Jukuri, open repository of the Natural Resources Institute Finland (Luke)               
   
 
 
All material supplied via Jukuri is protected by copyright and other intellectual property rights. 
Duplication or sale, in electronic or print form, of any part of the repository collections is prohibited. 
Making electronic or print copies of the material is permitted only for your own personal use or for 
educational purposes. For other purposes, this article may be used in accordance with the publisher’s 
terms. There may be differences between this version and the publisher’s version. You are advised to 
cite the publisher’s version. 
This is an electronic reprint of the original article.  
This reprint may differ from the original in pagination and typographic detail. 
 
Author(s): Aleksi Isoaho, Lauri Ikkala, Aleksi Räsänen 
Title: Satelliittikuvien muutostulkinta aapasoiden ennallistamisen hoitoseurannan 
priorisoinnissa 
Year: 2024 
Version: Published version 
Copyright: The Author(s) 2024 
Rights: CC BY-SA 4.0 
Rights url: https://creativecommons.org/licenses/by-sa/4.0/  
 
Please cite the original version: 
Aleksi Isoaho, Lauri Ikkala, Aleksi Räsänen, Satelliittikuvien muutostulkinta aapasoiden ennallistamisen 
hoitoseurannan priorisoinnissa, Suo 75(1–2): 49–62, 2024, https://suo.fi/volume/75  
49Suo 75(1–2) 2024
© Suoseura — Finnish Peatland Society  ISSN 0039-5471
Helsinki 2024 Suo 75(1–2): 49–62 — Tiedonantoja
 Satelliittikuvien muutostulkinta aapasoiden  
ennallistamisen hoitoseurannan priorisoinnissa
Prioritising restoration monitoring of aapa mires using satellite image 
change detection
Aleksi Isoaho, Lauri Ikkala & Aleksi Räsänen
Aleksi Isoaho, Biotalous ja ympäristö, Luonnonvarakeskus (Luke), Paavo Havaksen 
tie 3, 90570 Oulu, aleksi.isoaho@luke.fi; Lauri Ikkala, Ympäristöratkaisut -yksikkö, 
Geologian tutkimuskeskus (GTK), PL 97, 67101 Kokkola; Aleksi Räsänen, Maantie-
teen tutkimusyksikkö, Luonnontieteellinen tiedekunta, Oulun yli opisto, PL 8000, 
90014 Oulun yliopisto
Suoluonnon ennallistaminen tulee lisääntymään merkittävästi tulevina vuosina. 
Tämä lisää tarvetta myös kustannustehokkaille ennallistamisen vaikutusten seuranta-
menetelmille. Viime vuosina kaukokartoituksen potentiaalia soiden ennallistamisen 
seurannassa on tutkittu useassa eri hankkeessa. Tutkimuksissa on havaittu, että etenkin 
avosoiden pintamärkyyden muutoksia voidaan seurata kohtalaisen tarkasti optisten 
satelliittikuvien avulla. Tässä artikkelissa esittelemme toimintamallin, jota voidaan 
hyödyntää ennallistetuilla avosoilla hoitoseurannan priorisoinnissa, etenkin aapasoiden 
vesienpalautuskohteilla. Ensin satelliittikuvien muutostulkinnalla todetaan vettyneet ja 
vettymättömät alueet, joista voidaan päätellä epäonnistuneet ennallistamistoimenpiteet 
ja mahdollisuuksien mukaan myös mahdolliset metsätalouden vettymishaitta-alueet. 
Tämän jälkeen tehdään priorisoidusti kenttä- tai droonitarkastelu ongelma-alueille ja 
toteutetaan tarvittaessa korjaavia ennallistamistoimenpiteitä. Tulevaisuuden suurien 
ennallistusalojen kannalta olisi tärkeää ymmärtää, mitkä tekijät vaikuttavat ennallistami-
sen onnistumiseen ja miten ennallistamismenetelmiä voidaan kehittää tämän perusteella.
Avainsanat: hydrologia, kasvillisuus, kaukokartoitus, Landsat, optinen, Sentinel-2, 
turvemaat
50 Isoaho ym.
1 Johdanto
Euroopan Unionin ennallistamisasetus (Regula-
tion (EU) 2024/1991) hyväksyttiin Euroopan 
parlamentissa 17.06.2024. Asetuksen myötä eko-
systeemien ennallistaminen tulee lisääntymään 
– Suomessa etenkin soilla. Alustavan karkean 
arvion mukaan noin 1,0–2,6 miljoonaa hehtaaria 
suota pitää ennallistaa vuoteen 2050 mennessä 
(Räsänen ym. 2023), mikä tulee olemaan valtava 
työ ennallistamisen suunnittelijoille ja toteutta-
jille. Lisäksi asetuksessa edellytetään ennallista-
misen vaikutusten seuraamista, jotta onnistumista 
voidaan arvioida luotettavasti.
Ennallistamisella pyritään palauttamaan 
ihmisen toiminnan seurauksena muuttuneen 
luontotyypin tila luonnontilaisen kaltaiseksi 
(Gann ym. 2019). Soiden ennallistamista to-
teutetaan lähtökohtaisesti ojien tukkimisella ja 
patoamisella sekä jossain tapauksissa puuston 
raivaamisella (esim. Andersen ym. 2017). 
Viime aikoina Suomessa on toteutettu soiden 
ennallistamista myös vesienpalautuksella, jossa 
vettä johdetaan johdeuomia pitkin ojitetuilta 
alueilta ojittamattomille avosoille (Granqvist 
2024). Vesienpalautuksen ajatellaan olevan 
kustannustehokas tapa ennallistaa reunaojituksen 
kuivatusvaikutuksen alla olevia avosuokohteita 
(Kareksela ym. 2021). Ennallistamistoimen-
piteillä pyritään palauttamaan kohteiden vesi-
talous, minkä tarkoitus on käynnistää laajempi 
ekosysteemimuutos.
Tähän mennessä valtaosa soiden ennallista-
misesta Suomessa on toteutettu valtion suojelu-
alueilla. joilla vaikutusten seuranta koostuu 
Metsähallituksen Luontopalvelujen jokaisella 
kohteella toteuttamasta hoitoseurannasta ja eril-
liseen seurantaverkostoon valikoiduilla kohteilla 
tehtävästä systemaattisesta vaikuttavuusseuran-
nasta. Hoitoseurannassa tehdään maastossa silmä-
määräisiä havaintoja ennallistamisen teknisestä 
onnistumisesta, tarvittavista toimenpiteiden kor-
jaustarpeista sekä märkyyden ja kasvillisuuden 
muutoksista. Hoitoseuranta toteutetaan yleensä 
yksi ja kymmenen vuotta ennallistamisen jälkeen, 
haastavilla kohteilla tiheämmällä aikavälillä. 
Vaikka hoitoseurantaa varten on tehty systemaat-
tinen seurantaohje, ongelmana on silmämääräisen 
seurannan subjektiivisuus, koska hoitoseurantaan 
ei kuulu mittauksia. Lisäksi maastokäyntien 
avulla ei voida todentaa suon olosuhteiden muut-
tumista isoilla alueilla, sillä etenkin aapasuot 
voivat olla satojen hehtaarien kokoisia ja myös 
ennallistamistoimia voidaan kohdentaa hyvinkin 
laajoille alueille (Kuva 1), joiden kattava tarkas-
telu jalan on mahdotonta.
