MOT, Jamal, RCS ja lustotutkimuksen ilmastotulkinnat

Toimittaja Martti Backman esitteli MOT-ohjelmassaan 9.11.2009 puiden vuosilustojen mallittamiseen liittyvää problematiikkaa. Tilastotieteilijä Steve McIntyren analyysit ja kritiikki Jamalin lehtikuusista kootun vuosilustosarjan ilmastotulkinnasta lienevät olleet pääpontimena ohjelman teolle. Myös professori Kari Mielikäistä ja tämän katsauksen laatijaa (Mauri Timonen) pyydettiin arvioimaan Jamalin kronologian soveltuvuutta ilmastotulkinnoissa. Esittelen pääpiirteittäin periaatteet, joilla lustotutkimusta tehdään Mielikäisen vetämässä hankkeessa 3436 (Suomen metsien kasvun lisääntymisen syyt ja seuraukset). Hanke kuuluu Metlassa tehtävään ilmastonmuutostutkimuksen tutkimusohjelmaan.

Ilmastonvaihteluiden analysointi vuosilustoista

Joissakin yhteyksissä on arveltu, ettei vuosilustoista olisi mahdollista selvittää ilmaston pitkän ajan trendimäisiä vaihteluita saatikka tehdä niistä luotettavia ilmastotulkintoja. Alan tutkijat eivät kuitenkaan tällaisiin arvioihin yhdy vaan selvittelevät maapallon ilmaston tilaa yli 150 ilmastoherkän puulajin vuosilustoista.

Suomalaiset lustotutkijat ovat hyvin mukana kansainvälisessä tutkimustoiminnassa. Meillä on käytössämme Lapin metsänrajamännyn yli 7600-vuotinen vuodentarkka lustosarja ja siihen liittyvä monipuolinen elävistä puista, keloista, kannoista, rakennuspuista ja megafossiileista (muinaispuista)koostuva tutkimusaineisto. Metsänrajamännyn vuosilustoihin tallentunutta ilmastosignaalia, jolla tarkoitetaan kesä-heinäkuun lämpötilan voimakasta yhteyttä paksuuskasvuun (ks. kaaviokuva "Puun kasvu"), pidetään jopa tarkimpana ilmastoa likimääräisesti kuvaavana luonnon ilmastomittarina eli ns. proksimuuttujana. Tämän erityispiirteensä vuoksi Lapin pitkä lustokronologia on herättänyt laajaa kansainvälistä kiinnostusta.

Ilmastosignaalin tunnistaminen puiden lustoista vaatii asiantuntemusta, sillä monenlaiset puun kasvuun liittyvät sudenkuopat vaanivat tutkimuksen eri vaiheissa. Ongelmien aiheuttaja on puun kasvuprosessi, joka on lukuisten ympäristötekijöiden summa. Asian voi kuvata kasvun käsitteellisen mallin (s. 310) avulla. Kasvuprosessia ymmärtävälle ja menetelmät hallitsevalle tutkijalle asiasta ei kuitenkaan muodostu merkittävää ongelmaa. Koetan tuoda tässä yleistajuisessa katsauksessa esiin joitakin menetelmällisiä näkökohtia, joiden huomiointi on tärkeää hyvään tutkimukseen pyrittäessä.

INDEKSOINTIMENETELMÄT

Ilmastonvaihteluita selvitetään vuosilustoista kahdella tavalla: yksinpuin (STS, Single Tree Standardization) tai alueellisesti tasoittaen (RCS, Regional Curve Standardization).

