Browsing by Subject "epävarmuus"
Now showing items 1-2 of 2
-
(2012)Ihmisvaikutuksen myötä maailman luonnon monimuotoisuus vähenee kiihtyvällä tahdilla. Rajallisten suojeluresurssien vuoksi lajien uhanalaisuusaste on tärkeää määrittää, jotta suojelutoimet voidaan kohdistaa eniten suojelua tarvitseviin lajeihin. Lajien uhanalaisuuden määrittämiseen käytetään yhä enenevissä määrin kansainvälisen luonnonsuojeluliiton (IUCN) maailmanlaajuista uhanalaisuuden luokittelumenetelmää. Luokittelumenetelmä ei sellaisenaan huomioi lajien luokitteluun liittyvää epävarmuutta, mutta Bayes-menetelmien avulla epävarmuutta voidaan esittää ja tarkastella todennäköisyysmuodossa. Tämän tutkimuksen tarkoituksena oli kuvata IUCN:n uhanalaisuusluokittelumenetelmän logiikka ja luokittelukriteerit Bayes-verkkojen avulla ja tarkastella uhanalaisuusluokitteluun liittyvän epävarmuuden esittämistä ja sen vaikutuksia lajien luokitteluun. Bayes-verkot ovat matemaattisia, verkkokaavioiden avulla kuvattavia malleja, joiden avulla voidaan mallintaa epävarmaa tietoa todennäköisyysjakaumien avulla. Tutkimuksen myötä rakennettiin neljä erilaista eri laskentaperiaatteisiin perustuvaa IUCN:n luokittelumenetelmää kuvaavaa todennäköisyysmallia. Mallien toimivuutta tarkasteltiin haastattelemalla Suomen vuoden 2010 uhanalaisuusarvioinnissa mukana olleita eri lajityöryhmien edustajia. Asiantuntijahaastattelujen tarkoituksena oli mm. tarkastella uhanalaisiin lajeihin liittyvän epävarmuuden esittämistä mallien avulla todellisen uhanalaisuusaineiston ja asiantuntijatiedon avulla ja vertailla haastatteluissa saatavia luokittelutuloksia vuoden 2010 arvioinnin tuloksiin. Tutkimuksessa havaittiin, että uhanalaisuusluokitteluun liittyvän epävarmuuden ilmaiseminen on tärkeää ja vaikuttaa luokittelutuloksiin. Keskeinen havainto oli, että kun uhanalaisuusluokitteluun liittyvää epävarmuutta oli mahdollista ilmaista todennäköisyysmallien avulla, luokiteltavien lajien uhanalaisuusluokka muuttui useissa tapauksissa. Kaikissa näissä tapauksissa muutos oli luokan nouseminen aiempaa uhanalaisemmaksi. Epävarmuuden ilmaisemisen tärkeyttä korostavat myös asiantuntijahaastattelujen tulokset, joiden mukaan suurin osa lajien luokitteluun liittyvästä tiedosta on jollakin tasolla epävarmaa. Tutkimuksessa ilmeni, että Bayes-verkkojen käyttö uhanalaisuusluokittelussa epävarman tiedon tarkastelussa on hyödyllistä, sillä malleja käytettäessä uhanalaisuuden luokittelukriteereihin liittyvä epävarmuuden aste välittyy selvästi todennäköisyysmuodossa ja luokittelukriteerien keskinäisten vaikutussuhteiden hahmottaminen on selkeää. Lisäksi luokittelua kuvaavien graafisten mallien tarkastelu auttaa hahmottamaan ja ymmärtämään kriteerien avulla tapahtuvaa luokittelukäytäntöä. Uhanalaisuusmallien käyttö lisää myös luokittelun järjestelmällisyyttä ja selkeyttää ja yhdenmukaistaa käytännön luokittelutyötä, esim. luokitteluehtojen toteutuminen voidaan aiempaa paremmin varmistaa mallien avulla. Bayes-verkkojen käyttäminen uhanalaisuusluokittelussa on hyödyllistä myös siksi, että menetelmän käyttö saattaa mahdollistaa uusien lajien tarkastelun ja arvioimisen. Haastatteluihin osallistuneiden asiantuntijoiden suhtautuminen todennäköisyysmallinnukseen oli positiivista, joten menetelmää olisi hyödyllistä soveltaa ja kehittää edelleen niin, että sitä voitaisiin jatkossa hyödyntää epävarman tiedon tarkastelussa käytännön luokittelutyössä.