Lisääntyvä tarve ennallistamisen seurannalle 
tarkoittaa, että tulevaisuudessa maastossa tapah-
tuvaa hoitoseurantaa ei välttämättä voida tehdä 
jokaisella kohteella. Lisäksi se tarvitsee tuek-
seen kvantitatiivista seurantaa koko vaikutus-
alueelta. Kaukokartoitus voi tuoda ratkaisuja 
näihin haasteisiin, sillä sen avulla voidaan 
kerätä systemaattista ja objektiivista havainto-
aineistoa laajoilta alueilta. Kaukokartoituksella 
voidaan myös pyrkiä skaalaamaan erilaisia 
kentällä tehtäviä mittauksia alueellisesti, jolloin 
nähdään ennallistamisen vaikutusten alueellinen 
vaihtelu.
Suomen ympäristöministeriön rahoittamissa 
SOSE (2021–2023) ja EkoSuo (2022–2024) 
-hankkeissa kehitettiin ja tutkittiin kaukokartoi-
tuspohjaisia menetelmiä, joilla soiden ennallis-
tamista voidaan seurata. Hankkeissa kokeiltiin 
monipuolisesti etenkin erilaisia drooni- ja 
satelliittikuva-aineistoja erityyppisillä ennallis-
tamiskohteilla hyödyntäen kattavia märkyys- ja 
kasvillisuusmuutoksista kertovia maastohavain-
toaineistoja. Kohteet sisälsivät sekä perinteisen 
ennallistamisen kohteita, joilla toimenpiteet 
koostuivat ojien tukkimisesta ja patoamisesta sekä 
puuston poistosta sekä aapasoiden vesienpalau-
tuskohteita, joissa ennallistetaan ojittamattomia 
mutta reunaojituksen kuivattamia avosoita johde-
uomien avulla (Kuva 1).
Tässä kirjoituksessa teemme lyhyen syntee-
sin kaukokartoituksen käytöstä ennallistamisen 
seurannassa keskittyen etenkin satelliittikuva-
aineistoihin ja ehdotamme, miten satelliitti-
kuvaseurantaa voidaan käyttää hoitoseurannan 
tukena. Kerromme, (1) mitä drooni-, lentokone- ja 
satelliittikuvilla voidaan soiden ennallistamisessa 
seurata, (2) miten satelliittikuvilla voitaisiin 
avustaa ja priorisoida hoitoseurantaa ja (3) mitkä 
ovat seurantaan liittyvät rajoitukset ja jatkokehi-
tystarpeet
51Suo 75(1–2) 2024
2 Aineistot 
2.1 Aineistolähteet
Kaukokartoitusaineistoja soiden ennallistamisen 
seurantaan voidaan tuottaa drooneilla, lento-
koneilla ja muilla miehitetyillä ilma-aluksilla sekä 
satelliiteilla. Jokaisella näistä aineistoista on omat 
hyvät ja huonot puolensa. 
Tarkinta, jopa senttimetriluokan resoluutioon 
yltävää kuvaa suon pinnasta saadaan drooneilla, 
mutta drooniaineistoja ei ole valmiiksi saatavilla, 
vaan niiden tuottamisesta pitää huolehtia itse. 
Systemaattiseen seurantaan kelpaavien aineisto-
jen kerääminen ja käsittely on verraten työlästä 
ja vaatii asiantuntemusta. Droonien yleistymisen 
tuoreuden takia aineistoja ei ole vielä käytetty pit-
käaikaisseurantaan. Tutkimuksissa on kuitenkin 
havaittu, että droonien avulla voidaan mallintaa 
esimerkiksi vedenpinnan tason (Isoaho ym. 
2023) sekä suon pintatyyppien ja kasviyhteisöjen 
(Räsänen & Virtanen 2019; Räsänen ym. 2020) 
alueellista vaihtelua sekä veden virtausreittejä 
(Ikkala ym. 2022). Laajemmin drooniaineistojen 
hyödynnettävyyttä kokeiltiin Hydrologia LIFE 
(2017–2023) -hankkeessa (Ikkala & Similä 2024). 
Keskeisenä tuloksena oli, että yksinkertaisillakin 
drooneilla saadaan helposti kerättyä alueellisesti 
kattavaa tietoa soista ja kuvien visuaalisilla tul-
kinnoilla pystytään tekemään huomioita muun 
muassa vesien kulkureiteistä ja patojen toimivuu-
desta. Drooniseurannalla on kuitenkin merkittäviä 
rajoitteita kuten laitteiston herkkyys teknisille 
ongelmille ja kuvattavan alueen rajallisuus, 
jotka käytännössä tekevät useamman neliökilo-
metrin kokoisen alueen (esimerkiksi Vihtaneva, 
Kuva 1. Ennallistamistoimet Pyhäjärven Vihtanevalla (63° 52’ P, 26° 4’ I). Kohteella toteutettiin vesienpalautusta 
ympäri aapasuokompleksia johdeuomien avulla sekä ojien tukkimista usealla eri kohdealueella. Toimet toteutettiin 
talven 2021–2022 aikana. Taustalla Maanmittauslaitoksen ilmakuva vuodelta 2022.
Figure 1. Restoration measures in Vihtaneva, Pyhäjärvi (63° 52’ N, 26° 4’ E). The restoration measures have been con-
ducted around the aapa mire complex in several different areas with water-directing ditches and ditch infilling during 
the winter 2021–2022. The background aerial photo from 2022 is from National Land Survey of Finland.
52 Isoaho ym.
ks. Kuva 1) kuvaamisesta kokonaisuudessaan 
epämielekästä. Systemaattisten aineistojen tuot-
tamiseen myös tarvitaan kehittyneempiä laitteita 
ja osaamista laadunhallinnasta. Lisäksi vesisade 
ja muuttuvat valaistusolosuhteet aiheuttavat mer-
kittävän lisärajoitteen seurannan toteuttamiseen.
Suomessa Maanmittauslaitos kerää lento-
koneiden avulla koko maan kattavia ilmakuva- ja 
laserkeilausaineistoja kolmen–kuuden vuoden 
välein. Etenkin ilmakuva-aineistoja on käytetty 
soiden pitkäaikaismuutosten tulkintaan (esim. 
Tahvanainen 2011; Talvitie ym. 2023). Lisäksi 
vanhimpien kuvien avulla voidaan tulkita, miltä 
suo näytti ennen ojitusta. Ilmakuvien vahvuuksina 
ovat niiden kohtalaisen tarkka, 50 senttimetrin 
spatiaalinen erottelukyky ja pitkät aikasarjat. 
Heikkoutena sekä ilmakuvissa että laserkeilaus-
aineistossa on harva päivitystahti, eikä kuvaus 
tapahdu aina samaan aikaan kasvukaudesta. 
Ennallistamisen jälkeinen ilmakuva saattaa täten 
olla saatavilla vasta usean vuoden jälkeen ennal-
listamisesta. Siksi lentokoneilla kerätyt ilmakuvat 
soveltuvat parhaiten pitkien aikasarjojen seuran-
toihin, kun tuloksilla ei ole kiire ja tietyn vuoden 
kuva ei ole välttämätön.
