Kangas & Mononen Ekologiseen asiantuntemukseen perustuvan numeerisen mallin tuottaminen ... 225 Jyrki Kangas Ari Mononen Jyrki Kangas ja Ari Mononen Ekologiseen asiantuntemukseen perustuvan numeerisen mallin tuottaminen metsäalueen biodiversiteetin arviointiin Kangas, J. & Mononen, A. 1997. Ekologiseen asiantuntemukseen perustuvan numeerisen mallin tuottaminen metsäalueen biodiversiteetin arviointiin. Metsätieteen aikakauskirja – Folia Forestalia 2/1997: 225–238. Tutkimuksessa esitetään delfi-tekniikan ja HERO-nimisen heuristisen optimointimenetel- män tavoiteanalyysiosan yhteiskäyttöön perustuva ekologisen biodiversiteettiasiantunte- muksen mallintamismenetelmä. HEROssa sovellettua tiedustelutekniikkaa käytetään mene- telmässä delfin iteratiivisuusperiaatteen mukaisesti. Delfi-tekniikka muodostaa menetelmän lähestymistavan asiantuntemuksen kokoamiseen ja mallinnusprosessin kehikon. HEROn tiedustelutekniikka tuo menetelmään analyyttisen otteen, joka delfistä itsessään puuttuu. Esitetyllä menetelmällä tuotettu malli voidaan sellaisenaan integroida metsäsuunnittelun optimointilaskelmiin. Ekologisen asiantuntemuksen mallinnuksen tarkoitus on helpottaa ekologisen tietämyk- sen akuuttia tarvetta ja empiirisen tutkimuksen tuottamien, suunnittelulaskelmissa käyttö- kelpoisten mallien puutetta nopealla ja halvalla tavalla. Mitä tahansa asiantuntemusaineistoon pohjautuvaa mallia on perusteltua käyttää vain kunnes riittävään empiiriseen aineistoon pohjautuvat luotettavammat mallit ovat valmiit. Kaikkiaan 11 asiantuntijalta tiedusteltiin näkemykset biodiversiteetin komponenttien tär- keyksistä tietyn metsäalueen monimuotoisuuden vaalimisessa sekä alueen hyvyyden muu- toksesta komponenttien arvojen muutoksen funktiona. Asiantuntijat olivat huomattavan erimielisiä siitä, mikä on tärkeää alueen hoidossa ja käytössä biodiversiteetin vaalimisen näkökulmasta. Mallinnusprosessin aikana näkemykset lähenivät jossain määrin toisiaan, mut- ta yhteisesti hyväksyttävän kompromissin löytäminen ei ollut mahdollista. Tulos ilmentää yhteisesti hyväksytyn biodiversiteettimittarin puutetta sekä subjektiivisen harkinnan osuutta biodiversiteettiarvioinneissa toistaiseksi. Sovellus oli menetelmän ensimmäinen kokeilu. Menetelmä osoittautui kehityskelpoiseksi, joskin jatkokehittelyä tarvitsevaksi. Menetelmän jalostaminen on tarpeen erityisesti mallinnus- t u t k i m u s a r t i k k e l i Metsätieteen aikakauskirja Metsätieteen aikakauskirja 2/1997 Tutkimusartikkeli 226 prosessin loppuvaiheessa sellaisia tilanteita varten, missä asiantuntijoiden yhteisen näkemyk- sen löytäminen on vaikeaa. Asiasanat: asiantuntemus, biodiversiteetti, delfi, heuristiikka, mallinnus, metsäsuunnittelu Kirjoittajien yhteystiedot: Metsäntutkimuslaitos, Kannuksen tutkimusasema, PL 44, 69100 Kannus. Faksi (06) 871 164, sähköposti jyrki.kangas@metla.fi Hyväksytty 23.4.1997 1 Johdanto 1.1 Tutkimuksen taustaa Metsänhoidon muutos puuntuotantohakuisestayhä enemmän metsän muut käyttömuodot ja ympäristönsuojelun huomioon ottavaksi on johta- nut myös metsäsuunnittelun muutostarpeeseen. Metsäsuunnittelulta vaaditaan nykyään usein moni- tavoitteisuutta sekä myös ekologista ja sosiaalista kestävyyttä. Suunnittelussa pitää pystyä neuvomaan, miten metsälöä tai metsäaluetta voidaan käyttää samanaikaisesti sekä taloudellista hyötyä tuotta- vasti että riittävän ympäristöystävällisesti. Ympäristönsuojelun ja biodiversiteetin tarkaste- lu metsäsuunnittelussa edellyttää ekologisten perus- tietojen hallintaa. Metsäsuunnittelussa hyödynne- tään laajasti numeerista laskentaa ja tietokoneoh- jelmistoja, mikä osaltaan mahdollistaa suunnitte- lun tehokkuuden, halpuuden, kontrolloitavuuden ja analyysien monipuolisuuden. Ekologiset tarkaste- lut tulisi voida kytkeä metsäsuunnitteluun sen tehok- kuuden ja monipuolisuuden alentumatta sekä il- man suuria kustannuslisiä. Parhaiten tämä tapah- tuisi, jos ekologinen perustieto olisi käytettävissä numeerisina malleina samaan tapaan kuin metsi- kön puuston tilavuuden ja kasvun ennusteyhtälöt. Numeerisia malleja, jotka pohjautuvat objektii- visin tutkimuksin todennettuun ekologiseen perus- tietoon, on kuitenkin toistaiseksi käytettävissä var- sin vähän. Jotta malli olisi käyttökelpoinen metsä- suunnittelun laskelmissa, sen selittäjien arvojen pi- tää olla tunnettuja ja niiden kehityksen ennustetta- vissa riittävällä luotettavuudella. Ekologista biodi- versiteettitietämystä on jouduttukin metsäsuunnit- telussa hyödyntämään tähän asti lähinnä kuvaile- vin periaattein ja ilman varsinaista kytkentää suun- nittelulaskelmiin (ks. esim. Hallman ym. 1996). Tosin AHP-menetelmä mahdollistaa asiantunte- muksen integroinnin strategiseen suunnitteluun, mutta kerralla tarkasteltavissa olevien päätösvaihto- ehtojen enimmäismäärä on sitä käyttäen liian pieni taktisen metsäsuunnittelun tarpeita ajatellen (Kan- gas 1992, Kuusipalo ja Kangas 1994). Kuvaileva lähestymistapa edellyttää joko asian- tuntijoiden värväämisen jokaiseen suunnittelupro- sessiin, jossa ekologiset näkökohdat halutaan ottaa huomioon, tai ekologisten vaatimusten esittämisen ohjeina, normeina ja päätössääntöinä. Ensin maini- tun menettelyn heikkouksia ovat sen kalleus sekä kontrollin ja analyyttisen otteen puute. Jälkimmäi- sen vakavin puute on kankeus: ohjeistot eivät mu- kaudu tyydyttävästi metsien hoidon ja käytön laa- jaan suunnittelutilanteiden ja tavoitteiden kirjoon. Lisäksi suunnittelu pelkällä kuvailevalla otteella ei yleensä tuota tyydyttävää päätöstukea monipuo- lisine analyyseineen suunniteltavan alueen tuotan- tomahdollisuuksista ja erilaisten tavoiteyhdistelmien vaikutuksista suositeltavaan tuotanto-ohjelmaan. Tällainen päätöstuki on edellytys esimerkiksi tehok- kaalle osallistavalle suunnittelulle (Kangas, Loik- kanen ym. 1996). Tosin pelkkä numeronmurskaus- kaan ei ratkaise päätösanalyysien kaikkia ongel- mia, mutta matemaattiset mallit ja simulointi ovat käyttökelpoisia metsäsuunnittelun työkaluja. Ekologisen tietämyksen tarve metsäsuunnittelus- sa on akuutti. Jo Suomen kansainväliset sitoumuk- set velvoittavat monimuotoisuuden huomioon ottamisen metsänhoidossa ja metsäsuunnittelussa Kangas & Mononen Ekologiseen asiantuntemukseen perustuvan numeerisen mallin tuottaminen ... 