Kasvihuonekaasuinventaarion epävarmuudet

Kasvihuonekaasuinventaarion uusimpien tulosten mukaan metsämaa oli päästölähde vuonna 2023, vaikka vielä vuonna 2009 sen nettonielu oli -46,6 Mt CO2-ekv. Tässä kirjoituksessa tarkastelemme näihin arvioihin liittyviä epävarmuuksia ja niiden tulkintaa. 

Metsämaan kasvihuonekaasutaseen arvio perustuu otantaan (vain osa kaikista mahdollisista metsäkohteista voidaan mitata), puiden maastomittauksiin, hakkuumääristä kerättyihin tilastotietoihin ja mittausaineistojen pohjalta kehitettyihin malleihin ja kertoimiin. Näihin kaikkiin liittyy epävarmuutta.

Eniten käytetty epävarmuuden mitta lienee 95 %:n luottamusväli. Se sisältää todellisen päästön tai nielun 95 %:n todennäköisyydellä silloin, kun luottamusvälin taustalla olevat oletukset ovat voimassa. Kasvihuonekaasuinventaarion yhteydessä epävarmuusarviot kuitenkin raportoidaan Hallitustenvälisen ilmastonmuutospaneelin (IPCC) laskentaohjeistuksen mukaisesti suhteellisina epävarmuuksina, joista käytetään tässä kirjoituksessa merkintää U. Jos raportointiluokan päästö- tai nieluarvio on x ja sen 95 %:n luottamusvälin pituus D, niin U (%) = 100 × (D/2) / |x|. 

Kun U < 100 %, päästö- tai nieluarvion itseisarvo on suurempi kuin puolet sen 95 %:n luottamusvälistä. Tällöin arvo 0 ei sisälly 95 %:n luottamusväliin ja voidaan perustellusti väittää, että päästö- tai nieluarvion suunta on 95 %:n luotettavuudella oikea, ts. laskentakohde on (etumerkistä riippuen) päästölähde tai nielu. Kun U > 100 %, päästö- tai nieluarvio on pienempi kuin puolet sen 95 %:n luottamusvälistä. Tällöin arvio 0 sisältyy 95 %:n luottamusväliin eikä voida 95 %:n luotettavuudella sanoa, onko kyseessä päästö vai nielu. Taulukossa 1 raportoitujen epävarmuuksien nojalla on siis käytännössä varmaa (U = 38,5 %), että metsämaa oli nielu vuonna 1990, kuten myös se, että nielu on vuodesta 1990 vuoteen 2023 pienentynyt (U = 31,0 %), mutta arvion epävarmuus huomioon ottaen ei ole varmaa (U = 892,5 %), oliko metsämaa nielu vai päästölähde vuonna 2023. 

IPCC:n U-suureen avulla nähdään kätevästi, kuinka vahvalle näytölle perustuu se päätelmä, että tarkasteltava raportointiluokka on nielu tai päästölähde. Samaan aikaan U-suure on kuitenkin hankala päästö- tai nieluarvion luotettavuuden arvioinnissa, koska sen arvo riippuu arvion luotettavuuden (95 %:n luottamusvälin pituus) lisäksi arvion suuruudesta. Esimerkiksi, metsämaan päästöjen ja nielujen summan 95 %:n luottamusväli on vuonna 1990 ja 2023 lähes samansuuruinen (kuva 1, ”Metsämaa yhteensä”), mutta vuoden 2023 suhteellinen epävarmuus U₂₀₂₃ on 23-kertainen vuoden 1990 suhteelliseen epävarmuuteen U₁₉₉₀ verrattuna (taulukko 1). Tämä johtuu siitä, että metsämaan päästö- ja nieluarvioiden summa muodostaa ison nettonielun vuonna 1990, mutta pienen nettopäästön vuonna 2023. On myös mahdollista, että tilanteessa, jossa päästö- tai nieluarvion luotettavuus paranee menetelmäkehityksen myötä, suhteellinen epävarmuus U kasvaa, jos päästö- tai nieluarvio samalla pienenee. Selvästikään suhteellinen epävarmuus U ei yksinään sovellu päästö- tai nieluarvion luotettavuuden arviointiin, tai esimerkiksi eri maiden inventaariotulosten epävarmuuksien arviointiin, vaan tarvitaan tietoa myös kulloisenkin arvion luottamusvälin pituudesta.