STS soveltuu vuosien korkeataajuisten (High-Frequency) ja vuosikymmenten keskitaajuisten  (Medium-Frequency) välisten ilmastonvaihteluiden tutkimiseen. Jokainen näytesarja kalibroidaan 100-kasvutasolle laskemalla sille oma lustonleveys-ikä keskiarvokasvukäyränsä. vuosilusto-indeksit saadaan vertaamalla havaintoja kasvun tasoituskäyrän arvoihin. Jos havainto on yhtä suuri kuin tasoituskäyrän arvo, saa vuosilustoindeksi arvon 100. Tällä tavoin lasketut indeksit kertovat esimerkiksi vain alle 100 vuoden jaksoista. Nyrkkisääntönä voidaan sanoa, että puukohtaisessa indeksoinnissa pisin tarkasteltava jakso voi olla maksimissaan noin puolet lustosarjan pituudesta. Koska Suomen vanhimmat männyt ovat vajaat 800-vuotiaita, voidaan STS:llä maksimissaan tarkastella noin 400 vuoden pituisia jaksoja.

RCS on kehitetty pitempitaajuisen (Low-Frequency) vaihtelun tutkimiseen. Menetelmässä lasketaan puukohtaisten tasoitusten sijasta koko aineistolle yhteinen lustonleveyttä selittävä kasvumalli (kuva 3 ja posteri). Kasvumallin lustonleveyttä pyritään selittämään kaikilla muilla tekijöillä paitsi ilmastolla kasvun käsitteellistä mallia soveltaen (ks. myös Conceptual Linear Aggregate Model for Tree Rings.

Esimerkkikuvan 3 vertailutaso 1000-vuotisjaksolla muodostuu kaikkina ko. jakson kalenterivuosina kasvaneiden puiden lustoista. Jos on ollut normaalia lämpimämpää, nousee lustoleveyksien keskiarvo vertailutason yläpuolelle. Indeksit saavat tällöin yli 100:n meneviä arvoja. Vastaavasti viileämpinä kausina ollaan vertailutason alapuolella ja indeksiarvot jäävät ale sadan.  RCS:n paljastaman pitkätaajuiseen vaihteluun sisältyvät esimerkiksi pikku jääkausi ja keskiajan lämpökausi.

LUSTOAINEISTOJEN EDUSTAVUUS ILMASTOTUTKIMUKSISSA

Ilmastomallitukseen soveltuvan lustoaineiston keruu voi perustua tilastolliseen otantaan, jolloin tarvitaan suurempia aineistoja. Vähemmällä työllä selvitään, jos aineistoa rajataan jo etukäteen vakiintuneisiin tutkimustuloksiin perustuvilla kriteereillä. Niitä ovat muun muassa ikäluokkajako, kasvupaikat ja samanlainen metsikön tiheys. Parhaat ilmastoa kuvaavat lustoaineistot saadaan samalta kasvupaikalta, esimerkiksi saman järven rannalta.

Edellä mainittujen tekijöidenkään huomioiminen ei riitä, jos yksikin myrsky tai muu luonnontuho (esimerkiksi sienet tai hyönteiset) kaukana menneisyydessä ovat muuttaneet puun kasvuympäristöä. Kilpailun vähenemisestä aiheutunut eloon jääneiden puiden kasvun elpyminen menee helposti ilmaston piikkiin, jos tutkija ei ole tilanteen tasalla. Virheellisten tulkintojen välttämiseksi tarvitaan useita erillisiä aineistoja ja niistä laadittuja kronologioita samoilta alueilta. Vasta sen jälkeen kun lähes kaikki tutkimustulokset osoittavat samaan suuntaan, voidaan ajatella kyseessä olevan jonkin yleisemmän kasvutekijän kuten ilmaston.

OTOSKOKO JA LUSTONLEVEYSESTIMAATIN TARKKUUS

Yleinen kysymys lustotutkimuksessa on, mikä on tarvittava näytemäärä kulloisessakin kysymyksenasettelussa. Asiaan ei ole yksiselitteistä vastausta, sillä näytemäärä riippuu paljolti siitä, mitä ollaan tutkimassa: lustonleveyttä, puuaineksen tiheyttä, lustoihin tallentuneita ilmastoa kuvaavia isotooppeja jne. Luston leveys on näistä haastavin asia, sillä puun kasvuun vaikuttaa suuri joukko metsikön sisäisiä ja ulkoisia tekijöitä (vrt. Puun Muisti ja Männyn ja kuusen kasvun vaihtelu Suomessa 1964–1993