227 (UNCED 1993, Ministerial Conference... 1993, Suomen metsäluonnon... 1994). Myös kansalliset ohjeet, kansalaismielipide ja metsänomistajien nä- kemykset painottavat metsien monimuotoisuuden tärkeyttä yhtenä metsien käytön tavoitteista. Eräs ratkaisuvaihtoehto akuuttiin tarpeeseen integroida ekologista tietämystä suunnittelulaskelmiin on mal- lintaa alan asiantuntemusta. Vaikka metsäsuunnittelussa käyttökelpoisia kvan- titatiivisia ekologisia malleja ei riittävästi ole käy- tettävissä, monille metsä- ja ympäristöalan tutki- joille ja ammatissa toimiville on kertynyt vankkaa ekologista asiantuntemusta ja käytännön kokemus- ta. Mallinnettaessa asiantuntemusta tämä kokemus ja tietämys valjastetaan numeerisen metsäsuunnit- telun käyttöön. Asiantuntemuksen käyttöön liitty- vien epävarmuusongelmien takia (ks. Alho ym. 1996) siihen pohjautuvia malleja käytetään vain kunnes empiirisen tutkimuksen tuottamaan aineis- toon perustuvat luotettavammat mallit ovat käytet- tävissä. Kaikissa asiantuntijamallinnuksen tehtävissä voi- daan erottaa karkeasti kolme vaihetta: asiantunti- jan/asiantuntijoiden valinta, asiantuntijoille suun- nattu tiedustelu, ja mallin laatiminen tiedusteluun saatujen vastausten perusteella. Tietyn alan asian- tuntijoiksi katsottavilla henkilöillä on usein toisis- taan poikkeavia näkemyksiä alan piiriin kuuluvista asioista. Esimerkiksi joukko metsäkanalintututki- joita arvioi erilaisten metsäsuunnitelmien hyvyy- det teeren elinympäristövaatimusten kannalta eri tavoin (Kangas ym. 1993). Siksi on suositeltavaa, että suunnittelussa hyödynnetään useiden henkilöi- den asiantuntemusta. Tällöin tarvitaan tekniikoita, joilla erilaisia näkemyksiä voidaan analysoida ja yhdistellä. On myös mahdollista ja jopa suositelta- vaa pyrkiä sopimaan kaikkien valittujen asiantunti- joiden hyväksymä kompromissi tai ainakin lähen- tämään asiantuntijoiden näkemyksiä. Tutkimukset, joissa asiantuntemusta on integroi- tu suunnitteluprosesseihin, ovat yleensä perustu- neet kuvailevien tai sääntöpohjaisten suunnittelu- menetelmien käyttöön. Ehkä käytetyin asiantunte- muksen hyödyntämismenetelmä on ollut delfi-tek- niikka, jossa asiantuntijat arvioivat samaa tehtävää useaan kertaan saaden arviointien välillä palaut- teen muiden asiantuntijoiden arvioista (Render ja Stair 1992). Ajatuksena on, että arviot toistamalla lähestytään yhteistä näkemystä oppimisprosessin kaltaisesti. Useimmiten yhteinen näkemys jää kui- tenkin saavuttamatta, jolloin lopulliset arviot on pystyttävä tavalla tai toisella määrittämään. Delfin olennainen heikkous on analyyttisyyden puute. Pel- kästään delfiä soveltaen on vaikea tuottaa metsä- suunnittelun laskelmissa käyttökelpoisia malleja tai niiden ladintaan soveltuvia aineistoja. Asiantuntemukseen pohjautuvia numeerisia mal- leja on tuotettu myös metsäsuunnittelun laskelmien lähtökohdista (esim. Kangas ym. 1993, Reynolds ja Holsten 1994, Alho ym. 1996). Niissä on toistai- seksi ollut heikkoutena delfi-tekniikan kaltaisen ite- ratiivisen otteen puute tai menetelmien soveltu- vuus vain muutaman päätösvaihtoehdon vertailuun, minkä takia ne eivät käy tavanomaiseen taktiseen metsäsuunnitteluun. 1.2 Tutkimuksen tavoitteet Tutkimuksen lähtökohtana on Pukkalan ja Kan- kaan (1993) kehittämä heuristiseen optimointiin perustuva suunnittelumenetelmä HERO ja siihen esitetty biodiversiteetin arviointitapa (Kangas ja Pukkala 1996). Tavoitteena on kehittää tekniikka, jota käyttäen metsäalueen arviointi biodiversiteetin suhteen voidaan perustaa ekologiseen asiantunte- mukseen muotoillen asiantuntemus Kankaan ja Puk- kalan (1996) esittämän arviointimallin rakenteen mukaiseksi. Syy asiantuntemuksen hyödyntämiseen on empiirisen tutkimuksen tuottaman, suunnittelu- laskelmissa käyttökelpoisten tietämyksen riittämät- tömyys. Tekniikan ja sillä laadittavien mallien avul- la ekologinen asiantuntemus voidaan integroida osaksi suunnittelun optimointilaskelmia. Tavoite on, että tekniikkaa käyttäen voidaan hyö- dyntää mallinnuksessa useita metsien monimuotoi- suuden arvioinnin asiantuntijoita ja analysoida monipuolisesti heidän vastauksiaan mallinnuksen edellyttämään tiedusteluun. Edelleen on tavoitteena, että tekniikkaa voidaan soveltaa sellaiseen iteratiiviseen mallinnusproses- siin, joka edesauttaa mukaan valittuja asiantunti- joita löytämään yhteisen näkemyksen tiedusteluun tai ainakin antaa mahdollisuuden arvioida myös muiden asiantuntijoiden näkemyksiä ja siten hyvän pohjan määritellä punnitut vastaukset tiedusteluun. Metsätieteen aikakauskirja 2/1997 Tutkimusartikkeli 228 Mallinnustekniikassa tulee olla mekanismi, jolla lopullinen malli tuotetaan mahdollisesti erilaisiksi jäävistä asiantuntijalausunnoista. Tutkimuksessa pyritään saavuttamaan edellä mai- nitut tavoitteet yhdistämällä kaksi erityyppistä me- netelmää, joita kumpaakin on käytetty aiemmin erikseen asiantuntemuksen mallinnukseen. Delfi- tekniikan ja HEROssa käytetyn osahyötyfunktioi- den estimointitekniikan yhteiskäytössä toisen me- netelmän eduilla korvataan toisen heikkoudet. Me- netelmien yhteiskäyttöä havainnollistetaan ja testa- taan tapaustutkimuksessa. Tapaustutkimuksessa on tarkoitus arvioida, mi- ten hyvin menetelmä täyttää sille asetetut tavoitteet sekä mitkä ovat sen mahdolliset kehittämistarpeet, jos se havaitaan kehittämiskelpoiseksi. 