Luottamusvälit ovat erityisen käteviä, kun arvioidaan, kuinka suuri päästö, nielu tai niiden muutos on voinut olla. Esimerkiksi, metsämaan nettonielun vähenemän voidaan väittää vuodesta 1990 vuoteen 2023 olleen 95 %:n luotettavuudella vähintään 20 Mt CO₂-ekv. (kuva 1), jos luotetaan siihen, että laskennan oletukset ovat voimassa. Tämän kirjoituksen jatko on pitkälti näiden oletusten ruodintaa.

Elävän puuston hiilitasetta arvioidaan puiden kasvusta johtuvan biomassalisäyksen ja hakkuista sekä puiden luontaisesta kuolemisesta johtuvan elävän biomassan poistuman erotuksena, niin sanottuna nettomuutoksena (taulukko 2). Nettomuutoksen suhteellinen epävarmuus on varsin suuri, vaikka VMI tuottaa tarkkoja arvioita kasvusta [1] ja vuotuisen hakkuupoistuma-arvion otantavirheen arvioidaan olevan hyvin pieni. Tämä johtuu yksinkertaisesti siitä, että nettomuutos on itseisarvoltaan pieni kasvuun ja poistumaan verrattuna, ja mitä lähempänä nollaa nettomuutos on, sitä suurempaa suhteellinen epävarmuus väistämättä on. Kun tarkastellaan luottamusvälien pituuksia, huomataan, ettei nettomuutoksen arvio absoluuttisesti ottaen ole kovin paljon hakkuupoistuma-arviota epävarmempi (taulukko 2).

Taulukon 2 epävarmuusarvioissa on huomioitu vain inventaarioaineiston otannan vaikutus. Elävän puuston hiilitaseen arvioon sisältyy tämän lisäksi arvioinnissa käytetyistä puuston biomassamalleista [2,3] johtuvaa epävarmuutta. Sekä kasvuun että poistumaan sovelletaan samoja malleja, joiden parametrien estimaateissa on sovelluskohteesta riippumatta samat, mallinnusaineiston otannasta kumpuavat satunnaisvirheet. Jos nämä poikkeamat parametrin ”todellisesta” arvosta johtavat siihen, että kasvun biomassaa yliarvioidaan, todennäköisesti myös poistuman biomassaa yliarvioidaan. Toisin sanoen, kasvun ja poistuman mallivirheet ovat positiivisesti korreloituneita. Tästä syystä kasvihuonekaasuinventaariossa biomassamallien parametriestimaattien epävarmuuden vaikutus lasketaan suoraan puustobiomassan nettomuutosarviolle [4].

VMI:n ja poistumatilaston otantavirheisiin verrattuna parametrien epävarmuuden vaikutus puustobiomassan nettomuutosarvioon on marginaalinen: taulukossa 2 raportoitu otannasta johtuva epävarmuus kasvaa vain 0,2 %-yksiköllä (taulukko 1), kun siihen lisätään biomassamallien parametrien estimoinnista johtuva epävarmuus 4,1 % (epävarmuuksien ”yhteenlaskukaavoja” esitellään Tietolaatikossa 1). Se, että mallien tuottama lisäepävarmuus on näinkin pientä, johtuu juurikin ylläkuvatusta kasvun ja poistuman mallivirheiden positiivisesta korrelaatiosta. Biomassavarastojen arvioiden epävarmuuksissa mallivirheen osuus on huomattavasti suurempi [4].

Potentiaalisesti vakava, mutta vaikeasti määrällisesti mitattava epävarmuuden lähde syntyy, kun mallinnusaineisto ei edusta sovelluskohdetta (kuten kaikkia Suomen metsämaalla kasvavia tai sieltä poistettuja puita) riittävän hyvin. Esimerkiksi, yksi nykyisten biomassamallien ongelma on, että turvemaametsien puut eivät ole olleet edustettuna mallien laadintaan käytetyssä mittausaineistossa. Tämän kaltaisia virhelähteitä ei epävarmuusarvioihin voida sisällyttää. Lukessa kehitetään parhaillaan uusia biomassamalleja, joiden laadintaan on ollut käytettävissä myös turvemailla kasvaneita puita.

