Type
 

dataset

1656 record(s)
 
Type of resources
Available actions
Topics
Keywords
Contact for the resource
Provided by
Years
Formats
Representation types
Update frequencies
status
Service types
Scale
Resolution
From 1 - 10 / 1656

  • Väylänvarsien vieraslajit ja arvokkaat elinympäristöt

    FIN Aineiston tarkoituksena on: -Identifioida tie- ja rata-alueet, joiden varrella esiintyy uhanalaisia ja silmälläpidettäviä lajeja -Identifioida tie- ja rata-alueet, joiden varrella esiintyy hyviä elinvoimaisia niittyindikaattorilajeja (hyönteisten mesi- ja ravintokasveja) -Identifioida tie- ja rata-alueet, joiden varrella esiintyy suojelualueita -Identifioida tie- ja rata-alueet, joiden varrella esiintyy komealupiinia tai kurtturuusua -Identifioida tie- ja rata-alueet, joiden varrella esiintyy komealupiinia tai kurtturuusua uhanalaisten lajien lisäksi -> Löytää herkät alueet ja paikallistaa vieraslajien uhka Tieto esitetään 1 kilometrin ruuduissa. Aineistosta on julkaistu kaksi erillistä versiota. -VaylanvarsienVieraslajitJaArvokkaatElinymparistot_avoin: Avoin versio, jonka lajitietoa on karkeistettu mahdollisista herkistä lajeista johtuen. Aineisto kuuluu SYKEn avoimiin aineistoihin (CC BY 4.0) ja sitä saa käyttää lisenssiehtojen mukaisesti -VaylanvarsienVieraslajitJaArvokkaatElinymparistot_kayttorajoitettu: Alkuperäinen karkeistamaton versio. Tämä versio on vain viranomaiskäyttöön eikä kyseistä aineistoa saa jakaa Aineistosta on tehty tarkempi menetelmäkuvaus https://geoportal.ymparisto.fi/meta/julkinen/dokumentit/VierasVayla_Menetelmakuvaus.pdf sekä muuttujaseloste https://geoportal.ymparisto.fi/meta/julkinen/dokumentit/VierasVayla_VariableDescription.xlsx ENG The purpose of the material is to: -Identify road and rail areas that have nearby observations of endangered and near threatened species -Identify road and rail areas with good meadow indicator plant species -Identify road and rail areas along which there are protected areas -Identify the road and rail areas along which there are observations of Lupinus polyphyllus or Rosa rugosa observations -Identify the road and rail areas along which there are Lupinus polyphyllus or Rosa rugosa observations in addition to sensitive species -> Finds sensitive areas and identify the overall threat of alien species The data is presented in 1-kilometer square grid cells. There are two separate versions of the data. -VaylanvarsienVieraslajitJaArvokkaatElinymparistot_avoin: Open access version, in which its species-related parts have been simplified due to data restriction issues. The material belongs to Syke's open materials (CC BY 4.0) and may be used in accordance with the license terms. -VaylanvarsienVieraslajitJaArvokkaatElinymparistot_kayttorajoitettu: Original version. This version is only for official use and the material in question may not be shared. A more precise description about the data procedures can be found from (In Finnish) https://geoportal.ymparisto.fi/meta/julkinen/dokumentit/VierasVayla_Menetelmakuvaus.pdf Furthermore, all the variables in the data are explained in this bilingual variable description https://geoportal.ymparisto.fi/meta/julkinen/dokumentit/VierasVayla_VariableDescription.xlsx This dataset was updated with the newest species observations on 10/2023 and 11/2024 Process code for this can be found from https://github.com/PossibleSolutions/VierasVayla_SpeciesUpdate

