911������

Juuri julkaistu Aalto-yliopiston tutkimus paljastaa, että väestötietoaineistoihin pohjaavat väestökartat aliarvioivat reilusti maailmanlaajuisesti maaseutualueilla asuvan väestön määrän: vääristymä oli tutkitulla aikavälillä tietoaineistosta riippuen jopa 53–84 prosenttia. 

Löytö syntyi alun perin sattumalta, kun vesitekniikan tutkija Josias Láng-Ritter vertasi patohankkeisiin liittyviä väestötietoja virallisiin väestötietoaineistoihin ja huomasi niiden välillä huomattavia eroja. Rakennettavan patoaltaan alta siirrettävä ja lähes poikkeuksetta maaseudulla asuva väestö lasketaan yleensä tarkasti, sillä siirrosta aiheutuu merkittävää haittaa ihmisille, ja patoyhtiöt maksavat siirrettäville ihmisille korvauksia. 

”Vertasimme yli 300 padon rakentamiseen liittyviä väestötietoja eri puolilta maailmaa yleisimpiin väestöaineistoihin ja havaitsimme, että ne arvioivat patoaltaiden alta siirrettyjen ihmisten määrän huomattavasti vähäisemmäksi. Tuloksella voi olla merkittäviä vaikutuksia, sillä väestökarttoja käytetään sekä tutkimusten perustana että laajasti päätöksenteon tukena”, Láng-Ritter kertoo.  

Vertailutietojen saatavuus haastavaa 

Arvostetussa Nature Communications -lehdessä julkaistu tutkimus on ensimmäinen, joka osoittaa väestötietoaineistojen mahdollisen vääristymän maailmanlaajuisesti. Useat aiemmatkin tutkimukset ovat pyrkineet arvioimaan globaalien väestötietojen tarkkuutta, mutta nämä ovat yleensä keskittyneet yksittäisiin maihin tai kaupunkialueisiin. Sen sijaan maaseutualueilla ei vertailukelpoisia tietoja ole yleensä ollut saatavilla – eikä kukaan ole aiemmin keksinyt käyttää patoprojektien kaltaista, väestölaskentoihin liittymätöntä dataa vertailussa. 

Tutkijat vertasivat viittä yleisimmin käytettyä globaalia väestötietoaineistoa* yli 300 patohankkeen alta siirretyn väestön lukumäärään 35 eri maassa. Aineistojen tiedot perustuvat yleensä väestölaskentoihin ja niiden pohjalta voidaan muodostaa karttoja, jotka jakavat maapallon tasavälein sijoitettuihin, korkean resoluution ruutuihin.  

Tutkimus tarkasteli vuosien 1975–2010 väestöaineistoja, sillä tuoreempia patohankkeisiin liittyviä tietoja ei ollut riittävästi saatavilla. Vuoden 2010 aineistoissa oli vähiten virheitä, mutta niistäkin puuttui 32–77 prosenttia maaseutuväestöstä. Vaikka myöhempiä, vuosien 2015 ja 2020 väestöaineistoja on jo otettu käyttöön, tutkijat uskovat, että niissä on edelleen samoja ongelmia. 

”Tarkkuus on vuosikymmenten mittaan parantunut jonkin verran, mutta suunta on silti selvä: globaalit väestötietoaineistot jättävät edelleen suuren osan maaseutuväestöstä huomioimatta. Koska laskentaperiaatteet eivät ole muuttuneet, pienet parannukset lähtötiedoissa eivät riitä korjaamaan näin suurta poikkeamaa”, sanoo Láng-Ritter. 

Tutkijat myös muistuttavat, että vaikka uusimmat väestötietoaineistot ovatkin nykyhetken osalta todennäköisesti aiempaa tarkempia, virheellisiä aineistoja on käytetty päätöksenteon tukena vuosikymmenten ajan. Niitä käytetään edelleen esimerkiksi muuttoliikkeen seuraamiseen, mikä voi antaa virheellisen kuvan väestön siirtymisestä maaseudulta kaupunkeihin, Láng-Ritter huomauttaa. 

