Hirvikannan arviointimenetelmä

Suomen hirvikannan kokoa ja rakennetta arvioidaan Bayes-tilastotieteeseen pohjautuvan kannanarviomallin avulla. Mallilla tuotetaan hirvitalousalueittain hirvikannan koon ja rakenteen arvioiden aikasarja todennäköisyysväleineen vuodesta 2000 nykyhetkeen. 

Mallin ytimenä on populaatiomalli, jossa mallinnetaan erikseen aikuisten urosten ja naaraiden sekä uros- ja naarasvasojen lukumääriä vuoden kierrossa ja vuodesta toiseen. Populaatiomallin tuottamaa kannan kehitystä ehdollistaa siihen vaikuttavista prosesseista (lisääntyminen ja kuolleisuus) ja kannan koosta saatavissa oleva tieto. 

Lisääntymistä koskevaa tietoa saadaan metsästäjien hirvijahdin aikana tekemistä hirvihavainnoista ja kuolleisuutta koskevaa tietoa hirvikolareiden lukumäärästä, suurpetokantojen koon arviosta lasketusta poistumasta sekä mm. kirjallisuuteen perustuvasta arviosta muusta taustakuolleisuudesta. Kannan koosta ja sen kehityksestä saadaan tietoa jahdinaikaisten päivittäisten hirvihavaintojen lukumäärästä, metsästäjien ilmoittaman jahdin jälkeen jäävän hirvikannan koon arviosta, mahdollisista maa- ja lentolaskennoista sekä hirvikolareista. 

Bayesilainen populaatiomallinnus tarjoaa tehokkaan menetelmän yhdistää tietoa olemassa olevista hirvikantaa koskevista aineistoista (tarkempi menetelmäkuvaus julkaisussa Pusenius ym. 2024).

Populaatiomallilla mallinnetaan erikseen aikuisten urosten ja naaraiden sekä uros- ja naarasvasojen lukumääriä vuoden kierrossa ja vuodesta toiseen. Nm, Nf, Ncm ja Ncf tarkoittavat aikuisia uroksia, aikuisia naaraita, urosvasoja ja naarasvasoja esitetyssä järjestyksessä. Hm, Hf, Hcm, Hcf tarkoittavat kaadettuja aikuisia uroksia, aikuisia naaraita, urosvasoja ja naarasvasoja esitetyssä järjestyksessä. Pm, Pf, Pcm ja Pcf tarkoittavat jahdin jälkeen jääneitä aikuisia uroksia, aikuisia naaraita, urosvasoja ja naarasvasoja esitetyssä järjestyksessä. Vm ja Vf tarkoittavat aikuisia uroksia ja naaraita vasovassa kannassa. Muu kuolleisuus sisältää suurpedoista, hirvikolareista sekä muista syistä johtuvan kuolleisuuden.

Seuraavassa esitetään kuvien avulla ja yksinkertaistaen Bayes-tilastotieteen periaate, jolla eri hirvikannan kokoa kuvaavista aineistoista muodostetaan hirvikannan koon todennäköisyysjakauma. Todellisessa tilanteessa kannan koon jakauman muodostamista ehdollistavat lisäksi myös lisääntymistä ja kuolleisuutta koskevat aineistot.

Kuva 1. Laskennassa hirvitalousalueen hirvitiheyden mahdolliset arvot on rajattu siten, että negatiiviset lukemat eivät käy – hirviä on täytynyt olla alueella ennen jahtia vähintään niin paljon kuin niitä on saatu saaliiksi.

Kuva 2. Talousalueen metsästysseurueiden jäävän kannan arvioista on laskettu metsästyspinta-alalla painotettu keskiarvo sekä tälle lukemalle keskivirhe. Näin johdettua jäävän kannan arvion normaalijakaumaa on pohjoisessa Suomessa kalibroitu lentolaskentojen tiheyksillä, sekä koko maassa jäävän kannan arvioiden riittävyysanalyysiin perustuen. 

Kuva 3. Hirvihavaintojen lukumäärä metsästyspäivää kohti antaa käyttökelpoisen indeksin hirvikannan koolle. Indeksin oletetaan olevan hirvitalousalueella suoraan verrannollinen kannan tiheyteen. Esimerkiksi 10 prosentin nousu indeksissä viittaa samansuuruiseen kasvuun alueen kannassa. Indeksin arvon ja kannan tiheyden välisen yhteyden voimakkuus vaihtelee alueittain. 

Kuva 4. Edellisen vuoden kannasta voidaan tietyllä tarkkuudella päätellä seuraavan vuoden kannan koko. Vasatuoton ja hirvien kuolleisuuden arvioinnin epävarmuustekijät, kuten muutokset kannan rakenteessa, suurpetokannoissa ja sääolosuhteissa sekä mahdollinen nettomuuttovoitto- tai tappio heikentävät edellisvuoden ennustuskykyä. 

