Siirry sisältöön

Kuinka tiedon luotettavuus voidaan ottaa huomioon luontotiedon käytössä?

Luontotiedon epävarmuuden lähteet ja ilmenemismuodot vaihtelevat tiedon alkuperästä ja tyypistä riippuen. Epävarmuus tarkoittaa käytännössä yleensä sitä, että mitattavaa asiaa ei tiedetä ihan tarkasti, mutta tieto on keskimäärin oikein. Kun mitatun luontotiedon perusteella tehdään päätelmiä ja suosituksia, voidaan epävarmuutta arvioida ja ottaa huomioon erilaisilla menetelmillä. Eri tilanteisiin parhaiten soveltuvat menetelmät riippuvat tiedon ominaisuuksista. Systemaattinen virhe on luonteeltaan erilaista kuin edellä kuvattu epävarmuus. Siinä mitattu tieto on järjestelmällisesti vinoutunutta ja siksi tällaisen tiedon käyttö johtopäätösten tukena on hankalaa. Laadukkaan luontotiedon tuottamisen olennainen osa onkin erilaisten epävarmuustekijöiden arviointi ja raportointi.

Luontotiedon käyttäjän on huomioitava seuraavia asioita:

Epävarmuuden arviointi

Luonnontieteissä määrällisen tiedon luotettavuutta arvioidaan määrittämällä tulosten epävarmuudelle vaihteluväli. Epävarmuutta voidaan usein vähentää lisäämällä mittauspisteiden määrää, tekemällä mittausten laadunvarmistusta tai parantamalla mallinnusta. Silti täyteen varmuuteen tai tarkkuuteen ei yleensä ole edes mahdollista päästä. Epävarmuuden määrää voidaan joissain tapauksissa ilmaista myös laadullisena arviona, jos tarkkaa numeraalista arvoa ei pystytä tuottamaan.

Otos vaikuttaa havaintojen luotettavuuteen

Luontohavaintojen seurantaa voidaan tehdä systemaattisesti, hyvin suunnitellun otannan ja riittävän suuren otoksen perusteella. Tällaisesta seurannasta saatavia havaintoja voidaan pitää kattavina ja edustavina.

Otos, eli havainnointiyksiköiden valinta, voidaan tehdä satunnaisvalinnan avulla siten, että havaintopisteet kuvastavat mitattavan populaation esiintymisalueiden ominaisuuksia kattavasti. Jos otoksessa suositaan jotain havainnointiyksikön tyyppiä tai se suljetaan otoksen ulkopuolelle, voi havaintoihin tulla vinoumaa, joka vähentää tulosten luotettavuutta. Havaintopisteitä tulisi myös olla riittävästi suhteessa havaittavan lajin esiintymiin. Pienen otoskoon myötä havainnoista tehtävien johtopäätösten epävarmuus kasvaa, kun taas otoskokoa kasvattamalla se pienenee.

Toinen usein käytetty tapa kerätä luontohavaintoja on systemaattinen otanta, jossa havainnoitavasta luontopiirteestä kerätään alueellisesti kattavia otoksia sijoittamalla tutkimuspisteet tai -linjat järjestelmällisesti tietyn kokoisina tai -pituisina, ja aina tietylle etäisyydelle toisistaan.

Lajistoseurannoissa tehtyjen havaintojen kirjaaminen sekä myös havaintojen puuttumisen kirjaaminen vaikuttavat mittauksista johdetun tiedon kattavuuteen. Systemaattisesti tehdyissä seurannoissa saadaan tietoa siitä, onko jotain lajia otantapisteissä tai -koealoilla tai puuttuuko se. Näin saadaan arvokasta tietoa myös kohteista, joista tietyt lajit puuttuvat. Monissa kansalaishavaintoihin perustuvissa seurannoissa tietoa saadaan vain niistä eliölajeista jotka on havaittu. Tällöin ei saada tietoa niistä alueista, joissa lajia ei ole havaittu, mikä pitää huomioida kerättyjen tietojen tulkinnassa. Jos sitä ei huomioida, vaarana on seuranta-aineistoista tehtyjen laskelmien ja johtopäätösten vinoutuminen mikä voi johtaa systemaattisiin yli- tai aliarvioihin.

Lajiston runsaus ja pohjatieto lajiston sijainnista vaikuttavat havaintojen määrään. Jos sijainnista ei ole riittävää tietoa, tai laji on todella harvinainen, siitä ei välttämättä saada kuin vähän havaintoja. Tämä lisää tulosten epävarmuutta. Kuitenkin jotkut harvinaiset eliöryhmät tai luontotyypit sekä niiden esiintymisen sijainti tunnetaan hyvin, jolloin jo pienellä otoksella voidaan saada tarkkaa tietoa kulloisestakin tilanteesta. Sen sijaan huonommin tunnettujen, harvinaisten eliöryhmien kohdalla pieni otos voi tarkoittaa suurta epävarmuutta.

Havaintojen ajallinen ja alueellinen kattavuus

Havainnot kattavat tyypillisesti vain osan tutkitun alueen pinta-alasta. Lisäksi luontohavainnot eivät normaalisti muodosta ajallisesti jatkuvaa yhtenäistä sarjaa, vaan niitä kertyy yksittäisistä ajankohdista.

