Mat-2.142 Optimointiopin seminaari, syksy 1999 9.11.1999 Referaatti, esitelmä 12 Matti Vesanen, 44467j Lähde: Kuikka, S. & Varis, O. 1997. Uncertainties of climatic change impacts in Finnish watersheds: a Bayesian network analysis of expert knowledge. Boreal Env. Res. 2: 109-128. ISSN 1239-6095 Ilmastonmuutoksen vaikutus Suomen sisävesiin
Johdanto Ilmastonmuutos ja sen vaikutusten arviointi on monimutkaisimpia koskaan tutkittuja ilmiöitä. Vaikutukset ulottuvat hyvin laajalle ja ne havaitaan vasta pitkän ajan kuluessa. Siksi niitä kaikkia ei tunneta tai niiden suuruutta on vaikea arvioida. Tämä aiheuttaa suuria epävarmuuksia yritettäessä analysoida ilmastonmuutoksen vaikutuksia. Mallinnettaessa ilmiötä epävarmuus aiheutuu kahdesta pääasiallisesta lähteestä: muuttujien epätarkkuudesta sekä arvioitujen syy- ja seuraussuhteiden virheellisyydestä. Tutkimuksen tarkoituksena oli selvittää ilmastonmuutoksen vaikutuksia Etelä-Suomen sisävesistöihin vuoteen 2050 mennessä. Ongelmaa ei pyrittykään ratkaisemaan eksaktisti vaan pyrkimyksenä oli lähinnä kartoittaa ja analysoida vesistöntutkijoiden näkemyksiä ilmiöstä. Tavoitteena oli selvittää mitkä asiat tunnetaan ja mitä ei tunneta sekä osoittaa mistä asioista tutkijat ovat mahdollisesti erimielisiä. Tietoja pyrittiin saamaan sekä syy- ja seuraussuhteista, että muuttujien tilasta. Uskomusverkkomallin muodostus Ongelman analysoimiseksi rakennettiin uskomusverkkomalli. Uskomusverkko muodostuu muuttujista (solmuista) joilla jokaisella on jokin todennäköisyysjakauma sekä muuttujien välisistä kaarista, jotka kuvaavat muuttujien välisiä vuorovaikutuksia. Uskomusverkon rakentaminen alkoi muuttujien määrittämisellä. Muuttujia valittiin kaikkiaan 24 kappaletta ja ne jakautuivat neljään hierarkkiseen ryhmään: Ilmastomuuttujat kuvaavat ilmaston ominaisuuksia, kuten lämpötila ja sademäärä. Fysikaaliset muuttujat kuvaavat vesistöjen ominaisuuksia, niiden virtauksen ja veden pinnan tilaa sekä jäätilannetta. Kemialliset muuttujat kuvaavat veden laatua, esimerkiksi ravinnepitoisuutta ja ph:ta Tavoite ja ongelma muuttujat ovat asioita joista tutkimus on erityisesti kiinnostunut, esimerkiksi luonnon monimuotoisuus ja vesivoiman saatavuus.
Muuttujien valinnan jälkeen kaikille muuttujille muodostettiin viisiportainen diskreetti todennäköisyysjakauma, joka kuvaa muuttujan ilmastonmuutoksesta johtuvaa muutosta vuoteen 2050 mennessä asteikolla: Vähenee paljon Vähenee hieman Pysyy samana Kasvaa hieman Kasvaa paljon Ensin kerättiin todennäköisyysjakaumat ilmastomuuttujille haastattelemalla viittä ilmastontutkijaa ja laskemalla näiden todennäköisyysjakauma arvioista keskiarvojakaumat jokaiselle ilmastomuuttujalle. Varsinaisten vesistömallien rakentamiseen osallistui kahdeksan ilmaston ja vesistöjen välisten vuorovaikutusten asiantuntijaa. Kaikki tutkijat työskentelivät Suomen Ilmastonmuutos Projektissa (SILMU). Tutkimuksen tekijät Kuikka ja Varis haastattelivat vuorollaan kutakin tutkijaa ja näiden haastattelujen perusteella muodostettiin kahdeksan uskomusverkkomallia. Ilmastontutkijoiden arviot ilmastomuuttujien todennäköisyysjakaumista olivat tiedossa tässä vaiheessa. Jokaiselle muuttujalle muodostettiin ensin diskreetti todennäköisyysjakauma. Jos tutkija oli hyvin epävarma muuttujan jakaumasta se asetettiin tasajakaumaksi, jotta se vaikuttaisi mahdollisimman vähän muuhun malliin. Tätä tutkijan arvioimaa alkuperäistä todennäköisyysjakaumaa kutsutaan priori jakaumaksi. Seuraavaksi tutkijat arvioivat muuttujien vuorovaikutussuhteita. Muuttujat muodostavat solmujen joukon joiden välisiä vuorovaikutuksia kuvataan uskomusverkossa kaarilla. Jokaisen solmun vuorovaikutusta toisiin solmuihin arvioitiin asteikolla miinus yhdestä yhteen, missä miinus yksi tarkoittaa täydellistä negatiivista riippuvuutta, nolla ei riippuvuutta ja yksi täydellistä positiivista riippuvuutta. Jokaisesta solmusta saa lähteä useampia kaaria ja siihen saa tulla kaaria useista solmuista. Rajoituksena on kuitenkin se, että yhteen solmuun tulevien kaarien vaikutusten itseisarvojen summa saa olla korkeintaan yksi. Kun asiantuntijoiden arvioimat todennäköisyysjakaumat ja muuttujien väliset vuorovaikutukset kootaan uskomusverkoksi, päivittää verkko alustavia priori todennäköisyysjakaumia.
