Tornionjoen nousulohilaskennassa kerättyjen aineistojen tilastollinen mallinnus Itämeren lohikanta-arviointia varten.

Abstract

Tässä opinnäytetyössä koodataan Itämeren lohikanta-arviointia varten hierarkkinen bayes-malli, joka estimoi montako lohta todellisuudessa ohittaa Tornionjoen kaikuluotauspaikan kesän 2019 aikana. Estimointi perustuu kesän 2019 kaikuluotauslaskennassa saatuun kaikuluotausaineistoon. Kaikkia kaikuluotauspaikan ohi uivia lohia ei havaita muun muassa ympäristöolosuhteiden vaihteluiden ja jokeen asetettujen kaikuluotaimen teknisten ominaisuuksien vuoksi. Kaikuluotaimien paikka Tornionjoessa vaihtelee vedenkorkeuden mukaan, ja aineisto ei sisällä kaikkia luotaimen sijainnin tetoja. Puuttuvat luotaimen sijainnin tiedot imputoidaan k:n lähimmän naapurin periaatteella. Priorijakaumia on mallissa kaksi. Lohien jokeen sijoittumista kuvaava priorijakauma muodostetaan kahden normaalijakauman sekoituksena, ja kaikuluotaimen havaitsemistodennäköisyyden priorijakauman muodostamista varten haastatellaan asiantuntijaa. Tehdyn sensitiivisyysanalyysin perusteella nähdään, että malli on herkkä asiantuntijalta saadulle prioritiedolle kaikuluotaimien havaitsemiskyvystä. Jos prioritietoa muuttaa, muuttuvat tutkimuksen tulokset merkittävästi. Malli toteutetaan Markovin ketju Monte Carlo -menetelmää käyttäen. Mallin konvergoituminen varmistetaan Gelman ja Rubin konvergenssidiagnostiikan avulla.

Tuloksena saadaan, että lohista 3.2% – 4.7% ui huomaamatta kaikuluotauspaikan ohi. Todellisuudessa tämä väli on liian tiukka eikä malli anna realistista kuvaa lohien todellisesta kokonaismäärästä. Mallia on yksinkertaistettu tätä opinnäytetyötä varten, minkä vuoksi malli vaatii jatkokehitystä. Mallia kehitetään Luonnonvarakeskuksella.