Monia eliölajeja ja -ryhmiä seurataankin tämän kaltaisten sijainniltaan ja ajankohdiltaan rajallisten otantojen perusteella. Näistä otoksista voidaan kuitenkin laskea tilastollisia tunnuslukuja, kuten havaintomäärien keskiarvoja jollain alueella, ja näiden tunnuslukujen ajallista kehitystä voidaan seurata. Keskiarvon lisäksi otoksesta voidaan laskea sen epävarmuus. Keskiarvon epävarmuus pienenee yleensä otoskoon kasvaessa.

Jos havaintoja on vain vähän, voi johtopäätösten tekeminen olla vaikeaa suuren epävarmuuden takia. Tällöin esimerkiksi peräkkäisinä ajanhetkinä tehtyjen havaintojen keskiarvojen välinen isokin muutos voi olla pientä suhteessa epävarmuuteen. Silloin ei voida varmuudella sanoa onko muutosta todella tapahtunut.

Eliöryhmien tai ekosysteemien yksittäisten, alueellisesti satunnaisten havaintojen avulla voidaan tietyissä tapauksissa tuottaa arvioita niiden tilasta laajoillekin alueille. Jos tietyn eliöryhmän esiintymisen ekologisia piirteitä, populaatioiden dynamiikkaa ja vuorovaikutussuhteita pystytään mallintamaan matemaattisesti, voidaan saada myös ajallisesti kattavia arvioita sen muutoksista. Mallinnustulosten osalta on tärkeää huomioida myös niiden epävarmuus.

Maastohavainnoinnin ja -mittauksien epävarmuudet

Epävarmuutta mittauksiin tulee esimerkiksi mittausmenetelmien epätarkkuudesta, mitattavan kohteen ominaispiirteistä kuten myös tulosten pyöristysvirheistä. Lisäksi erityisesti maastomittauksiin voi sisältyä epävarmuutta siitä, onko koko havaintoalueen eliöryhmän eliöt havaittu. Havaintojen määrä voi vaihdella sääolosuhteiden, kellonajan ja muiden ympäristötekijöiden mukaan.

Joidenkin lajien osalta mittaustulokset voivat olla hyvinkin tarkkoja (esimerkiksi suurten, hyvin näkyvillä olevien ja harvalukuisten nisäkkäiden lukumäärä), kun taas pienten tai laajuudeltaan vaihtelevien, kenties piilottelevien kohteiden (mikrobit, pienikokoiset lajit) määrän tai esiintymisalan arviointi on jo itsessään epävarmaa. Luontotyyppien tunnistaminen maastossa voi olla epävarmaa etenkin pienikokoisilla esiintymillä tai voimakasta, moniulotteista ekologista vaihtelua sisältävillä paikoilla; sama kohta voi saada eri luontokartoittajilta erilaiset määritelmät.

Uudet DNA-emäsjärjestykseen tai automaattiseen kuvan- tai äänentunnistukseen perustuvat lajien havaintomenetelmät eivät ole riippuvaisia havainnoijan lajintuntemuksesta ja ovat siten perinteistä havainnointia objektiivisempia ja toistettavampia. Myös tällaisiin havaintoihin liittyy kuitenkin epävarmuutta. Tärkeimpiä epävarmuuden lähteitä näillä ns. koneellisilla havaintomenetelmillä ovat puutteet vertailuaineiston kuten DNA-sekvenssikirjastojen tai tekoälyalgoritmin opettamisessa käytetyn lintujen ääniaineiston kattavuudessa. Jos harvinainen laji on huonosti edustettu vertailuaineistossa, sen tunnistaminen jää helposti epävarmaksi, varsinkin jos myös lajin sisällä on merkittävää vaihtelua kuten esimerkiksi lintujen äänten tapauksessa. DNA-menetelmien kohdalla havainnon luotettavuuteen vaikuttavat myös lukuisat metodologiset yksityiskohdat aina näytteen säilömisestä DNA:n monistamisessa käytettyihin alukkeisiin. Lisäksi epävarmuutta voi olla ympäristönäytteessä kuten vedessä tai ilmassa havaitun DNA:n alkuperästä. Erityisesti ilmassa ja suurissa joissa DNA voi kulkeutua näytteeseen huomattavan kaukaa. Ilman ja veden virtaukset huomioivaa leviämismallinnusta voidaan hyödyntää mahdollisten lähdealueiden rajaamisessa.

Mallinnuksen epävarmuus

Laajan alueen paikallisesti kattavassa luontotiedossa osa tiedosta pohjautuu usein mallinnukseen, sillä itse havainnot sijaitsevat vain rajallisessa määrässä havaintopisteitä. Muilta osin alueen paikkatietoa voidaan mallintaa, jos havaintokohde korreloi jonkun, esimerkiksi kaukokartoituksen avulla mitattavan muuttujan kanssa. Itse havaintotieto voi olla myös mallinnuksen tulosta, jos havaintotieto ei ole suoraan muuttuja, jota pystytään mittaamaan.

Luontotieto, joka pohjautuu mallinnukseen, sisältää epävarmuuksia useasta eri lähteestä. Mallinnuksen lähtöaineistoon, mallinnuksen parametreihin sekä mallivirheeseen liittyvä epävarmuus näkyvät mallinnustulosten epävarmuutena. 

Tulevaisuuden malliennusteiden epävarmuus voi riippua myös ulkoisista tekijöistä, kuten paikallisesta säästä ja maankäytöstä, joista ei ole tarkkaa tietoa. Niiden vaihtelua voidaan kuvata esimerkiksi skenaariomalleilla, joissa on tehty oletuksia ulkoisten tekijöiden muutoksille ja niiden epävarmuuksille.

Sivun ylälaidan kuva: Riku Lumiaro / SYKE