2 Menetelmät 2.1 Delfi-tekniikka Delfi-tekniikka kehitettiin Yhdysvalloissa, RAND- yhtiössä, 1950-luvulla. Se määriteltiin menetelmäk- si, jonka tarkoituksena on tuottaa mahdollisimman luotettava yksimielisyys asiantuntijaryhmän kes- kuudessa peräkkäisten kyselyjen ja kontrolloidun palautteen avulla (Dalkey ja Helmer 1963). Ensim- mäiset delfi-tutkimukset tehtiin salaisiin sotilaalli- siin tarkoituksiin, joissa pyrittiin selvittämään sil- loisen Neuvostoliiton sotilaallis-strategisia suunni- telmia. Ensimmäinen julkinen delfi-tutkimus oli Gordonin ja Helmerin (1964) tieteen ja teknolo- gian kehityksestä ja yhteiskunnallisista vaikutuk- sista tekemä tutkimus. Delfin käyttö laajeni 1970-luvulla mm. sosiaalis- taloudellisiin kehitysennusteisiin, arvojen ja tavoit- teiden selvittämiseen sekä budjettien allokointiin ja politiikkavaihtoehtojen arviointiin (Mäenpää 1977). Myöhemmin menetelmän käyttö on levin- nyt myös sellaisiin päätösteorian ongelmiin, joihin ei liity varsinaisen tulevaisuuden tutkimuksen omi- naispiirteitä (Render ja Stair 1992). Delfiä on so- vellettu metsäntutkimuksessakin (esim. O’Laughlin ja Rule 1990, Andersson 1993, Russell ym. 1993, Kangas, Lauhanen ym. 1996). Delfi-tekniikan käyttö voidaan Linstonen (1978) mukaan jakaa seuraaviin päävaiheisiin: (i) Muodostetaan delfin suorittamista varten työ- ryhmä, joka tuottaa tutkimusongelman kannalta relevantit kysymykset. (ii) Valitaan asiantuntijat delfi-paneeliin. (iii) Tuotetaan tutkimuksessa tarvittava tausta-aineis- to sekä kysymyslomakkeet. (iv) Suoritetaan tarvittaessa aineiston ja kysymysten esitestaus. (v) Tehdään ensimmäinen tiedustelukierros asian- tuntijoille. (vi) Analysoidaan ensimmäisen kierroksen vastauk- set. (vii) Muotoillaan seuraavan kierroksen kysymyslo- makkeet. (viii) Tehdään seuraava tiedustelukierros; tiedustelun mukana annetaan asiantuntijoille palautteena edellisen kierroksen analysoidut vastaukset. (ix) Analysoidaan vastaukset. (x) Toistetaan tarvittaessa kohdat (vii)–(ix) uudes- taan. (xi) Raportoidaan tulokset. Delfin soveltamiseksi tarvitaan sekä riittävä infor- maatio tutkimuskohteesta ja tutkimusongelmasta että syvä tietämys tarvittavan asiantuntemuksen alalta. Informaatiota kohteesta ja ongelmasta voidaan tar- peen mukaan tuottaa prosessin aikana lisää, mutta asiantuntemuksen tasoa ei juuri kyetä prosessin ai- kana parantamaan. Siksi asiantuntijoiden valinta on tärkeä vaihe delfi-sovellusta. Puhdasoppisessa del- fissä taataan asiantuntijoiden anonyymisyys. Vielä prosessin aikana on syytä tarkastella vastauksia myös siltä kannalta, löytyykö hälyttävän suuria erimieli- syyksiä, ja tarvittaessa selvittää erimielisyyksien syyt ja pyrkiä poistamaan ne esimerkiksi selvien väärin- käsitysten tapauksissa. Vastausten yhdenmukaisuus- kehityksen perusteella voidaan arvioida uusien tie- dustelukierrosten tarve ja niiden vastausten lähenty- misen myötä tuoma todennäköinen lisähyöty. Ongelmallinen vaihe delfissä on monesti myös tiedustelun rakenteen muotoileminen jäsennellysti ja ymmärrettävästi sekä niin, että vastauksia voitai- siin analysoida tilastollisesti. Delfi ei sisällä mitään välinettä vastausten analyysiin. Juuri analyyttisen tarkastelun puute on ollut yleinen delfi-sovellusten heikkous (Sackman 1974, Kangas, Lauhanen ym. Kangas & Mononen Ekologiseen asiantuntemukseen perustuvan numeerisen mallin tuottaminen ... 229 1996). Delfi-paneelin tulosten hyödyntäminen suunnittelulaskelmissa edellyttää tulosten muotoi- lemista numeerisiksi. Kuvailevat vastaukset ja sub- jektiiviseen harkintaan perustuva vastausten tul- kinta eivät tuota käyttökelpoisia työkaluja päätös- analyysiin. 2.2 Preferenssien tiedustelutekniikka HEROssa Taktisen metsäsuunnittelun optimointilaskelmassa on tavoitteena määrittää suunniteltavalle alueelle se metsikkötason simuloitujen toimenpideohjelmien yhdistelmä, joka parhaiten toteuttaa metsien hoidolle ja käytölle asetetut tavoitteet. Pukkalan ja Kankaan (1993) kehittämää HEROa sovellettaessa parhaan vaihtoehdon valinta määriteltyjen vaihtoehtojen jou- kosta tapahtuu kahdessa vaiheessa, jotka ovat hyöty- mallin estimointi ja hyötymallin maksimointi. Jäl- kimmäisessä vaiheessa käytetään heuristista suora- hakualgoritmia parhaan toimenpideohjelman löytä- miseksi suunniteltavalle metsäalueelle (ks. esim. Kilkki 1985). HEROssa käytetään additiivista hyötymallia, jon- ka muuttujina ovat tavoitesuureet ja kertoimina ta- voitteiden suhteelliset tärkeydet (painoarvot) skaa- lattuna siten, että niiden summa on yksi. Painoar- vot estimoidaan päätöksentekijän tekemien pareit- taisten vertailujen perusteella Saatyn (1977) esittä- mällä ominaisarvotekniikalla. Suunnitelmavaihto- ehtojen hyvyydet tavoitesuureiden suhteen esite- tään erityisillä HEROlle ominaisilla osahyötyfunk- tioilla. Osahyötyfunktio kuvaa hyödyn muutoksen tavoitesuureen funktiona. Tavoitemuuttujista ja osa- hyötyfunktioista koostuva hyötymalli on eri tavoi- tesuureiden yhteismitallistamisen väline. Tavoitesuureet voidaan menetelmässä esittää hie- rarkkisesti. Tällöin tavoitetta selitetään alemman asteen mallilla, jonka muuttujina ovat tavoitetta kuvaavat komponentit ja kertoimina komponent- tien suhteelliset tärkeydet. Esimerkiksi puuntuo- tannon nettotulo voidaan jakaa eri ajanjaksojen nettotuloihin tai biodiversiteetti operationalisoida sitä selittävien komponenttien avulla. Tällöin osa- hyötyfunktiot määritetään kuvaamaan komponent- tien vaikutusta hyötyyn. Osahyötyfunktion estimointia varten selvitetään tavoitesuureen tai komponentin suurin ja pienin saavutettavissa oleva arvo. Lisäksi valitaan muuta- ma väliarvo. Näiden arvojen toivottavuuksia arvioi- daan pareittaisin vertailuin. Vertailujen avulla las- ketaan arvoille suhteelliset hyvyydet. Hyvyysarvo- jen avulla voidaan määrittää osahyötyfunktio. Osa- hyötyfunktio voi olla epälineaarinen. Osahyötyfunk- tio estimoidaan erikseen kullekin hyötymallin muut- tujana olevalle komponentille ja sellaiselle tavoite- muuttujalle, jota ei kuvata ’alemman tason’ kom- ponenteilla. Estimointi on mahdollista perustaa yhtä hyvin asiantuntemukseen kuin subjektiiviseen arvo- informaatioonkin. Estimointitavan etuja ovat lisäk- si mm. operointi todellisissa tuotantomahdollisuuk- sissa ja helppous. 