  • Categories  

    Energywood potentials

    This assessment was part of project Baltic ForBio funded by the Interreg Baltic Sea Region Programme (https://www.slu.se/en/departments/forest-economics/forskning/research-projects/baltic-forbio/). The project was carried out in 2017-2020. The harvesting potentials in Finland were calculated for the following assortments: • Stemwood for energy from 1st thinnings, pine • Stemwood for energy from 1st thinnings, spruce • Stemwood for energy from 1st thinnings, broadleaved • Stemwood for energy from 1st thinnings (smaller than pulpwood-sized trees), pine • Stemwood for energy from 1st thinnings (smaller than pulpwood-sized trees), spruce • Stemwood for energy from 1st thinnings (smaller than pulpwood-sized trees), broadleaved • Logging residues, pine • Logging residues, spruce • Logging residues, deciduos • Stumps, pine • Stumps, spruce. 1.1 Decision support system used in assessment Regional energywood potentials were calculated with MELA forest planning tool (Siitonen et al. 1996; Hirvelä et al. 2017). 1.2 References and further reading Anttila P., Muinonen E., Laitila J. 2013. Nostoalueen kannoista jää viidennes maahan. [One fifth of the stumps on a stump harvesting area stays in the ground]. BioEnergia 3: 10–11. Anttila P., Nivala V., Salminen O., Hurskainen M., Kärki J., Lindroos T.J. & Asikainen A. 2018. Re-gional balance of forest chip supply and demand in Finland in 2030. Silva Fennica vol. 52 no. 2 article id 9902. 20 p. https://doi.org/10.14214/sf.9902 Hakkila, P. 1978. Pienpuun korjuu polttoaineeksi. Summary: Harvesting small-sized wood for fuel. Folia Forestalia 342. 38 p. Hirvelä, H., Härkönen, K., Lempinen, R., Salminen, O. 2017. MELA2016 Reference Manual. Natural Resources Institute Finland (Luke). 547 p. Hynynen, J., Ojansuu, R., Hökkä, H., Siipilehto, J., Salminen, H. & Haapala, P. 2002. Models for predicting stand development in MELA System. Metsäntutkimuslaitoksen tiedonantoja 835. 116 p. Koistinen A., Luiro J., Vanhatalo K. 2016. Metsänhoidon suositukset energiapuun korjuuseen, työopas. [Guidelines for sustainable harvesting of energy wood]. Metsäkustannus Oy, Helsinki. ISBN 978-952-5632-35-4. 74 p. Mäkisara, K., Katila, M., Peräsaari, J. 2019: The Multi-Source National Forest Inventory of Finland - methods and results 2015. Muinonen E., Anttila P., Heinonen J., Mustonen J. 2013. Estimating the bioenergy potential of forest chips from final fellings in Central Finland based on biomass maps and spatially explicit constraints. Silva Fennica 47(4) article 1022. https://doi.org/10.14214/sf.1022. Natural Resources Institute Finland. 2019. Industrial roundwood removals by region. Available at: http://stat.luke.fi/en/industrial-roundwood-removals-by-region. Accessed 22 Nov 2019. Ruotsalainen, M. 2007. Hyvän metsänhoidon suositukset turvemaille. Metsätalouden kehittämiskeskus Tapio julkaisusarja 26. Metsäkustannus Oy, Helsinki. 51 p. ISBN 978-952-5694-16-1, ISSN 1239-6117. Siitonen M, Härkönen K, Hirvelä H, Jämsä J, Kilpeläinen H, Salminen O et al. 1996. MELA Handbook. 622. 951-40-1543-6. Äijälä, O., Kuusinen, M. & Koistinen, A. (eds.). 2010. Hyvän metsänhoidon suositukset: energiapuun korjuu ja kasvatus. Metsätalouden kehittämiskeskus Tapion julkaisusarja 30. 56 p. ISBN 978-952-5694-59-8, ISSN 1239-6117. Äijälä, O., Koistinen, A., Sved, J., Vanhatalo, K. & Väisänen, P. (eds). 2014. Metsänhoidon suositukset. Metsätalouden kehittämiskeskus Tapion julkaisuja. 180 p. ISBN 978-952-6612-32-4. 2. Output considered in assessment Valid for scenario: Maximum sustainable removal Main output ☒Small-diameter trees ☒Stemwood for energy ☒Logging residues ☒Stumps ☐Bark ☐Pulpwood ☐Saw logs Additional information Stemwood for energy from 1st thinnings. Part of this potential consists of trees smaller than pulpwood size. This part is reported as Small-diameter trees. Forecast period for the biomass supply assessment Start year: 2015 End year: 2044 Results presented for period 2025-2034 3. Description of scenarios included in the assessments Maximum sustainable removal The maximum sustainable removal is defined by maximizing the net present value with 4% discount rate subject to non-declining periodic