Applying value of information and subsample selection to cost-efficient lake monitoring

Abstract

Tässä väitöskirjassa hyödynnetään päätösanalyysin työkaluja ja osaotoksen valitsemista ympäristönsuojeluun liittyvässä päätöksenteossa. Käytännön tutkimuskysymys liittyy Suomen järvien hoitoon. Jos seuranta-aineistoon perustuva järven ekologinen tilaluokka on heikko, Euroopan Unionin vesipuitedirektiivi velvoittaa jäsenmaitaan toteuttamaan hoitotoimenpiteitä tilan parantamiseksi. Vaikka seuranta on sekä laillisesti että biologisesti perusteltua, sen kustannustehokkuus ja hyöty on vaikea osoittaa. Väitöskirjassa käytetään informaatioarvoa (engl. VOI) arvioimaan järvien seuranta-aineiston arvoa. Informaatioarvo on päätösanalyysin käsite, jonka tarkoitus on arvioida lisäaineiston arvo jo ennen kuin aineistoa on kerätty. Tämä väitöskirja on yksi ensimmäisistä yrityksistä soveltaa informaatioarvon käsitettä todelliseen ympäristön seuranta-aineistoon. Riskineutraalin päätöksentekijän lisäksi tarkastellaan riskinkarttajaa ja sen vaikutusta informaatioarvoon järvien hoitoon liittyvässä kysymyksessä. Tätä ei ole usein huomioitu käytännön sovelluksissa. Lisäksi väitöskirjassa sovelletaan heuristisia osaotoksen valinta-algoritmeja tunnistamaan sellaisia osaotoksia, jotka joko a) maksimoivat otoksen informaatioarvon, tai b) maksimoivat D-optimaalisuuskriteerin tavoitteena löytää otos, johon sovitettu tilastollinen malli estimoi mallin parametrit mahdollisimman tarkasti. Tulokset osoittavat, että informaatioarvon käsitettä voidaan onnistuneesti soveltaa järvien seuranta-aineistoon. Ympäristönsuojelun näkökulmasta tärkein johtopäätös on, että seuranta on kustannustehokasta. Seurannan tulisi ensisijaisesti keskittyä järviin, jotka eivät ennakkotiedon perusteella tarvitse hoitotoimenpiteitä sekä järviin, joiden tila on vielä epävarma. Tutkimus kannustaa jatkamaan informaatioarvon käsitteen soveltamista ympäristökysymyksiin. Avainsanat: päätöksenteko, järvien hoito, optimaalinen asetelma, optimaalisuuskriteeri, riskin karttaminen, hyötyfunktio, informaatioarvo

This thesis employs decision analysis and subsample selection tools to support environmental management decision-making under uncertainty. The practical motivation arises from management of lake water quality within in Finland. If the ecological status of a lake based on monitoring data is weak, the European Union’s Water Framework Directive obliges its member countries to implement management actions to improve the status. Though legally and biologically principled, demonstrating the cost-efficiency and value of monitoring remains challenging. In this thesis, value of information (VOI) is used to quantify the value of lake monitoring data. VOI is a concept of decision analysis to assess the value of additional information before it is collected. This thesis is one of the first attempts to apply VOI to real-life environmental monitoring data. A risk averse decisionmaker and its effect on VOI in lake management is also considered. This has often been ignored in practical applications. In addition, heuristic subsample selection algorithms are applied to identify subsamples that either a) maximize the VOI of the sample, or b) maximize the D-optimality criterion, with the aim of finding a sample where the fitted statistical model estimates the model parameters as precisely as possible. The findings indicate that VOI can be effectively applied to lake monitoring data. From a lake management perspective, the primary conclusion is that current monitoring is cost-efficient. Monitoring should focus on lakes that, based on preliminary data, are not expected to require immediate management actions, as well as those where the ecological status remains uncertain. This study encourages further application of VOI analysis to address environmental challenges. Keywords: decision-making, lake management, optimal design, optimality criteria, risk aversion, utility function, value of information