Mereiset avainluontotyypit ympäristöluvituksessa
Bibliographic record
Abstract
Merialueiden käyttö kasvaa maailmanlaajuisesti. Kun yhä suurempaa osaa meri- ja ranta-alueista hyödynnetään taloudellisesti, lisääntyvät myös meriympäristöön kohdistuvat paineet, minkä seurauksena meriekosysteemin tila heikkenee. Meriekosysteemin toiminta ja meren meille tarjoamien ekosysteemipalveluiden määrä ja laatu voivat kasvavien paineiden myötä heikentyä. Tässä selvityksessä arvioidaan, miten mereiset luontoarvot on huomioitu Suomen rannikolla ja merialueilla tehdyssä ympäristölupaharkinnassa. Selvityksessä käytiin läpi ympäristö- ja vesilupia Suomen merialueella vuosilta 2014–2019, arvioitiin niihin sisällytettyjä meriympäristön rakennepiirteitä ja käytettyjä aineistoja, sekä vertailtiin luvituksen lopputuloksia. Tämän lisäksi selvitykseen koottiin mereisten avainluontotyyppien suojelua parantavia suosituksia. Aluehallintoviraston hallinnoimasta avoimesta Lupa-tietopalvelusta poimittiin yhteensä 77 hanketta liittyen ja/tai vaikuttaen mereen. Lupia anottiin eniten vuosina 2015 ja 2018. Lähes kaikki hakemukset koskivat uusia meri- ja rannikkoalueen käyttöön liittyviä hankkeita ja suurin osa kaikista hakemuksista myös hyväksyttiin. Lupahakemusten määrässä oli eroja myös merialueittain. Lupaprosesseihin liittyviä ympäristövaikutusten arvioita (YVA) edellytettiin harvoin; lähtökohtaisesti YVA:a edellytettiin hankkeilta, joilla arvioitiin mahdollisesti olevan merkittäviä vaikutuksia meriympäristölle. Hankkeissa arvioituja meriympäristöön liittyviä muuttujia arvioitiin vaihtelevasti; vesipuitedirektiiviin suoraan liittyviä vesimuodostumien ekologiseen laatuun liittyviä tekijöitä ja hankkeen vaikutuksia virkistyskäyttöön arvioitiin yleisimmin. Hankkeiden vaikutuksista meriympäristöön tehtiin asiantuntija-arvio, jossa ympäristöön kohdistuvat haittavaikutukset luokiteltiin kolmeen eri luokkaan. Ihmistoiminnan kumulatiivisia vaikutuksia oli arvioitu hyvin harvassa lupahakemuksessa. Kalastoon kohdistuvia taloudellisia kompensaatiotoimia edellytettiin 11 luparatkaisussa, mutta ekologisia tai ravinnekompensaatioita ei luparatkaisuissa määrätty. Koostettuun aineistoon perustuen, meriekosysteemin rakenteen ja toiminnan kannalta keskeiset avainluontotyypit on huomioitu Suomen rannikolla tehdyissä luvituspäätöksissä puutteellisesti. Raportin suositukset liittyvät tarpeeseen tarkentaa meriluonnon monimuotoisuutteen liittyvää sääntelyä ja luvituskäytäntöjä, aineistojen saatavuuden parantamiseen ja yhteisvaikutusten huomiointiin, jotta meri- ja rannikkoalueiden avainluontotyyppien suojelua voi parantaa.
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 | 0.002 | 0.001 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.136 | 0.056 |
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".