total roundwood removals, energy wood removals and net incomes, further the saw log removals have to remain at least at the level of the first period. There are no sustainability constraints concerning tree species, cutting methods, age classes or the growth/drain -ratio in order to efficiently utilize the dynamics of forest structure. Energy wood removal can consist of stems, cutting residues, stumps and roots. According to the scenario the total annual harvesting potential of industrial roundwood is 80.7 mill. m3 (over bark) for period 2025-2034. In 2018 removals of industrial roundwood in Finland totaled 68.9 mill. m3 (Natural Resources… 2019). 4. Forest data characteristics Level of detail on forest description ☒High ☐Medium ☐Low NFI data with many and detailed variables down to tree parts. Sample plot based ☒Yes ☐No NFI sample plot data from 2013-2017. Stand based ☐Yes ☒No Grid based ☒Yes ☐No Multi-Source NFI data from 2015 (Mäkisara et al. 2019) utilized when distributing regional potentials to 1 km2 resolution. 5. Forest available for wood supply: Total forest area defined as in: FAO. 2012. FRA 2015, Terms and Definitions. Forest Resources Assessment Working Paper 180. 36 p. Available at: http://www.fao.org/3/ap862e/ap862e00.pdf. Forest and scrub land 22 812 000 ha Forest land 20 278 000 ha and scrub land 2 534 000 ha Forest area not available for wood supply Forest and scrub land 2 979 000 ha Forest land 1 849 000 ha and scrub land 1 130 000 ha Partly available for wood supply Forest and scrub land 2 553 000 ha (includes in FAWS, below) Forest land 1 149 000 ha and scrub land 1 404 000 ha. Forest Available for wood supply (FAWS) Forest and scrub land 19 833 000 ha Forest land 18 429 000 ha and scrub land 1 404 000 ha In MELA calculations all the scrub land belonging to the FAWS belongs to the category “Partly available for wood supply”, but there are no logging events on scrub land regardless or the category. 6. Temporal allocation of fellings Valid for scenario: Maximum sustainable removal Allocation method ☐Optimization based without even flow constraints ☒Optimization based with even flow constraints ☐Rule based with no harvest target ☐Rule based with static harvest target ☐Rule based with dynamic harvest target See item 3 above (max NPV with 4 % discount rate). 7. Forest management Valid for scenario: Maximum sustainable removal Representation of forest management ☐Rule based ☒Optimization ☐Implicit Treatments, among of the optimization makes the selections, are based on management guidelines (e.g. Äijälä etc 2014) 7.2 General assumptions on forest management Valid for scenario: Maximum sustainable removal ☒Complies with current legal requirements ☐Complies with certification ☒Represents current practices ☐None of the above ☐ No information available Forest management follows science-based guidelines of sustainable forest management (Ruotsalainen 2007, Äijälä et al. 2010, Äijälä et al. 2014). 7.3 Detailed assumptions on natural processes and forest management Valid for scenario: Maximum sustainable removal Natural processes ☒Tree growth ☒Tree decay ☒Tree death ☐Other? Tree-level models (e.g. Hynynen et al., 2002). Silvicultural system ☒Even-aged ☐Uneven-aged Click here to enter text. Regeneration method ☒Artificial ☒Natural Regeneration species ☐Current distribution ☒Changed distribution Optimal distribution may differ from the current one. Genetically improved plant material ☐Yes ☒No Cleaning ☒Yes ☐No Thinning ☒Yes ☐No Fertilization ☐Yes ☒No 7.4 Detailed constraints on biomass supply Volume or area left on site at final felling ☒Yes ☐No 5 m3/ha retained trees are left in final fellings. Final fellings can be carried out only on FAWS with no restrictions for wood supply. Constraints for residues extraction ☒Yes ☐No ☐N/A Retention of 30% of logging residues onsite (Koistinen et al. 2016) Constraints for stump extraction ☒Yes ☐No ☐N/A Retention of 16–18% of stump biomass (Muinonen et al. 2013; Anttila et al. 2013) 8. External factors Valid for scenario: Maximum sustainable removal External factors besides forest management having effect on outcomes Economy ☐Yes ☒No Climate change ☐Yes ☒No Calamities ☐Yes ☒No Other external ☐Yes ☒No