Maaperän hiilitasearvioihin, perustuivatpa ne mallinnukseen tai mittauksiin, liittyy aina enemmän ja monimutkaisempia epävarmuustekijöitä kuin puustoa koskeviin arvioihin. Esimerkiksi, kivennäismaiden maaperän orgaanisen aineksen, karikkeen ja kuolleen puun yhdistetyn hiilivaraston muutoksen arvioinnissa käytettävälle mekanistisille maahiilimallille (Yasso07) tarvitaan syötteenä arviot elävästä puustosta peräisin olevan karikkeen määrästä. Karikesyötearviot lasketaan VMI-mittauksiin perustuvista puustobiomassan varastoarvioista käyttäen tutkimuksiin ja seurantoihin perustuvia biomassaositteiden (kuori, oksat, lehvästö, juuret) kariketuotantokertoimia (kerroin kertoo, kuinka iso osa biomassasta muuttuu vuoden aikana karikkeeksi). Varastoarviot tarvitaan biomassaositteittain, koska kariketuotanto vaihtelee suuresti niiden välillä. Tämä mutkistaa epävarmuusarviointia, sillä eri ositteita koskevat arviot ovat vahvasti korreloituneita, perustuvathan ne samojen puiden VMI-mittauksiin.

Kivennäismaiden osalta perusteellinen epävarmuustarkastelu on toteutettu vuodet 1990–2013 kattaneen aineiston pohjalta [5]. Vastaava ojitettujen turvemaiden tarkastelu yltää vuoteen 2021 saakka [6]. Jälkimmäisen tutkimuksen tuloksista löytyy oiva esimerkki siitä, miten suhteellinen epävarmuus väistämättä kasvaa, kun hiilitasearvio (tässä tapauksessa vuoden 1990 arvio) lähestyy nollaa. Koska näiden kahden tutkimuksen kaltaisia perinpohjaisia epävarmuusanalyysejä ei (toistaiseksi) voida rutiininomaisesti toteuttaa, vuosittaisessa inventaarioraportoinnissa usein oletetaan, että aiempiin arvioihin määritetty suhteellinen epävarmuus pätee myös uusiin arvioihin. Tämä on perusteltu oletus silloin, kun arvio on epävarmuuteensa suhteutettuna kaukana nollasta, mutta huono silloin, kun arvio lähestyy nollaa (Tietolaatikko 2). Jälkimmäisestä tilanteesta hyvä esimerkki on viime vuosien kivennäismaiden maaperän hiilitaseen lähellä nollaa oleva arvio. Taulukossa 1 ei tästä syystä ole vuodelle 2023 esitetty perusteellisen epävarmuustarkastelun [5] suhteellista epävarmuutta (U = 31,5 %) vaan uusi arvio (U = 524,3 %), jonka osalta oletukseen, että luottamusvälin absoluuttinen pituus on vuonna 2023 sama kuin jaksolla 2008–2012 (Tietolaatikko 3).

Eri ajankohtia koskevien maaperän hiilitasearvioiden välinen korrelaatio on suurempaa kuin elävän puuston hiilitasearvioiden korrelaatio. Tämä johtuu toisaalta siitä, että mallien parametreihin liittyvällä epävarmuudella on suurempi merkitys, etenkin ojitettujen turvemaiden hiilitasearviossa [6], ja toisaalta siitä, että koko aikasarjalle käytetään samojen biomassamallien lisäksi samoja kariketuotantokertoimia. Kivennäismaiden osalta vuosien 1990 ja 2023 välisen korrelaation arvio 0,2 perustuu karikesyöteaikasarjojen simulointeihin, joissa vaihtelu noudatteli aikasarjoihin liittyviä epävarmuuksia ja korrelaatiorakenteita [5]. Ojitettujen turvemaiden arvio 0,9 perustuu puolestaan vuodet 1990–2021 kattaneeseen epävarmuusanalyysiin [6]. Positiivisten autokorrelaatioiden ”ansiosta” muutosarvioiden suhteelliset epävarmuudet ovat maaperälaskennoissa yksittäisten vuosien tasearvioiden epävarmuuksia pienempiä (Taulukon 1 rivit Kivennäismaaperä CO₂ ja Orgaaninen maaperä CO₂).

Kasvihuonekaasuinventaarion epävarmuuden arvioinnissa huomioidaan tunnetut, määrällisesti arvioitavissa olevat epävarmuustekijät. Niistä tekijöistä, joita määrälliseen epävarmuusarvioon ei pystytä sisällyttämään, tärkein lienee mallien ja kerrointen edustavuus. Näiden puuttuvien tekijöiden takia päästö- tai nieluarvion epävarmuus on todennäköisesti jossain määrin raportoitua suurempaa. Epävarmuusarviot kertovat, missä haarukassa tarkasteltavan varaston nettopäästö tai -nielu todennäköisesti on, mutta niiden varsinainen tavoite on tunnistaa inventaarion suurimmat epävarmuuden lähteet, jotta näiden kehittämiseen osataan panostaa. 

