turbaaladega kaetuse poolest võrreldes teiste Euroopa Liidu liikmesriikidega.

Euroopa Liidu keskmine kaetus turbaaladega on hinnanguliselt 2,8% maismaast

(Karofeld et al. 2016). Eestis on aga turvasmuldadega hinnanguliselt kaetud umbes 22,4%

(Orru ja Orru 2008) ja Baltikumis keskmiselt 12,3% (Taminskas et al. 2019). Sooks nimetatakse

turbaalasid, kus turvast jätkuvalt moodustub ja ladestub, ning turbakihi paksus ületab 30

sentimeetrit (Masing 1988, Moen 1995). Turbaalaks nimetatakse kuitahes paksu turbakihiga

kaetud maa-ala, olenemata sellest kas seal turba ladestumine jätkub või mitte

(Paal ja Leibak 2013). Ramsari konventsiooni järgi nimetatakse märgaladeks turbaalasid, soid,

lodusid ja veekogusid (nii looduslikke kui tehislikke, ajutisi või püsivad), mis on küllastunud veega

(seisva, voolava, mageda, riimvee või soolase veega). Märgalade hulka loetakse konventsiooni

järgi ka merealad, kus vee sügavus ei ületa kuute meetrit (sealhulgas saari ja merealasid kus mõõna

ajal ületab veetase kuut meetrit) ja märgalade naabrusesse jäävad kaldaäärseid, rannikualasid ja

saari (Ramsari konventsioon 1971, Paal ja Leibak 2013). Suur osa Euroopa märgaladest ei liigitu

enam soode alla, nii samuti on ka Eestis, kus vaid kolmandik turbaaladest on sood. Hinnanguliselt

katavad Eesti maismaast sood 7–8%. Eelkõige on soode osakaalu vähenemise taga olnud

kuivendamine (Paal ja Leibak 2011, Leibak 2021). Märgalad mängivad olulist rolli süsinikuringes,

akumuleerides orgaanilist süsinikku. Teisalt võivad nad olla aga oluliseks looduslikuks allikaks

metaani, süsihappegaasi ja NOx ühendite puhul (Tamkevičiūtė et al. 2018). Turbaalad talletavad

ligikaudu kolmandiku ülemaailmsest mullasüsinikust (Lucow et al. 2022). Turbaalade

süsinikubilanss sõltub tugevalt turba kogunemise kiirusest ning on seetõttu väga tundlik

turbasambla ja soontaimede vahekorra muutuste suhtes (Edvardsson et al. 2019).

Turba kaevandamise algus Eestis ulatub tagasi 17. sajandisse. 19. sajandil oli turbaalade

kuivendamine või nende põletamine üheks kõige levinumaks põllumajandusega kaasnevaks

teguriks märgaladel (Vasander et al. 2003). Mitmed turbaalade ökosüsteemid on sajandeid olnud

5

tugevasti mõjutatud inimtegevuse poolt. 70% kahjustustest Soome märgalades on tingitud

inimtegevusest, Poolas loetakse inimtegevuse tagajärjel kahju saanud turbaalade suuruseks 80%

(Cedro ja Sotek 2016). Sarnaselt eelmainitud riikidega on hinnanguliselt 70% Eesti märgaladest

tugevalt mõjutatud inimtegevusest (Vasander et al. 2003, Paal ja Leibak 2011). Majanduslikus

mõttes on Baltikumi rabad olnud inimeste huviorbiidis 18. sajandist alates. Märgalasid kuivendati,

et hõlbustada turba kaevandamist või kiirendada metsa kasvu. Need protsessid intensiivistusid 19.

sajandil ning olid kõige laiemalt levinud 20. sajandil. Turba kaevandamise, põlengute või

põllumajandusliku ettevalmistamise tõttu on mitmetes märgalades esialgsed elupaigad täielikult

hävinud (Cedro ja Sotek 2016). Põhilisteks Eestis märgalasid mõjutavateks tegevusteks on

metsandus, põllumajandus ja turbakaevandamine (Vasander et al. 2003, Paal ja Leibak 2011).

Hinnanguliselt on enim kahjustada saanud ja hävinud madalsookooslused, mille varasem osakaal

Eesti sookooslustest oli kolmandik, kuid tänasel päeval moodustavad nad 10–20% soodest Eestis

(Leibak 2021).

Dendroklimatoloogilised uuringud põhinevad teadmisel, et puidu kasvu mõjutab ümbritsev

keskkond ja sarnases keskkonnas kasvavatel puudel on sarnane kasvukiirus.

Keskkonnatingimused nagu päikesevalgus, temperatuur, vesi, toitainete varu, tuul, mehaanilised

toimed ning õhu ja mulla saastatus kõik mõjutavad puu kasvu. Dendrokronoloogilised uuringud

annavad puude aastarõngaste kaudu väärtuslikku informatsiooni uuritava ala inimtegevusest ja

kliimamuutustest tulenevate muutuste kohta (Schweingruber 1996). Põhjapoolsetel laiuskraadidel

ei toimu puudel aasta läbi pidevat kasvu, vaid kasv jälgib iga-aastast neljatsüklilist jaotust, mille

tingivad fotoperioodi pikkus ja termilise režiimi muutused. Nendeks tsükli faasideks on kasvu

taasaktiveerimine, meristeemilise aktiivsuse periood, kasvu aeglustumine ja talvine puhkeperiood

(Sarvas 1972). Tsükli jooksul tekitavad hemiboreaalsetes tingimustes kasvavad puud igal aastal

ühe radiaalse juurdekasvu rõnga (puu aastarõnga) (Schweingruber 1996).

Märgaladel kasvavate puude kasv on tugevalt seotud sealse veetaseme kõrgusega. Kõrgem veetase

põhjustab tavaliselt puude juurdekasvu vähenemist ning madal veetase suuremat puude

juurdekasvu (Linderholm et al. 2002, Edvardsson et al. 2016, Tamkevičiūtė et al. 2018). Samuti

sõltub puude kasv klimaatilistest tingimustest ja antropoloogilistest teguritest

(Cedro ja Lamentowicz 2008). Puude aastarõngalaiused on head hindamaks limiteerivate tegurite

mõju puu kasvule (Fritts 1976). Kui veetase on kõrge, on väiksem puudele kättesaadav hapniku

hulk ja puudel on oht hapnikuvaeguseks ehk hüpoksiaks või hapnikupuuduseks ehk anoksiaks.

6

Kui veetase on aga madal, siis võivad rabas kasvavate mändide pinnalähedased juured olla altid

põua poolt tekitatavale kahjule (Braekke 1983, Dang ja Lieffers 1989, Pepin et al. 2002). Seega

seni, kuni on võimalik eristada madala veetaseme mõjudest tingitud häiringuid kõrge veetaseme

omast, annavad rabamändide aastarõngalaiuste read hea ülevaate märgala veetaseme ajaloost

(Smiljanić et al. 2014, Läänelaid et al. 2014). Varasemad uuringud on näidanud, et turbaalade

puude radiaalne juurdekasv sõltub niiskustingimustest veega küllastumata alal. Seeläbi juhivad

turbaalade veetaseme kõikumised puu juurdekasvumustrite teket (Tamkevičiūtė et al. 2018).

Varasemad dendrokronoloogilised uuringud rabamändidega on näidanud, et rabamändide

keskmisi aastaseid juurdekasvuridasid saab kasutada märgaladel veetaseme muutuste uurimiseks

(Smiljanić et al. 2014). Need tööd toovad aga välja, et puude aastarõngaste kasutamisel

veetingimuste uurimiseks esineb viivitusi puu reageeringus. Need on tingitud taimede

füsioloogilistest protsessidest või teistest mitte-hüdroloogilistest piiravatest teguritest, näiteks

temperatuurist või sademetehulgast. Kuigi need viivitused võivad segada aasta täpsusega

tulemuste saamist, kasutatakse aastarõngaste laiust siiski tihti hüdroloogiliste tingimuste

uurimiseks (Edvardsson et al. 2019).

Rabas kasvavatel puudel on mitmeid omadusi, mis raskendavad nende kasutamist

dendrokronoloogilistes uuringutes. Märgalades kui liigniisketes, madala toitainesisaldusega ja

halva mullahingamisega aladel võivad puude eluead olla lühemad kui kuivematel aladel. Lisaks

esineb tihti väga kitsaid rõngaid ning osaliselt või täielikult puuduvaid rõngaid

(Dauškane et al. 2011, Smiljanić et al. 2014). Varasemad uuringud toovad samuti välja, et

kuivendamine mõjub positiivselt puude kasvule ja seeläbi on suuremad ka keskmised

aastarõngalaiused (Macdonald ja Fengyou 2001, Choi et al. 2007).

Harilik mänd (Pinus sylvestris L.) on üks levinumaid puuliike Kesk- ja Ida-Euroopas. Teda leidub

ka Lääne-Euroopa mägismaadel ning tema levila katab Põhja-Euroopa kuni Siberi idaosani

(Gardner 2013). Samuti on ta üheks levinumaks puuliigiks Eestis ja kasutatud

dendrokronoloogilistes uuringutest (Läänelaid ja Eckstein 2003, Metslaid 2017) Tegemist on

Eestile pärismaise igihalja okaspuuga, mis kuulub männiliste sugukonda ja perekonda mänd (e-

elurikkus). Kogu Eesti metsamaast katab harilik mänd pisut üle 34%. Kuna mänd on mulla

toitainesisalduse suhtes vähenõudlik, on ta suuteline kasvama väga erinevates tingimustes. Harilik

mänd on võimeline kasvama nii liivastel ja savistel muldadel kui ka liigniisketes rabakooslustes.