Kolmas vaihtoehto kaukokartoituspohjaiselle 
seurannalle on satelliittikuvien hyödyntäminen. 
Satelliitit keräävät Suomen alueelta tiheällä 
toistuvuudella aineistoja, jotka soveltuvat 
kvantitatiiviseen seurantaan ja jotka eivät vaadi 
käyttäjältä maastokäyntiä aineiston tuottamiseen. 
Aineistojen heikkoutena tosin on kohtalaisen 
karkea spatiaalinen erottelukyky (ilmaisaineis-
toissa ≥ 10 metriä), joka tosin on tutkimustem-
me mukaan riittävä laaja-alaisten muutosten 
havaitsemiseen isoilla, avonaisilla suoalueilla 
(Isoaho ym. 2024b). Viimeisen 10 vuoden aikana 
satelliittiaineistojen saatavuus on lisääntynyt 
merkittävästi ja aineistojen laatu on parantunut 
ja monipuolistunut. Vuonna 2013 Yhdysvaltain 
avaruusjärjestö NASA laukaisi Landsat 8 -satel-
liitin, joka tuottaa 30 metrin resoluutiossa globaa-
listi kattavaa aineistoa 16 päivän välein (USGS 
2024). Vastaavasti Euroopan avaruusjärjestö ESA 
laukaisi vuonna 2015 Sentinel-2-satelliitin, joka 
tuottaa vielä korkeamman resoluution (10–30 m) 
aineistoa globaalisti viiden päivän välein (ESA 
2024). Viime vuosien aikana näiden aineistojen 
ajallinen tiheys on kaksinkertaistunut, sillä ESA 
ja NASA ovat molemmat laukaisseet edellä mai-
nituille sisarsatelliitit (ESA 2024; USGS 2024). 
Lisäksi ajallista kattavuutta Suomessa parantaa 
pohjoinen sijainti, koska satelliittien kiertoradat 
lähenevät toisiaan suurilla leveysasteilla, tuottaen 
osittain päällekkäisiä kuvia jopa peräkkäisinä 
päivinä. Aikasarjojen kattavuutta voidaan yhä 
parantaa käyttämällä keskenään vertailukelpoisia 
Sentinel-2 ja Landsat -aineistoja yhtäaikaisesti 
(Zhang ym. 2018). Optisten kuvien lisäksi seu-
rannassa voidaan hyödyntää tutka-aineistoja 
(synthetic aperture radar, SAR). Koska tutkasig-
naali läpäisee pilvet, SAR-aineistoja on saata-
villa myös pilvisiltä päiviltä toisin kuin optisia 
satelliittiaineistoja. SAR-aineistojen heikkoutena 
on kuitenkin niiden tulkinnan monimutkaisuus.
2.2 Satelliittikuvien käyttö ennallistamisen 
seurantatutkimuksissa
Optisilla satelliittikuvilla voidaan seurata pinta-
märkyydessä tapahtuvia ajallisia muutoksia erityi-
sesti avosoilla (Räsänen ym. 2022; Burdun ym. 
2023; Isoaho ym. 2024b). Aineistojen rajoitteiksi 
on huomattu, että kohteessa olevan vedenpinnan 
taso ei saa laskea liian alas, koska tällöin yhteys 
kaukokartoituksella havainnoitavaan suon pinta-
märkyyteen katkeaa, ja toisaalta puustoisuuden 
eli latvuspeittävyyden tulee olla riittävän pieni, 
jotta suon pinta näkyy kuvissa riittävästi (Bur-
dun ym. 2023). Kun optiset aineistot yhdistetään 
SAR-aineistoihin, vedenpinnan tasossa tapahtuvia 
muutoksia voidaan mallintaa hieman tarkemmin, 
mutta SAR-aineiston lisäarvo vaikuttaisi olevan 
melko vähäinen (Räsänen ym. 2022; Isoaho ym. 
2024b).
Vastaavalla tavalla optisilla satelliitti-
aineistoilla voidaan mallintaa vedenpinnan tason 
alueellisia muutoksia ennallistamisen jälkeen 
(Isoaho ym. 2024b). Menetelmä soveltuu par-
haiten kohteille, jotka ovat kohtuullisen märkiä 
ja vähäpuustoisia, kuten esimerkiksi reunaojitet-
tujen aapasoiden avosuoalueet. Muutoskartoista 
voidaan käytännössä määrittää ennallistamisen 
välittömät vaikutusalueet, ja toisaalta myös en-
nallistamisen jälkeinen vedenpinnan tason nousu 
alueellisesti. Mallinnus vaatii kentältä kerättyä 
aineistoa vedenpinnan korkeuksista. Vaikka mär-
kyysmallinnus saattaa olla siirrettävissä kohteelta 
53Suo 75(1–2) 2024
toiselle, parhaan lopputuloksen saa, kun aineisto 
on kerätty mallinnettavalta kohteelta (Isoaho ym. 
2024b; Keränen ym. 2024).
Olemme kokeilleet Metsähallituksen en-
nallistettujen soiden seurantaverkostoaineiston 
avulla, miten satelliittiaineistolla voidaan selittää 
kasvillisuudessa tapahtuvaa ajallista vaihtelua 
(Isoaho ym. 2024a). Havaitsimme, että kasvilli-
suusaineistosta johdettuja märkyyteen ja ravin-
teisuuteen liittyviä ajallisia gradientteja voitiin 
avosoilla ja rämeillä mallintaa ja seurata laajan 
satelliittiaineiston avulla, kun taas korvissa tämä 
ei onnistunut. Gradienttien tulkinta on kuitenkin 
haastavaa, ja yksittäisten satelliittimuuttujien suh-
teet gradientteihin eivät ole kovin suoraviivaisia.
Vastaavasti olemme myös tutkineet kaukokar-
toitusmuuttujien reagointia ennallistamiseen sekä 
kaukokartoitusmuuttujien ja kasvilajien tai kasvi-
en toiminnallisten ryhmien esiintymismuutosten 
välisiä yhteyksiä käyttämällä bayesilaisia lajien 
yhdistettyjä levinneisyysmalleja (Räsänen ym. 
2024). Pääsääntöisesti kaukokartoitusmuuttujien 
ja kasvilajien tai toiminnallisten ryhmien väliset 
yhteydet jäivät melko heikoiksi ja vaikeasti tulkit-
taviksi, mutta toisaalta kaukokartoitusmuuttujat 
paransivat kasviyhteisömallin ennustetarkkuutta. 
Kaukokartoitusmuuttujilla oli myös selkeitä 
vasteita ennallistamiseen, ja kymmenen vuoden 
aikajaksolla muuttujien arvot siirtyivät kohti 
luonnontilaisia.
