Pirkanmaan vesienhoidon toimenpideohjelma vuosille 2022-2027
Bibliographic record
Abstract
Vesienhoidon tavoitteena on saada pinta- ja pohjavedet vähintään hyvään tilaan ja estää hyvälaatuisten vesien tilan heikkeneminen. Tavoitteiden saavuttamiseksi on laadittu vesienhoitosuunnitelmat ja niiden tausta-aineistona olevat yksityiskohtaisemmat toimenpideohjelmat. Pirkanmaan maakunnan alueelle laadittu Pirkanmaan vesienhoidon toimenpideohjelma on osa Kymijoen - Suomenlahden vesienhoitoalueen sekä Kokemäenjoen - Saaristomeren - Selkämeren vesienhoitoalueen vesienhoitosuunnitelmia kaudelle 2022–2027. Suurin osa Pirkanmaan luokitelluista järvistä on tilaltaan erinomaisia tai hyviä (78 %), jokien kohdalla vastaava luku on 45 %. Vesien tilaa heikentää erityisesti hajakuormitus, joka on pääosin peräisin maa- ja metsätaloudesta sekä haja-asutuksesta. Paikoitellen myös pistekuormitus heikentää vesien tilaa. Jokimuodostumat ovat järviä heikommassa tilassa, mihin vaikuttavat kuormituksen lisäksi ihmistoiminnasta aiheutuneet jokiuomien rakenteelliset ja hydrologiset muutokset. Pintavesien hyvä kemiallinen tila on osa vesienhoidon tavoitteita. Palonestoaineena käytettyjen bromattujen difenyylieettereiden vuoksi vesien kemiallinen tila on hyvää huonompi kaikissa Suomen pintavesissä. Pirkanmaalla vesien kemiallinen tila on paikoitellen hyvää huonompi myös ahventen elohopeapitoisuuksien vuoksi. Suomessa järvikalojen elohopeapitoisuuden arvioidaan nousseen pääasiassa ilman kautta tulevan elohopean johdosta. Pirkanmaan pohjavesialueista 32 on nimetty ns. riskialueiksi, joilla ihmistoiminta on heikentänyt tai voi merkittävästi heikentää pohjaveden tilaa. Näistä 7 on huonossa kemiallisessa tilassa ja yksi määrällisesti huonossa tilassa. Pirkanmaan maakunnassa pohjavedelle riskiä aiheuttavia toimintoja ovat mm. teollisuus ja yritystoiminta, liikenne sekä yhdyskunnat. Riskissä olevien pohjavesialueiden sekä tilaltaan heikentyneiden järvien, jokien ja pohjavesialueiden tilan heikentymisen syyt on kuvattu toimenpideohjelmassa ja esitetty toimenpiteitä tilan parantamiseksi. Toimenpiteiden suunnittelussa on käyty läpi pinta- ja pohjavesiin vaikuttavat toimintamuodot ja kuormitustekijät. Vesienhoidon toimenpiteiden suunnittelulla on pyritty löytämään mahdollisimman kustannustehokkaat toimenpidekokonaisuudet, joilla vesienhoidon ympäristötavoitteet saavutetaan. Asiakirjat on valmisteltu sidosryhmien kanssa yhteistyössä ja kansalaisia, viranomaisia sekä muita tahoja on kuultu useissa eri vaiheissa.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.003 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.004 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.534 | 0.038 |
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; both teacher heads agree on what is shown here.
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".