7

Lisaks talub ta hästi nii põuda kui ka pakast. Harilik mänd on aga väga valgusnõudlik. Soostunud

aladel kasvab umbes 15% kõikides Eestis asuvatest männikutest ning soodes pisut alla 20%

männikutest. Kõige rohkem leidub männimetsi Põlva- ja Harjumaal ning kõige vähem Jõgeva- ja

Tartumaal (Sibul 2014).

Harilik mänd on lülipuiduline. Lülipuit on puutüve keskmises osas asuv surnud rakkudest koosnev

puidu osa, mis ei võta osa vedelike transpordist. Puid, millel selline kiht esineb nimetatakse

lülipuidulisteks. Lülipuit on kollakas- või punakaspruun ning see hakkab tekkima peale puu 40.

eluaastat. Männi maltspuit on heledama värvusega kui lülipuit, ning see koosneb vedelikke

juhtivatest elusrakkudest. Hariliku männi puhul on tegemist kiirekasvulise puuliigiga. Heades

kasvutingimustes võib puu juba 70-aastaselt ületada 30 meetri kõrguse. Rabades võib männi

kõrgus aga jääda kuni 2 meetrini. Maksimaalne eluiga jääb männil 400 ja 500 aasta vahele.

Aastarõngad harilikul männil on hästi nähtavad (Sibul 2014).

Käesoleva magistritöö eesmärkideks on:

1. Hinnata inimtegevusest tingitud veetaseme häiringute mõju hariliku männi radiaalsele

juurdekasvule endisel turbakaevandusalal. Vaatluse all on puude aastane juurdekasv nii

looduslikus seisundis kui raba kuivendamisel ja turba kaevandamisel, mahajätmisel ja

taastamisel.

2. Analüüsida ilmastikutingimuste (temperatuur, sademed) mõju rabamändide radiaalsele

juurdekasvule.

Tööd alustades on püstitatud järgnevad hüpoteesid:

1. Inimtegevusest tingitud kuivenduse poolt on tugevasti mõjutatud kaevandusele

geograafiliselt lähimal asuvad proovialad üks ja kaks.

2. Looduslike aladena käituvad Lehtmetsa soos keskosas asuvad proovialad kolm ja neli.

3. Viies, kõige Kivijärve poolseim prooviala, on samuti tugevalt mõjutatud inimtegevusest,

kuid mõjud tulenevad veetaseme muutustest järves.

8

2. Materjal ja metoodika

2.1 Uurimisala

Uuritav ala asub Jõgevamaal Jõgeva vallas Laiusevälja külas Lehtmetsa soos (joonis 1). Jääksoo

paikneb voortevahelises nõos, mida võib mõjutada surveline põhjavesi (Lode et al. 2015). Soo

läänepiiriks on Laiuse mägi (145 meetri kõrgune voor) ja põhjaserv ulatub Jõgeva-Mustvee

maanteeni (Eesti Turbauuringute Andmebaas. Kivijärve turbaala). Lehtmetsa soo alal asub

tervikuna mahajäetud freesturba tootmise ala. Piirkonnast kaevandati freesalusturvast aastatel

1969–1996. Kaevandamine lõpetati raskete kuivendamistingimuste ja vähelagunenud turba kihi

ammendumise tõttu (Ramst et al. 2006). Endine kaevandusala asub kahe plokina raba

põhjaosas – põhja- ja lõunapoolse plokina. Põhjapoolse ploki suuruseks on 15 hektarit ja

kuivendusdreenid kulgevad lõuna-põhjasuunaliselt suundudes põhjaservas asuvasse kogujakraavi.

Lõunapoolse ploki suuruseks on 17 hektarit ja ala kuivendusdreenid kulgevad põhja-

lõunasuunaliselt suubudes ala lõunaservas paiknevasse kogujakraavi. Kahe ploki vahelt kulgeb

väljaveotee, mis on ümbritsevast ca 1 meetri võrra kõrgem (Lode et al. 2015).

Joonis 1. Lehtmetsa soo – mändide radiaalkasvu uurimisala (Maa-ameti kaardi ja ortofoto

hübriid).

9

2005. aastast alates on ala arvatud passiivse tarbevaru hulka. Ala suuruseks on keskkonnaregistri

andmetel 31,91 hektarit. Passiivse turbavaru koguhulk on 168 000 tonni, millest 165 000 tonni on

hästilagunenud turvast ning 3000 tonni on vähelagunenud turvast. Hästilagunenud kihi keskmiseks

paksuseks on 2,8 meetrit ja vähelagunenud turbakihi keskmiseks paksuseks on pool meetrit.

Lehtmetsa soo hästilagunenud turba keskmine lagunemisaste on 31% ja keskmine tuhasus on 5,9%

ning sealse vähelagunenud turba keskmine lagunemisaste on 6%, keskmine tuhasus 1,8%.

Turbakihid asuvad kuni poole meetri paksusel järvelubjakihil, mis omakorda lasub jääjärvelistel

liivadel ja moreenil (Ramst et al. 2006).

Lehtmetsa soo on väga eriilmeline. Endisel kaevandamise alal kasvavad turbavallidel sookased

(Betula pubescens), mille kõrguseks on 1–2 meetrit. Samblarinde kogukatvusega 60–70%

moodustavad raba-karusammal (Polytrichum strictum), nõtke karusammal

(Polytrichum longisetum), longus pirnik (Pohlia nutans), pugu-kaksikhambake

(Dicranella cerviculata), hammas-karviksammal (Pohlia bulbifera) ja väävel-porosamblik

(Cladonia deformis). Samuti leidub endisel kaevandusalal Eestis üliharuldast saagjat kübesammalt

(Ephemerum serratum) (Ramst et al. 2006).

2013. aastal esines endisel kaevanduse alal üleujutus seoses kobraste paisutustegevusega. Alates

2019. aastast tõsteti endisel kaevanduse alal veetaset märgala taastamise eesmärgil.

Uuritava ala lõunapiiriks on Kivijärv. Kivijärve puhul on tegemist endise voortevahelise järvega,

millest tänaseks päevaks on säilinud ainult järve sügavaim osa (kunagine järve suurus on olnud

hinnanguliselt 500 hektarit). Järve pindala on praeguseks 19 hektarit ning keskmine sügavus 1,5

meetrit. Järve suurim sügavus ulatub 2 meetrini. Kivijärv kuulub kihistumata kalgiveeliste

segatoiteliste järvede hulka. Aastatel 1928–1929 alandati järve veetaset ühe meetri võrra, mis

kiirendas oluliselt järve pindala vähenemist. Aastal 1951 oli järve taimestik liigirikas ja taimestik

kattis pea kogu järve (Mäemets 1977). Teine katse järve veetaset alandada toimus 1973. aastal

(Maaparandussüsteemide register). Järve kalastik on pigem liigivaene, kuid järve kasutavad

pesitsuspaigana mitmed veelinnud (Eesti Entsüklopeedia).

2.2 Kliimaandmed

Jõgevamaa kuulub Mandri-Eesti kliimavaldkonna Sise-Eesti allvaldkonda. Uurimisalale lähimaks

ilmajaamaks on Jõgeva meteoroloogiajaam (N 58°44´59´´ E 26°24´54´´ H= 70,29 m), mis asub

10

uuritavast alast edelas kaheksa kilomeetri kaugusel. Jõgeva ilmajaama asukoht on aja jooksul

muutunud. Kui ajavahemikul 1922–1964 asus meteoroloogiajaama Jõgeva alevikus sees, siis

hiljem kolis see Jõgeva idaservale (Riigi Ilmateenistus. Jõgevamaa kliimast). Töös kasutati

dendroklimatoloogiliseks analüüsiks Jõgeva ilmajaama temperatuuri (1922–2019) ja sademete

mõõtmisandmeid (1945–2019). Üksikuid puuduvaid vaatlusandmeid temperatuuri

aegreas interpoleeriti lineaarse regressioonimudeli järgi Tartu ilmajaama andmetest.

Lisaks kasutati töös professor Jaak Jaaguselt saadud Jõgeva meteoroloogiajaama andmetel

arvutatud standardiseeritud sademete aurustumise indeksit (SPEIP). Kasutatud indeksid olid

ajaperioodi 1948–2018 kohta (Jaagus et al. 2021).

Ajavahemiku 1945–2019 keskmine õhutemperatuur Jõgevamaal on 5 °C ja aasta keskmine

sademete hulk on 655 mm. Klimaatiline kevad algab Jõgeval keskmiselt 21. aprillil. Sügise

keskmiseks alguskuupäevaks on 2. september (Riigi Ilmateenistus. Jõgevamaa kliimast).

Kõrgeima keskmise temperatuuriga kuuks on juuli (keskmine temperatuur 16,8 °C) ning

külmimaks kuuks on veebruar (keskmine temperatuur –6,4 °C) (joonis 2). Ajaperioodil 1991–

2020 algas klimaatiline kevad Jõgeval keskmiselt 21. aprillil ja sügise keskmiseks

alguskuupäevaks on 2. september (Riigi Ilmateenistus. Jõgevamaa kliimast).

Joonis 2. Uuritava ala lähima Jõgeva meteoroloogijaama kuukeskmised temperatuurid (1922–

2019) ja sademetehulgad (1945–2019).

