Helsingin yliopisto

 

Helsingin yliopiston verkkojulkaisut

University of Helsinki, Helsinki 2006

Bayesian fisheries stock assessment: integrating and updating knowledge

Samu Mäntyniemi

Doctoral dissertation, June 2006.
University of Helsinki, Faculty of Science, Department of Mathematics and Statistics, Rolf Nevanlinna Institute.

Kalakantojen arvioinnissa joudutaan usein käyttämään useita erilaisia epäsuoria mittauksia kannan tilan selvittämiseksi. Mittaukset koostuvat perinteisesti kalamerkinnöistä ja erilaisista koepyynneistä, mutta nykyisin voidaan käyttää hyväksi myös viimeisimmän DNA -tutkimuksen tuottamia tietoja kalojen alkuperän selvittämiseksi. Tieteellisen mittaustiedon lisäksi arvioinnissa pyritään käyttämään hyväksi myös kalastajien saamia saaliita ja perustutkimuksen tuottamaa tietoa kyseisen kalalajin elintavoista ja elämänkierrosta. Useiden erityyppisten tietolähteiden yhdistäminen on kuitenkin osoittautunut vaikeaksi, sillä käyttökelpoisia matemaattisia työkaluja tietojen johdonmukaiseen yhdistämiseen ja lopulliseen epävarmuuden määrittämiseen ei ole ollut tarjolla.

Ongelman ratkaisuksi esitettiin 1970-luvulla nk. Bayes -päättelyä, mutta käytännössä periaatetta pystyttiin ensimmäisen kerran kunnolla soveltamaan vasta 1990-luvun alkupuolella, jolloin mikrotietokoneiden laskentakapasiteetti lisääntyi huomattavasti. Bayes-päättelyn periaatteena on kuvata olemassa olevaa tietoa todennäköisyyden käsitteen avulla. Todennäköisyyksiä, eli vallitsevaa käsitystä, muutetaan johdonmukaisella tavalla aina kun uutta tietoa saadaan.

Väitöskirjassani olen tutkinut Bayes -päättelyn mahdollisuuksia ja ongelmia kalakantojen arvioinnissa. Tutkimus on tehty yhteistyössä riista- ja kalatalouden tutkimuslaitoksen (RKTL) kanssa soveltamalla päättelyperiaatetta esimerkiksi Tornionjoen lohenpoikasten runsauden seurantaan ja ennustamiseen. Tutkimuksen tuloksena on syntynyt uusia menetelmiä, joiden avulla päätelmissä voidaan ottaa huomioon sellaista biologista tietoa kalojen käyttäytymisestä, jota ei aikaisemmin pystytty laskennassa huomioimaan. Esimerkiksi mereen vaeltavien lohenpoikasten taipumus muodostaa parvia voidaan nyt ensimmäistä kertaa huomioida. Osa kehitetyistä menetelmistä on jo käytössä kalakantojen arvioinnissa, esimerkiksi mereen vaeltavien lohenpoikasten rysäpyyntiaineiston analysointiin tarkoitettu malli on jo otettu käyttöön kansainvälisen merentutkimusneuvoston lohi- ja meritaimentyöryhmässä.

Tutkimuksessa todettiin, että Bayes -päättely soveltuu kalakantojen arviointiin hyvin, koska se tarjoaa johdonmukaisen tavan erilaisten tietolähteiden yhdistämiseen. Erityisen hyödyllinen ominaisuus on mahdollisuus huomioida kalatalouden ja kalabiologian asiantuntijoiden tietämys suoraan matemaattisessa mallissa yhdessä mittausaineistojen kanssa. Tieteellisistä julkaisuista ja aiemmasta tutkimuksesta kertynyt asiantuntijatieto on erityisen tärkeää loogisten päätelmien tekemisessä silloin, kun mittaustietoja ei ole vielä paljoa saatavilla tai niissä tiedetään olevan merkittäviä virhemahdollisuuksia.

Bayes- päättelyn soveltaminen kalakantojen arvioinnissa ei kuitenkaan näytä täysin ongelmattomalta, sillä useissa tapauksissa biologista realismia joudutaan vielä vähentämään, jotta laskelmien tekoon kuluva aika ei venyisi liian pitkäksi.

Julkaisun nimiösivu

This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.

© University of Helsinki 2006

Last updated 24.05.2006

Yhteystiedot, Contact information E-thesis Helsingin yliopisto, University of Helsinki