Maaseutuväestön tarpeet jääneet kaupunkien varjoon  

Yhtenä syynä globaalien väestöaineistojen vääristymiin ovat todennäköisesti väestölaskennat, jotka ovat useissa maissa eri syistä johtuen puutteellisia. Kaikilla mailla ei ole resursseja tarkkaan tiedonkeruuseen, ja maaseutualueille pääseminen voi myös olla hankalaa, sillä asutus on usein harvaa ja vaikeiden kulkuyhteyksien päähän levittäytynyttä. 

Eroavaisuuksia esiintyi kuitenkin kaikkialla, mistä patojen rakentamiseen liittyvää dataa oli saatavilla: eniten vertailutietoja oli Kiinan, Brasilian, Australian, Puolan ja Kolumbian alueilta.   

“Vaikka 35 maan otos oli monipuolinen, se ei ole täysin tilastollisesti edustava. Tarvitsemme siis lisää tutkimusta havaintojemme vahvistamiseksi muilla keinoin. Tästä huolimatta tutkimuksemme antaa selkeän viitteen siitä, että maaseutualueiden väestö on aliarvioitu maailmanlaajuisissa väestötietoaineistoissa”, sanoo Láng-Ritter. 

Monissa maissa väestötietoaineistoja käytetään päätöksenteon tukena, mutta niiden puutteet voivat tarkoittaa, että esimerkiksi teitä, sairaaloita ja lääkkeitä mitoitetaan virheellisesti, tai vaikkapa luonnonkatastrofeille altistuvien ihmisten määrä arvioidaan väärin.  

Láng-Ritter toivookin, että jatkossa väestötietoa hyödyntävät tahot olisivat tietoisia maaseutualueita koskevista puutteista, ja tekisivät maltillisemmin johtopäätöksiä vain niiden perusteella. Hänen mukaansa aineistot sisältävät kuitenkin puutteistaan huolimatta myös arvokasta tietoa ja tukevat sekä tutkimusta että päätöksentekoa.   

Tutkijat toteavat, että väestölaskennan tarkkuus paranee tulevaisuudessa yhä useampien maiden siirtyessä digitaalisiin väestötietokantoihin. Tämä oli nähtävissä myös tutkimuksessa: vääristymien osuus pieneni sitä mukaa, mitä lähemmäs vuotta 2010 vertailussa tultiin. 

Esimerkiksi Suomen osalta nykyiset väestötiedot ovat hyvinkin tarkkoja, sillä Suomi siirtyi täysin digitaalisen väestötietojärjestelmän käyttöön jo vuonna 1990 – toisena maana maailmassa Tanskan jälkeen.  

Onko maailman väkilukuarvio merkittävästi liian pieni? 

Myös YK:n ja Maailmanpankin julkaisemissa koko maailman virallisissa väkilukuarvioissa on luotettu kansallisiin väestölaskentoihin, joihin tutkimuksessa käytettyjen väestöaineistojenkin tiedot pohjautuvat. 

Maaseudulla asuu aiempien arvioiden mukaan 43 prosenttia maapallon 8,2 miljardista ihmisestä, joten tutkimustuloksen vaikutus maailman kokonaisväestöarvioon voi olla hyvinkin merkittävä.  

”Tutkimuksemme antaa ensimmäistä kertaa viitteitä siitä, että merkittävä osa maaseutuväestöstä saattaa puuttua nykyisistä maailmanlaajuisista väestöarvioista. Tarkkaa arviota maailman väkiluvusta puuttuvasta ihmismäärästä on kuitenkin vielä tämän tutkimuksen perusteella vaikea sanoa”, Láng-Ritter sanoo. 

* Tutkimuksessa tarkastellut väestötietoaineistot olivat WorldPop, GWP, GRUMP, LandScan, and GHS-POP. Tarkkuudeltaan paras väestöaineisto oli WorldPop (53 % negatiivinen vääristymä).  

Linkki tutkimusartikkeliin: