Ennustavat mallit vaelluskalalaskennan apuna

Abstract

Kymijoen vesi ja ympäristö ry suoritti yhteistyössä Kaakkois-Suomen ELY-keskuksen ja Starkraft Suomi Oy:n kanssa Kymijoen Koivukosken kalaportaiden seurantatutkimuksen elo- lokakuussa 2013. Tutkimuksen tarkoituksena oli selvittää vaelluskalojen määriä Koivukosken kalateissä. Seuranta toteutettiin käyttämällä kahta Vaki-kalalaskuria, joista toisen yhteyteen oli asennettu jatkuvatoiminen videokamera.

Laskureiden keräämän aineiston ja kameran tallentaman videomateriaalin läpikäyminen on hyvin työlästä ja aikaa vievää. Tämän opinnäytetyön tarkoituksena oli kehittää kerätyn aineiston avulla tilastollinen ennustava malli, jolla voidaan tehdä lajinmääritys ilman aineiston ja videomateriaalin läpikäymiseen vaadittavia resursseja.

Elo-lokakuun aineisto koostui yhteensä 548 kalahavainnosta ja kymmenestä eri kalalajista. Aineistosta 95 % käytettiin mallin opetusaineistona ja loput 5 % testiaineistona. Opetusaineiston avulla saatiin 89,4 %:n varmuus lajinmäärityksen onnistumiselle. Testiaineiston perusteella luokittelumallin tarkkuus oli yhtä hyvä (88,9 %), joten mallin voidaan olettaa ennustavan hyvin myös uusia havaintoja. Mallia voidaan käyttää tulevina vuosina Koivukosken säännöstelypadon kalalaskuriaineistojen tulkinnan apuna.

The Water and Environment Association of the River Kymi in association with the Centre for Economic Development, Transport and the Environment in South-East Finland and Starkraft Finland Oy, carried out a follow-up study of fish ladders in rapid Koivukoski in the River Kymijoki from August to October 2013. The purpose of the study was to monitor the numbers of migratory fish in Koivukoski fish ladders. Monitoring was carried out by using two Vaki fish counters, one of which was mounted with a continuous video camera.

Analysing the collected data of the fish counter and the material recorded by the video camera is very laborious and time-consuming. The purpose of this thesis was to develop a statistical predictive model for species identification that can be used instead of processing data and video footage. The classification model was created by using the analysed data of the fish counter and the video material.

The data included a total of 548 recorded specimens, belonging to ten different species. 95 % of the data was used as a training data and the remaining 5 % as a validation data. The classification model reached 89, 4 % accuracy in the species identification. The accuracy of the validation data was similar ( 88, 9 %), indicating the robustness of the model. The model can be used to aid the interpretation of the data of the fish counter in Koivukoski in the future.