Paikkatietoanalyysi Suomen peltotilusrakenteen kehityksestä 2010-2020
Bibliographic record
Abstract
Suomen peltotilusrakenne on pirstaloitunut sekä pitkään jatkuneen rakennemuutoksen, että historiallisten syiden johdosta. Toisaalta maassamme on tehty useita tilusjärjestelyjä pirstaloitumisen vähentämiseksi. Peltotilusrakennetta ja sen kehitystä on tutkittu aiemminkin, mutta tulokset on saavutettu vaihtelevin metodein ja aineistoin, mistä johtuen muutoksen toteaminen on ollut haastavaa. \n \nTutkielman tavoitteena oli mitata Suomen peltotilusrakenteen kehitystä kymmenen vuoden aikana vuosien 2010 ja 2020 välillä. Spatiaalista analytiikkaa, kuten päällekkäisyysanalyysia ja kartta-algebraa, hyödynnettiin kahden kaikki Suomen peltolohkot sisältävän aineiston analysoinnissa. Muutoksia tutkittiin paitsi yksittäisten lohkojen, myös suurempien, vierekkäiset hallinnat yhdistävien viljelijälohkojen sekä laajempien peltoalueiden kautta. \n \nTulokset osoittavat, että vuosien 2010 ja 2020 välisenä aikana peltolohkon keskikoko on kasvanut koko maan tasolla noin 5 %. Perus- ja viljelijälohkojen kasvuvauhdissa ei ole havaittavaa eroa, eli viljelijät eivät voi merkittävästi nopeuttaa lohkokoon kasvua esimerkiksi vuokrauksen kautta. Viljeltyjen lohkojen mediaani 1,79 ha on huomattavasti viljeltyjen lohkojen keskikokoa, 3,18 ha, pienempi. Keskimääräinen viljelysmatka on kasvanut noin 19 %, pirstoen tilusrakennetta entisestään. Peltotilusjärjestelyjen vaikutusalueilla keskimääräinen lohkokoko on puolestaan kasvanut 27 %, mutta viljelysmatka vain 11 %. Uutta peltoa on otettu maatalouskäyttöön noin 74 000 hehtaaria, kun taas käytöstä on poistunut noin 52 000 hehtaaria peltoa. 37 % peltolohkoista oli vuokrasopimuksen alaisena vuonna 2020. Yksinkertaisella lineaarisella regressiomallilla kyettiin selittämään noin 30 % sekä lohkokoon että viljelysmatkan muutoksista. Selittävien tekijöiden tarkempi analyysi vaatii kehittyneempiä metodeja. \n \nSuomen keskimääräinen peltolohkokoko kasvaa hiljalleen, mutta viljelyetäisyyden kasvu osoittaa, että laajentaakseen toimintaansa viljelijöiden tulee etsiä uutta viljelyalaa aina vain kauempaa talouskeskuksesta. Tilusjärjestelyalueiden osalta tulokset osoittavat, että peltotilusjärjestelyllä on mahdollista kasvattaa tehokkaasti peltolohkokokoa, samalla hidastaen viljelyetäisyyden kasvua. Tämän tutkimuksen tuloksia voidaan hyödyntää tilusjärjestelytoiminnan suunnittelussa, ja työkaluna tilusjärjestelyiden kohdistamisessa sopiville alueille.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.096 | 0.009 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".