Uskomusverkko päivittyy ottaen huomioon kaikkien muuttujien todennäköisyysjakaumat ja muuttujien väliset vuorovaikutukset. Muuttujien todennäköisyysjakaumat muuntuvat posteriori todennäköisyysjakaumiksi. Posterior todennäköisyysjakauma ei saisi poiketa kovin merkittävästi priori todennäköisyysjakaumasta, sillä jos näin tapahtuu se kuvastaa mallin epäjohdonmukaisuutta. Muiden muuttujien todennäköisyysjakaumat ja niiden väliset vuorovaikutussuhteet eivät tällöin ole sopusoinnussa kyseessä olevan muuttujan todennäköisyysjakauman kanssa. Herkkyysanalyysi Ongelman analysoimiseksi suoritettiin laaditulle uskomusverkkomallille kahdenlaista herkkyysanalyysiä. Ensin oli kuitenkin tarkoituksenmukaista koota eri tutkijoiden muodostamista malleista yksi tutkittava malli. Se muodostettiin siten, että eri mallien todennäköisyysjakaumista laskettiin kullekin muuttujalle keskiarvojakaumat. Tämä on tietysti periaatteessa vaarallista, jos tutkijoiden käsitykset poikkeavat merkittävästi toisistaan. Mutta toisaalta, jos todennäköisyysjakaumasta tulee kovin tasainen, siitä voidaan päätellä, että kyseisen muuttujan kehityksestä ei tiedetä tarpeeksi joka sekin on tavallaan arvokas tieto. Herkkyysanalyysien tulosten selkeyttämiseksi valittiin yhdistettyyn uskomusverkkomalliin vain kaikkein merkityksellisimmät kaaret. Kaikkiaan malliin jätettiin 41 kaarta, joiden vaikutukset kaikkien tutkijoiden malleissa olivat itseisarvoltaan vähintään 0,1 suuruisia. Jokaisen kaaren vaikutuksen voimakkuuteen aiheutettiin vuorollaan pieni muutos. Tämä muutos aikaansai pieniä muutoksia kaikkien muuttujien todennäköisyysjakaumissa, kun verkko päivittyi. Nämä muutokset mitattiin ja prosentuaaliset muutokset raportoitiin. Muuttujien todennäköisyysjakaumien prosentuaalisista muutoksista havaitaan kyseiseen muuttujaan eniten vaikuttanut kaari. Jokaiselle muuttujalle kirjattiin muistiin kolme eniten vaikuttanutta kaarta. Tämä herkkyysanalyysi siis paljastaa mallin kausaliteettien vaikutukset yksittäisiin muuttujiin. Tärkeimmäksi vaikutukseksi osoittautui lämpötilan ja sademäärän välinen vuorovaikutus, se oli tärkeimpien vaikutusten joukossa usealle muuttujalle.
Toinen herkkyysanalyysi tehtiin selvittämään muuttujien todennäköisyysjakaumien vaikutuksia muihin muuttujiin. Jokaisen muuttujan priori todennäköisyysjakauman pysyy samana todennäköisyyttä pienennettiin vuorollaan 0,01:llä. Jälleen muutos aikaansai pieniä muutoksia kaikkien muuttujien posteriori todennäköisyysjakaumissa ja prosentuaaliset muutokset raportoitiin. Näin jokaiselle muuttujalle löydettiin suurimmat häiriön aiheuttajat eli muuttujat joiden todennäköisyysjakaumissa tapahtuvat muutokset vaikuttavat voimakkaimmin kyseisen muuttujan todennäköisyysjakaumaan. Tuloksia Uskomusverkkomallin muodostamisen ja herkkyysanalyysien jälkeen havaittiin, että verkossa on paljon vuorovaikutussuhteita ja että tavoitemuuttujiin kohdistuu hyvin monia vaikutuksia. Tämä osoittaa miksi ilmastonmuutoksen vaikutukset muodostavat niin monimutkaisen ja hyvin suuria epävarmuuksia sisältävän ongelman. Herkkyysanalyyseistä kävi selväksi lämpötilan ja sademäärän välinen vuorovaikutus oli hyvin keskeinen monille muuttujille. Tämä johtuu siitä että lähes kaikki muuttujat ovat herkkiä sekä lämpötilalle että sademäärälle. Lämpötila on kytköksissä energiaan jota tarvitaan niin fysikaalisiin kuin kemiallisiin sekä biologisiin prosesseihin. Sademäärä vaikuttaa systeemissä virtaavan veden määrään, joka puolestaan kuljettaa materiaa ja energiaa systeemin sisällä. Tutkimuksessa tuli lisäksi esille se, että epävarmuudet kumuloituvat pitkissä syy-seuraus ketjuissa. Pitkät vaikutusketjut joiden jokaisella portaalla on epävarmuutta hämärtävät lopputuloksia niin ettei lopulta asioista osata sanoa yhtään mitään. Tutkimuksessa ei siis kannata keskittyä liian kaukaisten vaikutusten tutkimiseen. Artikkelin kirjoittajat Kuikka ja Varis ovat sitä mieltä, että uskomusverkot ovat tehokas tapa eri lähteistä tulevan tiedon yhdistämisessä ja ne mahdollistavat subjektiivisten mielipiteiden analyyttisen käsittelyn. Myöskään tiedon vajavaisuus jostain mallin osa-alueesta ei tee koko ongelman käsittelystä mahdotonta vaan puutteelliset tiedot voidaan silti syöttää malliin ja silti saada käyttökelpoisia tuloksia muilta osin.