  • Seabed remote sensing

    The data compiles seabed remote sensing situation since the 1960s. The data includes spatial data and metadata related to each survey line, mainly based on the data produced by the Geological Survey of Finland

  • Tampereen herkät vesistöt (viherkerroin)

    KUVAUS Herkät vesistöt, joiden rajaus on luotu Viherkertoimen käyttöä varten. Viherkerroinmenetelmä on ekologinen suunnittelutyökalu tonttien viherpinta-alan arviointiin, minkä avulla etsitään vaihtoehtoisia ratkaisutapoja kaupunkivihreän lisäämiseen sekä hulevesien hallintaan. Määritellyillä alueilla huleveden laadulliseen hallintaan on kiinnitettävä erityistä huomiota. Aineisto perustuu hulevesiohjelmassa määritettyihin osavaluma-alueisiin, joiden avulla aineisto on rajattu. Aineisto on päivitetty 12/2023 vastaamaan uuden hulevesiohjelman valuma-alueita. Hulevesiohjelmaan liittyvän aineiston lisäksi rajausta on arvioitu asiantuntijoiden toimesta. KATTAVUUS Koko kaupunki PÄIVITYS Aineisto on laadittu viherkertoimen käyttöön ja päivittyy tiedon tarkentuessa. YLLÄPITOSOVELLUS Aineisto on tallennettu PostgreSQL-tietokantaan ja ylläpidetään QGIS-ympäristössä. KOORDINAATISTOJÄRJESTELMÄ Aineisto tallennetaan ETRS-GK24 (EPSG:3878) tasokoordinaattijärjestelmässä. GEOMETRIA Aluemainen SAATAVUUS Aineisto on saatavilla WFS- ja WMS2-rajapinnoilta. JULKISUUS, TIETOSUOJA. Avoin aineisto. VASTUUTAHO Ympäristönsuojeluyksikkö (ymparistonsuojelu@tampere.fi) KENTÄT vesisto: vesistöalueen nimi

  • Rakennelmat alueina (julkinen)

    KUVAUS: Tampereen rakennelmien 2D-seinälinjat aluemuotoisena geometriana korkeudeltaan nollattuna. Mukana vain valmiit ja julkisesti näytettävät rakennelmat. Virkistys aamuisin klo 6.35. KATTAVUUS: Tampereen kaupunkiseutu PÄIVITYS: Aineistoa päivitetään jatkuvasti uusien rakennelmien valmistuessa. YLLÄPITOSOVELLUS: StellaMap (DGN-tiedostot) ja FME KOORDINAATTIJÄRJESTELMÄ: Aineisto tallennetaan ETRS-GK24FIN (EPSG:3878) tasokoordinaattijärjestelmässä. GEOMETRIA: vektori (alue) SAATAVUUS: Aineisto on saatavilla WFS-rajapinnalta Tampereen kaupungin sisäiseen käyttöön sekä konsulteille sopimuksella/käyttöehdolla. Aineiston primäärilähde on Oracle-tietokanta. JULKISUUS: Aineisto on julkisesti katsottavissa Oskari-karttapalvelussa. TIETOSUOJA: Aineistoon ei liity tietosuojakysymyksiä. KENTÄT: -TYYPPI: Rakennelma, Muu rakennelma, Portaat tai esteettömyysluiska, Laituri, Piippu tai Allas -ALALUOKKA: Varastotila, Katos, Muu rakennelma, Maastoportaat, Autokatos, Joukkoliikenteen pysäkkikatos, Muu laituri, Venelaituri, Mainosrakennelma, Jätekatos, Muistomerkki, Savupiippu, Huvipuistolaite, Raunio, Katsomo, Muu piippu, Maatalousallas, Maauima-allas, Esteettömyysluiska, Hyppyrimäki, Keittokatos, Suihkulähde tai suihkukaivo -RAKENNELMALUOKKA_FACTA: Tulee rakennelmalle i_pyraknro perusteella Factasta (huom. ei löydy kaikilta rakennelmilta). -PYSYVA_RAK_NRO_FACTA: Rakennelman pysyvä rakennusnumero Factasta. AINEISTOSTA VASTAAVA TAHO: Tampereen kaupunki, Paikkatietoyksikkö, paikkatieto_tuki@tampere.fi