2.3 HEROn preferenssien tiedustelu- tekniikan ja delfin yhdistelmä HEROn ja delfin yhteiskäytön ideana on tuottaa metsäsuunnittelun laskelmissa tarvittava asiantun- temukseen perustuva metsäsuunnitelmien arvotta- mismalli delfin iteratiivisuusperiaatteella käyttäen HEROssa sovellettua tiedustelutekniikkaa. Asian- tuntija-avusteisissa arviointitehtävissä hyväksi to- dettu delfi-tekniikka muodostaa lähestymistavan ja mallinnusprosessin kehikon. HERO puolestaan tuo prosessiin mahdollisuuden tarkastella asiantuntijoi- den vastauksia analyyttisesti. HEROn osahyöty- funktioiksi muokattu asiantuntemus on suoraan hyö- dynnettävissä metsäsuunnittelun optimointilaskel- missa. Kun tiedustelu suoritetaan HEROn periaattein, sen tuloksia voidaan analysoida tilastolaskennan keinoin. Asiantuntijoille tiedustelukierrosten välil- lä annettava palaute saadaan siten monipuoliseksi ja havainnolliseksi. Menettely myös mahdollistaa lopullisten arvioiden määrittämisen tilanteessa, jossa ei ole saavutettu yksimielisyyttä. HEROn ja delfin yhteiskäytön päävaiheet ovat seuraavat: (i) Asiantuntemusmallinnuksen tehtävän määrittä- minen. (ii) HEROn mukaisen mallikaavion muodostaminen. (iii) Perusaineiston tuottaminen osahyötyfunktioiden estimointia varten. (iv) Tiedustelun laatiminen. Metsätieteen aikakauskirja 2/1997 Tutkimusartikkeli 230 (iv) Asiantuntijoiden valinta ja perehdyttäminen teh- tävään. (v) Ensimmäisen tiedustelun lähettäminen. (vi) Ensimmäiseen tiedusteluun vastaaminen ja sen palauttaminen. (vii) Ensimmäisten vastausten analysointi. (viii) Jos riittävää yksimielisyyttä ei ole saavutettu ja jatkamisen todennäköinen lisähyöty arvioidaan tarpeeksi suureksi: palautteen tuottaminen ja uu- den tiedustelun lähettäminen; muutoin siirrytään kohtaan (xi). (ix) Viimeksi tehtyyn tiedusteluun vastaaminen ja sen palauttaminen. (x) Viimeksi tehdyn tiedustelun vastausten analy- sointi, minkä jälkeen siirrytään kohtaan (viii). (xi) Tulosten yhteenveto ja lopullisen mallin laati- minen. Asiantuntijat on mahdollista kutsua yhteiseen neu- votteluun. Neuvottelu auttaa parhaassa tapaukses- sa yhteisen arvion laatimista. Voidaan myös ajatel- la, että tiiviissä keskusteluyhteydessä ja vuorovai- kutteisesti asiaa punnittaessa saavutetaan oppimis- prosessin myötä paras lopputulos ja uskottavin mal- li. Toisaalta neuvottelutilanne saattaa johtaa domi- noivien persoonien ylivaltaan ja siten tulosten vää- ristymiin. Sosiaalis-psykologisten paineiden ja kon- formistisuuden minimoimiseksi on perusteltua säi- lyttää asiantuntijoiden anonyymisyys ja riippumat- tomuus. Jos yhteistä näkemystä ei saavuteta asiantuntijoi- den kesken, suunnittelulaskelmissa käytettävä malli voidaan määrittää esimerkiksi asiantuntijoiden vas- tausten aritmeettisena keskiarvona. Tulokset voi- daan laskea myös asiantuntijoiden pätevyyksillä painotettuina keskiarvoina. Pätevyyksien määrittä- minen on tällöin visainen ongelma. Kangas, Lauha- nen ym. (1996) käyttivät ennen ensimmäistäkään tiedustelua tehtyjä pätevyysarvioita painotetun kes- kiarvon laskennassa. Menettelyn etuna on se, että asiantuntijoiden vastaukset eivät vaikuta arvioihin heidän pätevyyksistään, jolloin tulosten manipuloin- ti sopivat pätevyydet määrittämällä on mahdotonta. Pätevyydet voi arvioida esimerkiksi päätöksenteki- jä tai riippumaton raati tahi prosessissa mukana ole- vat asiantuntijat voivat arvioida toistensa pätevyy- det. Jos asiantuntijoiden anonyymisyys säilytetään, tämä tapa ei ole mahdollinen. Brownin ja Helmerin (1970) mukaan kokeellisesti on havaittu keskiarvona määritettyä ennustetta paremmaksi ennuste, joka on muotoiltu itsensä erityisen hyvin tarkasteltavasta asiasta perillä oleviksi arvioineiden asiantuntijoiden vastauksista. Tämä puoltaa menettelyä, missä kukin asiantuntija arvioi oman pätevyytensä tehtävään ja näitä pätevyyksiä käytetään tarvittaessa pätevyyksil- lä painotettua keskiarvoa laskettaessa. 3 Tapaustutkimus 3.1 Mallinnuksen lähtökohdat ja aineisto Tapaustutkimuksessa biodiversiteetti kuvattiin kol- mella komponentilla: vanhojen metsien osuus alueen pinta-alasta (%), lehtipuun osuus puuston tilavuudes- ta alueella (%) ja kuolleen puun määrä alueella (m3/ha). Tarkasteltavana olivat komponenttien mah- dolliset arvot kymmenen vuoden päästä, koska tar- koitus oli tuottaa mallit taktiseen metsäsuunnitteluun, jossa aikahorisonttina oli 10 vuotta. Vanhana metsänä pidettiin vähintään 120-vuotiasta männikköä, 100- vuotiasta kuusikkoa tai 80-vuotiasta lehtipuumetsik- köä. Komponenttien valinta tehtiin aikaisempien bio- diversiteettiä kuvailevien ekologisten tutkimusten (esim. Kouki 1994, Parviainen ja Seppänen 1994, Raivio 1995, 1996) ja tutkimuksessa mukana ollei- den asiantuntijoiden haastattelun perusteella. Kom- ponentteina olisi voitu käyttää muitakin metsäaluetta kuvaavia tunnuksia; käytännössä kuitenkin vain sovelletun suunnitteluohjelmiston sallimia muuttu- jia. Tämän tutkimuksen tavoitteiden kannalta kom- ponenttien valinnalla ei ollut olennaista merkitystä. Asiantuntijoilta tiedusteltiin komponenttien kes- kinäiset tärkeydet suunniteltavalla alueella laajem- man valtakunnallisen tason monimuotoisuuden vaa- limisen näkökulmasta. Lisäksi asiantuntijat suorit- tivat osahyötyfunktioiden estimoinnissa tarvittavat parivertailut. Kunkin osahyötyfunktion estimoin- nissa verrattiin pareittain vastaavan tunnuksen nel- jän arvon keskinäisiä hyvyyksiä biodiversiteetin vaalimisen kannalta (tuotantomahdollisuuksien mi- nimi ja maksimi sekä tasavälein kaksi näiden väli- arvoa) (taulukko 1). Kangas & Mononen Ekologiseen asiantuntemukseen perustuvan numeerisen mallin tuottaminen ... 