3 Menetelmät ja tulokset
Edellä mainitut tutkimustulokset osoittavat, että 
suon pinnassa tapahtuvia muutoksia voidaan 
havaita satelliittikuva-aineistojen avulla. Eri-
tyisesti avosoiden pintamärkyyden seuranta on 
satelliittipohjaisesti mahdollista. Mutta miten 
satelliittiseurantaa tulisi toteuttaa siten, että se par-
haiten tukisi mahdollisesti kevennettävää hoito-
seurantaa, jossa tavoitteena on yhtäältä toden taa 
ennallistamisen alueellinen onnistuminen ja 
toisaalta vähentää maastohavaintojen määrää?
Erityisesti aapasoille toteutettava vesien-
palautus on ennallistamistoimenpiteenä sellainen, 
joka voi vaikuttaa varsinaista toimenpidealuetta 
laajemmalle siten, että vaikutus on selkeästi 
satelliittiaineistoilla havaittavissa. Vesienpalau-
tuksessa ohjataan vettä kaivettavia johdeuomia 
pitkin ojitetulta alueelta ojittamattomana säily-
neelle mutta kuivahtaneelle avosuolle (Gran-
qvist 2024). Usein johdeuomia toteutetaan 
yksittäisiin, otollisiin kohtiin ympäri suota (ks. 
Kuva 1). Hoitoseurannan työmäärää vähentäisi, 
jos satelliittikuvilla voitaisiin selvittää etukäteen 
ne ennallistamistoimenpiteet, joiden alueilla 
tavoiteltua vettymistä ei näytä tapahtuvan sen 
sijaan, että maastokäynti toteutettaisiin kaikilla 
toimenpidealoilla. Lisäksi satelliittitarkasteluilla 
voidaan joskus osoittaa mahdollinen vettyminen 
ojitetun metsätalousmaan puolella eli alueella, jol-
la ei haluta tapahtuvan vedenpinnan tason nousua.
Satelliittikuvien muutostulkinnalla tarkoite-
taan ennen ja jälkeen ennallistamisen otettujen 
kuvien vertailua ja siitä tehtäviä johtopäätöksiä. 
Yleensä tarkasteltavana muuttujana ovat esimer-
kiksi erilaiset spektri-indeksit, jotka toimivat 
indikaattoreina jollekin kohteessa tapahtuvalle 
muutokselle (Asokan & Anitha 2019). Hyvin 
yksinkertainen muutostulkinta soiden ennal-
listamisessa toteutetaan siten, että (1) haetaan 
aineistojen tarjoajalta kuvat ennen ja jälkeen 
ennallistamisen ja (2) tarkastellaan visuaalisesti 
kuvien välillä olevaa eroa (Kuva 2). Tulkintaa 
voidaan helpottaa vaihtamalla tavallisesta valo-
kuvasta infrapunan ja näkyvän valon aallon-
pituuksia hyödyntävään väärävärikuvaan, jolloin 
märkyyden muutokset voivat tulla selkeämmin 
näkyville. Lisäksi ennen–jälkeen-kuvien välille 
voidaan laskea erotuskuva spektri-indeksin tai 
yksittäisen kanavan heijastusarvoista, esimerkiksi 
lähi-infrapunakanavasta (NIR), jolloin muutos on 
vielä selkeämmin näkyvissä.
Kuvan 2 NIR-muutoksesta voidaan huomata, 
että alueita muuttuu sinisemmäksi tietyissä koh-
dissa eli johdeuomien päissä. Lisääntynyt veden 
määrä alueella pienentää kohteen heijastavuutta, 
mikä tekee alueesta kuvassa tummemman sini-
sen. Muutostulkintaa varten tehtävässä kuvien 
valinnassa on tärkeää, että kuvat ovat mahdol-
lisimman vertailukelpoisia. Jos ennen-kuva on 
valittu kevättulvien jälkeiseen märkään aikaan ja 
jälkeen-kuva taas kuivana heinä-elokuun hetkenä, 
jolloin kasvillisuus on huipussaan, tulos voi näyt-
tää huomattavan erilaiselta (Kuva 3).
Kuvassa 3 osoitettu esimerkki näyttää, että 
vertailukelpoisten kuvien tulkinta vaatii asian-
tuntijaosaamista aineistojen valikoinnin ja käy-
54 Isoaho ym.
tön osalta. Tämän takia satelliittiaineistojen käyt-
töön tarvitaan käyttöliittymä, jossa voidaan tuot-
taa asianmukaista mahdollisimman vertailukel-
poisten kuvien muutostulkintaa käyttäjäystäväl-
lisesti. Tätä tarvetta varten olemme kehittäneet 
Google Earth Engine -sovelluksen (Kuva 4), jo-
hon käyttäjä syöttää tarkastelualueen sijainnin, ja 
sovellus tulostaa satelliittikuvista ennen–jälkeen 
-väärävärikuvat sekä muutoskuvat muutamasta 
keskeisestä satelliittimuuttujasta. Kuvat luodaan 
satelliittikuva-aikasarjojen avulla käyttämällä 
kaikkia suhteellisen pilvettömiä Landsat 8–9 ja 
Sentinel-2-satelliittikuvia ennen ja jälkeen käyt-
täjän määrittämän ennallistamisvuoden. Kuva- 
aikasarjoista lasketaan heijastusarvojen pikseli-
kohtaiset 40. persentiilit, eli niin sano tut ”edus-
tavat” keskiarvokuvat ennen- ja jälkeen-ajan-
jaksoille. Esimerkkitapauksessamme (Kuva 4) 
kuva-aikasarjoissa on hyödynnetty alkukesän 
(1.5.–15.6.) kuvia usealta vuodelta. Sovelluksen 
eri versiot ovat olleet kokeilukäytössä Metsä-
hallituksen Luontopalveluiden ennallistamis-
suunnittelijoilla kesällä 2024, Euroopan ekolo-
gisen ennallistamisen (SERE 2024) konferenssin 
kauko kartoitustyöpajan osallistujilla, SuoELO:n 
syksyllä 2024 järjestetyssä kokouksessa ja loka-
kuussa 2024 Helmi-ohjelman järjestämässä 
Suokahvila-tilaisuudessa. Sovelluksen ensim-
mäinen julkinen versio pyritään julkaisemaan 
vuoden 2025 aikana.
Kuva 2. Esimerkki Sentinel-2-satelliittikuvien oikeaoppisesta muutostulkinnasta Vihtanevalla (63° 52’ P, 26° 4’ I). 
Kuvissa tarkastellaan alkukesän tilannetta, jolloin vedenpinnan taso on suhteellisen korkealla ja kasvukausi on alku-
vaiheessa, minkä takia ennallistamisen märkyysvaikutus on parhaiten havaittavissa. Lähi-infrapunan (NIR) heijasteen 
muutoskuvassa negatiiviset arvot tarkoittavat avosoilla lähtökohtaisesti märkyyden lisääntymistä ja positiiviset arvot 
märkyyden vähentymistä.
Figure 2. An example of proper Sentinel-2 satellite image change detection in Vihtaneva (63° 52’ N, 26° 4’ E). The 
images assess early summer conditions when the water table is relatively high and the growing season is in its early 
stages, which is why the impact in wetness can be easily noticed. In the near infrared (NIR) change subfigure, negative 
values within open mire generally indicate an increase in wetness and positive value indicate a decrease in wetness.