11

2.3 Puiduproovide kogumine ja mõõtmine

2019. aasta oktoobris koguti puidu puurproove viielt proovialalt Lehtmetsa soos. Uurimisala jäi

endise kaevandusala ja Kivijärve vahele (joonis 3). Puurproovid koguti juurdekasvupuuriga

kasvavatest harilikest mändidest. Sama liigi sealsetest kändudest saeti ristlõikekettad. Proovialad

paiknevad mööda vee gradienti endisest kaevandusalast Kivijärveni. Ristlõikekettaid kändudest

koguti ainult esimeselt proovialalt, ülejäänud proovialadelt koguti mändidelt ainult

puursüdamikke. Igalt proovialalt koguti vähemalt 12 puiduproovi ning kõik proovid välja arvatud

ristlõikekettad kändudest võeti ca 30 sentimeetri kõrguselt maapinnast. Kännuproovid saeti

madalamalt, vastavalt kännu kõrgusele. Juurdekasvupuuriga puuriti radiaalselt läbi säsi, et saada

ühe puurimisega tüvest kaks vastasraadiust.

Joonis 3. Proovialade paiknemine piki veegradienti Lehtmetsa soos (aluseks Maa-ameti ortofoto).

Esimene prooviala asus endisel kaevandusalal ning sealselt alalt koguti proove nii kändudest kui

elavatest puudest. Proovid võeti seitsmest elusast männist ja kümnest männikännust. Teine

prooviala asus endist kaevandusala ümbritseva kuivenduskraavi kõrval. Proove koguti sealsetest

mändidest 13. Kolmas prooviala asus 150 meetrit endist kaevandusala ümbritsevast

kuivenduskraavist Kivijärve poole. Proove saadi sealt kokku 15 männist. Kolm esimest prooviala

12

on eelduste kohaselt kõige rohkem mõjutatud veetaseme muutustest endisel freesturbakaevanduse

alal. Neljas prooviala asus uurimisala kõige puutumatumas osas. Viies prooviala asus raba

lõunaosas Kivijärve läheduses. Eeldatavasti ei ole see piirkond mõjutatud veetaseme muutustest

endisel freesturbaväljal, vaid seda prooviala mõjutavad veetaseme muutused järves. Neljandalt ja

viiendalt proovialalt koguti mõlemalt 12 proovi.

Kogutud proovid mõõdeti kasutades mõõtmisaparaati LINTAB ja Leica S4E mikroskoopi. Enne

mõõtmist lõigati puurproovi või kännu ristlõikeketta pind žiletiga risti puidukiude siledaks ja

hõõruti parema nähtavuse saavutamiseks kriidiga. Iga puurproov ja mõõdetud tüveraadius sai

unikaalse koodi. Mõõtmistulemused salvestati programmis TSAP-Win™ (Rinn 2003).

Aastarõngalaiused mõõdeti mikromeetrites (µm), kuna valdavalt liigniiskete tingimuste tõttu on

aastarõngad sageli väga kitsad. Iga proov mõõdeti kahest vastasraadiusest koorest säsini.

Vastasraadiustest mõõdetud juurdekasvuridade ühtimisel need keskmistati puu kronoloogiaks.

Proovialade keskmised aastarõngalaiuste kronoloogiad on saadud valdavalt (mõne erandiga)

nende keskmistatud raadiuste aastarõngalaiuste ridade keskmistamisel. Kui männi vastasraadiused

omavahel ei sünkroniseerunud, kuid ühe raadiuse aastarõngarida ühtis hästi prooviala teiste puude

aastarõngakronoloogiatega, kasutati ala üldkeskmises männi ühe raadiuse andmeid. Rabamändidel

esineb niinimetatud puuduvaid aastarõngaid. Tegemist on nähtusega, kus aastarõngas on olemas

ühes raadiuses, kuid puudub sama puu vastasraadiuses. Taolisi olukordi on võimalik tuvastada

vastasraadiuste omavahelisel või erinevate puurproovide juurdekasvuridade võrdlemisel

joongraafikutel. Kõige tõenäolisematesse puuduvate rõngaste asukohtadesse lisati programmis

TSAP-Win™ lisa-aastarõngalaius väärtusega 1. Mõõdetud proovide omavahelist sarnasust

kontrolliti programmiga COFECHA (Holmes 1983, Grissino-Mayer 2001). See on spetsiaalne

arvutiprogramm, mida kasutatakse hindamaks aastarõngalaiuste mõõtmistulemuste täpsust ja

ristdateeringu kvaliteeti.

Programmis TSAP-Win™ (Rinn 2003) leiti individuaalsete puude juurdekasvukronoloogiate ja

keskmiste juurdekasvukronoloogiate omavahelised statistilised sarnasusnäitajad: Pearsoni

korrelatsioonikordaja, dendrokronoloogias kasutatav sarnasusnäitaja tBP-väärtus

(Baillie ja Pilcher 1973) ning samasuunaliste kõikumiste protsent Glk (Gleichläufigkeit)

(Eckstein ja Bauch 1969). Usaldusväärselt sarnaseks loetakse aastarõngakronoloogiaid, mille

omavaheline sarnasusnäitaja tBP > 3,5 (tabelis märgitud kui TVBP, lisa 1).

13

2.4 Andmeanalüüs

Programmis ARSTAN (Cook ja Holmes 1986) loodi kronoloogiatest standardiseeritud ja mürast

puhastatud kronoloogiad. Standardiseerimine on klassikaline dendrokronoloogia meetod, mille

eesmärgiks on vähendada endogeensete häiringute ja puu vanuse mõju juurdekasvu ridadele.

Programmiga ARSTAN eemaldatakse mõõdetud juurdekasvuridadest trendid – iga kasvuaasta

reaalne väärtus jagatakse vastava negatiivse eksponentsiaal- või lineaarfunktsiooni trendijoone

väärtusega. Protsessi käigus eemaldatakse aegridadest autokorrelatsioon, mis on eelduseks

dendroklimaatilisele korrelatsioonanalüüsile. Tulemuseks on standardiseeritud

aastarõngakronoloogia, kus aastarõnga laiused on suhtelistes ühikutes ning keskväärtusega

1 (Cook ja Kairiukstis 1990) (lisa 2).

Aastarõngalaiuste kronoloogia ja kliimaandmete (temperatuuri ja sademetehulga) seoste

uurimiseks kasutati DENDROCLIM2002 programmi (Biondi ja Waikul 2004).

Aastarõngalaiustega võrdlemise perioodi alguseks võeti kasvuperioodile eelneva aasta oktoober

ning lõpuks kasvuperioodi aasta september. Seega vaadeldava perioodi pikkuseks oli 12 kuud.

Dendroklimatoloogilises analüüsis kasutati Pearsoni korrelatsioonikordajat (r), mis leiti

aastarõngaste kronoloogia ning määratud kalendrikuude sademetehulkade ja keskmiste

temperatuuride vahel. Korrelatsioonikordajate usalduspiirid (p < 0,05) leiti bootstrap-meetodil.

Kliimaandmetega võrreldi programmis DENDROCLIM2002 nii standardiseeritud

aastarõngalaiuste kronoloogiaid kui ka standardiseerimata kronoloogiaid. Programmiga

DENDROCLIM2002 jälgiti ka korrelatsiooni muutumist ajas, milleks kasutati 24-aastast aja-akent

1-aastase sammuga. Lisaks analüüsiti programmiga DENDROCLIM2002 standardiseeritud

kronoloogiaid kahes osas. Vaadeldavateks perioodideks olid aastarõngaste kronoloogiate

algusaastad (temperatuuriandmete puhul oli alguseks 1923. aasta ja sademete puhul 1946. aasta)

kuni 1970. aasta ja 1971–2019. aasta. Sellise kahes osas analüüsi eesmärgiks oli näha kuivendusest

tingitud erinevusi, kuna perioodi esimene pool jääb turbakaevanduse eelsesse aega ja teine

perioodi, mil proovialade läheduses on toimunud kuivendust.

Lisaks korreleeriti standardiseeritud kronoloogiaid uuritava ala lähima ilmajaama liidetud kuude

ilmastikuandmetega. Viimasteks oli märtsi ja aprilli, mai ja juuni ning augusti ja septembri

vastavad keskmised temperatuurid ning sademete summad.

14

Viimaseks võrreldi keskmistatud alade aastarõngakronoloogiaid Jõgeva ilmajaama sademete ja

õhutemperatuuri andmetel arvutatud standardiseeritud sademete aurustumise indeksitega ehk

SPEIP indeksitega (Standardized Precipitation and Evapotranspiration Indexi Penman-Monteith

meetod). Antud indeksi kasutatakse sageli põua uuringutes ja nende iseloomustamiseks, kuna

indeks põhineb temperatuuri ja sademete andmetel. Negatiivsed SPEIP väärtused kirjeldavad

keskmisest põuasemat olukorda ja positiivsed liigniiskemat olukorda (Vicente-Serrano et

al., 2010, Metslaid 2019, Jaagus et al. 2021).

15

3. Tulemused

3.1 Juurdekasvu kronoloogiad ja kuivenduse mõju

Esimeselt proovialalt saadud seitsme puu juurdekasvuread sünkroniseerusid omavahel ning

keskmise kronoloogia kogupikkuseks on 15 aastat. Sealsel proovialal on puud hakanud kasvama

peale turbakaevandamise lõppu 1990. aastatel looduslikult (ilma istutamata). Keskmine

aastarõngalaius esimesel proovialal on 3,37 mm (joonis 4a). Esimeselt proovialalt kogutud

kännuproovide juurdekasvuridu ei õnnestunud omavahel sünkroniseerida ja sellepärast neid

edaspidises analüüsis ei kasutatud.

Teise prooviala keskmistatud kronoloogia koosneb seitsme puurproovi aastarõngaste

juurdekasvureast ja on 43 aasta pikkune. Keskmine aastarõngalaius teisel proovialal on 2,06 mm.

Antud proovialas on keskmine aastarõngalaius vähenenud alates 1990. aastatest (joonis 4b).

Kolmandalt proovialalt kogutud seitsme omavahel sünkroniseeritud ja seejärel keskmistatud

kronoloogia pikkuseks on 172 aastat. Keskmine aastarõngalaius sealsel proovialal on 0,61 mm.