231 Taulukko 1. Biodiversiteettitarkasteluissa käytetyt kom- ponentit ja niiden vertaillut arvot. Komponentti Minimi Väliarvo 1 Väliarvo 2 Maksimi Vanhojen metsien 4,4 9,2 13,9 18,7 osuus (%) Lehtipuun tilavuus- 6,8 7,6 8,4 9,3 osuus (%) Kuolleen puun määrä (m3/ha) 1,4 2,0 2,6 3,4 Vertailut tehtiin komponenttien tärkeyttä ja nii- den arvojen hyvyyksiä ilmaisevin pylväin. Asian- tuntija määritti ensin tärkeämmän tai paremman vertailuparista. Tämän tärkeyden tai hyvyyden il- maiseva pylväs asetettiin korkeudeltaan vakioksi ja toisen elementin tärkeys tai hyvyys ilmaistiin suhteessa siihen. Kierrosten välillä laskettiin myös vastausten muuttuminen edellisestä vertailukierrok- sesta. Edellisen tiedustelukierroksen vertailuista koos- tettiin seuraavalle kierrokselle palautemateriaali. Siinä vedettiin yhteen asiantuntijan itsensä tekemät vertailut ja niiden pohjalta lasketut komponenttien tärkeyssuhteet sekä osahyötyfunktiot. Sama infor- maatio annettiin koko asiantuntijajoukon vastaus- ten keskiarvojen pohjalta. Palautemateriaali sisälsi myös kuvauksen asiantuntijoiden vastausten ha- jonnasta. Lisäksi asiantuntijoille toimitettiin lisää taustamateriaalia kohdealueesta, tuotantomahdol- lisuuksista tai menetelmästä, jos he halusivat lisä- informaatiota sen tarvetta heiltä tiedusteltaessa. Asiantuntijoilta kysyttiin joka kierroksella myös kommentteja ja näkemyksiä itse menetelmästä ja parittaisten vertailujen teosta sekä palautteen sisäl- löstä. Tutkimuksen kohdealue sijaitsi Lieksan kaupun- gin Hattuvaaran kylässä. Se oli valtion omistukses- sa ja Metsähallituksen hallinnassa kuuluen Lieksan hoitoalueeseen. Alueen pinta-ala oli noin 1500 ha, josta vesialueita oli noin 150 ha lopun ollessa metsä- talouden maata. Yleisin puulaji alueella oli mänty (osuus tilavuudesta 91,7 %) erityisesti varttuneissa ja uudistuskypsissä metsissä. Kivennäismaiden, jot- ka olivat pääosin kuivahkoja ja kuivia kankaita, osuus oli 61,1 %. Soita oli 38,9 %, joista rämeitä 77,1 %. Kohdealue oli sama kuin Kankaan, Loik- kasen ym. (1996) tutkimuksessa, jossa annetun ku- vauksen kautta voi tutustua lähemmin alueen omi- naisuuksiin ja tuotantomahdollisuuksiin. Tuotantomahdollisuuksien vaihteluväli lehtipuun ja kuolleen puun määrän suhteen oli melko pieni. Lehtipuun osuuden osalta pääsyynä oli se, että hak- kuukypsä puusto oli pääosin mäntyä ja lehtipuus- ton määrään oli mahdollista vaikuttaa lähinnä vain nuorten metsien harvennuksissa ja uudistamisen yhteydessä. Uudistamispuulajin valinta taas ei juu- rikaan ehtinyt vaikuttaa kymmenvuotiskaudella puuston määrään. Kuolleen puun lisääntyminen oli mahdollista vain luonnonpoistumana. Vanhojen metsien osuuden minimi ei asettunut 0 %:iin, kos- ka ennakolta oli päätetty jättää luonnonarvoiltaan arvokkaimmat vanhat metsät joka tapauksessa hak- kaamatta, jolloin käytännön tuotantomahdollisuuk- sissa vanhojen metsien minimi 10 vuoden päästä oli 4,4 %. Mallinnuksen kulku oli edellisessä luvussa esite- tyn kaavion mukainen. Kun biodiversiteetti jaetaan optimointilaskelmia varten komponentteihin, sille itse asiassa määritel- lään additiivinen laskentakaava. Kaavan tulos on vaihtoehtoisten suunnitelmien suhteellista hyvyyt- tä kuvaava mittaluku, biodiversiteetti-indeksi, jon- ka maksimiarvo on yksi. Osahyötyfunktiot voivat olla epälineaarisia, mikä on tarpeen biodiversitee- tin ja ympäristömuuttujien välisten suhteiden ku- vauksessa (ks. Currie 1991, Williams ja Gaston 1994). Biodiversiteetti-indeksiä voidaan käyttää metsäsuunnittelun optimointilaskelmissa tavoite- suureena (Kangas ja Pukkala 1996). Tutkimukseen kutsuttiin 11 asiantuntijaa. Heistä viisi oli suorittanut metsätieteellisen akateemisen tutkinnon (2 MMT, 1 MML, 2 MMM), neljä oli valmistunut biologia pääaineenaan (2 FT, 1 FL, 1 FM) ja kaksi opiskeli metsätieteellisessä tiedekun- nassa. Kaikki olivat perehtyneet keskimääräistä sy- vemmin metsien monimuotoisuuden arvioinnin problematiikkaan osan ollessa alan tutkijoita. Metsätieteen aikakauskirja 2/1997 Tutkimusartikkeli 232 3.2 Tulokset Keskeinen piirre asiantuntija-avusteisen mallin laa- dinnassa tässä tutkimuksessa oli suuri asiantunti- joiden välinen näkemysten hajonta ja niiden suh- teellisen vähäinen muutos delfi-kierrosten välillä. Prosessi lopetettiin kolmannen kierroksen jälkeen. Tällöin todettiin, että muutokset vastauksissa toi- sen ja kolmannen kierroksen välillä olivat pienet ja asiantuntijoiden näkemykset poikkesivat toisistaan vielä kolmannen kierroksen jälkeen suuresti. Oli siten todennäköistä, että yhteistä näkemystä ei saa- vuteta ja että delfi-prosessin jatkaminen ei enää toisi olennaisia muutoksia asiantuntijoiden teke- miin vertailuihin. Asiantuntijoiden kolmannen delfi-kierroksen vas- tausten keskiarvona määritettiin biodiversiteetin arviointimalli Ubd, jossa kunkin yhdentoista asian- tuntijan painoarvo oli 1/11 (kaava 1). Ubd = 0,424Uva + 0,250Ule + 0,326Uku (1) missä Uva on vanhojen metsien osuuden määrittämä osahyöty, Ule on lehtipuun osuuden määrittämä osa- hyöty ja Uku on kuolleen puun määrän määrittämä osahyöty. Asiantuntijoiden näkemykset komponenttien tär- keyksistä biodiversiteetin alueella vaalimisen kan- nalta vaihtelivat suuresti (taulukko 2). Keskimää- rin tärkeimmäksi komponentiksi nyt tarkastelluista nähtiin vanhojen