Lustoaineiston keruu voidaan toteuttaa satunnaisotantana, jolloin tarvittava näytemäärä kasvaa suhteessa etukäteiskriteerejä noudattavaan menetelmään. Metlassa kerätään VMI:ssä (Valtakunnan Metsien Inventointi) vuosilustoaineistoja, joihin sisältyy Suomen metsien koko kasvun vaihtelun kirjo. Kokemuksesta tiedetään, että molemmilla tavoilla päästään suunnilleen samanlaisiin tuloksiin, otamme näytteet pääasiassa kustannustehokkaammalla etukäteiskriteereitä soveltavalla menettelyllä. Etukäteiskriteereillä pyritään vähentämään sellaista tunnettua vaihtelua, jonka poistaminen lustoaineistosta olisi vaikeaa. Tällaista vaihtelua ilmastotutkimuksissa ovat esimerkiksi hyönteistuhot, myrskyt, tulvat, hakkuut ja muu ihmisen toiminta.

Mikä on oikea otoskoko ja kuinka monta toisistaan riippumatonta aineistoa on kerättävä, jotta tutkimuksen tulokset vastaisivat asetettua tavoitetta? Näitä kysymyksiä esitetään toistuvasti lustotutkijoiden keskuudessa. Asian ratkaisu edellyttää käsitteiden validiteetti ja reliabiliteetti ymmärtämistä. Validiteetti kuvaa sitä, miten hyvin kerätty aineisto edustaa tutkittavaa ilmiötä. Reliabiliteetti puolestaan liittyy otoskokoon.

Pyrimme ilmastomallituksissamme vuosiluston leveyden tai indeksin suhteen vähintään ±10 %:n tarkkuuteen 5 %:n riskillä. Määritämme otoskoon esimerkiksi variaatiokertoimeen perustuvalla yksinkertaisella laskentakaavalla (kuva 5). Taulukon mukaan männyn metsänrajalla Lapissa tarkkuusvaatimus edellyttää vähintään 50 havaintoa vuotta kohti. Siltikin lustoestimaatin tarkkuus on vaatimatonta luokkaa verrattuna instrumentaalimittausten tarkkuuteen.

RCS-menetelmän toimivuus riippuu ratkaisevasti lustonleveys–ikä -riippuvuussuhteen mallituksen onnistumisesta (Kuva 6). Tavoitteena tulisi olla tasajakauma (kuva 4).

Lapin ja JAMALIN LUSTOSARJAt

Jamalin 4000-vuotinen lehtikuusisarja julkaistiin vuonna 2002 englantilaisen ilmastotieteilijän Keith R. Briffan vetämässä ADVANCE-10K-projektissa. Samassa julkaisussa (Briffa ym. 2002) esiteltiin mm. myös Lapin 7520-vuotinen (Eronen ym. 2002) ja Ruotsin Torniojärven 7400-vuotinen (Grudd ym. 2002) mäntysarja sekä Keski-Euroopan 10479-vuotinen tammisarja (Friedrich ym. 2002) (ks. HS-artikkeli Muinainen ilmasto oli aaltoliikettä).

Lapin pitkä kronologia piteni myöhemmin vuoteen 5634 eaa. (Helama ym. 2008).

Jamalin vuosilustosarja on teknisesti hyvälaatuinen. Sitä osoittavat siirtymien vähäisyys (4) ja lustosarjojen korkea keskinäinen korrelaatio (Interseries correlation) r=0.771.

Tilastoanalyyseistä kiinnostuneille: Lapin pitkän lustosarjan vuoteen 2004 päivitetty data, DPL-ohjelmapaketin Cofecha-ohjelmalla tehty Quality Control and Check-laatutarkastustuloste ja kritiikkiä sekä lustosarjan posteriesitykset a, b ja c. Laatutarkastustulosteen tulkintaohjeet tässä.