-
(2020)Laivojen painolastiveden mukana kulkeutuminen on merkittävin väylä vieraslajien leviämiseen Itämerelle. Vieraslajeista voi olla haittaa ympäristölle ja yhteiskunnalle, ja Kansainvälinen merenkulkujärjestö (IMO) onkin hyväksynyt painolastivesien käsittelyä koskevan yleissopimuksen, jonka tarkoituksena on estää haitallisia lajeja leviämästä painolastiveden mukana alueelta toiselle. Sopimuksen mukaan laivan painolastivesi täytyy käsitellä niin, että veden sisältämät eliöt kuolevat, ennen kuin veden voi laskea mereen. Käsittelyn voi kuitenkin jättää väliin poikkeusluvalla, jos haitallisten vieraslajien leviämisen riski katsotaan olevan hyväksyttävällätasolla. Riskin arvioinnissa keskeisessä asemassa ovat niin kutsutut kohdelajit, joiden katsotaan voivan aiheuttaa vahinkoa ympäristölle, ihmisten terveydelle tai taloudelle. Arvioinnissa tarkastellaan näiden kohdelajien mahdollisuuksia siirtyä painolastiveden mukana alueelta toiselle, selvitä vastaanottavalla alueella ja aiheuttaa haittavaikutuksia. Itämeren kohdelajien valintaan kehitetty kriteeristö arvioi eliölajien (1) suhdetta painolastivesiin, (2) mahdollisia vaikutuksia Itämeren eri osien ekosysteemeissä ja ympäröivässä yhteiskunnassa, (3) aiemman leviämisen todisteita ja (4) nykyistä levinneisyyttä. Vallitsevassa luokituslähestymistavassa asiantuntijapaneelin arvioimaan kriteerien täyttymiseen tai täyttymättä jäämiseen ei ajatella liittyvän lainkaan epävarmuutta. Tämän tutkielman tavoitteena on kehittää kohdelajien luokitusta varten todennäköisyyspohjainen Bayes-verkkomalli, joka ottaa huomioon kohdelajikriteerien täyttymiseen liittyviä eliölajikohtaisia epävarmuuksia ja laskee luokitukselle todennäköisyysjakauman. Malli rakennettiin noudattamaan kriteeristöä, ja sitä testattiin neljälle esimerkkivieraslajille, jotka kaikki esiintyvät jo joissain osissa Itämerta: vaeltajasimpukalle (Dreissena polymorpha), villasaksiravulle (Eriocheir sinensis), amerikankampamaneetille (Mnemiopsis leidyi) ja sirokatkaravulle (Palaemon elegans). Kahdeksan vieraslajeihin perehtynyttä asiantuntijaa arvioi kyselykaavakkeen avulla eliölajikohtaisesti kuhunkin kriteriin liittyvää tutkimustiedon tasoa, antaen itsenäisen arvionsa jokaisen kriteerin täyttymistodennäköisyydestä. Saadut asiantuntija-arviot syötettiin lajikohtaisiin malleihin, jolloin mallit antoivat tulokseksi kunkin lajin todennäköisyyden kuulua kohdelaji-luokkaan. Näin ollen mallin on tarkoitus vetää yhteen epävarmuutta, joka nousee toisaalta vallitsevasta tieteellisen tiedon tasosta ja toisaalta asiantuntijoiden näkemysten välisestä hajonnasta. Tuloksia voidaan tarkastella asiantuntijakohtaisesti sekä koko asiantuntijajoukon yhteisten keskiarvojakaumien kautta. Tarkasteltaessa asiantuntijajoukon yhdistettyjä keskiarvojaaumia, vaeltajasimpukka kuuluu kohdelajiluokkaan 99,4 %, villasaksirapu 86,9 %, amerikankampamaneetti 84,9 % ja sirokatkarapu 78,3 % todennäköisyydellä, kun tarkastellaan keskiarvojakaumia. Eniten epävarmuutta liittyy lajien vaikutuksiin uudessa ympäristössä, kun taas paras tietotaso ja vähiten epävarmuutta liittyy kriteereihin lajin suhteeseen painolastiveteen ja todisteisiin lajin aiemmasta leviämisestä. Vaikutusten haitallisuutta voi olla vaikea arvioida muun muassa siksi, että vieraslajit eivät vaikuta Itämeren ekosysteemiin yksin, vaan ovat vuorovaikutuksessa muiden lajien kanssa. Asiantuntijoiden välisissä arvioissa oli eroja erityisesti epävarmuutta sisältävissä kriteereissä. Asiantuntijat itse arvioivat kyselyn useammin helpoksi kuin vaikeaksi, mutta silti arviointityöhön liittyi haasteita. Tutkielman mallia rakennettaessa kävi ilmi, että alkuperäisissä kriteereissä on jonkin verran tulkinnanvaraa, mikä saattoi osaltaan vaikuttaa asiantuntijoiden arvioiden eroavaisuuksiin. Kriteerejä onkin syytä muokata selkeämmiksi. Myös kohdelajiluokituksen Bayes-verkkomallia kannattaa kehittää lisää yhteistyössä asiantuntijoiden kanssa. Koska epävarmuus tulee ilmi tutkielmassa käytetyllä Bayes-verkkomenetelmällä, se voidaan ottaa huomioon, kun tehdään päätöksiä eliöiden kohdelajiluokituksesta. Mallista havaitaan, mihin kriteereihin liittyy epävarmuutta ja tätä tietoa voi hyödyntää lisätutkimuksen kohdentamisessa.
Now showing items 1-2 of 2