Kolmandal proovialal kasvavate puude juures on iseloomulikuks aastarõngalaiuste suurenemine

alates 1970. aastate keskpaigast 1980. aastate keskpaigani (joonis 4c).

Neljandalt proovialalt sünkroniseeriti ja keskmistati üheksa puu puurproovi juurdekasvuread.

Saadud kronoloogia pikkuseks on 157 aastat ja keskmine aastarõngalaius neljandal proovialal on

0,47 mm. Antud proovialal on näha keskmiste aastarõngalaiuste suurenemist ajavahemikus

2011 – 2015 (joonis 4d).

Viiendalt proovialalt sünkroniseerusid omavahel üheteistkümne puu puurproovi juurdekasvuread,

mis seejärel keskmistati. Saadud kronoloogia pikkuseks on 115 aastat ja keskmine aastarõngalaius

on 1,31 mm. Üldkronoloogial on näha keskmiste aastarõngalaiuste kasvu 1930. ja 1970. aastatel,

mille järel on näha stabiilset aastarõngalaiuste kahanemist. 1980. ja 1990. aastatel esinevad selged

lühiajalised suuremate aastarõngalaiustega perioodid (joonis 4e).

16

Joonis 4. Proovialade aastarõngaste kronoloogiad (tumedad jooned) ning individuaalsete puude

juurdekasvuread (heledad jooned).

17

3.2 Ilmastiku mõju

3.2.1 Temperatuuri mõju puude juurdekasvule

Esimese prooviala kohta dendroklimaatilist analüüsi temperatuuriandmetega sealse kronoloogia

lühiduse (15 aastat) tõttu läbi ei viidud.

Teise prooviala dendroklimaatilise analüüsi ajalise ulatuse 1977–2019 määras sealse prooviala

aastarõngakronoloogia pikkus. Temperatuuriandmetega võrreldi nii standardiseeritud kui

standardiseerimata aastarõnga kronoloogiaid. Nii standardiseerimata (novembri r = –0,334,

detsembri r = –0,456) kui standardiseeritud (novembri r = –0,311, detsembri r = –0,327)

aastarõngakronoloogiatega ilmnesid statistiliselt olulised negatiivsed korrelatsioonid kasvuaastale

eelneva novembri ja detsembri temperatuuridega. Samuti tuli korrelatsioonianalüüsist välja

statistiliselt oluline seos kasvuaasta veebruari temperatuuriga (r = –0,334). Standardiseerimata

aastarõngakronoloogiat analüüsides tulid esile statistiliselt olulised negatiivsed korrelatsioonid

kasvuaasta augusti ja septembri temperatuuridega (august r = –0,329, sept r = –0,489) (joonis 5a).

Kolmanda prooviala dendroklimaatiline korrelatsioonianalüüs katab ajaperioodi 1923–2019.

Statistiliselt olulised ja positiivsed seosed esinevad standardiseerimata juurdekasvu ning jaanuari

(r = 0,218), märtsi (r = 0,234) ja aprilli (r = 0,219) temperatuuridega. Standardiseeritud

kronoloogia kliimaandmetega võrdlemisel kaovad aga nende kuude mõjud ja esile tulevad

statistiliselt olulised negatiivsed korrelatsioonid augusti (r = –0,207) ja septembri (r = –0,192)

temperatuuridega (joonis 5b).

Neljanda prooviala dendroklimaatiline korrelatsioonanalüüs katab perioodi 1923–2019.

Standardiseeritud kronoloogia võrdlemisel temperatuuriandmetega ei esinenud ühegi kuu

keskmise temperatuuriga statistiliselt olulist seost. Standardiseerimata kronoloogia ja kuu

keskmiste temperatuuride vahel ilmnesid statistiliselt olulised negatiivsed korrelatsioonid jaanuari

(r = –0,264), augusti (r = –0,280) ja mai (r = –0,193) temperatuuridega (joonis 5c).

Viienda prooviala dendroklimaatiline korrelatsioonianalüüs katab perioodi 1923–2019.

Standardiseerimata kronoloogia ja temperatuuriandmete analüüsil tulevad esile statistiliselt

olulised negatiivsed korrelatsioonid aprilli (r = –0,307) ja mai (r = –0,191) temperatuuridega.

Standardiseeritud kronoloogia ja temperatuuriandmeid korreleerides olid statistiliselt olulise

18

positiivse väärtusega märtsi (r = –0,277) ja juuli (r = 0,217) temperatuurid (joonis 5d). Libiseva

standardiseeritud aastarõngakronoloogia korrelatsioonanalüüsist võib näha, et märtsi ja juuli

statistiliselt olulised tulemused on aja jooksul oma olulisuse kaotanud (lisa 5).

Lisaks arvutati liidetud kuude (märts–aprill, mai–juuni, august–september) keskmise temperatuuri

ja eri proovialade keskmiste juurdekasvuridade omavaheline korrelatsioon. Liidetud kuude

tulemustest tuli esile statistiliselt oluline negatiivne korrelatsioon kolmanda prooviala juurdekasvu

ning augusti–septembri keskmise temperatuuriga (r = –0,246) (joonis 6).

Joonis 5. Proovialade standardiseeritud ja standardiseerimata aastarõngakronoloogiate ja kuu

keskmiste temperatuuride omavaheline korrelatsioon kasvuaastale eelnenud oktoobrist

kasvuaasta septembrini. Täidetud tulbad näitavad statistiliselt olulisi seoseid (p < 0,05).

19

Joonis 6. Liidetud kuude keskmiste temperatuuride ja rabamändide aastarõngalaiuste

omavaheline korrelatsioon. Täidetud tulbad näitavad statistiliselt olulisi seoseid (p < 0,05).

3.2.2 Sademete mõju puude juurdekasvule

Esimese prooviala kohta dendroklimaatilist analüüsi sademete andmetega aastarõngalaiuste

kronoloogia lühiduse (15 aastat) tõttu läbi ei viidud.

Teise prooviala dendroklimaatilise korrelatsioonianalüüsi sademetega ajalise ulatuse määras

sealse prooviala aastarõngakronoloogia pikkus 1977–2019. Standardiseeritud

aastarõngakronoloogiaga ja sademete vahel esinenud ühtegi statistiliselt olulist seost.

Standardiseerimata kronoloogiaga aga esinesid statistiliselt olulised positiivsed seosed juuli

(r = 0,407) ja septembri (r = 0,306) sademetega (joonis 7a).

Kolmanda prooviala dendroklimaatilise korrelatsioonianalüüsi ajaline ulatus oli 1946–2019.

Standardiseerimata kronoloogia ja sademeterea korreleerimisel tuvastati statistiliselt olulised

positiivsed seosed jaanuaris (r = 0,289) ja märtsis (r = 0,234). Standardiseeritud kronoloogiaga

analüüsides tuli esile statistiliselt oluline negatiivne seos juuli (r = 0,272) sademetega. Nii

standardiseerimata kui standardiseeritud kronoloogia ning aprilli sademete vahel ilmnes

statistiliselt oluline negatiivne seos (vastavalt r = –0,230 ja r = –0,169) (joonis 7b).

Neljanda prooviala dendroklimaatilise korrelatsioonianalüüsi sademete andmetega ajaline ulatus

oli 1946–2019. Standardiseeritud kronoloogia ja sademete vahel ilmnes statistiliselt oluline

positiivne korrelatsioon juunikuus (r = 0,255). Nii standardiseeritud kui standardiseerimata

kronoloogia ja aprilli sademete vahel esines positiivne ja statistiliselt oluline korrelatsioon

20

(vastavalt r = 0,247 ning r = 0,246) (joonis 7c). Neljanda prooviala libiseva korrelatsioonanalüüsi

(lisa 4) tulemusi vaadates võib näha, et ajas on nõrgenemas positiivne seos standardiseeritud

juurdekasvu ja aprilli sademete vahel ning on tugevnenud seos juuni sademetega.

Viienda prooviala dendroklimaatilise korrelatsioonianalüüsi ajaline ulatus oli 1946–2019.

Standardiseerimata krononoloogia analüüsil ilmnes statistiliselt oluline ja negatiivne seos jaanuari

(r = –0,277) sademetega ja statistiliselt oluline positiivne seos aprilli (r = 0,217) sademetega.

Standardiseeritud aastarõngakronoloogia võrdlusel sademetega tulid tugevalt esile positiivsed

statistiliselt olulised seosed juunis (r = 0,556) ja augustis (r = 0,410) (joonis 7d).

Libisevat standardiseerimata kronoloogia korrelatsioonanalüüsist (lisa 5) on näha, et positiivne

statistiliselt oluline seos juuni sademetega on olnud ajas püsiv ning sama seos augusti sademetega

on saanud statistiliselt oluliseks pigem vaatlusperioodi lõpuosas.

Liidetud kuu sademete ja eri proovialade keskmiste juurdekasvuridade analüüsi tulemuseteks olid

statistiliselt olulised positiivsed korrelatsioonid neljandal ja viiendal proovialal märtsi ja aprilli

sademete (vastavalt r = 0,237 ja r = 0,265) ning mai ja juuni sademetega (vastavalt r = 0,238, ja

r = 0,489). Samuti on näha statistiliselt olulist positiivset korrelatsiooni viienda prooviala

keskmiste aastarõngalaiuste ning augusti ja septembri liidetud sademete hulga vahel (r = 0,407)

(joonis 8).

21

Joonis 7. Proovialade standardiseeritud ja standardiseerimata aastarõngakronoloogiate ja kuude

sademetehulga korrelatsioon kasvuaastale eelnenud oktoobrist kasvuaasta septembrini. Täidetud

tulbad tähistavad statistiliselt olulisi seoseid (p < 0,05).