55Suo 75(1–2) 2024
Kuvista 2 ja 4 voidaan todeta, että Vihtanevan 
vesienpalautustoimenpiteet näyttävät pääsääntöi-
sesti onnistuneen muutostulkinnan perusteella. 
Alueella on tosin tehty myös useampia toimenpi-
teitä, joiden vaikutus vaikuttaa vähäiseltä. Lisäksi 
vaikuttaisi siltä, että esimerkiksi Vihtanevan lou-
naisosassa vesienpalautus aiheuttaa mahdollisesti 
puuston kasvua haittaavaa vettymistä ojitetuille 
metsätalousalueille, joilta vettä ohjataan kohti 
ojittamatonta avosuota. Nämä ongelmakohdat 
ovat sellaisia, jotka tulisi todentaa maastokäynnin 
avulla.
Hoitoseurantaa voidaan tässä tapauksessa te-
hostaa hyödyntämällä droonikuvausta havaituilta 
ongelma-aloilta, jolloin maastossa vietetty aika 
minimoidaan. Tarkoilla droonikuvilla voidaan 
mahdollisesti todentaa, miksi ennallistamisella 
ei ole toivottuja vaikutuksia kyseisillä aloilla. 
Tulevaisuudessa ennallistamisalojen kasvaessa 
maastossa tapahtuvaa hoitoseurantaa voitaisiin 
pyrkiä näin priorisoimaan kaukokartoitushavain-
tojen perusteella (Kuva 5).
Kuvassa 6 on esimerkki neljältä kohteelta, 
joilla näytetään, mille alueille suurilla avosoilla 
tulisi priorisoida kenttäseurannat muutostulkin-
nan perusteella. Kenttäseurantatarpeiden otaksu-
tut syyt on esitetty Taulukossa 1.
Kuva 3. Esimerkki Sentinel-2-satelliittikuvien harhaanjohtavasta muutostulkinnasta Vihtanevalla (63° 52’ P, 26° 4’ I). 
Vertailu tehdään huonosti vertailukelpoisilla kuvaushetkillä (märkä alkukesän hetki, jolloin kasvillisuutta on vähän, 
vs. kuiva keskikesän hetki, jolloin kasvillisuus on huipussaan), mikä vääristää tulkintaa ja siitä tehtäviä johtopäätöksiä. 
Lähi-infrapunan (NIR) heijasteen muutoskuvassa negatiiviset arvot tarkoittavat avosoilla lähtökohtaisesti märkyyden 
lisääntymistä ja positiiviset arvot kasvillisuuden lisääntymistä sekä märkyyden vähentymistä.
Figure 3. An example of misleading Sentinel-2 satellite image change detection in Vihtaneva (63° 52’ N, 26° 4’ E). The 
comparison is conducted using poorly comparable images (wet early summer with little vegetation vs. dry midsummer 
when vegetation is at its peak), which distorts interpretation and conclusions. In near infrared (NIR) change subfigure, 
negative values within open mire generally indicate an increase in wetness and positive value indicate an increase in 
vegetation and a decrease in wetness.
56 Isoaho ym.
K
uv
a 
4.
 S
oi
de
n 
se
ur
an
na
n 
G
oo
gl
e 
Ea
rth
 E
ng
in
e 
-s
ov
el
lu
ks
en
 k
eh
ity
sv
er
sio
n 
kä
yt
tö
lii
tty
m
ä.
 K
äy
ttä
jä
 v
al
its
ee
 ta
rk
as
te
lta
va
n 
pa
ik
an
 ja
 e
nn
al
lis
ta
m
ise
n 
en
sim
m
äi
se
n 
va
ik
u-
tu
sv
uo
de
n.
 T
äm
än
 jä
lk
ee
n 
so
ve
llu
s 
tu
ot
ta
a 
ke
sk
ia
rv
oi
ste
tu
t s
at
el
lii
tti
m
os
ai
ik
it 
en
ne
n 
ja
 jä
lk
ee
n 
en
na
lli
sta
m
ise
n 
(k
s. 
Pi
tk
än
en
 y
m
. 2
02
4;
 Is
oa
ho
 y
m
. 2
02
4b
) v
isu
al
iso
itu
in
a 
vä
är
äv
är
ik
uv
ik
si.
 S
ov
el
lu
s 
m
yö
s 
la
sk
ee
 m
uu
to
ks
et
 lä
hi
-in
fra
pu
na
n 
(N
IR
) 
ja
 ly
hy
ta
al
to
ise
n 
in
fra
pu
na
n 
(S
W
IR
) 
aa
llo
np
itu
us
al
ue
ill
a 
se
kä
 tu
lo
sta
a 
ni
ist
ä 
vi
su
al
iso
in
ni
t j
a 
ai
ka
sa
rja
ku
va
aj
at
. S
at
el
lii
tti
ku
vi
en
 ra
ja
lli
se
n 
sa
at
av
uu
de
n 
ta
ki
a 
so
ve
llu
s t
oi
m
ii 
vu
od
en
 2
01
6 
jä
lk
ee
n 
en
na
lli
ste
tu
ill
e 
ko
ht
ei
lle
. K
uv
as
sa
 ta
rk
as
te
lla
an
 V
ih
ta
ne
va
a 
(6
3°
 5
2’
 P
, 
26
° 4
’ I
) e
nn
al
lis
ta
m
isv
uo
nn
a 
20
22
.
F
ig
ur
e 
4.
 T
he
 u
se
r 
in
te
rf
ac
e 
of
 d
ev
el
op
m
en
t v
er
si
on
 o
f t
he
 G
oo
gl
e 
E
ar
th
 E
ng
in
e 
ap
pl
ic
at
io
n 
fo
r 
pe
at
la
nd
 m
on
it
or
in
g.
 T
he
 u
se
r 
se
le
ct
s 
a 
lo
ca
ti
on
 a
nd
 th
e 
fir
st
 im
pa
ct
 y
ea
r 
of
 
th
e 
re
st
or
at
io
n.
 T
he
 a
pp
li
ca
ti
on
 p
ro
du
ce
s 
av
er
ag
ed
 s
at
el
li
te
 m
os
ai
cs
 b
ef
or
e 
an
d 
af
te
r 
re
st
or
at
io
n 
(s
ee
 P
it
kä
ne
n 
et
 a
l. 
20
24
; 
Is
oa
ho
 e
t 
al
. 2
02
4b
) 
vi
su
al
is
ed
 a
s 
fa
ls
e 
co
lo
ur
 
im
ag
es
. A
dd
it
io
na
ll
y,
 th
e 
ap
pl
ic
at
io
n 
ca
lc
ul
at
es
 th
e 
ch
an
ge
s 
in
 n
ea
r 
in
fr
ar
ed
 (
N
IR
) 
an
d 
sh
or
tw
av
e 
in
fr
ar
ed
 (
SW
IR
) 
w
av
el
en
gt
hs
 a
nd
 p
ro
du
ce
s 
th
ei
r 
vi
su
al
is
at
io
ns
 a
nd
 ti
m
e 
se
ri
es
 c
ha
rt
s.