KOMMENTTEJA JAMALIN LUSTOSARJASTA

Jamalin lustosarjan ilmastotulkinnoista syntynyt valtava kansainvälinen kritiikki on hyvä esimerkki siitä, kuinka pienten yksittäisaineistojen tulosten yleistämisen suhteen pitäisi olla jopa äärimmäisen kriittinen. Jamalin sarja on teknisesti lähes virheetön, mutta sen lustoaineiston pienuus johtaa sekä edustavuus- että luotettavuusongelmiin. Sarjasta toki nähdään paikallisilmaston vuosien (HF) ja vuosikymmenten (MF) väliset vaihtelut, mutta pitkätaajuisen vaihtelun(LF) kanssa joudutaan helposti suuriin vaikeuksiin. RCS:lle tärkeän ikäkanavoinnin (Age Banding) estävä lustojen vääristynyt ikärakenne antaa perusteen hylätä aineiston käyttö kokonaan tässä tarkoituksessa. Jamalin aineistossa ilmastotulkintaa vaikeuttaa myös puiden kalenterivuosittain lasketun keski-iän nousu noin 75 vuodesta 1900-luvun yli 250 vuoteen. Jos sarjaan yritettäisiin soveltaa esimerkiksi 70-110 vuoden ikäkanavaa, ei havaintoja riittäisi lainkaan 1900-luvulle, koska kaikki puut ovat 110 vuotta vanhempia. Katso posteri RCS-mallituksen problematiikkaa.

Päätellen siitä, että eri lähialueilta valitut aineistot antavat selvästi toisistaan poikkeavia tuloksia, Jamalissa kysymys on edustavuusongelmasta. Jamalin sarjan indeksien variaatiokerroin on ollut viimeisten 1000 vuoden jaksolla noin 45 %. Kaavion 5 mukaan se tarkoittaa jopa 80 havaintoa vuotta kohden 10 %:n tarkkuuskriteerillä ja 5 %:n riskillä. Jos havaintojen määrä on 10-20 vuotta kohti, on lustonleveysestimaatin tarkkuus luokkaa ±20-30 %. Virhemarginaali on liian suuri esimerkiksi korrelaatioanalyysejä ajatellen.

RCS LAPIN PITKÄSSÄ LUSTOSARJASSA

Lapin pitkästä mäntykronologiasta on toistaiseksi voitu tarkastella vuosien (HF) ja vuosikymmenten välistä (MF) ilmastonvaihtelua. Aineisto soveltuu heikommin matalataajuisen(LF) vaihtelun tutkimiseen, sillä lustodata on joiltakin osin puutteellista. Olemme "lainanneet" pitkäjaksoisen ilmastonvaihtelun muilta tieteenaloilta (esimerkki).

RCS toimii, jos koko ilmastojakson puut ovat esimerkiksi kasvaneet suunnilleen samanlaisissa olosuhteissa, esimerkiksi saman järven rannalla. Aineistomme on kuitenkin sirottunut yli 80 järvelle nykyisen männyn metsänrajan molemmille puolille. Niistä yhdistetty data on kasvupaikaltaan ja muilta ominaisuuksiltaan liian heterogeenistä RCS-mallitusta ajatellen.

Yhdeltä järveltä saattaa löytyä ajanjakso 800-200 eaa., toiselta 300-900 jaa. jne. Kun näytteet lisäksi jakautuvat pohjois-eteläsuunnassa ja korkeussuunnassa hyvin vaihtelevasti nykyisen metsänrajojen molemmin puolin, tulee niin paljon kohinaa, ettei ilmastosignaalia saa luotettavasti näkyviin. Ongelmaksi muodostuu erilaisissa olosuhteissa kasvaneiden puiden kalibrointi yhdelle ainoalle hypoteettiselle metsänrajalle. Metsänrajamännyn aineisto soveltuu RCS-analyyseihin viimeisten 1500 vuoden jaksolta (ks. Posteri. Sen jälkeen alkavat datan puutteet näkyä paikoittain niin paljon, ettei yhtenäistä RCS-käyrää ole toistaiseksi voitu laatia koko 7600 vuoden ajalle. Joiltakin järviltä löytyy tuhansien vuosien pituisia jaksoja, mutta niidenkin yhdistelemisessä on liikaa epävarmuustekijöitä. Tilanteen korjaaminen vaatii lisäaineistoa.