metsien osuus alueella. Keski- määrin toiseksi tärkeimmäksi määritettiin kuolleen puun määrä. Asiantuntijoiden kolmannen kierroksen vastaus- ten keskiarvoina laskettiin osahyötyfunktioiden es- timoinnissa tarvittavien komponenttien arvojen hy- vyydet (kuvat 1, 2 ja 3). Delfi-prosessin aikana asiantuntijoiden vastaukset lähenivät jossain mää- rin toisiaan sekä eri komponenttien tärkeyksien että komponenttien arvojen hyvyyksien vertailun osal- ta. Eniten vastausten varianssilla mitattu vaihtelu pieneni komponenttien tärkeyksien määrittämises- sä sekä kuolleen puun määrien hyvyyksien vertai- lussa (taulukko 3, kuvat 4, 5 ja 6). Asiantuntijoiden tekemien parivertailujen johdon- mukaisuus parani delfi-prosessin myötä (taulukko 4). Vain kahden asiantuntijan vastausten johdon- Taulukko 2. Asiantuntijoiden (A–K) tekemien pariver- tailujen perusteella lasketut biodiversiteetin arviointi- mallin komponenttien painoarvot asiantuntijoittain. Asiantuntija Uva Ule Ula A 0,254 0,139 0,607 B 0,518 0,234 0,248 C 0,599 0,305 0,096 D 0,345 0,188 0,467 E 0,318 0,506 0,176 F 0,710 0,144 0,146 G 0,691 0,151 0,158 H 0,246 0,257 0,497 I 0,298 0,301 0,401 J 0,196 0,310 0,494 K 0,490 0,220 0,290 Keskiarvo 0,424 0,250 0,326 Taulukko 3. Asiantuntijoiden vastausten perusteella laskettujen lukuarvojen varianssit delfi-kierroksilla sekä varianssien muutos (%) prosessin alun ja lopun välillä. Vertailtu seikka 1. kierros 2. kierros 3. kierros Muutos Komponentit Vanhojen metsien 0,0385 0,0358 0,0343 –10,8 osuus Lehtipuun osuus 0,0126 0,0127 0,0113 –10,9 Kuolleen puun 0,0460 0,0380 0,0305 –33,6 määrä Vanhojen metsien osuus 18,7 % 0,0205 0,0153 0,0146 –28,7 13,9 % 0,0131 0,0136 0,0133 2,2 9,2 % 0,0110 0,0101 0,0103 –6,4 4,4 % 0,0022 0,0020 0,0023 4,7 Lehtipuun osuus 9,3 % 0,0306 0,0280 0,0285 –6,9 8,4 % 0,0091 0,0088 0,0089 –2,4 7,6 % 0,0077 0,0074 0,0073 –6,0 6,8 % 0,0075 0,0074 0,0073 –2,3 Kuolleen puun määrä 3,4 m3 0,0347 0,0276 0,0260 –25,3 2,6 m3 0,0032 0,0023 0,0021 –35,5 2,0 m3 0,0151 0,0153 0,0133 –11,5 1,4 m3 0,0053 0,0021 0,0020 –62,5 Kangas & Mononen Ekologiseen asiantuntemukseen perustuvan numeerisen mallin tuottaminen ... 233 Kuva 1. Asiantuntijoiden vastausten keskiarvona mää- ritetty vanhojen metsien osuuden osahyötyfunktio. Kuva 2. Asiantuntijoiden vastausten keskiarvona mää- ritetty lehtipuun osuuden osahyötyfunktio. 4 Tutkimuksen tarkastelu HEROssa käytetyn preferenssien tiedustelun ja delfi-tekniikan yhteiskäyttö tutkimuksessa esitetyllä ja kokeillulla tavalla täytti pääosin kehitettävälle menetelmälle tutkimuksen alussa asetetut tavoit- teet. Menetelmien yhdistelmä tuo helpotusta erityi- sesti delfin analyyttisyyden puutteen aiheuttamiin sovellusongelmiin. Hyödyntämällä delfi-prosessin muodostamassa lähestymistavassa HEROn kaltai- sia analyyttisiä mallinnustekniikoita delfistä on ehkä kehitettävissä sille muutama vuosikymmen sitten asetetut odotukset (Jungk ja Galtung 1969, Jantsch 1972) täyttävä ennuste- ja arviointiongelmien rat- kaisumenetelmä. Tässä tutkimuksessa delfin kans- sa yhdessä käytettiin metsäsuunnittelun tavoiteana- lyysiin tarkoitettua menetelmää, jonka periaatteet sopivat moniin muihinkin päätösanalyyseihin. Kokeilussa ei kuitenkaan saavutettu asiantunti- joiden kesken yhteistä näkemystä biodiversiteetin arviointimallin komponenttien tärkeyksistä ja kom- ponenttien mahdollisten arvojen hyvyyksistä. Näke- mykset jäivät suuresti toisistaan poikkeaviksi lope- tettaessa prosessi. Tosin aluksi näkemykset erosi- vat toisistaan vieläkin enemmän kuin lopussa – siinä mielessä kokeilu osoitti menetelmän toimi- van. Se, että yhteinen näkemys jäi saavuttamatta, joh- tui todennäköisesti suureksi osaksi arvottamisteh- tävän luonteesta. Heti prosessin alussa ilmeni, että Kuva 3. Asiantuntijoiden vastausten keskiarvona määri- tetty kuolleen puun määrän osahyötyfunktio. mukaisuus huononi prosessin aikana. Näillä kah- della vastausten johdonmukaisuusindeksi oli alle 0,1 jokaisella delfi-kierroksella. Ilmeinen syy joh- donmukaisuuden paranemiseen oli se, että asian- tuntijat oppivat prosessin kuluessa paremmin tun- temaan niin parivertailutekniikan, itse vertailuteh- tävän kuin kohdealueenkin. Vertailut olivat alusta pitäen pääosin jokseenkin johdonmukaisia. Toisen ja kolmannen delfi-kierroksen välillä johdonmu- kaisuus ei enää merkittävästi muuttunut. Tutkin- non, kokemuksen tai minkään muunkaan tausta- muuttujan (kuten iän, sukupuolen, jne) ei havaittu selittävän asiantuntijoiden näkemyseroja. Metsätieteen aikakauskirja 2/1997 Tutkimusartikkeli 234 Kuva 4. Asiantuntijoiden näkemys vanhojen metsien osuuden tärkeydestä biodiversitee- tin komponenttina kohdealueella delfi-prosessin eri vaiheissa. Asiantuntijoiden tunnisteet (A–K) ovat samat kuin taulukossa 2. Kuva 5. Asiantuntijoiden näkemys lehtipuun osuuden tärkeydestä biodiversiteetin kom- ponenttina kohdealueella delfi-prosessin eri vaiheissa. Asiantuntijoiden tunnisteet (A–K) ovat samat kuin taulukossa 2. Kangas & Mononen Ekologiseen asiantuntemukseen perustuvan numeerisen mallin tuottaminen ... 235 Kuva 6. Asiantuntijoiden näkemys kuolleen puun määrän tärkeydestä biodiversiteetin komponenttina kohdealueella delfi-prosessin eri vaiheissa. Asiantuntijoiden tunnisteet (A–K) ovat samat kuin taulukossa 2. Taulukko 4. Parivertailujen johdonmukaisuudet (% ver- tailuista). Johdonmukaisuus- Luokan rajat 1. 2. 