 D
ue
 to
 th
e 
li
m
it
ed
 a
va
il
ab
il
it
y 
of
 s
at
el
li
te
 im
ag
er
y,
 a
pp
li
ca
ti
on
 fu
nc
ti
on
s 
on
ly
 fo
r 
si
te
s 
th
at
 h
av
e 
be
en
 r
es
to
re
d 
af
te
r 
20
16
. I
n 
th
e 
fig
ur
e,
 th
e 
m
ir
e 
un
de
r 
as
se
ss
-
m
en
t i
s 
Vi
ht
an
ev
a 
(6
3°
 5
2’
 N
, 2
6°
 4
’ E
) 
w
it
h 
re
st
or
at
io
n 
ye
ar
 s
et
 to
 2
02
2.
57Suo 75(1–2) 2024
K
uv
a 
5.
 E
hd
ot
ta
m
am
m
e 
en
na
lli
ste
ttu
je
n 
so
id
en
 h
oi
to
se
ur
an
na
n 
ka
uk
ok
ar
to
itu
so
hj
at
tu
 to
im
in
ta
m
al
li 
re
un
ao
jit
et
ui
lle
 a
vo
so
ill
e,
 e
rit
yi
se
sti
 v
es
ie
np
al
au
tu
sk
oh
te
ill
e.
F
ig
ur
e 
5.
 O
ur
 p
ro
po
se
d 
re
m
ot
e 
se
ns
in
g-
gu
id
ed
 o
pe
ra
tio
na
l m
od
el
 fo
r 
m
on
ito
ri
ng
 re
st
or
ed
 p
ea
tla
nd
s,
 p
ar
tic
ul
ar
ly
 fo
r 
si
te
s 
un
de
rg
oi
ng
 re
st
or
at
io
ns
 w
ith
 w
at
er
-d
ir
ec
tin
g 
di
tc
he
s.
58 Isoaho ym.
Kuva 6. Esimerkki satelliittikuvien muutostulkinnasta ja priorisoitavat maastoseuranta-alueet seuraavilla ennalliste-
tuilla avosoilla: Makkarasuo (65° 0’ P, 27° 10’ I), Kurkineva (64° 6’ P, 26° 24’ I), Pesäneva (63° 48’ P, 24° 51’ I) ja 
Puohtiinsuo (62° 44’ P, 31° 4’ I). Kohteilla on tukittu reunaojia ja tehty vesienpalautustöitä. Siniset viivat Maanmit-
tauslaitoksen ilmakuvissa (ylärivi) ovat veden johdeuomia ja keltainen rajaus Puohtiinsuolla on ojien tukkimisaluetta. 
Alemmassa rivissä on lähi-infrapunan (NIR) muutokset ja mustat ympyrät rajaavat suositellut maastotarkastelualueet 
(ks. Taulukko 1). Jotta priorisointia voitaisiin aidosti toteuttaa, on erityisen tärkeää, että muutostulkitsijalla on käsitys 
siitä, miten toimenpiteet oli suunniteltu ja miten niiden haluttiin lähtökohtaisesti vaikuttavan.
Figure 6. An example satellite image change detection and areas that need to be prioritised for field assessment in the 
following sites: Makkarasuo (65° 0’ N, 27° 10’ E), Kurkineva (64° 6’ N, 26° 24’ E), Pesäneva (63° 48’ N, 24° 51’ E) ja 
Puohtiinsuo (62° 44’ N, 31° 4’ E). Sites have undergone ditch infilling and excavation of water-directing ditches. Blue 
lines in the aerial photos by the National Land Survey of Finland (upper row) are water-directing ditches and yellow 
delineations in Puohtiinsuo are ditch infilling areas. Bottom row contains near infrared (NIR) changes and black circles 
delineate areas that are recommended to be assessed in the field (see Table 1). For effective prioritisation, it is particu-
larly important for the interpreter to understand how the measures have planned and how they are intended to impact.
suo). Lisäksi satelliittikuvista ei välttämättä 
aina kyetä havaitsemaan alueellisia muutoksia 
avosoillakaan. Jotta kaukokartoituksella voidaan 
havaita ennallistamisen vaikutuksia suoalueella, 
muutosten on oltava riittävän suuria. Teknisten 
yksityiskohtien kuten ojien tukkimisen tai pato-
jen pitävyyden tarkasteluihin tarvitaan korkean 
resoluution drooniseurantaa (ks. Ikkala & Similä 
2024). Puustoisilla kohteilla puolestaan suon 
4 Tulosten tarkastelu
Satelliittikuvien muutostulkinta ei toimi jokaisel-
la kohteella yhtä hyvin. Jos ennallistamisen 
yhteydessä poistetaan puustoa, satelliittikuvien 
mittaama punainen ja lähi-infrapunaheijaste kas-
vaa, jolloin puuston poiston vaikutuksia voi 
olla hankala erottaa heijastetta vähentävästä 
kasvaneesta märkyydestä (ks. Kuva 6 Puohtiin-
59Suo 75(1–2) 2024
Metsätalousalueiden vettymishaitta on jois-
sain tapauksissa satelliittikuvista todennettavissa 
mutta ei aina, sillä ojitus on yleensä kasvattanut 
puustoon tiheän latvuksen (Kuvat 5, 7). Täten 
kenttätarkastelua tulee tehdä tulevaisuudessakin 
vähintäänkin niillä aloilla, joissa on (1) korkea 
riski vettymishaittaan ja (2) haittaa ei voida satel-
pinta ei näy riittävästi kaukokartoituskuvissa. 
On myös mahdollista, että pilvisyyden takia ei 
ole saatavissa hyvää satelliittikuva-aineistoa en-
nallistamisen jälkeisenä alkukesänä. Tällöinkin 
hoitoseuranta on joka tapauksessa toteutettava 
ilman kaukokartoituksen avulla tehtävää priori-
sointia.
Taulukko 1. Priorisoinnin syyt muutostulkituilta kohteilta. Alueilla viitataan Kuvassa 6 oleviin muutostulkinnan 
perusteella ympyröityihin alueisiin.
Table 1. The reasons for prioritisation of change detection sites. The areas refer to the marked areas in the bottom 
row of Figure 6.
Kohdesuo / Target mire Syyt maastotodentamiselle / Reasons for field assessment
Makkarasuo
Pohjoisimmassa alueessa on mahdollista vettymishaittaa metsätalousalueella. Läntisimmällä 
alueella on mahdollista vettymishaittaa, eikä vesienpalautus vaikuta yhtä voimakkaasti kuin 
ympärillä olevilla toimenpiteillä. Toisiksi pohjoisimmalla ja eteläisimmällä alueella toimenpiteen 
vaikutus on heikko.
The northernmost area has possible undesired waterlogging in the forestry area. The westernmost 
area has possible waterlogging in the forestry area and the water-directing ditch does not impact 
as strongly as the nearby water-directing measures. In the second northernmost and in the south-
ernmost area, the rewetting impact is weak.
Kurkineva Alueen vesienpalautusten vaikutus on heikko. The rewetting impact is weak.
Pesäneva Alueen vesienpalautusten vaikutus on heikko. The rewetting impact is weak.
Puohtiinsuo
Priorisointia on hankala toteuttaa. Suurin ennallistamisvaikutus on luonnollisilla valuma reiteillä, 
jotka näkyvät ilmakuvassa tummina juovina. Vettymistä on myös Puohtiinsuon eteläosan 
ojantäyttö alueen lounaisosassa ojittamattomalla suoalueella.
