Tulosten perusteella pohjaeläimistön havaitsemistodennäköisyyksien (pc) ennustaminen vertailuoloissa onnistuu maankäyttömuuttujiin perustuvilla empiirisillä malleilla, vaikka vertailupaikkojen aineistoa ei olisi käytössä, mikä tukee työssä esitettyä hypoteesia. Pienten kivennäismaiden jokien IMP-aineistolla pohjaeläimistön vertailuolojen mallinnus onnistui hyvin ja suurimmalle osalle tutkituista lajeista löytyi tilastollisesti merkitsevä malli valuma-alueen maankäytön perusteella, kuten aiempien tutkimusten (esim. Aroviita 2014) perusteella oletettiin.
Automaattivalinnalla valittiin yksinkertaisin ja pienimmän p-arvon omaava ”paras mahdollinen” malli, sillä yksinkertaisimmat mallit ovat usein monimutkaisia malleja luotettavampia ennustuksessa, kun aineisto ja prosessitason ymmärrys ovat rajalliset (Hilborn ja Mangel 1997, Van Sickle ym. 2004). Lähimmäksi havaittuja
(käytössä olevia) vertailuoloja päästiin mallinnettaessa pc -arvoja valuma-alueen maankäytön osuuksien ollessa 10 % (asutus 5 %), jota yleisesti on käytetty vertailuolojen rajana (Aroviita ym. 2019, J. Aroviita, julkaisematon). Tämä saattaa johtua siitä, että se on lähimpänä IMP-aineiston tietoja ja ekstrapolointi onnistuu muutenkin parhaiten ja luotettavimmin lähelle alkuperäistä aineistoa (Kilgour ja Stanfield 2006). Pienten kivennäismaiden jokien paikkoja oli myös lähellä vertailutilaa, asutuksen osuuden ollessa 0,3–11,7 %, maatalouden osuuden ollessa 0–20,9 % ja turvemaiden ojituksen osuuden ollessa 3,3–33,5 % valuma-alueesta (Taulukko 3), joten ekstrapolointia ei jouduttu tekemään kovin kauas aineistosta.
Pienten kivennäismaiden jokien mallien ennusteiden pysyminen samankaltaisina silloinkin, kun mukana on vertailuaineistoa, viittaa mallinnuksen luotettavuuteen.
Osalla vertailuaineiston lisäys nosti mallin p-arvon merkitsevyyden (ja lähes merkitsevyyden) rajan yläpuolelle, mutta ennusteet olivat silti hyvin lähellä IMP-aineistolla mallinnettuja (merkitseviä) ennusteita. Muutamalla lajilla havaittuja esiintymisiä oli hyvin vähän tai ei ollenkaan IMP-aineistossa ja enemmän REF-aineistossa, minkä takia pc -arvot poikkesivat huomattavasti eri aineistojen ennusteiden välillä. Nämä lajit saattavat olla herkkiä tässä ennustavina muuttujina oleville häiriöille ja esiintyvät siksi vain parhaissa mahdollisissa vertailuoloissa.
Riskinä tässä esitetyssä mallinnuksessa on, että häiriintymättömiin vertailuoloihin sitoutuneet herkimmät lajit jäävät pois tyypille ominaisten lajien luettelosta ja siten niiden häviäminen jää toteamatta.
Myös pienten savimaiden jokien aineistolla mallinnettaessa suurimmalle osalle lajeista löytyi merkitsevä malli, jolla pc vertailuoloissa pystyttiin ennustamaan.
Lähimmäksi viittä todellista vertailupaikkaa ennusteet osuivat suurimman hyväksyttävän (LREF10) häiriön tasolla, kuten myös pienten kivennäismaiden jokien malleilla, joten tämä häiriötaso valittiin vertailuoloiksi. Pienten savimaiden jokien mallien ennustamat pc -arvot erosivat odotusten mukaisesti huomattavasti tyyppiperusteisista turve- ja kivennäismaiden jokien vertailuoloista lasketuista pc -arvoista. Tämä vahvistaa oletusta, että tällä hetkellä käytettävät savimaiden jokityypillä käytettävät pohjaeläimistön vertailuolot ovat harhaisia eivätkä vastaa
tyypille ominaisia vertailuoloja. IMP-aineistolla ennustettujen ja IMP+REF-aineistoilla ennustettujen pc -arvojen välillä ei puolestaan ollut suurta eroa, mikä viittaa siihen, että mallinnus onnistui luotettavasti. Joillekin taksoneille, kuten Gomphidae ja Diura, ei pystynyt rakentamaan mallia pelkästään IMP-aineistolla, sillä IMP-paikoissa ei havaittu näitä lainkaan. Kun mallinnukseen otettiin mukaan vertailuaineisto, oli havaittuja esiintymisiä jo sen verran, että oli mahdollista rakentaa merkitsevä malli (p-arvo < 0,001). Esimerkiksi Gomphidae -heimon pc on suuri hyvin pienessä häiriössä, mutta lähestyy nopeasti nollaa, kun häiriö kasvaa (>
LREF8). Mallinnus ei siis välttämättä toimi herkimmille lajeille, mikäli kaikilla aineiston valuma-alueilla on runsaasti maankäyttöä eikä lajia siitä syystä esiinny ollenkaan. Tässä tapauksessa viisi vertailupaikkaa kuitenkin riitti parantamaan ennustetta, joten tämänlainen mallinnus voi auttaa paitsi silloin, kun vertailupaikkoja ei ole myös silloin kun vertailupaikkoja on liian vähän täsmälliseen estimointiin.