Joonis 8. Liidetud kuude keskmiste sademetehulkade ja aastarõngalaiuste korrelatsioon. Täidetud

tulbad näitavad statistiliselt olulisi seoseid (p < 0,05).

22

3.2.3 Ilmastiku mõju puude juurdekasvule enne ja peale kuivendust

Programmis DENDROCLIM2002 korreleeriti kolmanda, neljanda ja viienda prooviala

aastarõngalaiuste kronoloogiaid temperatuuri ning sademete andmetega enne ja peale kuivendust

ehk perioodidel 1923(T)/1946(S)–1970 ning 1971–2019. Seejärel võrreldi saadud korrelatsioone

omavahel.

Tulemustest on näha, et kuivenduse tõttu on kolmandal proovialal juuli ja augusti temperatuuride

mõju muutunud varasemast statistiliselt oluliseks ja negatiivseks (enne kuivendust juuli r = 0,121

ja peale kuivendust r = –0,233; enne kuivendust augusti r = –0,150 ja peale kuivendust r = –0,365).

Samuti on kuivenduse mõjul statistiliselt oluliseks saanud juuli sademete mõju (enne r = 0,273 ja

peale r = 0,331) (joonis 9a).

Neljanda prooviala tulemustest on näha, et enne kuivenduse algust on statistiliselt olulist

negatiivset mõju avaldanud kasvuaastale eelneva novembri ja detsembri temperatuurid (vastavalt

r = –0,343 ja r = –0,265). Peale kuivendust on korrelatsioonid nõrgalt positiivsed, kuid statistiliselt

ebaolulised. Samuti on kuivendamine vähendanud märtsi sademete mõju (enne kuivendust

r = 0,347; peale kuivendust r = 0,0438). Samuti on kuivendamise järgselt vähenenud teiste

kevadkuude sademete mõju neljanda ala mändide juurdekasvule (aprill enne kuivendust

r = 0,370 ja peale kuivendust r = 0,196; mai enne r = 0,153 ja pärast r = 0,003). Tunduvalt on

vähenenud ja muutnud korrelatsiooni suunda ka septembri sademete mõju juurdekasvule (enne

kuivendust r = 0,454 (p < 0,05) ja peale kuivendust r = –0,036) (joonis 9b).

Viiendal proovialal ilmnevad suurimad muutused aastarõngakronoloogiate ja

temperatuurinäitajate omavahelistes seostes jaanuaris ja märtsis (vastavalt jaanuar enne

kuivendust r = –0,007 ja peale r = –0,277 (p < 0,05) ningmärts enne kuivendust r = 0,335

(p < 0,05) ja peale kuivendust r = 0,085). Juuni ja augusti kuu sademete mõjud on mõlemal

ajaperioodil statistiliselt olulised ja positiivsed (juuni enne kuivendust r = 0,458 ja peale

kuivendust r = 0,606; augusti eelnevalt r = 0,478 ja peale r = 0,385) (joonis 9c).

23

Joonis 9. Proovialade aastarõngaste kronoloogiate korrelatsioonid temperatuuride (T) ja

sademetega (S) kasvuaastale eelnenud oktoobrist kasvuaasta septembrini enne ja peale kuivendust

ning kogu vaatlusperioodi jooksul. Mustad täpid tähistavad statistiliselt olulisi seoseid (p < 0,05).

24

3.2.4 Põua ja sademete rohkuse mõju puude juurdekasvule

Võrreldes aastarõngalaiuste kronoloogiaid SPEIP1 väärtustega (SPEIP1 tähistab indeksi

arvutamist ühe kuu kohta (Jaagus et al. 2021)) tulevad esile statistiliselt olulised positiivsed seosed.

Analüüsi ajaliseks pikkuseks oli teisel proovialal 1976–2018 ja teistel proovialadel 1949–2018.

Teise prooviala rabamändide juurdekasvu ja põuasuse indeksi vahel ei esinenud statistiliselt olulisi

seoseid. Kolmanda prooviala puude juurdekasvu ja juulikuu SPEIP1 indeksi vahel esineb

statistiliselt oluline positiivne seos (r = 0,256, p < 0,05). Neljanda prooviala puude

aastarõngalaiuste ja kuude põuasuse indeksi vahel esinesid statistiliselt olulised positiivsed seosed

aprillis ja juunis (vastavalt r = 0,245 ja r = 0,271, p < 0,05). Viiendal proovialal ilmnesid

statistiliselt olulised seosed aastarõngalaiuste ning juuni ja augusti põuasuse indeksi vahel

(vastavalt r = 0,557 ja r = 0,396, p < 0,05). Kui vaadata lisas 5 välja toodud proovialade keskmiste

aastarõngakronoloogiate ja aastaseid põuaindekseid tuleb samuti esile viienda prooviala vastavate

aegridade sarnane käik. Seos teiste alade näitajate vahel ei ole nii selge.

Joonis 10. Proovialade aastarõngakronoloogiate ja SPEIP omavahelised korrelatsioonid märtsist

augustini. Täidetud tulbad tähistavad statistiliselt olulisi seoseid (p < 0,05).

25

4. Arutelu ja järeldused

Teise prooviala keskmistatud aastarõngalaiuste kronoloogia ja ülejäänud proovialade

kronoloogiate vahel ei ilmne suurt sarnasust (joonis 11). Sealsel proovialal kasvavate puude

aastarõngalaiused on olnud langustendentsis alates 1990. aastatest, mis kattub endise

turbakaevandusala mahajätmise ja veetaseme langetamise lõpuga. Varasemad uuringud on

leidnud, et veetaseme tõustes langeb puude iga-aastane radiaalne juurdekasv

(Linderholm et al. 2002, Edvardsson et al. 2016, Tamkevičiūtė et al. 2018). Samuti on

kronoloogiast näha 2013. aastal kobraste poolt ala üleujutamise tõttu tingitud puude juurdekasvu

vähenemine (joonis 4b). Teise prooviala standardiseeritud ja standardiseerimata

aastarõngakronoloogiate dendroklimaatilise analüüsi tulemuste erinevus (joonis 5a) on

põhjendatav kuivenduse mõjuga. Prooviala asus endise kaevandusala kõrval ja seetõttu oli ta ka

oodatult väga tugevasti mõjutatud kaevandamisega seotud kuivendamisest. Standardiseerimise

käigus eemaldatakse kronoloogiast trendid. Kui põhiliseks trendiks on olnud kuivenduse mõju,

siis trendi eemaldamisel kaovad ka sellele viitavad korrelatsioonid. Tulemuste põhjal saab öelda,

et teise prooviala kasvutingimused olid enim mõjutatud kuivendamisest, kuid rolli mängisid ka

kasvuperioodile eelnenud kuude temperatuurid (november, detsember), kuid ka augusti ja

septembri temperatuur (joonis 5a). Ka hüdroloogiliselt sarnaseid kuid omavahel liites ei ilmne

teisel proovialal ilmastikutingimuste suuremat mõju sealsete mändide juurdekasvule (joonis 6).

Kolmanda prooviala aastarõngaste kronoloogia näitab keskmiste aastarõngalaiuste suurenemist

1970. aastate keskpaigast 1980. aastateni. Sellist radiaalse juurdekasvu suurenemist on tinginud

veetaseme langetamine 150 kuni 200 meetri kaugusel asuval turbakaevandamise alal. Pärast seda

on märgata stabiilset keskmiste aastarõngalaiuste kahanemise tendentsi, mis kattub endise

kaevandusala maha jätmise ja selle loomuliku taastumisega (joonis 4c). Prooviala

aastarõngakronoloogiate analüüsil kliimaandmetega saadud mõneti erinevad tulemused on samuti

põhjendatavad standardiseerimisel kaduva kuivendamise trendi mõjuga (joonis 9b). Samas viitab

püsiv samasuunaline ja statistiliselt oluline korrelatsioon selle prooviala mändide kasvu seotusele

aprilli sademetega (joonis 7b). Juuli sademete positiivne mõju ja sealsete mändide juurdekasvudele

(joonis 7b) on kolmandal proovialal ühine ühe Dauškane et al. (2011) uuringus olnud proovialaga.

Neljas prooviala, mis asub uuritava jääksoo kõige niiskemas osas, ei ole eelduste kohaselt

mõjutatud veetaseme muutustest turbakaevandusalal, vaid kajastab klimaatiliste muutujate

26

mõjusid. Sealse ala juurdekasvurõngaste kronoloogia näitab vaadeldaval ajal ühtlast puude

juurdekasvu, erandiga ajavahemikus 2011–2015. Selle ajaperioodi keskmiste aastarõngalaiuste

kasvu saab põhjendada keskmisest soojemate aastatega (Kotta et al. 2018) (joonis 4d). Prooviala

aastarõngalaiuste ja ilmastiku andmete võrdlemine kinnitab eeldust, et alal kasvavad puud on kõige

vähem mõjutatud nii veetaseme muutustest endisel turbakaevanduse alal kui lähedal asuvast

Kivijärvest (joonis 5c). Neljas prooviala käitub loodusliku alana ja sealsete mändide juurdekasvu

mõjutavad positiivselt aprilli sademed. Sarnaseid seoseid aprilli sademete mõjuga on varasemalt

leidnud ka Dauškane et al. (2011) uurides Läti rabamände. Kui võrrelda sademete mõju prooviala

mändidele kahel ajaperioodil (enne 1970. aastat ja pärast 1971. aastat), on näha sademete olulisuse

vähenemist ning kasvuaastale eelneva novembri ja detsembri temperatuuri mõju vähenemist ja

suuna muutust (joonis 9b).

