Bayes-verkkojen sovellukset globaalivesitaloudessa

1. Bayes-verkkojen sovellukset globaalivesitaloudessa

2. Esityksen sisältö • Globaalivesitalous ja sen tutkimusalueet • Bayesilainen mallintaminen vesitaloudessa • Policy Analysis for the Tonle Sap Lake, Cambodia • Muita sovelluksia

3. Globaalivesitalous • Vesitalous = vesivarojen käyttöä ja hallintaa • mm. hydrologia, hydrauliikka, limnologia, vesitaloudellinen suunnittelu & ympäristövaikutusten arviointi, vesirakenteet • Globaalivesitalous = vesitalouden ongelmat globaalissa kontekstissa, veden ja kehityksen linkitykset: • kuivuus/veden liikakäyttö, tulvat, vesien saastuminen, kaupungistuminen, teollistuminen, maatalouden vedenkäyttö, vesivoima, vesirakentaminen, etc. • Vesi ja kehitys –tutkimusryhmä / TKK • Oma tutkimusaihe: Kansainvälisten vesistöjen käyttö - Kiinasta etelään virtaavat kansainväliset joet

4. Bayesilainen mallintaminen vesitaloudessa • Miksi bayes vesitalouskysymyksissä? • Tehokas epävarmuuksien käsittely • Poikkitieteellinen mallintaminen ja analyysi • Sekä määrällinen että laadullinen tieto • Asiantuntijoiden ja stakeholdereiden konsultointi oleellinen osa prosessia • Sovellusalueita mm: vedenkäytön strategioiden vaikutus ihmisiin, ympäristöön ja kehitykseen; ilmastonmuutokseen liittyvät kysymykset

5. Policy Analysis for the Tonle Sap Lake • Kambodzha on köyhä kehitysmaa, historian ja politiikan rasitteet • Tonle Sap –järvi merkittävin vesivara & ruuantuotannon perusta • Järvi osa Mekongin jokiallassysteemiä • 6 (kehitys)maata • Poikkeava hydrologinen käyttäytyminen

6. Tonle Sap –järven mallintaminen • Mekongin jokikomission Water Utilisation Programme (WUP) • ”säännöt” veden käytölle jäsenmaissa • WUP-FIN-I: 1) hydrologia, 2) sosioekonomia ja toimintatavat vaikutuksineen (TKK) • Kylätutkimukset, data-analyysit, bayes-malli • Bayes: apuväline vesivaroihin ja niiden käyttöön liittyvien toimintatapojen vaikutusten ja kytkösten arvioinnille • Kansalliset/alueelliset tavoitteet: talouskehitys, köyhyyden vähentäminen, ympäristön kestävyys • Paikallistason tavoitteet: haavoittuvuuden vähentäminen

7. Sosioekonominen analyysi • mallien yhdistäminen paikallisten ihmisten todelliseen elämään • lähestymistapa: mallintaminen <-> vaikutusten arviointi • mallintamisen linkittäminen päätöksentekoon PROBLEMS & NEEDS RELATED TO WATER Socio-economic analysis LOCAL PEOPLE & THEIR LIVELIHOOD WATER HELP & ANSWERS TO PROBLEMS Modelling

8. Kehitetyn Bayes-mallin taustaa • Kausaaliset linkitykset monimutkaisissa talous-ympäristö-ihmiset –systeemeissä (Varis, 1998) • Tavoitteena arvioida systeemiin kohdistuvia riskejä ts. seurauksia eri toimintatavoista, sekä seurausten epävarmuutta • Työkalu päätöksentekijöille: mihin suuntaan erilaiset päätökset & strategiat vievät • Mahdollisesti / haluttaessa suositusten muodostaminen • Vaikuttaa prioriteettivalintoihin eri sektoreilla

9. Policy Analysis for the Tonle Sap Lake – Bayes-malli • Analysoidaan skenaarioiden vaikutusta ihmisiin, talouteen, ympäristöön ja luonnonvaroihin, sekä näiden haavoittuvuutta • Herkkyyksien, riskien ja epävarmuuksien tarkastelu • Skenaariot: talouskehitys, köyhyyden vähentäminen, ympäristön kestävyys,integroitu/yhdistelmä • 6 muuttujaryhmää (47 muuttujaa): ohjausmuuttujat, vaikutukset ympäristöön, luonnonvaroihin, yhteiskuntaan/yhteisöihin, talouteen, sekä tavoitteisiin • Osalle muuttujista määritellään myös tulevaisuuden suuntaukset

10. Ohjausmuuttujat (sector policies)

11. Mallin rakenne Skenaariot Muuttujien määritys Muuttujat Muuttujien linkitys Vaikutukset Vaikutus- ja riskianalyysi Tavoitteet Johtopäätelmät

12. Mallin sisältö ja toteutus • Linkkimatriisi: muuttujat yhdistetty toisiinsa suorista / epäsuorista linkeistä koostuvan verkon kautta • olemassa olevan datan / asiantuntijapaneelien perusteella • Linkkien määrä 47x47 = 2162 <-> 457 tärkeintä käytettiin • Tarkastellaan herkkyysanalyysin ja kehitysdiagrammien avulla muuttujien vaikutusta tavoitteiden toteutumiseen • Käytön helpottamiseksi tehty Exceliin

