Summary: | Öljykuljetusten määrä Suomenlahdella on lisääntynyt voimakkaasti viimeisten vuosien aikana. Huolimatta meriliikenteen turvallisuutta parantavista toimenpiteistä on suuren öljyonnettomuuden riski alueella kasvanut. Suomenlahden monien ominaispiirteiden, kuten rannikon rikkonaisuuden ja niukkalajisen ekosysteemin vuoksi mahdollisen öljyturman seuraukset voivat olla tuhoisat. Onnettomuuden tapahduttua öljyntorjunnalla on suuri merkitys ympäristövahinkojen minimoinnissa. Suomen öljyntorjunta perustuu mekaaniseen torjuntaan, jonka onnistuminen riippuu kuitenkin voimakkaasti mm. vallitsevista ympäristöolosuhteista ja öljytyypistä. Tässä diplomityössä on luotu Bayes-verkkomalli, jolla voidaan tutkia kolmen torjuntavaihtoehdon eli mekaanisen avomeritorjunnan, dispersanttien eli öljyntorjuntakemikaalien ja rannan puomituksen tehokkuutta kuuden elinympäristöltään ja käyttäytymiseltään erilaisen lajin suojaamisessa Hankoniemen alueella. Bayes-verkot ovat graafisia malleja, jotka muodostuvat muuttujista ja muuttujien välisistä riippuvuuksista; nämä riippuvuudet kuvataan todennäköisyysjakaumien avulla. Bayes-verkkoja käytetään mm. ratkottaessa monisyisiä ympäristöongelmia, sillä ne mahdollistavat eri päätösvaihtoehtojen vertailemisen epävarmuus samalla huomioiden. Mallissa tarkasteltavat lajit ovat silakka, sinisimpukka, harmaahylje, haahka, meriotakilokki ja pulskasantiainen. Malli tuottaa todennäköisyysjakauman lajien populaatioiden pienenemiselle suuren öljyonnettomuuden jälkeen. Mallin tulosten perusteella haahka kärsisi Suomenlahdella tapahtuvasta öljyonnettomuudesta eniten ja silakka vähiten. Tulokset myös tukevat Suomen nykyistä, mekaaniseen keruuseen perustuvaa öljyntorjuntastrategiaa, sillä dispersanttien käytöstä ei vaikuta olevan juuri hyötyä rannalla eläville lajeille, tosin ei myöskään suurta haittaa vedenalaisille eliöille. Malli myös osoittaa lajikohtaisia eroja rannanläheisestä puomituksesta hyötymisessä. Tulosten perusteella rannanläheinen öljyntorjunta tulisikin järjestää siten, että vähäisiä resursseja ...
|