Prioritisation is difficult to implement. The strongest restoration impacts are observed in natural 
flow routes, which can be seen as dark lines. There is a clear rewetting in the undrained area 
located southwest of the ditch infilling area of southern Puohtiinsuo.
Kuva 7. Alue Pyhännän Kurkinevalla (64° 6’ P, 26° 24’ I), jossa kenttäkäyntien perusteella on havaittu vettymishait-
taa (musta ympyrä). Haittaa ei kuitenkaan nähdä satelliittikuvien muutostulkinnalla suuren latvuspeittävyyden takia. 
Lähellä olevat johdeuomat ohjaavat huonosti vettä suolle, joten alue tulisi ehdotetun toimintamallin mukaan todentaa 
maasto- tai droonityönä.
Figure 7. An area in Kurkineva in Pyhäntä (64° 6’ N, 26° 24’ E), in which, based on the field work, there is undesired 
waterlogging in the forestry area (black circle). The waterlogging cannot be detected with satellite image change 
detection due to the high tree cover. The nearby water-directing ditches do not direct water properly to the open mire; 
therefore, according to the proposed operational model, the area should be assessed with field work or a drone flight.
60 Isoaho ym.
liittikuvista todentaa. Satelliittikuvien muutostul-
kinta ei siten voi täysin korvata kenttäseurantaa 
edes optimaalisilla eli märillä ja vähäpuustoisilla 
kohteilla, mutta sitä voidaan käyttää kenttätoimin-
nan ohjaamiseen ja tehostamiseen.
Meidän ja muiden tutkimustulosten perus-
teella (esim. Elo ym. 2024) on nähtävissä, että 
ennallistamisen onnistumisella on suurta vaihte-
lua kohteiden sisällä ja kohteiden välillä. Joillakin 
kohteilla vaikutusalueet voivat olla laajoja, mutta 
toisaalta joissakin kohteissa kasvilajikohtaiset en-
nallistamisvasteet voivat olla hyvinkin heikkoja. 
Jotta tulevaisuudessa kyettäisiin tekemään ekolo-
gisesti vaikuttavaa ja laaja-alaista ennallistamista, 
on kyettävä tunnistamaan syyt ennallistamisen 
onnistumisen vaihtelun takana. Tämä vaatii esi-
merkiksi hoitoseurantalomakkeiden systemaat-
tista analysointia ja toisaalta myös monitieteistä 
tutkimusta, jossa yhdistetään ennallistamisvaste, 
ennallistamistoimenpiteet ja niiden onnistunei-
suus sekä kohdekohtaiset ympäristötekijät, joilla 
voisi olla vaikutusta vasteeseen. Kun tunnistetaan 
onnistuneen ennallistamisen keskeiset tunnus-
merkit, näitä oppeja voidaan viedä myös tuleville 
ennallistamiskohteille.
5 Johtopäätökset
Uusimmat soiden kaukokartoitustutkimukset 
osoittavat, että optisia satelliittiaineistoja voidaan 
käyttää soiden ennallistamisen vaikutusten 
seurantaan. Optimaaliset seurantakohteet ovat 
vähäpuustoisia ja märkiä kuten aapasoiden puut-
tomat osat, jotka on reunaojitettu metsäojitusten 
yhteydessä. Satelliittikuvien muutostulkinnalla 
voidaan näyttää ennallistamisen vaikutusalue 
ja tukea käytännön seurantatyötä. Vaikka satel-
liittikuvien muutostulkinta ei voi täysin korvata 
kenttäseurantaa, sen avulla voidaan vähentää 
maastoseurannan tarvetta ja priorisoida toteutet-
tavaa hoitoseurantaa.
Kiitokset
Kiitämme Suomen ympäristöministeriötä 
SOSE (VN/28337/2021-YM-2) ja EkoSuo 
(VN/14352/2022) -hankkeiden rahoittami-
sesta. Kiitämme eri sidosryhmiä erinomaisesta 
yhteistyöstä viime vuosien aikana.
Kirjallisuus
Andersen, R., Farrell, C., Graf, M., Muller, F., 
Calvar, E., Frankard, P., Caporn, S. & Ander-
son, P. 2017. An overview of the progress and 
challenges of peatland restoration in Western 
Europe: Peatland restoration in Western Eu-
rope. Restoration Ecology 25(2): 271–282. 
https://doi.org/10.1111/rec.12415.
Asokan, A. & Anitha, J. 2019. Change detection 
techniques for remote sensing applications: 
A survey. Earth Science Informatics 12(2): 
143–160. https://doi.org/10.1007/s12145-
019-00380-5.
Burdun, I., Bechtold, M., Aurela, M., De Lannoy, 
G., Desai, A. R., Humphreys, E., Kareksela, 
S., Komisarenko, V., Liimatainen, M., Martti-
la, H., Minkkinen, K., Nilsson, M. B., Ojanen, 
P., Salko, S.-S., Tuittila, E.-S., Uuemaa, E. & 
Rautiainen, M. 2023. Hidden becomes clear: 
Optical remote sensing of vegetation reveals 
water table dynamics in northern peatlands. 
Remote Sensing of Environment 296: 113736. 
https://doi.org/10.1016/j.rse.2023.113736.
Elo, M., Kareksela, S., Ovaskainen, O., Abrego, 
N., Niku, J., Taskinen, S., Aapala, K. & Kotia-
ho, J. S. 2024. Restoration of forestry-drained 
boreal peatland ecosystems can effectively 
stop and reverse ecosystem degradation. Com-
munications Earth & Environment 5(1): 680. 
https://doi.org/10.1038/s43247-024-01844-3.
ESA. 2024. S2 Mission. https://sentiwiki.coper-
nicus.eu/web/s2-mission.
Gann, G. D., McDonald, T., Walder, B., Aronson, 
J., Nelson, C. R., Jonson, J., Hallett, J. G., 
Eisenberg, C., Guariguata, M. R., Liu, J., Hua, 
F., Echeverría, C., Gonzales, E., Shaw, N., De-
cleer, K. & Dixon, K. W. 2019. International 
principles and standards for the practice of 
ecological restoration. Second edition. Res-
toration Ecology 27(S1): S1–S46. https://doi.
org/10.1111/rec.13035.
Granqvist, A.-L. 2024. Vesienpalautus suoje-
lusoille: Opas käytännön toimijoille. Etelä-
Pohjanmaan ELY-Keskus 09/2024.
Ikkala, L., Ronkanen, A.-K., Ilmonen, J., Similä, 
M., Rehell, S., Kumpula, T., Päkkilä, L., 
Klöve, B. & Marttila, H. 2022. Unmanned 
Aircraft System (UAS) Structure-From-Mo-
61Suo 75(1–2) 2024
tion (SfM) for Monitoring the Changed Flow 
Paths and Wetness in Minerotrophic Peatland 
Restoration. Remote Sensing 14(13): 3169. 
https://doi.org/10.3390/rs14133169.