3. luokka kierros kierros kierros Jokseenkin 0,000–0,100 70,5 % 72,7 % 75,0 % johdonmukainen Hieman epäjohdon- 0,101–0,200 20,5 % 18,2 % 15,9 % mukainen Epäjohdon- 0,201–0,300 6,7 % 9,1 % 9,1 % mukainen Hyvin epäjohdon- 0,301– 2,3 % 0,0 % 0,0 % mukainen Johdonmukaisuus- 0,089 0,068 0,070 indeksin keskiarvo diversiteetin mittaamisen sekä biodiversiteetin ja arvioitavissa olevien ympäristömuuttujien suhtei- den osalta. Voi tosin olla, että joillakin mukana olleilla asiantuntijoilla olisi motivoituneisuudessa- kin ollut parantamisen varaa. Onkin ehkä niin, että asiantuntemuksen sijasta nyt mallinnettiinkin aina- kin osittain mielipiteitä. Päätellen vastausten muu- tosten vähäisyydestä delfi-prosessissa mukana ol- leiden henkilöiden mielipiteet asiasta olivat van- kat. Mielipiteiden mallinnuksessa ei voida vaatia yhtenäisiä vastauksia tiedusteluun osallistujilta. On oletettavaa, että tehtävässä, jossa vallitsisi suurem- pi tieteellinen yksimielisyys ja vähäisempi arvo- sidonnaisuus, onnistuttaisiin delfin käytössä parem- min pyrittäessä yhteiseen näkemykseen (ks. Brown ja Helmer 1970). Kokeilun tulokset viittaavat siihen, että biodiver- siteetin huomioon ottaminen jää toistaiseksi käy- tännön metsäsuunnittelussa osittain subjektiivisen, jopa mielivaltaisen arvioinnin varaan. Metsäsuun- nittelussa biodiversiteetin tärkeyden määrittäminen suhteessa muiden tavoitesuureiden tärkeyteen on poliittinen tai subjektiivinen tehtävä, mutta päätös- vaihtoehtojen hyvyydet biodiversiteetin kannalta tulisi voida arvioida mahdollisimman objektiivi- sesti. Tieteellinen tutkimus tuottaa jatkuvasti uutta perustietoa metsäluonnon monimuotoisuudesta ja asiantuntijoiden mielipiteet erosivat toisistaan huo- mattavasti. Tähän pääasialliseksi syyksi voidaan epäillä tarkastellun ongelman yleistä jäsentymättö- myyttä. Siitä, mitä biodiversiteetin ylläpitäminen ja edistäminen metsissä edellyttää ja mikä on sille hyväksi ja mikä haitaksi, ei olla yhtä mieltä. Perussyy jäsentymättömyydelle lienee ekologi- sen tietopohjan puutteellisuus ja epävarmuus bio- Metsätieteen aikakauskirja 2/1997 Tutkimusartikkeli 236 sen edellytyksistä. Tämän tutkimuksen kaltaisen tiedusteluprosessin toistaminen jonkin ajan kulut- tua antaisi mielenkiintoista tietoa biodiversiteetti- tarkastelujen jäsentyneisyyden ja perusteiden tun- nettavuuden kehittymisestä. Edellä mainittujen biodiversiteetin tarkastelun ja siihen liittyvän asiantuntemuksen jäsentymättö- myysongelmien takia ei katsottu perustelluksi arvioida mukana olleiden henkilöiden biodiversi- teettitietämyksen tasoa. Näin ollen asiantuntijoi- den pätevyyksillä painotettua keskiarvomallia ei laadittu. Jonkin yksiselitteisemmän ja helpommin miellettävän tunnuksen kohdalla – esimerkiksi met- sänkäsittelyn vesistövaikutusten asiantuntija-avus- teisessa mallinnuksessa (Kangas, Lauhanen ym. 1996) – pätevyysarviointi olisi helpommin toteu- tettavissa. On esitetty, että mediaanin käyttö olisi perustel- tua keskiarvon sijaan silloin, kun asiantuntijat eivät pääse yhteiseen näkemykseen tarkasteltavasta asias- ta (Alho ym. 1996). Mediaani eliminoi asiantunti- joiden joukossa olevan sellaisen yksittäisen dog- maattisen tai taktikoivan henkilön vaikutuksen lo- pulliseen arvioon, jonka vastaukset tiedusteluun poikkeavat voimakkaasti keskiarvosta. Toisaalta ei voida olla varmoja, etteikö juuri poikkeava näke- mys olisi lähinnä totuutta. Tässä tutkimuksessa me- diaanin käyttö olisi johtanut jotakuinkin samoihin lopullisiin malleihin kuin keskiarvojen perusteella laaditut. Asiantuntijoiden kokoaminen yhteiseen neuvot- teluun kolmannen kierroksen jälkeen, tai mieluum- min jo varhaisemmassa vaiheessa, olisi voinut lä- hentää heidän näkemyksiään. Neuvottelussa olisi voitu keskustella biodiversiteetin määrittelyyn ja arviointiin liittyvistä peruskysymyksistä ja hankit- tu siten yhtenäisempi perusta vastata tiedusteluun. Jatkotutkimuksissa tulisi pyrkiä selvittämään eri- laisten neuvottelu- ja komiteatyöskentelytekniikoi- den liittämistä tämän tutkimuksen kaltaiseen delfi- prosessiin. Olennaista kuitenkin on, että delfin pyr- kimystä sosiaalis-psykologisten paineiden vaiku- tuksen minimointiin ei unohdeta. Tavan, jolla tässä tutkimuksessa asiantuntija-avus- teisesti laadittua mallia metsäalueen arvioimiseksi biodiversiteetin suhteen voidaan hyödyntää, ovat esittäneet Kangas ja Pukkala (1996). Mallia käyte- tään optimointivaiheessa vaihtoehtoisia metsäsuun- nitelmia arvotettaessa. Mallin tuottamaa lukuarvoa, suhteellista biodiversiteetti-indeksiä, voidaan käyt- tää optimoinnin tavoitemuuttujana. Periaate on, että malli laaditaan erikseen jokaista suunnittelutilan- netta varten, koska metsäalueiden sekä edellytyk- set ja merkitykset biodiversiteetin ylläpidon kan- nalta että tuotantomahdollisuudet vaihtelevat alu- eesta toiseen. Tästä syystä esimerkiksi komponent- tien tärkeydet saattavat vaihdella alueittain. Jatkos- sa, kun perustietous monimuotoisuuden olemuk- sesta ja mittaamisesta sekä sen edistämisen mah- dollisuuksista karttuu, on kenties perusteltua yrit- tää laatia yleisesti sovellettava biodiversiteetin ar- vioimismalli. Laadittu biodiversiteetin arvottamismalli on op- timoinnin ja metsäalueen kokonaistarkastelun väli- ne tilanteessa, missä tarkasteltava metsiköittäisten käsittelyvaihtoehtojen joukko on etukäteen rajattu sisältämään vain käytännössä valittavissa olevat käsittelyohjelmat. Malli ei kykene tunnistamaan avainbiotooppeja ja muita erityiskohteita eikä se itsessään hallitse paikkatietoa. Ajatus onkin, että malli integroidaan osaksi suunnitteluprosessia, missä nämä tehtävät hoidetaan muilla keinoin. Tällöin esimerkiksi maastotyövaiheessa suunnit- telija ja päätöksentekijä ovat yhdessä tunnistaneet erityiskohteet ja rajoittaneet optimointia varten si- muloitavien vaihtoehtojen joukkoa vastaavasti. Esi- merkiksi tervalepikölle on voitu määrittää ainoaksi mahdollisuudeksi suunnittelukaudella lepo tai pää- töksentekijän toivomuksesta pihapiiriin rajoittuvalle uudistuskypsälle männikölle ei ole annettu avo- hakkuun mahdollisuutta. Vaihtoehtojen joukkoa rajoittamalla voidaan ohjata optimoinnin tulosta eri- tyiskohteissa. ”Tavanomaisissa” talousmetsiköissä vaihtoehtojen joukkoa ei rajoiteta erityisvaatimus- ten nojalla, vaan optimointia varten niille tuotetaan laajempi kirjo käsittelyohjelmia. Mallin käyttö pal- veleekin biodiversiteetin huomioon ottamista en- nen kaikkea muiden kuin varsinaisten suojelukoh- teiden metsänkäsittelyn optimoinnissa, myös ns. alue-ekologisissa tarkasteluissa. Kangas & Mononen Ekologiseen asiantuntemukseen perustuvan numeerisen mallin tuottaminen ... 