Inventaarion laskentamenetelmien kehittämistyön tavoite on tuottaa tarkempia ja luotettavampia päästö- ja nieluarvioita, mutta myös epävarmuuden arviointia on jatkuvasti kehitettävä. On hyvä huomata, että epävarmuusarvioinnin kehittäminen voi helposti johtaa siihen, että uusi epävarmuusarvio on suurempi kuin entinen, kun arvioon sisällytetään aiemmin huomioimattomia epävarmuuden lähteitä. Esimerkiksi, maaperän hiilitaseen epävarmuuden arvioinnissa oletetaan, että kariketuotantokertoimet ovat samat vuodesta toiseen. Jos niiden ajallinen vaihtelu voitaisiin ottaa huomioon, päädyttäisiin todennäköisesti merkittävästi suurempaan epävarmuusarvioon [5]. 

Koska inventaariotulosten epävarmuusarvio riippuu käytettävistä aineistoista ja eri mailla on epävarmuusanalyyseihin käytössään hyvin erilaisia aineistoja, on inventaariotulosten epävarmuuksien vertailu eri maiden välillä tehtävä erityisellä varovaisuudella.

Vaikka metsämaan kasvihuonekaasuinventaarioon liittyykin suuria ja joiltain osin epävarmoja epävarmuuksia, on inventaariotulosten viimeisten vuosien kehityssuunta selvä ja ilmastonmuutoksen hillinnän kannalta huono. Metsämaan nettonielun vähenemisen ja häviämisen suurimpina syinä ovat sellaiset muutokset, jotka ovat hyvin tunnettuja: hakkuiden määrä on korkeammalla tasolla kuin vuosituhannen ensimmäisellä vuosikymmenellä, metsien kasvu on hidastunut, ja keskilämpötilat ovat nousseet, mikä on nopeuttanut maaperän kuolleen orgaanisen aineksen hajotusta. 

Eri muuttujien, vuosien ja maiden suhteellisia epävarmuusarvioita vertaillessa pitää muistaa erityisesti se, että nettopäästön tai -nielun arvion lähestyessä nollaa sen suhteellinen epävarmuus väistämättä kasvaa rajunnäköisesti. Se että taulukon 1 summarivillä on vuoden 2023 arviolle kertaluokkaa suurempi suhteellinen epävarmuus kuin vuoden 1990 arviolle, ei siis tarkoita, että uusi arvio olisi huonompi tai menetelmällisesti hatarammalla pohjalla. 

[1] Korhonen, K. T., Räty, M., Haakana, H., Heikkinen, J., Hotanen, J.-P., Kuronen, M. & Pitkänen, J. 2024. Forests of Finland 2019 – 2023 and their development 1921 – 2023. Silva Fennica 58, 24045. https://doi.org/10.14214/sf.24045   

[2] Repola J. 2008. Biomass equations for birch in Finland. Silva Fennica 42, 236. https://doi.org/10.14214/sf.236  

[3] Repola J. 2009. Biomass equations for Scots pine and Norway spruce in Finland. Silva Fennica 43, 184. https://doi.org/10.14214/sf.184  

[4] Ståhl, G., Heikkinen, J., Petersson, H., Repola, J. & Holm, S. 2014. Sample-based estimation of greenhouse gas emissions from forests - a new approach to account for both sampling and model errors. Forest Science 60: 3-13. https://doi.org/10.5849/forsci.13-005 [avoimesti saatavilla oleva versio]

[5] Lehtonen, A. & Heikkinen, J. 2016. Uncertainty of upland soil carbon sink estimate for Finland. Canadian Journal of Forest Research 46: 310-322. https://doi.org/10.1139/cjfr-2015-0171

[6] Alm, J., Wall, A., Myllykangas, J.-P., Ojanen, P., Heikkinen, J., Henttonen, H. M., Laiho, R., Minkkinen, K., Tuomainen, T. & Mikola, J. 2023. A new method for estimating carbon dioxide emissions from drained peatland forest soils for the greenhouse gas inventory of Finland. Biogeosciences 20: 3827-3855. https://doi.org/10.5194/bg-20-3827-2023