Vaikka emme vielä pystykään kattavasti esittämään Lapin lustosarjan matalataajuista vaihtelua, olemme voineet laskea nykyisen mäntymetsänrajan yläpuolella sijaitsevien megafossiilien (muinaispuiden) sijaintipaikkojen perusteella, kuinka paljon lämpimämpää joskus oli. Tulos perustuu tietoon siitä, että 100 m:n nousu vastaa 0.9 asteen lämpötilanousua. Asiasta tarkemmin: Kultti ym. 2006 ja posterit a ja b.

LUSTOTUTKIMUKSEN KEHITTÄMINEN

Tämän koosteen lopuksi esitellään joukko postereita, jotka antavat ajatuksia myös Jamalin aineistossa havaitusta problematiikasta. Netin keskustelupalstoilla laajasti käsitelty Jamal-kritiikki on opiksi lustotutkijoille siinä mielessä, että jatkossa toivottavasti mietitään tarkemmin datojen laatua, määrää ja soveltuvuutta ilmastotutkimukseen. Olemme huomioineet asian suomalaisessa alan tutkimuksessamme, josta syystä olemme joskus liiankin kriittisiä lustoaineistojen hankinnassa.

Tässä yhteydessä on hyvä tutustua myös lustotutkimuksen suuriin nimiin kuuluvien Ed Cookin ja Keith Briffan arviointiin lustotutkimuksen "sudenkuopista".

Voiko esitetyn kritiikin jälkeen selvittää luotettavasti lustotutkimuksen keinoin ilmaston pitkäaikaisia vaihteluita (trendit, syklit, äkilliset muutokset jne.)? Kyllä voi! Tässäpä suomalainen "Resepti" ("Ultimate RCS modelling") ja samalla myös käytännön toimintamallimme asian ratkaisemiseksi.

Toivon aiheesta kiinnostuneiden kommentoivan vaikkapa tällä foorumilla esitettyjä ajatuksia ja tuovan myös omia ratkaisumallejaan yhteisesti pohdittaviksi. Jo etukäteen mahdollisesta palautteestanne kiittäen!

Mauri Timonen
Lustia-lustotutkimustiimin jäsen

RCS-mallitusta ja trenditutkimusta koskeva posterikokoelma

(P1) RCS-mallituksen periaatteita: Ilmastotutkimukseen soveltuvan lustoaineiston hankinta.
(P2) RCS-menetelmä: Ilmastohistorian tulkinta puiden vuosilustoista.
       Ks. myös englanninkielinen esitys Ultimate RCS modelling.
(P3) Alustavia tuloksia: Metlan kasvutrenditutkimus.
(P4) Tästä tutkimme ilmastotrendejä: Metlan kasvutrenditutkimuksen vuosilustoaineistot
(P5) "Ilmastoasemaverkostoa:" Kuvia kasvutrenditutkimuksen kohdemetsiköistä.
(P6) "Suomalaisten puiden kasvukäyriä:" Lukija päätelköön, onko näillä koealoilla/näillä puilla kasvutrendejä.
(P7Jamalin lustoaineiston analyysi: Lustomallituksen kaksi mallia: spatiotemporaalinen RCS-malli ja puukohtainen indeksointimalli.

  

Home Background Connections Projects Documents Media Gallery Archives What's new
Kotisivu Tausta Yhteydet Projektit Dokumentit Mediagalleria Arkisto Uusimmat