  • EMODnet Seabed substrate 1:5 000 – Europe

    The EMODnet (European Marine Observation and Data network) Geology project collects and harmonizes marine geological data from the European sea areas to support decision making and sustainable marine spatial planning. The partnership includes 39 marine organizations from 30 countries. The partners, mainly from the marine departments of the geological surveys of Europe (through the Association of European Geological Surveys-EuroGeoSurveys), have assembled marine geological information at various scales from all European sea areas (e.g. the White Sea, Baltic Sea, Barents Sea, the Iberian Coast, and the Mediterranean Sea within EU waters). This dataset includes EMODnet seabed substrate maps at a scale of 1:5 000 from the European marine areas. Traditionally, European countries have conducted their marine geological surveys according to their own national standards and classified substrates on the grounds of their national classification schemes. These national classifications are harmonised into a shared EMODnet schema using Folk's sediment triangle with a hierarchy of 16, 7 and 5 substrate classes. The data describes the seabed substrate from the uppermost 30 cm of the sediment column. Further information about the EMODnet Geology project is available on the portal (http://www.emodnet-geology.eu/).

  • Buildings 3D

    The 3D vectors for buildings are three-dimensional instances of the Building target category in the National Topographic Database (KMTK). The 3D vectors are produced with a high degree of automation from laser scanning data 5 p based on 2D vectors for buildings in KMTK. For the time being, data is available only from a few example areas, but the coverage will be extended to the whole of Finland as the laser scanning programme proceeds. The product belongs to the open data of the National Land Survey of Finland.

  • Raitiotie katusuunnitelmat

    KUVAUS: Aineisto sisältää raitiotien katusuunnitelmien reitit Tampereen alueelta sekä linkkejä suunnitelmapiirustuksiin. KATTAVUUS: Kaikille käyttäjille Oskari-karttapalvelussa. PÄIVITYS: Aineistoa päivitetään tarpeen mukaan (ylläpito jatkuvaa). YLLÄPITOSOVELLUS: PostgreSQL-tietokanta ja QGIS-ohjelmisto. KOORDINAATTIJÄRJESTELMÄ: Aineisto tallennetaan ETRS-GK24FIN (EPSG:3878) tasokoordinaattijärjestelmässä. GEOMETRIA: vektori (viiva) SAATAVUUS: Aineisto on saatavilla WFS-rajapinnalta Tampereen kaupungin sisäiseen käyttöön. JULKISUUS: Kaikille käyttäjille Oskari-karttapalvelussa. AINEISTOSTA VASTAAVA TAHO: Tampereen kaupunki, Kuntatekniikan suunnittelu

