Yhdistelmätulvat Suomessa : Samanaikaisten merivedenkorkeus- ja virtaamahuippujen esiintyminen Suomen rannikon suistoalueilla
Bibliographic record
Abstract
Yhdistelmätulva tarkoittaa tilannetta, jossa useampi erillinen tulvatekijä – kuten merenpinnan nousu, lumensulaminen tai rankkasade – esiintyy samanaikaisesti tai peräkkäin ja niiden yhteisvaikutus johtaa tulvaan. Tässä tutkielmassa tarkastellaan mahdollisten yhdistelmätulvien esiintymistä kolmella Suomen rannikon suistoalueella: Kokemäenjoella, Uskelanjoella ja Tornionjoella. Tavoitteena on selvittää, kuinka usein virtaamien ja merenpinnan korkeuksien huippuarvot esiintyvät samanaikaisesti, millaista vuodenaikaisvaihtelua ilmiössä on havaittavissa ja miten yhdistelmätulvariski saattaa muuttua ilmastonmuutoksen vaikutuksesta tulevaisuudessa. Tutkimusaineistona käytettiin Ilmatieteen laitoksen keräämiä merenpinnan korkeushavaintoja sekä Suomen ympäristökeskuksen keräämiä virtaamahavaintoja 30 vuoden ajalta, vuosilta 1995–2024. Huippuarvot määritettiin 95. persentiilien perusteella ja yhdistelmätulvatapahtumat tunnistettiin tilanteina, joissa molemmat muuttujat ylittivät kynnysarvon samaan aikaan. Tapahtumien lukumäärät, keskimääräiset kestot ja toistuvuudet laskettiin, ja niiden ajallista jakautumista tarkasteltiin kuukausi- ja vuodenaikatasolla. Muuttujien riippuvuussuhteiden analysoimiseen käytettiin Pearsonin ja Kendallin korrelaatioanalyyseja. Tulosten perusteella yhdistelmätulvat ovat selvästi yleisempiä Kokemäenjoen ja Uskelanjoen suistoalueilla kuin Tornionjoella. Kokemäenjoella havaittiin 34 ja Uskelanjoella 60 yhdistelmätulvatapahtumaa. Tornionjoella tapahtumia oli ainoastaan kaksi koko tarkastelujakson aikana. Tilastollisesti merkitsevää, heikkoa positiivista riippuvuutta virtaamien ja merenpinnan korkeuksien välillä havaittiin Kokemäenjoella ja Uskelanjoella. Tornionjoella riippuvuus ei ollut merkittävää. Yhdistelmätulvat painottuivat vahvasti talvikuukausille. Tulokset viittaavat siihen, että yhdistelmätulvat ovat todellinen riski Etelä-Suomen rannikon suistoalueilla. Ilmastonmuutoksen seurauksena riski voi kasvaa entisestään, jos jokien virtaamahuiput ajoittuvat yhä useammin samaan aikaan korkean merenpinnan kanssa. Pohjois-Suomessa yhdistelmätulvariskin kehitys riippuu erityisesti siitä, siirtyvätkö kevättulvat aiempaan ajankohtaan ja osuvatko ne aikaan, jolloin merenpinta on useimmiten korkealla. Tutkimuksen tulokset korostavat tarvetta aluekohtaiselle yhdistelmätulvariskien arvioinnille sekä tulevaisuuteen suuntautuville mallinnuksille, joissa otetaan huomioon myös muuttuvat ilmasto-olosuhteet. Tutkimuksen suurimmat epävarmuustekijät liittyvät merenpinnan korkeusaineiston käyttökelpoisuuteen, sillä aineisto perustui yksittäisiin vuorokauden mittaushetkiin vuorokausikeskiarvojen sijaan. Lisäksi tässä tutkimuksessa yhdistelmätulvat määritettiin puhtaasti tilastollisin kriteerein ilman tietoa todellisista tulvavahingoista. Näin ollen kaikki havaitut tapahtumat eivät välttämättä vastaa käytännössä todellisia tulvia.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.011 | 0.005 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.060 | 0.023 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".