237 Kirjallisuus Alho, J., Kangas, J. & Kolehmainen, O. 1996. Uncer- tainty in the expert predictions of the ecological con- sequences of forest plans. Applied Statistics 45: 1– 14. Anderson, D. H. 1993. Using the Delphi process to identify significant recreation research-based innova- tions. Journal of Park and Recreation Administration 11: 25–36. Brown, B. & Helmer, O. 1970. Förbättring av tillförlit- ligheten i en överensstämmelse genom användning av självbedömningar. Julkaisussa: Helmer, O. (toim.). Framstidsstudier genom Delphi-tekniken. Stockholm. s. 115–126. Currie, D.J. 1991. Energy and large-scale patterns of animal- and plant-species richness. American Natu- ralist 137: 27–49. Dalkey, N. & Helmer, O. 1962. An experimental appli- cation of Delphi method to the use of experts. Man- agement Science 9: 458. Gordon, T.J. & Helmer, O. 1964. Report on a long range forecasting study. RAND Corporation, Santa Moni- ca, California. 64 s. Hallman, E., Hokkanen, M., Juntunen, H., Korhonen, K.-M., Raivio, S., Savela, O., Siitonen, P., Tolonen, A. & Vainio, M. Alue-ekologinen suunnittelu. Met- sätalouden julkaisuja 3/1996. Metsähallitus, Vantaa. 46 s. Jantsch, E. 1972. Technological planning and social fu- tures. Gassel, London. 256 s. Jungk, R. & Galtung, J. (toim.). 1969. Mankind 2000. Oslo. 367 s. Kangas, J. 1992. Metsikön uudistamisketjun valinta – monitavoitteiseen hyötyteoriaan perustuva päätös- analyysimalli. Summary: Choosing the regeneration chain in a forest stand: a decision model based on multi-attribute utility theory. Joensuun yliopiston luon- nontieteellisiä julkaisuja 24. 230 s. — , Karsikko, J., Laasonen, L. & Pukkala, T. 1993. A method for estimating the suitability function of wild- life habitat for forest planning on the basis of exper- tise. Silva Fennica 27: 259–268. — , Lauhanen, R. & Store, R. 1996. Kunnostusojitus- vaihtoehtojen vesistövaikutusten asiantuntija-avustei- nen arviointi ja liittäminen päätösanalyysiin. Sum- mary: Assessing the impacts of ditch network main- tenance on water ecosystems on the basis of expert knowledge and integrating the assessments into deci- sion analysis. Suo 47(2): 47–57. — , Loikkanen, T., Pukkala, T. & Pykäläinen, J. 1996. A participatory approach to tactical forest planning. Acta Forestalia Fennica 251. 24 s. —& Pukkala, T. 1996. Operationalization of biological diversity as a decision objective in tactical forest planning. Canadian Journal of Forest Research 26: 103–111. Kilkki, P. 1985. Timber Management Planning. Silva Carelica 5. Joensuun yliopisto. Metsätieteellinen tie- dekunta. 160 s. Kouki, J. (toim.). 1994. Biodiversity in the Fennoscandi- an boreal forests: natural variation and its manage- ment. Annales Zoologici Fennici 31(1). 217 s. Kuusipalo, J. & Kangas, J. 1994. Managing biodiversity in a forestry environment. Conservation Biology 8: 450–460. Linstone, H.A. 1978. The Delphi technique. Julkaisussa: Fowles, J. (toim.). Handbook of future research. Greenwood Press, London. s. 273–300. Ministerial Conference on the Protection of Forests in Europa, 16–17 June 1993 in Helsinki. 1993. Docu- ments. Ministry of Agriculture and Forestry of Fin- land, Conference Secretariat. 56 s. Mäenpää, I. 1977. Tulevaisuuden tutkimus II. Menetel- mät ja niiden arviointi. Oulun yliopiston kansantalous- tieteen laitoksen tutkimuksia 13. 120 s. O’Laughlin, J. & Rule, L. C. 1990. The future of Alaska’s forest products industry. Journal of Forestry 88(12): 16–22. Parviainen, J. & Seppänen, P. 1994. Metsien ekologinen kestävyys ja metsänkasvatusvaihtoehdot. Metsäntut- kimuslaitoksen tiedonantoja 511. 110 s. Pukkala, T. & Kangas, J. 1993. A heuristic optimization method for forest planning and decision-making. Scan- dinavian Journal of Forest Research 8: 560–570. Raivio, S. (toim.). 1995. Talousmetsien luonnonsuojelu – yhteistutkimushankkeen väliraportti. Metsähallituk- sen luonnonsuojelujulkaisuja, Sarja A No 43. 147 s. — 1996. Study on biodiversity in managed forests: re- sults encouraging. Paperi ja Puu 78(3): 80–85. Render, B & Stair, R.M. 1992. Introduction to manage- ment science. Allyn and Bacon, Boston. 856 s. Reynolds, K.M. & Holsten, E.H. 1994. Relative impor- tance of risk factors for spruce beetle outbreaks. Ca- nadian Journal of Forest Research 24: 2089–2095. Russell, J.S., Cameron, D.M., Whan, I.F., Beech, D.F., Prestwidge, D.B. & Rance, S.J. 1993. Rainforest trees as a new crop for Australia. Forest Ecology and Man- agement 60: 41–58. Saaty, T.L. 1977. A scaling method for priorities in hierarchical structures. Journal of Mathematical Psy- chology 15: 234–281. Sackman, H. 1974. Delphi assessment: expert opinion, Metsätieteen aikakauskirja 2/1997 Tutkimusartikkeli 238 forecasting and group process. RAND Corporation, Santa Monica, California. 125 s. Suomen metsäluonnon monimuotoisuuden turvaaminen. 1994. Ympäristöministeriö, alueiden käytön osasto. Moniste. 84 s. UNCED 1993. YK:n ympäristö- ja kehityskonferenssi, Rio de Janeiro 3.–14.6. 1992. Ympäristöministeriö & ulkoasiainministeriö. 239 s. Williams, P.H. & Gaston, K.J. 1994. Measuring more of biodiversity: Can higher-taxon diversity predict whole- sale species richness? Biological Conservation 67: 211–217. 33 viitettä