Ikkala, L., & Similä, M. 2024. Ennallistettujen 
soiden seurannan kehittämisehdotukset – 
Hydrologia-LIFE-hankkeessa kertyneitä 
kokemuksia hoitoseurannan ja hydrologisen 
seurannan parantamiseksi ja kaukokartoitus-
seurannan perustamiseksi. Metsähallituk-
sen Luonnonsuojelujulkaisuja. Sarja A 251. 
https://julkaisut.metsa.fi/wp-content/uploads/
sites/2/2024/04/a251.pdf.
Isoaho, A., Elo, M., Marttila, H., Rana, P., Lensu, 
A. & Räsänen, A. 2024. Monitoring changes 
in boreal peatland vegetation after restoration 
with optical satellite imagery. Science of The 
Total Environment 957: 177697. https://doi.
org/10.1016/j.scitotenv.2024.177697.
Isoaho, A., Ikkala, L., Marttila, H., Hjort, J., 
Kumpula, T., Korpelainen, P. & Räsänen, A. 
2023. Spatial water table level modelling with 
multi-sensor unmanned aerial vehicle data in 
boreal aapa mires. Remote Sensing Applica-
tions: Society and Environment 32: 101059. 
https://doi.org/10.1016/j.rsase.2023.101059.
Isoaho, A., Ikkala, L., Päkkilä, L., Marttila, H., 
Kareksela, S., & Räsänen, A. 2024. Multi-
sensor satellite imagery reveals spatiotem-
poral changes in peatland water table after 
restoration. Remote Sensing of Environment 
306: 114144. https://doi.org/10.1016/j.
rse.2024.114144.
Kareksela, S., Ojanen, P., Aapala, K., Haapale-
hto, T., Ilmonen, J., Koskinen, M., Laiho, 
R., Laine, A., Maanavilja, L., Marttila, H., 
Minkkinen, K., Nieminen, M., Ronkanen, 
A.-K., Sallantaus, T., Sarkkola, S., Tolva-
nen, A., Tuittila, E.-S. & Vasander, H. 2021. 
Soiden ennallistamisen suoluonto-, vesistö-, 
ja ilmastovaikutukset. Vertaisarvioitu raportti. 
Suomen Luontopaneelin julkaisuja, 2021/3b. 
https://doi.org/10.17011/jyx/SLJ/2021/3b.
Keränen, K., Isoaho, A., Räsänen, A., Hjort, 
J., Kumpula, T., Korpelainen, P. & Rana, P. 
2024. Multi-resolution remote sensing for 
flark area detection in boreal aapa mires. In-
ternational Journal of Remote Sensing 45(13): 
4324–4343. https://doi.org/10.1080/0143116
1.2024.2359732.
Pitkänen, T. P., Balazs, A. & Tuominen, S. 2024. 
Automatized Sentinel-2 mosaicking for large 
area forest mapping. International Journal of 
Applied Earth Observation and Geoinforma-
tion 127: 103659. https://doi.org/10.1016/j.
jag.2024.103659.
Räsänen, A., Aurela, M., Juutinen, S., Kumpula, 
T., Lohila, A., Penttilä, T. & Virtanen, T. 2020. 
Detecting northern peatland vegetation pat-
terns at ultra‐high spatial resolution. Remote 
Sensing in Ecology and Conservation 6(4): 
457–471. https://doi.org/10.1002/rse2.140.
Räsänen, A., Jantunen, A., Isoaho, A., Ikkala, 
L., Rana, P., Marttila, H., & Elo, M. (2024). 
Changes in satellite-derived spectral variables 
and their linkages with plant species after 
peatland restoration. [Submitted manuscript].
Räsänen, A., Kekkonen, H., Lehtonen, H., 
Miettinen, A., Wejberg, H., Kareksela, S., 
Tzemi, D., Aro, L., Kuningas, S., Louhi, P. & 
Ruuhijärvi, J. 2023. Euroopan unionin ennal-
listamisasetusehdotuksen luontotyyppi- ja tur-
vemaatavoitteiden vaikutukset Suomessa Lu-
onnonvara- ja biotalouden tutkimus 1/2023. 
http://urn.fi/URN:ISBN:978-952-380-586-6.
Räsänen, A., Tolvanen, A. & Kareksela, S. 2022. 
Monitoring peatland water table depth with 
optical and radar satellite imagery. Interna-
tional Journal of Applied Earth Observation 
and Geoinformation 112: 102866. https://doi.
org/10.1016/j.jag.2022.102866.
Räsänen, A. & Virtanen, T. 2019. Data and reso-
lution requirements in mapping vegetation in 
spatially heterogeneous landscapes. Remote 
Sensing of Environment 230: 111207. https://
doi.org/10.1016/j.rse.2019.05.02.
Regulation (EU) 2024/1991. (2024). Regulation 
2024/1991 of the European Parliament and of 
the Council on nature restoration and amend-
ing Regulation (EU) 2022/869. https://data.
consilium.europa.eu/doc/document/PE-74-
2023-INIT/en/pdf.
Tahvanainen, T. 2011. Abrupt ombrotrophication 
of a boreal aapa mire triggered by hydro-
logical disturbance in the catchment: Ombro-
trophication of aapa mires. Journal of Ecology 
99: 404-415. https://doi.org/10.1111/j.1365-
2745.2010.01778.x.
62 Isoaho ym.
Zhang, H. K., Roy, D. P., Yan, L., Li, Z., Huang, 
H., Vermote, E., Skakun, S. & Roger, J.-C. 
2018. Characterization of Sentinel-2A and 
Landsat-8 top of atmosphere, surface, and 
nadir BRDF adjusted reflectance and NDVI 
differences. Remote Sensing of Environment 
215: 482–494. https://doi.org/10.1016/j.
rse.2018.04.031.
Talvitie, P., Räsänen, A. & Silvan, N. 2023. 
Changes in the open water hollows in 
Häädetkeidas and Kauhaneva mires during 
1947–2017 based on remote sensing. Suo-
Mires & Peat 74(1–2): 71–96.
USGS. 2024. What are the acquisition schedules 
for the Landsat satellites? https://www.usgs.
gov/faqs/what-are-acquisition-schedules-
landsat-satellites.
Summary: Prioritizing restoration monitoring of aapa mires using 
satellite image analysis
Restoration of peatlands will increase significantly in the coming years. This will also increase the 
need for cost-efficient monitoring methods for restoration. In the recent years, the potential of remote 
sensing in peatland restoration monitoring has been studied in several projects. It has been found that 
especially the changes in the surface wetness can be relatively well monitored with optical satellite 
imagery in open peatlands. In this article, we present an operational model that can be used for pri-
oritising the general monitoring of restored open peatlands, especially the aapa mires restored with 
water-directing measures. Firstly, wetted, and non-wetted areas are interpreted with satellite imagery 
change detection which can be used to identify failed restoration measures, and when possible, unde-
sired waterlogged forestry areas. Following this, prioritised field or drone assessments are conducted 
at problem areas, and corrective measures can be planned and implemented. From the perspective 
of the large restoration needs in the future, it would be critical to understand which factors affect the 
success of restoration, and how the restoration methods could be further developed.
Keywords: hydrology, Landsat, optical, peatlands, remote sensing, Sentinel-2, vegetation