  • Detected spills of mineral oil and other substances

    This dataset contains points of information describing the location and size of spills of mineral oil observed during aerial surveillance flights by HELCOM Contracting Parties during 1998-2023. The data covers detections from fixed-wing aircraft only. Since 2014 Contracting Parties have also reported spills of other substances and unknown substances. The purpose of the regional aerial surveillance is to detect spills of oil and other harmful substances and thus prevent violations of the existing regulations on prevention of pollution from ships. Such illegal spills are a form of pollution which threatens the marine environment of the Baltic Sea area. Further information on detected spills in the Baltic Sea area and HELCOM aerial surveillance activities can be found at http://www.helcom.fi/baltic-sea-trends/maritime/illegal-spills/ and https://helcom.fi/action-areas/response-to-spills/aerial-surveillance/ The dataset contains the following information: Country Year Spill_ID = A unique code which will enable each individual spill to be individually identified FlightType = The type of flight the detection was made during: National = "N", CEPCO = "C", Super CEPCO = "SC", Tour d’Horizon = “TDH” Date = The date of the detection (dd.mm.yyyy) Time_UTC = The time of the detection in UTC (hh:mm) Wind_speed = The wind speed at the time of the detection (m/s) Wind_direc = The wind direction in degrees at the time of the detection (degrees) Latitude = The latitude of the detection (decimal degrees, WGS84) Longitude = The longitude of the detection (decimal degrees, WGS84) Length__km = The length of the detection (km) Width__km = The width of the detection (km) Area__km2_ = The area of the detection (km2) Spill_cat = Spill/pollution category: Mineral Oil = “Oil", Other Substance = "Other substance" , "Unknown substance" = “Unknown” EstimVol_m = If Spill_cat="Oil", then estimated min. volume of oil spill. Volume of the detection confirmed/observed as mineral oil as calculated using the Bonn Agreement Oil Appearance Code using the lower figure (BAOAC minimum) in m3. Vol_Category = Category of the detection: <0,1m3 = “1”, <0,1-1m3 = “2”, 1-10 m3 = “3”, 10-100 m3 = “4”, >100 m3 = “5” Type_substance = If Spill_cat="Other substance" or "Unknown. Product name or type of OS or GAR substances that could be identified (in case of known polluter, or via visual identification - cf. BAOAC Atlas). - Examples for OS: vegetable oils (palm oil sun flower oil, soya oil etc.), fish oil, molasses, various chemicals (methanol, biodiesels/FAME, toluene, paraffines etc.); Examples of GAR: solid cargo residues (e.g. coal residues), plastics, fish nets, … OR "Unknown" (in case the type of substance could not be identified) Polluter = Type of polluter source: Offshore Installation = “Rig”, Vessel = “Ship”, Other Polluter or source (e.g. land based source) = “Other”, Unknown = “Unknwon” (in case of an “orphan” spill that cannot be linked to a polluter) Remarks = Any additional information to inform on particular situations Description of marine litter sightings

  • Rakennukset alueina

    KUVAUS: Tampereen rakennusten 2D-seinälinjat aluemuotoisena geometriana korkeudeltaan nollattuna. Rakennusten ominaisuustiedot tulevat masterdatasta i_pyraknron perusteella. Jos tunnusvastaavuutta ei löydy, geometria ei tule mukaan näkymään. Virkistys aamuisin klo 6.15. KATTAVUUS: Tampereen kaupunkiseutu PÄIVITYS: Aineistoa päivitetään jatkuvasti uusien rakennusten valmistuessa. YLLÄPITOSOVELLUS: StellaMap (DGN-tiedostot) ja FME KOORDINAATTIJÄRJESTELMÄ: Aineisto tallennetaan ETRS-GK24FIN (EPSG:3878) tasokoordinaattijärjestelmässä. GEOMETRIA: vektori (alue) SAATAVUUS: Aineisto on saatavilla WFS-rajapinnalta. Aineiston primäärilähde on Oracle-tietokanta. JULKISUUS: Aineisto on katsottavissa Oskari-karttapalvelussa. KENTÄT: -PYSYVA_RAKENNUSTUNNUS: Tulee rakennuksen i_pyraknro perusteella Factasta. -SIJAINTIKIINTEISTO: Rakennuksen kiinteistötunnus -VALMISTUMISPVM -KERROSALA: Kerrosalaan luetaan kerrosten pinta-alat ja se ullakon tai kellarikerrosten ala, jossa on asuin- tai työhuoneita tai muita rakennuksen pääasiallisen käyttötarkoituksen mukaisia tiloja. Kerrosala on vaakasuora pinta-ala, jota rajoittavat kerrosten seinien ulkopinnat tai niiden ajateltu jatke ulkoseinien pinnassa olevien aukkojen ja koristeosien osalta (Tilastokeskus 2024). -KERROSTEN_LKM -HISSI -RAKENNUSTILAVUUS -POLTTOAINE -LAMMITYSTAPA: Vesikeskuslämmitys, Ilmakeskuslämmitys, Suora sähkölämmitys, Uunilämmitys, Ei kiinteää lämmityslaitetta, tuntematon. -PYSYVA_RAK_NRO_FACTA: Rakennelman pysyvä rakennusnumero Factasta. AINEISTOSTA VASTAAVA TAHO: Tampereen kaupunki, Paikkatietoyksikkö, paikkatieto_tuki@tampere.fi