Luin hiljattain artikkelin ekologisten systeemien toiminnan ennustamisesta. Artikkelissa esitetään, että meidän ekologisten systeemien tutkijoiden ei pitäisi ajatella biologian olevan liian monimutkaista systeemien kehityksen ennustamiseksi vaan meidän tulisi ottaa mallia meteorologeilta, jotka ovat aloittaneet sääennusteiden tekemisen kymmeniä vuosia sitten epätarkoilla malleilla. Nämä mallit ovat kehittyneet tarkemmaksi kun tehtyjä ennusteita on pystytty vertaamaan toteutuneeseen säähän. Mielestäni ekologisten systeemin toiminnan mallintamiseen tarvittaisiin enemmän tällaista rohkeutta tehdä ennuste tietokonemallien avulla, verrata mallien ennusteita tapahtuneeseen kehitykseen ja päivittää mallia toteutuman mukaan.

Ekologinen systeemi (ekosysteemi) koostuu tietyn yhtenäisen paikan eliöistä ja elottomasta ympäristöstä. Esimerkiksi jonkin tietyn metsän puut, kasvit, eläimet ja maaperä muodostavat ekosysteemin. Ekosysteemien toiminta ja niiden reagointi muuttuvaan ilmastoon on tärkeä tutkimusaihe, sillä ne tuottavat ihmiselämällä tärkeitä palveluita. Esimerkiksi metsäekosysteemin tuottamista palveluista ovat puut, jotka toimivat hiilinieluina ja tuottavat raaka-ainetta metsäteollisuudelle. Metsäekosysteemit lisäävät myös ihmisten henkistä ja fyysistä hyvinvointia, kun ihmiset viettävät vapaa-aikaansa metsissä.

Me tutkijat haluamme pystyä ennustamaan, miten esimerkiksi kotimaisella turvemaalla kasvava metsä reagoi, kun ilman keskilämpötila nousee tai sateisuus muuttuu. Tällaista tietoa tarvitaan, jotta voimme ennakoida ilmastonmuutoksen vaikutuksia ekosysteemin tuottamissa palveluissa. Ekologisten systeemien toimintaa on kuitenkin vaikea ennustaa. Pohjimmiltaan vaikeus johtuu siitä, että ekosysteemit ovat erittäin monimutkaisia.

Ekosysteemien toimintaa voidaan ennustaa matemaattisten yhtälöiden avulla. Ekosysteemien monimutkaisuus vuoksi meitä ei auta, vaikka tuntisimme kaikki ekosysteemin toimintaan liittyvät prosessit, sillä prosessien esittäminen yhtälöinä tuottaisi matemaattisen mallin, joka olisi liian raskas nykyisille supertietokoneille ratkaistavaksi. Mikäli haluamme ennustaa ekosysteemien toimintaa, joudumme tekemään useita yksinkertaistuksia, jotka lisäävät ennustuksen epätarkkuutta.

Prosesseja kuvaavat matemaattiset yhtälöt ovat hankalia myös toisella tavalla. Yhtälöihin liittyy nimittäin parametreja, jotka pitää pystyä mittaamaan tai muuten määrittämään, ennen kuin yhtälöt voidaan ratkaista. Käytännön työssä olen huomannut, että näitä parametreja ei ole määritetty ollenkaan tai niin on tehty kerran, muutamassa olosuhteessa, useita kymmeniä vuosia sitten. Epäilen, että parametreja määrittäviä julkaisuja ilmestyy harvakseltaan, koska nykyään tieteellisten julkaisujen tutkimuskysymysten on ratkaistava isompia ongelmia kuin “veden siirtyminen eri turpeissa” tai “kuusen hienojuurien määrä eri kasvualustoilla”.

Tietokonemallien ohjelmoinnissa tehtävät yksinkertaistukset ja mallien parametrien epävarmuus aiheuttavat sen, että monet potentiaalisesti tärkeää tietoa tuottavat tutkimukset jäävät toteuttamatta, koska ajattelemme biologisten prosessien olevan liian monimutkaisia ja tietävämme liian vähän tarkkojen ennusteiden tekemiseksi. Olen itsekin hylännyt tutkimusideoita, koska olen ajatellut niiden tuottavan liian epätarkkoja tuloksia ja vaativan liikaa oletuksia.

Mielestäni tarvitsemme ekosysteemien tutkimuksessa ajattelutavan muutosta. Meidän on uskallettava enemmän ohjelmoida tietokonemalleja vaillinaisin tiedoin ja pyrittävä parantamaan malleja ja niiden parametreja vertaamalla ennusteita toteutumaan. Tällaiset ennusteet eivät pelkästään paranna malleja, vaan paljastavat, mitä prosesseja ja parametreja on tutkittava enemmän ymmärryksemme lisäämiseksi ekosysteemien toiminnasta. Lisäksi tällaisten ennusteiden tekeminen tuottaa tärkeää tietoa nopeammin päätöksentekijöille, kunhan ennusteiden epävarmuus kommunikoidaan selkeästi.


Hyvä esimerkki tällaisesta ennustusprojektista on Ilmatieteen laitoksen, Suomen ympäristökeskuksen, Baltic Sea Action Groupin, Hämeen ammattikorkeakoulun ja Helsingin yliopiston ilmakehätieteen keskuksen yhteinen Pelto-observatorio, jossa visualisoidaan lähes reaaliajasssa kuinka tutkimuspeltojen hiilensidonta ja sääolosuhteet muuttuvat mittausten ja tietokonemallien tulosten mukaan.