Kuva 5. Joillakin alueilla on suoritettu kevättalvisia lento- ja/tai maalaskentoja. Lentolaskenta antaa useimmiten arvokasta lisäinformaatiota kannan tilasta. Epävarmuutta lentolaskennan arvioihin tuovat otanta-asetelma ja hirvien epätäydellinen havaittavuus. Havaittavuutta on mallinnettu ja siten korjattu Luken etäisyysmenetelmällä suoritetuissa lentolaskennoissa (menetelmäkuvaus). 

Kuva 6. Kun kaikki edellä luetellut tiedot tuodaan yhteen, nähdään, etteivät ne aina ole täysin sopusoinnussa keskenään. Paikoitellen eri indeksit voivat antaa ristiriitaisen näkemyksen sekä kannan koosta, että viimeisimmästä kannan muutoksesta. Tämän vuoksi mihinkään yksittäiseen tietolähteeseen ei voida varauksetta luottaa. 

Kuva 7. Luken kannanarvioinnin menetelmä on tietolähteiden informaation yhdistäminen. Se ei reagoi kovin voimakkaasti yksittäisiin poikkeaviin havaintoihin jossakin käytettävistä aineistoläheistä. Todennäköisyysjakaumien skaalattu tulo on eräänlainen synteesi, joka kertoo kannan tiheyden mahdollisten arvojen todennäköisyydet ehdollistettuna vuoden hirviaineistolla. Tämän jakauman odotusarvoa voidaan pitää parhaana kompromissina kannan koosta kyseisenä vuonna. 

Kuva 8. Kannanarvioinnissa yhdistetään useamman vuoden tietoja. Peräkkäisten vuosien kantojen täytyy olla biologisesti yhteensopivia. Kunkin vuoden kannan täytyy olla riittänyt tuottamaan seuraavien vuosien hirvisaaliit. Kun aineistojen yhteensopivuus maksimoidaan yli tutkimusjakson vuosien (2000–nykyhetki), saadaan tuloksena jono todennäköisyysjakaumia, joiden odotusarvojen voidaan ajatella olevan paras arvio hirvikannasta, joka on tuottanut kaikki analyysissa mukana olleet hirvihavainnot.

Uusin tieto on tietysti kiinnostavin, mutta valitettavasti vähiten varma, koska sen tuottamista tulevaisuuden havainnoista ei ole vielä tietoa. Kun uutta aineistoa saadaan, mallin arviot muuttuvat koko aikasarjan ajalta – joskus enemmän, joskus vähemmän.

Lentolaskenta tarjoaa periaatteessa mahdollisuuden saada hyvä käsitys maastossa esiintyvien hirvien lukumäärästä.

Esimerkiksi riistanhoitoyhdistysten perinteisesti käyttämässä hirvien lentolaskennassa lennetään yleensä kiinteää 500 metrin levyistä laskentakaistaa, jolta pyritään laskemaan kaikki hirvet. Asiasta tehtyjen tutkimusten perusteella (mm. Tärnhuvud 1988) kaikkia linjalla olevia hirviä ei yleisesti ottaen pystytä havaitsemaan. Osuus, joka linjalla olevista hirvistä nähdään, riippuu mm. olosuhteista, laskijoista ja lentolaitteesta (helikopteri, lentokone). Tieto tästä osuudesta on olennaisen tärkeä kun arvioidaan hirvien todellista tiheyttä, mutta luotettavaa arviota siitä ei ilman lisätietoja pystytä antamaan.

Luonnonvarakeskus on ratkaissut tämän ongelman ottamalla käyttöön ns. etäisyysmenetelmän (distance sampling), jossa mitataan suora etäisyys kaikkiin havaittuihin hirviin. Hyödyntämällä laskennan tuottamaa etäisyysjakaumaa, voidaan hirvien epätäydellinen havaittavuus ottaa huomioon tiheysarviossa (kuvat 1a,b)

Viite: Tärnhuvud, T. 1988. Utveckling av metoder för älginventering – flyginventering. Slutrapport 25 s,  Sveriges lantbruksuniversitet & Jägareförbundet.

• Lennetään pitkin linjaa ja mitataan etäisyys kaikkiin havaittuihin hirviin.
• Saadaan havainnoille etäisyysjakauma, jonka avulla voidaan ottaa havaittavuus huomioon kannan tiheyden laskennassa.

• Oletus: lähellä olevat hirvet nähdään todennäköisemmin kuin kaukana olevat.
• Oletus: kaikki linjalla (kohdalla) olevat hirvet nähdään.