Lajien mallit olivat hyvin erilaisia. Osalla mallissa oli mukana kaikki ennustavat muuttujat ja osalla vain yksi. Tämä tukee ajatusta, että eri häiriötekijöillä on yhteyksiä kunkin lajin havaitsemiseen ja siksi mallinnusta on järkevää tehdä lajikohtaisesti. Esimerkiksi maataloudesta johtuvalla rehevöitymisellä näyttää olevan yhteys lajeihin hyvin eri tavoilla, osalla havaitsemistodennäköisyydet kasvavat ja osalla pienenevät. Aiemmista tutkimuksista on saatu vastaavanlaista tietoa. Joidenkin tutkimusten mukaan maatalouden hajakuormitus vaikuttaa negatiivisesti selkärangattomiin (Van Sickle ym. 2004, Turunen 2018), kun toisaalla kirjoitetaan maatalouden ravinnekuormien lisäävän pohjaeläimistön lajien määrää ja runsautta (Death ja Winterbourn 1995, Aroviita ym. 2014). Tämä osoittaa, että eri lajit reagoivat ympäristömuutoksiin eri tavalla kuin toiset.
Asutuksen osuudella valuma-alueella oli vastaavasti erilainen yhteys eri lajeihin.
Mallinnetut lajien vasteet, joissa häiriön kasvaessa pc -arvot ensin pienenevät ja sitten suurenevat (tai päinvastoin), tuntuvat kuitenkin epäuskottavilta tai vaikeasti selitettäviltä, kuten myös asutuksesta johtuva pc -arvojen suureneminen. Asutuksen aiheuttamalla häiriöllä ei pitäisi itsessään olla tämänkaltaisia yhteyksiä, mutta on
mahdollista, että yksittäiset lajit hyötyvät yhteisön vuorovaikutuksista, kuten petojen tai kilpailevien lajien vähenemisestä, mikä voi selittää joidenkin lajien odottamattomalta tai epäuskottavalta vaikuttavan yhteyden ennustaviin muuttujiin. Osassa malleista asutuksen vaikutus oli pc -arvoa pienentävä, mikä vaikuttaa uskottavammalta ja vastaa aiempien tutkimusten tuloksia. Esimerkiksi Van Sickle ym. (2004) rakentamien mallien mukaan jokien eliöstöt (kalat ja pohjaeläimet) vähenivät valuma-alueen asutuksen leviämisen myötä. On kuitenkin otettava huomioon, että em. tutkimuksessa puhuttiin vaikutuksista kokonaisuutena, eikä yhteyksistä yksittäisiin lajeihin, jotka voivat hyötyä esimerkiksi peto-saalissuhteiden kautta.
Lajien havaitsemisen yhteydet asutukseen olivat hieman selvemmät pienissä savimaiden joissa kuin pienten kivennäismaiden joissa. Pääasiassa asutuksen yhteys pc -arvoihin oli häiriön kasvaessa joko ensin niitä suurentava ja sitten pienentävä tai pelkästään niitä pienentävä. Pienten kivennäismaiden jokien malleissa asutuksen ja pc -arvojen vaihtelevat yhteydet saattavat johtua siitä, että asutus ylipäätään oli aika vähäistä alueella (maks. 11,7 %), kun pienten savimaiden jokien valuma-alueella asutusta oli 1,3–61,8 %. Häiriön ollessa suurempaa myös yhteydet näkyvät selvemmin. On silti tärkeää, että joukossa on myös paikkoja vähäisellä maankäytöllä lähellä vertailutilaa, jotta ekstrapolointi onnistuu luotettavammin (Kilgour ja Stanfield 2006).
Lajeja, joille ei löytynyt merkitsevää mallia ja joiden pc -arvoina käytettiin aineiston keskiarvoa, oli myös useita. Näyttää siltä, etteivät millään tutkitulla valuma-alueen maankäytön häiriöllä ainakaan havaitulla vaihteluvälillä ole yhteyttä niiden pc -arvoihin, vaan ne havaitaan yhtä todennäköisesti kaikilla paikoilla häiriöistä riippumatta. Tätä päätelmää tukee, että esimerkiksi Asellus aquaticus -lajia, joka molemmilla testatuilla jokityypeillä havaittiin yhtä todennäköisesti kaikilla paikoilla, pidetään muutoksia sietävänä, toleranttina lajina (Maltby 1991, Moss 2018).
Niitä lajeja, joilla mallinnus ei onnistunut pienten savimaiden jokien aineistolla, havaittiin aineistossa enintään kahdessa joessa. Näiden lajien havainnot sijoittuivat
IMP-paikkoihin, joten on epätodennäköistä, että pc olisi yli 0,4 REF-paikoillakaan, eivätkä ne siten todennäköisesti vaikuta tilaluokitteluun. Protonemura -laji oli poikkeus, sillä se havaittiin yhteensä viidellä joella, joista neljä oli vertailupaikkoja.
Tämän perusteella laji vaikuttaa kuuluvan tyyppiominaisiin vertailuoloihin ja se tulisi ottaa huomioon tilaluokittelussa, mutta mallintamalla se jää kuitenkin havaitsematta ja puuttuu siksi tyyppiominaisten lajien luettelosta. Tämä on yksi esimerkki, jossa mallinnuksella todennäköisesti päädyttiin virheelliseen lopputulokseen. Näin ollen lajikohtaisia malleja tulisi tarkastella kriittisesti ja esimerkiksi havaittuja esiintymisiä ja niiden yhteyksiä maankäyttöön olisi hyvä tarkastella myös manuaalisesti.