13. Suuntaukset Skenaariot & Vaikutukset Linkkimatriisi

14. Herkkyysanalyysit • Halutaan muuttujien avulla muutosta systeemiin -> antaa tietoa siitä miten minkäkinlaista muutosta saadaan aikaan • Laskeminen ja tulkinta • Jokaiseen muuttujaan tehdään vuorollaan pieni muutos • Laskentatuloksia verrataan siihen tulokseen, joka saadaan mallilla ilman poikkeutusta • Kertoo miten kukin muuttuja vaikuttaa muihin muuttujiin • Muuttujien valinnat vaikuttavat toisiinsa -> herkkyysanalyysi elää koko ajan kun muuttujia muutetaan ”Mallin tuloksista herkkyysanalyysi on usein kaikkein hyödyllisin”

15. Herkkyysanalyysit, esimerkki • Muutoksien muuttujissa vaikutus tavoitteisiin (talous, köyhyys, ympäristö)

16. Johtopäätelmät mallin perusteella • Talousskenaario: paras tulos talouskehitystavoitteessa, korkea epävarmuus • Köyhyyden vähentämisskenaario: lähes yhtä hyvä talouskehitys, vähemmän epävarmuutta • Suojeluskenaario: ei parannakaan ympäristön tilaa, sillä ei huomioi kyliä ja niiden kehitystä (ympäristö <-> ihmiset) • Integroitu (win-win-win) skenaario: paras kokonaistulos <-> kehittää myös hallintoa ja instituutioita • Teiden lähellä olevien alueiden haavoittuvuuttavoidaan vähentää eniten • Mikään skenaario ei paranna ympäristön tilaa

17. Mitä malli siis antaa? • Herkkyysanalyysit: muutokset muuttujissa -> tavoitteiden toteutuminen • Kertoo kuinka skenaariota voidaan parantaa • Muuttujien sopivat yhdistelmät keinona saavuttaa halutut tavoitteet ja löytää kompromissiratkaisu • Vaikutusten epävarmuudet johtuvat paitsi informaation puutteesta myös systeemin monimutkaisuudesta

18. Muita sovelluskohteita • Esiteltyä mallia sovelletaan lähes sellaisenaan: • Mekongindeltalla Vietnamissa (WUP-FIN II) • Vientianen ympäristössä Laosissa • Muita sovelluskohteita: • Senegal –joki: Mali, Mauritania & Senegal • Kariba –järvi: Zimbabwe & Zambia • Lac de Guiers, Senegal • Nitra -joki, Slovakia • Itämeri • Suomen vesistöt • Ilmastonmuutostutkimukset • Ympäristövaikutusten arviointi

19. Ilmastonmuutoksen vaikutukset Etelä-Suomen vesistöihinKuikka S. & Varis O., 1997: Uncertainties of climatic change impacts in Finnish watersheds: a Bayesian network analysis of expert knowledge. Boreal Environment Research 2: 109-128, 1997. • Vaikutukset vaikeita mallintaa & paljon epävarmuutta -> päätöksenteko toimista vaikeaa • Bayes: epätarkan, poikkitieteellisen ja keskenään linkittyneen informaation mallintaminen • Muuttujat: tärkeimmät tekijät ilmastonmuutoksen vaikutuksissa vesistöihin, sekä näiden mahdolliset tilat • jääpeitteen kesto, vuodenaikaisvirtaamat, veden O2-,CO2-ja ravinnepitoisuudet, pH, vesivoiman tuottomahdollisuudet, etc. • Jokaiselle muuttujalle tn-jakauma: odotettu muutos (< / >) • Vesi- ja ilmastoasiantuntijat: riippuvuudet (linkit) • Herkkyysanalyysit -> mitä muuttujia/linkkejä tutkia

20. Kotitehtävä • Silmäile läpi artikkeli: Varis O. & Kuikka S., 1997: Bene-EIA: A Bayesian Approach to Expert Judgement Elicitation with Case Studies on Climate Change Impacts on Surface Waters. Climatic Change 37: 539-563, 1997. www.springerlink.com/media/3e83c3xqlr5ryvkged4t/contributions/k/4/n/1/k4n15pm7310n6558.pdf (pääsy TKK:n pääkirjaston tietokannan kautta) • Kirjoita artikkelin ja luennon pohjalta lyhyt (n. 1xA4) suomenkielinen essee bayes-verkkojen soveltamisesta vesi- ja ilmastokysymyksiin. Koita vastata seuraaviin kysymyksiin: • Miten esitetty bayes –lähestymistapa suhtautuu kurssilla läpi käytyihin bayes –verkkoihin ja –mallintamiseen? • Miksi bayes soveltuu näiden asioiden mallintamiseen? • Minkä tyyppisiä johtopäätelmiä mallien tuloksista voidaan tehdä? • Mitä rajoitteita näet bayesin soveltamisessa vesi- ja ilmastokysymyksiin?