Otantaharha ekologisessa kansalaistiedeaineistossa – tarkastelussa Punkkilive

Abstract

Kansalaistieteestä on tullut tärkeä aineistonkeruun menetelmä laajojen ympäristö- ja biodiversiteettiaineistojen keräämiseen. Erityisesti paikkatietoon perustuvat ekologiset kansalaistiedeaineistot mahdollistavat lajien levinneisyyden tarkastelun laajoilla alueilla ja pitkillä ajanjaksoilla. Kansalaistiedeaineistoihin liittyy kuitenkin otantaharhaa, joka ilmenee esimerkiksi spatiaalisena ja ajallisena sekä havainnointiin ja osallistujiin liittyvinä vinoumina. Vinoumat syntyvät, koska havaintojen kertymiseen vaikuttavat ekologisten tekijöiden lisäksi ihmisten liikkuminen, havaintokäyttäytyminen ja osallistumisaktiivisuus. Tämän tutkimuksen tavoitteena on tarkastella Punkkilive-kansalaistiedeaineiston puutiaishavaintojen alueellista ja ajallista vaihtelua Varsinais-Suomessa sekä analysoida puutiaisaineistoon liittyviä vinoumia. Tutkimuksen aineistona hyödynsin Punkkilive-sovellukseen Varsinais-Suomesta vuosilta 2021–2023 ilmoitettuja puutiaishavaintoja. Tutkimuksen metodologinen kokonaisuus rakentui kolmesta vaiheesta. Ensin tarkastelin puutiaishavaintojen ajallista ja alueellista jakautumista. Tämän jälkeen mallinsin puutiaishavaintojen tiheyden ja väestömäärän välistä suhdetta maantieteellisesti painotetun regressiomallin (GWR) avulla, jonka perusteella muodostin jäännökset ja poikkeama-alueet. Lopuksi analysoin paikkatietoaineistoista muodostettujen habitaatti- ja ihmistoimintaa kuvaavien muuttujien avulla puutiaishavaintojen spatiaalisten vinoumien taustalla vaikuttavia tekijöitä. Toteutin analyysin yleistetyn additiivisen mallin (GAM) avulla. Tulokset osoittivat, että puutiaishavainnot painottuivat ajallisesti erityisesti touko-elokuulle. Havaintojen alueellinen vaihtelu oli voimakasta, ja havainnot keskittyivät erityisesti rannikolle, saaristoon ja kaupunkialueiden läheisyyteen. Väestömäärä selitti vain pienen osan puutiaishavaintojen alueellisesta vaihtelusta. Havaintojen poikkeama-alueet säilyivät alueellisesti samankaltaisina tarkasteluvuosien välillä. Erityisesti rannikko- ja saaristoalueilla puutiaishavaintoja kertyi väestömäärään nähden odotettua enemmän. Sen sijaan sisämaan taajama-alueilla havaintoja kertyi väestömäärään nähden odotettua vähemmän. GAM-mallin perusteella havaintojen poikkeamaa väestömäärästä selittivät erityisesti loma-asunnot, rantaviivan pituus, NDVI, liikuntapaikat, polut ja rakennetun ympäristön osuus maankäytöstä. Tutkimustulokset osoittavat, miten kansalaistiedeaineistoon liittyvä spatiaalinen vinouma muodostuu puutiaishavaintoaineistossa. Tulosten perusteella havaintojen alueellinen jakauma ei määräydy pelkästään puutiaisten ekologisen esiintymisen perusteella, vaan siihen vaikuttavat myös alueiden saavutettavuus ja virkistyskäyttö. Tutkimuksen tuloksia voidaan hyödyntää puutiaisiin liittyvien alueellisten riskien tarkastelussa sekä kansalaistiedeaineistojen vinoumien ymmärtämisessä.

Citizen science has become an important method for collecting extensive environmental and biodiversity data. Location-based ecological citizen science datasets provide opportunities to examine species distribution across large geographic areas and long time periods. However, citizen science datasets are affected by sampling bias, which may appear as spatial, temporal, detection, and observer-related biases. These biases arise because, in addition to ecological factors, the accumulation of observations is influenced by human mobility, observation behaviour and participation activity. The aim of this study is to examine the spatial and temporal variation of tick observations in the Punkkilive citizen science dataset in Southwest Finland and to analyse biases associated with the dataset. I used tick observations reported to the Punkkilive application from Southwest Finland between 2021 and 2023. The methodological framework of the study consisted of three stages. First, I examined the temporal and spatial distribution of tick observations. Second, I modelled the relationship between tick observation density and population size using geographically weighted regression (GWR), from which I derived residuals and spatial deviation areas. Finally, I analysed factors underlying the spatial bias in tick observations using generalized additive model (GAM) with habitat and accessibility variables derived from spatial datasets. The results showed that tick observations are temporally concentrated between May and August. Spatial variation was strong, and observations were concentrated particularly near coastal, archipelago, and urban areas. Number of inhabitants explained only a small proportion of the spatial variation in tick observations. The spatial pattern of deviations remained regionally similar throughout the study period. Coastal and archipelago areas had more tick observations than expected relative to number of inhabitants whereas inland urban areas had fewer observations than expected. According to the GAM model, deviations in tick observations relative to the number of inhabitants were explained particularly by summer cottages, shoreline length, NDVI, recreational facilities, trails, and the proportion of built environment. This study provides information on how spatial bias related to citizen science data arises in tick observation data. The spatial distribution of observations was not determined only by the ecological occurrence of ticks but was also influenced by accessibility and recreational land use. The results of the study can be utilized in assessing spatial patterns related to tick occurrence as well as in improving the understanding of biases related with citizen science datasets.