Yhteystiedot: Kerttu Vali, Pajamäenkatu 14, 48600 Kotka email: kalastusuutiset@victoriamedia.fi

:VÄITÖS: Kalakantojen arvioinnissa otettava huomioon myös epävarmuudet

henni_pulkkinen

Henni Pulkkinen, kuva: Jaakko Huikari

Kalakantojen arviointi tuottaa tietoa kalakannan tilasta sekä kalastuksen vaikutuksesta kannan kehitykseen. Koska suoraa tietoa kannan koosta tai kalastuskuolevuudesta ei ole saatavilla, päätelmät pohjautuvat epäsuoraan informaatioon ja erilaisten tietolähteiden yhdistelyyn. Uudenlaisilla matemaattisilla menetelmillä voidaan huomioida kanta-arvioihin sisältyvät epävarmuudet ja tarjota aiempaa luotettavampia arvioita päätöksenteon tueksi.

Luonnonvarakeskuksen (Luke) tutkija Henni Pulkkinen selvitti väitöstutkimuksessaan, miten erityyppisiä epävarmuuden lähteitä voidaan huomioida kalakantojen arvioinnissa Bayes-tilastotieteen avulla. Bayes-malleissa olemassa olevaa tietoa voidaan yhdistellä laajalti. Esimerkiksi monien uhanalaisten ja vähän tutkittujen kalakantojen arvioinnissa voidaan käyttää hyödyksi sukulaislajeista kerättyä biologista ja ekologista tietoa.

– Bayes-mallinnus on oppimisprosessi, jossa aikaisempaa tietoa päivitetään uudella tiedolla. Haasteena on tunnistaa, miten monista lähteistä hyödyllistä tietoa voi kerätä. Tieto voi olla peräisin kirjallisuudesta tai tietokannoista, mutta yhtä hyvin se voi olla myös asiantuntijahaastatteluilla kerättyä niin sanottua hiljaista tietoa, Helsingin yliopiston bio- ja ympäristötieteellisessä tiedekunnassa väittelevä Pulkkinen kertoo.

Luonto ei noudata yhtä kaavaa

Perinteinen kalakantojen arviointi tehdään pitkälti havaitun datan ehdoilla, eikä huomiota kiinnitetä riittävästi tehtyjen oletusten takia piiloon jäävään epävarmuuteen. Bayes-mallinnus mahdollistaa koko biologisen prosessin kuvaamisen käytössä olevan datan määrästä riippumatta, jolloin heikosti tunnetut osat on helpompaa tunnistaa ja niihin liittyvät epävarmuudet huomioida. Pulkkisen väitöstyössä tarkastellaan muun muassa malliepävarmuutta, joka seuraa siitä, että tutkittavaa ilmiötä voidaan selittää useilla, jopa toistensa kanssa ristiriitaisilla teorioilla.

– Yksikään luonnonilmiötä esittävä matemaattinen yhtälö ei ole absoluuttisen oikea. Sen sijaan useat, kilpailevatkin näkemykset parhaasta matemaattisesta mallista voivat yhdessä tarjota laajemman ymmärryksen ilmiöstä kuin mikään niistä yksin. Mallin valinnalla voi olla merkittäviä vaikutuksia aineiston tulkintaan.

Yksi biologisen Bayes-mallinnuksen menestystarinoista on väitöskirjassakin tarkasteltu Itämeren lohen kanta-arviointimalli, jossa yhdistetään biologinen taustatieto sekä laajat tutkimusaineistot Suomen ja Ruotsin luonnonlohikannoista. Kansainvälinen merentutkimusneuvosto (ICES) käyttää kanta-arvioinnin tuloksia vuosittain tieteellisessä neuvonannossaan Itämeren lohen kalastuskiintiöistä.

Pulkkisen mukaan Bayes-tilastotieteen käyttö on yleistymässä populaatiobiologiassa. Mallinnus edellyttää kuitenkin ymmärrystä todennäköisyyslaskennasta, ja siinä törmää helposti laskentateknisiin haasteisiin. Bayes-mallit ovat kuitenkin olleet jo kauan arkipäivää monilla aloilla. Useimmat meistä käyttävät Bayes-sovelluksia tietämättään päivittäin muun muassa hakukoneiden, käännösohjelmien ja puheentunnistuksen järjestelmissä.

FM Henni Pulkkinen väittelee 27.2.2015 kello 12 Helsingin yliopiston Bio- ja ympäristötieteellisessä tiedekunnassa aiheesta ”Embracing uncertainty in fisheries stock assessment using Bayesian hierarchical models” (Epävarmuuden huomiointi kalakantojen arvioinnissa hierarkkisten Bayes-mallien avulla). Väitöstilaisuus järjestetään Oulun yliopistolla Linnanmaan kampuksella. Vastaväittäjänä on Mikko Sillanpää Oulun yliopiston biologian ja matematiikan laitoksilta ja kustoksena Sakari Kuikka Helsingin yliopiston ympäristötieteiden laitokselta.

Väitöskirja on luettavissa osoitteessa: http://ethesis.helsinki.fi