Metsänhoitosuunnitelmat ja päästöjen kehitys ovat suurimmat epävarmuuksien lähteet, kun arvioidaan Suomen metsien tilaa tulevaisuudessa

Ilmatieteen laitoksen tutkija Jarmo Mäkelä selvitti väitöstyössään, kuinka merkittäviä eri epävarmuuslähteet ovat, kun arvioidaan metsäekosysteemien tulevaisuutta Suomessa.

Mäkelä tarkasteli tutkimuksessa kahta erilaista mallia, joilla kuvataan sitä, miten auringonvalo, vesi ja hiili kulkeutuvat ekosysteemeissä ja yhteisvaikutuksellaan sitouttavat ilmakehän hiilidioksidia kasvustoon ja maaperään.

Tutkimuksessa epävarmuuslähteet jaettiin neljään ryhmään:

  • mallien sisäiset epävarmuudet
  • mallien ajamiseen käytettävät ilmastomuuttujat, kuten säteily, ilman lämpötila, sadanta ja hiilidioksidipitoisuus, jotka poimittiin CMIP5-ilmastomallisimulaatioista
  • mahdolliset päästöjen kehityskulut (ns. RCP-päästöskenaariot), jotka edustavat ilmakehän hiilidioksidipitoisuuden nousua
  • valitut metsänhoitosuunnitelmat.

Metsäekosysteemien epävarmuuslähteiden arvioimiseksi ajettiin tuhansia mallisimulaatioita 1980-luvulta aina 2100-luvulle asti.

”Suurimmiksi epävarmuuslähteeksi nousivat metsänhoitosuunnitelmat ja päästöskenaariot eli kasvihuonekaasupäästöjen kehitys. Näitä seurasivat ilmastomuuttujat ja mallien sisäinen epävarmuus”, Jarmo Mäkelä kertoo.

Tiedot epävarmuuslähteiden merkityksestä auttavat kohdentamaan aiheesta tehtävää tutkimusta jatkossa. Lisäksi tiedot havainnollistavat, mitkä epävarmuuslähteet ovat merkityksellisiä esimerkiksi luonnon virkistysarvoille, monimuotoisuudelle ja puuntuotannolle.

Mallia kalibroitiin kahdella algoritmilla

Mallikalibrointiin sovellettiin kahta eri bayesilaista menetelmää: ”adaptive Metropolis” – ja ”adaptive population importance sampler” -algoritmeja. Molemmat menetelmät muuntelevat malliparametreja ja pyrkivät löytämään parametriyhdistelmän, jolla malli tuottaa parhaan mahdollisen lopputuloksen.

Tuloksia verrattiin yhteensä kymmenen boreaalisen vyöhykkeen havaintoaseman meteorologisiin mittauksiin. Tarkasteluun sisällytettiin eri aikaresoluutioita ja myös useita mallin rakenteellisia muutoksia, jotta malli ja havainnot vastaisivat paremmin toisiaan. Tarkastelujen pohjalta muodostettiin joukko parametriyhdistelmiä, joka kuvaa mallin sisäistä epävarmuutta.

Väitöskirja tarkastetaan 7.2.2020 Helsingissä

Jarmo Mäkelän väitöskirja ”Bayesian methods applied for ecosystem model calibration and uncertainty source estimation” tarkastetaan Helsingin yliopiston matemaattis-luonnontieteellisessä tiedekunnassa 7.2.2020 kello 12. Väitöstilaisuus järjestetään Dynamicum-rakennuksessa, osoitteessa Erik Palménin aukio 1, Helsinki.

Vastaväittäjänä on professori, Dr. Florian Hartig (Regensburgin yliopisto, Saksa) ja kustoksena on professori Matti Pirinen.