Viiendal proovialal, mis asub endisest kaevandusalast kõige kaugemal ning Kivijärve vahetus

läheduses, oli näha mõjutusi juurdekasvule, mis tulenesid veetaseme muutustest järves. Kivijärve

veetaset on tugevalt alandatud kahel korral. Esimesel korral aastatel 1928–1929 ja teisel korral

1973. aastal. 1928.–1929. aastate veetaseme langetamise (ühe meetri võrra) mõju on kronoloogias

näha järsu keskmiste aastarõngalaiuste kasvu ja peale seda stabiilset aastarõngalaiuste kahanemise

(1930. aastatel) näol (joonis 4e). Hilisem aastarõngalaiuste kahanemine on seletatav puude šokiga

selle muutuse suhtes. Väiksemad lühiajalised keskmiste aastarõngalaiuste tipud 1970. ja 1980.

aastatel on tingitud sekundaarsetest kuivendustest ja väetiste ekstensiivsest kasutusest ümbruses

asuvatel põldudel (Sults 2003) (joonis 4e). Prooviala kronoloogiaid ja ilmastiku andmeid

omavahel võrreldes selgub, et viies prooviala käitub pigem loodusliku alana ning on enim

mõjutatud suveperioodi alguse sademeist (joonis 8). Sarnaselt Dauškane et al. (2011) uuringuga

tuleb ka viiendas proovialas esile juuli temperatuuri positiivne mõju mändide juurdekasvule

(joonis 5d). Juuni ja augusti sademete mõju mändide kasvule ei muutu oluliselt ka järve veetaseme

alandamisel peale 1973. aastat (joonis 9c). Võrreldes selle prooviala puude aastarõngalaiuseid

SPEIP indeksi väärtustega (joonis 10 ning lisad 5 ja 6) ilmneb nende aegridade sarnane käik.

Tulemus võib viidata rabamändide kasvu suurele sõltuvusele õhuniiskusest. Rabas kui muidu

liigniiskes keskkonnas võib temperatuuri tõustes puud jääda füsioloogilise põua kätte. Kui aasta

on keskmisest niiskem, siis on selle võimalus väiksem ja ka puude aastane juurdekasv on selle

võrra parem.

27

Võrreldes kõigi proovialade kronoloogiaid on näha, et suurim kattuvus esineb kolmanda ja

neljanda prooviala aastarõngalaiuste vahel (joonis 11). Suuremad erinevused nende kahe

kronoloogia vahel algavad 1970. aastate keskelt, mis ühtib veetaseme langetamisega endisel

turbakaevandusalal. Veetaseme langetamine turba kaevandamise eesmärgil mõjutas veetaset ka

kolmandal proovialal ja selle tulemusel suurenes puude aastane juurdekasv.

Kolmanda, neljanda ja viienda prooviala keskmistatud aastarõngalaiuste kronoloogiatel on kõigil

näha sarnast kiiret juurdekasvu suurenemist ja seejärel selle järsku langust 1920. aastatel

(joonis 11). Selle muutuse põhjusteks saab pidada klimaatilisi tingimusi ning viiendal proovialal

on muutuse tinginud 1928. aasta veetaseme langetamine ühe meetri võrra lähedal asuvas

Kivijärves. Kõigil viiel proovialal saab täheldada aastarõngalaiuste ühtlast kahanemist viimastel

aastatel. Aastarõngalaiuste kahanemine on aga märgatavalt suurem aladel, mis olid rohkem

mõjutatud endisel kaevandusalal toimunud veetaseme muutustest.

Joonis 11. Proovialade mändide keskmised aastarõngalaiuste kronoloogiad.

Nagu ka mitmetes varasemates uuringutes tuleb ka selles töös esile suured erinevused proovialade

kasvutingimuste ja ilmastikutingimuste omavahelistes seostes. Edvardsson et al. 2015. aasta töö

toob välja, et sealsetes rabamuldadel kasvavtel mändidel ilmnevad nõrgad seosed juurdekasvude

ja ilmastikutingimuste vahel. Sama toob esile ka Cedro ja Soteki 2016. aastal ilmunud uuring.

Dauškane et al. 2011. aasta töö leidis, et Läti rabamändide kasvu ja aastarõngalaiuste vahel esines

positiivset korrelatsiooni juuni ja juuli temperatuuriga ja osadel uuringualadel esinesid seosed

augusti ja septembri temperatuuriga. Veebruari ja märtsi madalamate temperatuuridega ilmnesid

28

olenevalt proovialast nii positiivseid kui ka negatiivseid korrelatsioone ja osadel proovialadel

ilmnesid positiivsed korrelatsioonid veebruari, aprilli, mai ja juuli sademetega

(Dauškane et al. 2011). Käesolev töö leidis sarnaseid tulemusi kolmandal ja viiendal proovialal,

kus kolmanda prooviala puude juurdekasvu mõjutab positiivselt juuli sademed ja viienda

prooviala puude kasvu mõjutab positiivselt juuli temperatuur.

Töö alguses püstitatud hüpoteesidest sai töö käigus kinnitatud esimene ja kolmas hüpotees. Teine

hüpotees osutus ebatäpseks, kuna kolmandal proovialal mõjutasid puude juurdekasvu nii

ilmastikutingimused kui ka kuivendamine. Ilmastikutingimustest mängisid sealsel proovialal

suurimat rolli aprilli ja juuli sademed ning augusti ja septembri temperatuurid. Samuti tuli

juurdekasvukronoloogias esile aastarõngalaiuste suurenemine alates 1970. aastatest, mis langeb

kokku turbakaevandamise ja kuivenduse algusega.

Samuti viitavad käesoleva uuringu tulemused, et Lehtmetsa soos kasvavate mändide kasv

reageerib kiiremini veetaseme langemisele kui selle tõusule, kuid see aspekt vajab edaspidiseid

uuringuid.

29

5. Kokkuvõte

Lehtmetsa soo on väga eriilmeline. Põhjast piirab uuritavat ala endine turbakaevandusala, kus

turba kaevandamiseks ajavahemikul 1969–1996 alandati tugevalt sealset veetaset pinnases.

Lõunast piirab uurimisala Kivijärv, mille veetaset on sammuti kahel korral märkimisväärselt

alandatud (aastatel 1928–1929 ja 1973). Töö eesmärkideks oli analüüsida veerežiimi häiringute

ning ilmastikutingimuste mõjusid rabamändide radiaalsele juurdekasvule mööda veetaseme

gradienti viiel proovialal. Selleks koguti rabamändide puurproovid, millelt mõõdeti

aastarõngalaiused. Koostatud juurdekasvukronoloogiaid võrreldi nii turbakaevandustegevuse kui

ka temperatuuri, sademete ning põuasuse andmetega.

Kokkuvõtvalt saab Lehtmetsa soo mändide kasvu ja sealsete proovialade kohta öelda, et sealsete

mändide juurdekasvud olid tugevalt mõjutatud turbakaevandamisega kaasnevast veetaseme

langusest, seda nii kuivenduskraavi vahetus läheduses kui ka sellest kuni 150 meetri kaugusel

(vastavalt teisel ja kolmandal proovialal). Nende proovialade aastarõngakronoloogiatel on näha

keskmiste aastarõngalaiuste suurenemist 1970. aastatel, mis on põhjendatav lähedalasuva

kuivendatava ala mõjuga. Peale suurt aastarõngalaiuste tõusu sumbub see vaikselt. Endisest

turbakaevandusalast kaugemad neljas (aladest kõige niiskem) ja viies prooviala käitusid nagu

looduslikud sooalad, kusjuures viiendal proovialal ilmnesid lühiajalised reageeringud järve

veetaseme suurtele muutustele. Aastarõngakronoloogiate omavahelisel võrdlusel osutusid kõige

sarnasemaks kolmas ja neljas prooviala. Lahknevus nende kronoloogiate sarnasuses algab 1970.

aastate keskpaigast ja on selgitatav kolmanda prooviala puude kasvu mõjutava turbakaevandusala

veerežiimi muutusega.

Üksteisele geograafiliselt lähedal asuvad proovialad erinevad Lehtmetsa soos märkimisväärselt.

Dendrokliimaatilise analüüsi tulemused viitavad soo enda tugevale hüdroloogilisele survele

rabamändide kasvu formeerumisel. Kõigi proovialade aastarõngakronoloogiates täheldati

kuivenduse järgsel ajal mõningaid muutusi võrreldes kuivenduse eelse perioodiga, kuid need

muutused on proovialati erinevad. Proovialade aastarõngakronoloogiate ja kliimaandmete

analüüsil võib näha, et eri proovialade puude juurdekasvu mõjutavad erinevad ilmastikutegurid eri

ajal. Kui kolmanda prooviala mändide juurdekasv oli mõjutatud aprilli ja juuni sademetest ning

augusti ja septembri temperatuuridest, siis neljandal proovialal mõjutasid mändide juurdekasvu

30

vaid aprilli ja juuni sademed. Viiendal proovialal mõjutasid mändide juurdekasvu jällegi nii

sademed kui ka temperatuur, vastavalt juuni ja augusti sademed ja märtsi ning juuli temperatuurid.

Töö tulemustest ilmneb, et Lehtmetsa soos kasvavate mändide kasv reageerib kiiremini veetaseme

langemisele kui selle tõusule, kuid see aspekt vajab veel edaspidiseid uuringuid.

31

6. Summary

Effect of water level change and weather on radial increment of

Scots pine (Pinus sylvestris L.) in Lehtmetsa Bog

Kärt Erikson

The Master’s thesis had three main objectives. The first one was to create tree-ring chronologies

of pine trees from different areas of the Lehtmetsa Bog. The second aim was to analyse the

chronologies with climate data, and the third objective was to see the effect of anthropogenic water

level changes on the increment of Scots pines.

The Lehtmetsa Bog is located in central Estonia. On the northern border of the study area lies an

old peat extraction site (active from 1969 to 1996) and on the southern border there is Lake

Kivijärv, a lake that has had its water level lowered twice. Diverse study sites were chosen along

a gradient of water table. Tree-ring samples from five different study sites were measured, dated

and analysed.

The first study site was located directly at the former peat extraction site. The second was located

right next to it. The third was at the distance of about 150 meters from the former peat extraction

site. The fourth site was located in the most pristine part of the bog and the fifth was located near

the southern part of the peatland near the bog lake. The first study site was not included in the

analysis due to shortness of chronology (15 years). Length of chronologies at the different sites

was the following: 43 years at the second site, 172 years at the third site, 157 years at the fourth

site, and 115 years at the fifth site.

Chronologies from the third and fourth study site were the most similar. The differences between

them started from the 1970s and coincided with the start of the peat extraction, influencing tree

growth in the third study site. The second and the third study site were mostly influenced by the

changes in the water level in the former peat extraction area, but the third site was also influenced

by weather. The fourth study site acted like a natural site and the area was mostly influenced by

April and June precipitations. The fifth study site was also mostly influenced by weather but it also

showed an increase of tree growth after lowering the water level of the nearby lake Kivijärv. This

32

work showed that geographically close sample plots differed from each other significantly.

Correlations between tree growth and climatic variables varied greatly by study site. The growth

of pines at the third study site was influenced by precipitation in April and June and temperatures

of August and September. In contrast, the fourth study site tree-ring growth was only influenced

by precipitation of April and June. The fifth study site was again influenced by both temperature

and precipitation, respectively from March, July, June and August.

There were some similarities between previous work on peatland pines in Latvia and results from

this study, like correlation between tree-ring growth at study site five and precipitation in June and

temperature in July. But as mentioned in the previous paragraph, there were also a lot of differences

in the results that do not occur in previous works and can be explained by peatlands own strong

hydrological pressure on tree-ring growth and anthropogenic changes on water level and therefore

change in their growth patterns. Previous studies have also shown that Scots pine growth on

peatlands is strongly influenced by local factors.

33

Tänuavaldused

Soovin tänada oma juhendajaid Alar Läänelaidu, Kristina Soharit ja Ain Kulli, kes olid kogu töö

kirjutamise aja äärmiselt koostööaltid ja kelleta poleks töö valmimine võimalik olnud. Tänan neid

konstruktiivse tagasiside, tulemuste mõtestamise ja tehniliste nõuannete eest.

34

Kirjandus

Baillie, J.C.G., Pilcher, J.R., 1973. A simple crossdating program for tree-ring research. Tree-

Ring Bulletin, 33:7–14.

Biondi, F., Waikul, K., 2004. DENDROCLIM2002: AC++ program for statistical calibration of

climate signals in tree-ring chronologies. Computers & Geosciences, 30(3):303–311.

Cedro, A., Lamentowicz, M., 2008. The Last Hundred Years - Dendroecology of Scots Pine

(Pinus sylvestris L.) on a Baltic Bog in Northern Poland: Human Impact and Hydrological

Changes, Baltic Forestry, 14 (1): 2633.

Cedro, A., Sotek, Z., 2016. Natural and Anthropogenic Transformations of A Baltic Raised Bog

(Bagno Kusowo, North West Poland) in the Light of Dendrochronological Analysis of Pinus

sylvestris L. Forests, 7(9): 202. https://doi.org/10.3390/f7090202

Choi, W.-J., Chang, S.X., Bhatti, J.S., 2007. Drainage affects tree growth and c and n dynamics

in a minerotrophic peatland. Ecology, 88(2): 443–453.

https://doi.org/10.1890/00129658(2007)88[443:DATGAC]2.0.CO;2

Cook, E.R., Holmes, L.R., 1986. A R S T A N Guide for computer program ARSTAN. Laboratory

of Tree-Ring Research, The University of Arizona. Pp: 50–65.

Cook, E.R., Kairiukstis, L.A., 1990. Methods of Dendrochronology: applications in the

environmental science. International Institute for Applied Systems Analysis. Kluwer Academic

Publishers, Dordrecht. Lk 104 -105. http://dx.doi.org/10.1007/978-94-015-7879-0

Dauškane, I., Brumelis G., Elferts D., 2011. Effect of climate on extreme radial growth of Scots

pine growing on bogs in Latvia. Estonian Journal of Ecology, 60: 236–248.

Eckstein, D., Bauch, J., 1969. Beitrag zu Rationalisierung eines dendrochronologischen

Verfahrens und zu Analyse seiner Aussagesicherheit. Forstwissenschaftliches Centralblatt,

88:230–250.

Edvardsson, J., Stoffel, M.,Corona, C., 2016. CLIMPEAT: Climate and hydrology over the last

10,000 years – A story told by peat, pollen, and tree rings. Peatlands International, 2015:4, 32-35.

35

Edvardsson, J., Rimkus, E., Corona, C., Šimanauskienė, R., Kažys, J., Stoffel, M., 2015.

Exploring the impact of regional climate and local hydrology on Pinus sylvestris L. growth

variability – A comparison between pine populations growing on peat soils and mineral soils in

Lithuania. Plant Soil, 392, 345–356. https://doi.org/10.1007/s11104-015-2466-9

Edvardsson, J., Baužienė, I., Lamentowicz, M., Šimanauskienė, R., Tamkevičiūtė, M.,

Taminskas, J., Linkevičienė, R., Skuratovič, Ž., Corona, C., Stoffel, M., 2019. A multi-proxy

reconstruction of moisture dynamics in a peatland ecosystem: A case study from Čepkeliai,

Lithuania. Ecological Indicators, 106. https://doi.org/10.1016/j.ecolind.2019.105484

Fritts, H.C., 1976. Tree Rings and Climate. Academic Press. London.

Grissino-Mayer, H.D., 2001. Evaluating crossdating accuracy: A manual and tutorial for the

computer program COFECHA. Tree-Ring Research, 57(2):205-

221.https://repository.arizona.edu/handle/10150/251654

Holmes, R.L., 1983. Computer-assisted quality control in tree-ring dating and measurement. –

Tree-Ring Bulletin, 43: 69–78.

Jaagus, J., Aasa, A., Aniskevich, S., Boincean, B., Bojariu, R., Briede, A., Danilovich, I.,

Castro, F.D., Dumitrescu, A., Labuda, M., et al. 2021. Long-term changes in drought indices

in eastern and central Europe. International Journal of Climatology, 42: 225–249.

https://doi.org/10.1002/joc.7241

Karofeld, E., Jarašius, L., Priede, A., Sendžikaitė, J., 2016. On the after-use and restoration of

abandoned extracted peatlands in the Baltic countries. Restoration Ecology, 25(2).

https://doi.org/10.1111/rec.12436

Kotta, J., Herkül, K., Jaagus, J., Kaasik, A., Raudsepp, U., Alari, V., Arula, T., Haberman,

J., Järvet, A., Kangur,K., Kont, A., Kull, A., Laanemets, J., Maljutenko, I., Männik, A.,

Nõges, P., Nõges, T., Ojaveer, H., Peterson, A., Reihan, A., Rõõm, R., Sepp, M., Suursaar,

Ü., Tamm, O., Tamm, T., Tõnisson, H., 2018. Linking atmospheric, terrestrial and aquatic

environments in high latitude: Regime shifts in the Estonian regional climate system for the past

50 years. PLoS ONE, 13 (12), ARTN e0209568−20.

https://doi.org/10.1371/journal.pone.0209568

36

Läänelaid, A., Eckstein, D., 2003. Development of a Tree-ring Chronology of Scots Pine (Pinus

sylvestris L.) for Estonia as a Dating Tool and Climatic Proxy. Baltic Forestry, 9 (2): 7682.

Läänelaid, A., Sohar, K., Kull, A., 2014. Kuivenduse mõju ulatus Tellissaare rabas mändide

jämeduskasvu järgi. Publicationes Instituti Geographici Universitatis Tartuensis. 111.

Leibak, E., 2021. Sood Eestis ja Euroopas. In Leibak, E. (editor) Soode kaitse ja taastamine.

Eestimaa Looduse Fond, Tartu, pp. 9-11.

Linderholm, H.W., Moberg, A., Grudd, H., 2002. Peatland pines as climate indicators? A

regional comparison of the climatic influence on Scots pine growth in Sweden. Canadian Journal

of Forest Research, 32. https://doi.org/10.1139/x02-071

Lode, E., Sepp, K., Truus, L., Ilomets, M., Pajula, R., 2015. Korrastatavate jääksoode valik.

Aruanne. Ökoloogia keskus Loodus- ja terviseteaduste Instituut, Tallinna Ülikool.

Macdonald, S.E., Fengyou, Y., 2001. Factors influencing size inequality in peatland black spruce

and tamarack: evidence from post-drainage release growth. Journal of Ecology, 87(3): 404–412.

https://doi.org/10.1046/j.1365-2745.1999.00370.x

Metslaid, S., 2017. Assessment of Climate effects on Scots pine (Pinus sylvestris L.) growth in

Estonia. Eesti Maaülikool. http://doi.org/10.15159/emu.11

Metslaid, S., 2019. Erineva päritoluga hariliku kuuse populatsioonide kasvureaktsioon,

vastupanu- ja taastumisvõime põua järgselt – dendrokronoloogiline analüüs. Lõpparuanne.

https://dspace.emu.ee/xmlui/bitstream/handle/10492/6305/2018.a.%20projekt%20nr.%2015234.

pdf?sequence=1&isAllowed=y

Orru, M., Orru, H., 2008. Sustainable use of Estonian peat reserves and environmental

challenges. Estonian Journal of Earth Sciences, 57(2): 87–93.

https://doi.org/10.3176/earth.2008.2.04

Paal, J., Leibak, E., 2011. Estonian mires: inventory of habitats. Regio Ltd, Tartu: 173 p.

https://issuu.com/elfond/docs/estonian_mires_inventory

Paal, J., Leibak, E., 2013. Eesti soode seisund ja kaitstus. Tartu.

https://issuu.com/elfond/docs/eesti_soode_seisund_ja_kaitstus

37

Pepin, S., Plamondon, A.P., Britel, A., 2002. Water relations of black spruce trees on a peatland

during wet and dry years. Wetlands, 22(2): 225–33.

Punttila, P., Autio, O., Kotiaho, J.S., Kotze, D.J., Loukola, O.J., Noreika, N., Vuori, A.,

Vepsäläinen, K., 2016. The effects of drainage and restoration of pine mires on habitat structure,

vegetation and ants. Silva Fennica, 50(2). http://dx.doi.org/10.14214/sf.1462

Ramsari konventsioon, 1971.

https://www.ramsar.org/sites/default/files/documents/library/current_convention_text_e.pdf.

Ramst, R., Orru, M., Salo, V., Halliste, L., 2006. Eesti mahajäetud turbatootmisalade revisjon.

2. etapp. Ida-Viru, Lääne-Viru, Jõgeva, Järva ja Tartu maakond. (Revision of abandoned peat

production areas in Estonia. Stage 2. Ida-Viru, Lääne-Viru, Jõgeva, Järva and Tartu counties) OÜ

Eesti Geoloogiakeskus, rakendusgeoloogia ja maavarade osakond.

Rinn, F., 2003. TSAP-Win. Time series analysis and presentation for dendrochronology and

related applications. Version 0.53 for Microsoft Windows. User Reference. Rinntech Heidelberg,

Heidelberg.

Sarvas, R., 1972. Investigations on the annual cycle of development of forest trees. Active period.

Communicationes Instituti Forestalis Fenniae, 76: 1–110.

Schweingruber, F.H., 1996. Tree rings and Environment. Dendroecology. Birmensdorf, Swiss

Federal Institute for Forest, Snow and Landscape Research. Berne, Stuttgart, Vienna, Haupt

Sibul, I., 2014. Männi üldiseloomustus. Mänd Eestis. Koostaja ja toimetaja: Malle Kurm. Tartu:

Eesti Maaülikool. Valli Press OÜ. Lk 41-49.

Smiljanić, M., Seo, J-W., Läänelaid, A., Van der Maaten-Theunissen, M., Stajić, B.,

Wilmking, M., 2014. Peatland pines as a proxy for water table fluctuations: Disentangling tree

growth, hydrology and possible human influence. Science of The Total Environment, 500–501:

52–63. https://doi.org/10.1016/j.scitotenv.2014.08.056.

Sults, Ü., 2003. Rohke- ja liigtoitelisus: veekogude loomuliku vananemise kiirendaja. Käsiraamat

eutrofeerumise mõjudest pinnaveekogudele. (Nutrient rich Eutrophication and over-nutrient

hypertrophication: accelerator of natural aging of water bodies. Handbook on the effects of

eutrophication on surface waters). Peipsi Koostöö Keskus, Tartu: 32p.

38

Taminskas, J., Edvardsson, J., Linkevičienė, R., Stoffel, M., Corona, C., Tamkevičiūtė, M.,

2019. Combining multiple proxies to investigate water table fluctuations in wetlands: A case study

from the Rėkyva wetland complex, Lithuania. Palaeogeography, Palaeoclimatology,

Palaeoecology, 514: 453–463. https://doi.org/10.1016/j.palaeo.2018.11.004

Tamkevičiūtė, M., Edvardsson, J., Pukiene, R., Taminskas J., Stoffel, M., Corona, C.,

Kibirkštis, G., 2018. Scots pine (Pinus sylvestris L.) based reconstruction of 130 years of water

table fluctuations in a peatland and its relevance for moisture variability assessments. Journal of

Hydrology, 558. https://doi.org/10.1016/j.jhydrol.2018.01.067

Vasander, H., Tuittila, E.-S., Lode, E., Lundin, L., Ilomets, M., Sallantaus, T., Heikkilä, R.,

Pitkänen, M.-L., Laine, J., 2003. Status and restoration of peatlands in northern Europe.

Vicente-Serrano, S.M., Beguería, S., Lopez-Moreno, J.I., 2010. A multiscalar drought index

sensitive to global warming: the standardized precipitation evapotranspiration index. Journal of

Climate, 23, 1696–1718.

Internetiallikad

e-elurikkus. https://elurikkus.ee/bie-hub/species/6318. (Viimati vaadatud 02.11.2021)

Eesti Entsüklopeedia, Kivijärv, http://entsyklopeedia.ee/artikkel/kivij%C3%A4rv (Viimati

vaadatud 19.05.2022)

Eesti Turbauuringute Andmebaas. Kivijärve turbaala. https://turba.geoloogia.info/turbaala/52.

(Viimati vaadatud 12.01.2022)

Gardner, M., 2013. Pinus sylvestris. The IUCN Red List of Threatened Species 2013:

e.T42418A2978732. https://dx.doi.org/10.2305/IUCN.UK.2013-1.RLTS.T42418A2978732.en

(Viimati vaadatud 25.04.2022)

Maaparandussüsteemide register (Register of Land Amelioration Systems)

https://portaal.agri.ee/avalik/#/maaparandus/systeem/2020552000020 (Viimati vaadatud

30.03.2021)

Riigi Ilmateenistus. Jõgevamaa kliimast. https://www.ilmateenistus.ee/2022/02/jogevamaa-

kliimast/ (Viimati vaadatud 24.04.2022)

39

Lisad

40

Lisa 1. Mändide juurdekasvuproovide ja vastavate proovialade keskmiste

juurdekasvukronoloogiate (ref.) vahelised statistilised sarnasusnäitajad. OVL = kattuvus, Glk =

samasuunaliste muutuste protsent, GSL = eelmise usaldusnivoo, %CC = korrelatsioonikordaja ,

TV = t-väärtus, TVBP =Baillie–Pilcher t-väärtus , TVH = Hollsteini t-väärtus, CDI =

kattuvdateerimise indeks.

41

Lisa 2. Standardiseeritud ja standardiseerimata kronoloogiad.

42

Lisa 3. DENDROCLIM2002 väljundfailid. Kolmanda prooviala standardiseeritud (ülal) ja

standardiseerimata (all) kronoloogiate ning kuu keskmiste temperatuuride (T, vasemal) ja

sademete summa (P, paremal) libisevad korrelatsioonid (p < 0,05) 24-aastastes intervallides.

43

Lisa 4. DENDROCLIM2002 väljundfailid. Neljanda prooviala standardiseeritud kronoloogiate

ning kuu keskmiste temperatuuride (T) ja sademete summa (P) libisevad korrelatsioonid (p < 0,05)

24-aastastes intervallides.

44

Lisa 5. DENDROCLIM2002 väljundfailid. Viienda prooviala standardiseeritud kronoloogiate ja

kuu keskmiste temperatuuride (T) ja sademete summa (P) libisevad korrelatsioonid (p < 0,05) 24-

aastastes intervallides.

45

Lisa 6. Proovialade standardiseeritud aastarõngaste kronoloogiad ja Jõgeva ilmajaama andmetel

arvutatud põuasuse indeksi (SPEIP) aegrida. Negatiivsed SPEIP väärtused kirjeldavad

veepuuduse olukorda ja positiivsed liigniiskust.

46

Lisa 7. Viienda prooviala mändide standardiseeritud aastarõngalaiuste ja juunikuu põuasuse

indeksi (SPEIP) vaheline seos.

47

Lisa 8. Magistritöö materjali põhjal avaldatud konverentsiteesid.

Erikson, K., Kull, A., Läänelaid, A., Sohar, K., 2021. Effect of water level change on radial

increment of Scots pine in a restored peatland in Estonia. Peatlands and Peat – Source of

Ecosystem Services. Extended abstracts: 16th International Peatland Congress 2021, Tallinn,

Estonia. International Peatland Society, 235−240.

Lihtlitsents lõputöö reprodutseerimiseks ja üldsusele kättesaadavaks tegemiseks

Mina, Kärt Erikson,

1. annan Tartu Ülikoolile tasuta loa (lihtlitsentsi) minu loodud teose

Veerežiimi häiringute ja ilmastiku mõju hariliku männi (Pinus sylvestris L.)

radiaalsele juurdekasvule Lehtmetsa soo näitel,

mille juhendajad on Ain Kull, Alar Läänelaid ja Kristina Sohar

reprodutseerimiseks eesmärgiga seda säilitada, sealhulgas lisada digitaalarhiivi DSpace kuni

autoriõiguse kehtivuse lõppemiseni.

2. Annan Tartu Ülikoolile loa teha punktis 1 nimetatud teos üldsusele kättesaadavaks Tartu

Ülikooli veebikeskkonna, sealhulgas digitaalarhiivi DSpace kaudu Creative Commonsi

litsentsiga CC BY NC ND 4.0, mis lubab autorile viidates teost reprodutseerida, levitada

ja üldsusele suunata ning keelab luua tuletatud teost ja kasutada teost ärieesmärgil, kuni

autoriõiguse kehtivuse lõppemiseni.

3. Olen teadlik, et punktides 1 ja 2 nimetatud õigused jäävad alles ka autorile.

4. Kinnitan, et lihtlitsentsi andmisega ei riku ma teiste isikute intellektuaalomandi ega

isikuandmete kaitse õigusaktidest tulenevaid õigusi.

Kärt Erikson

30.05.2022