Overforenklingens fallgruver I: Terrengklassifisering

Statistikk er et verktøy – ikke en fasit

Norsk redningstjeneste har de siste tiårene gjennomgått en betydelig utvikling. Fra en mytebasert praksis med tynt faglig grunnlag, har vi beveget oss mot en mer kunnskapsbasert tilnærming – med statistikk, internasjonale databaser som ISRID, og modeller som sykkelhjulmodellen og reflex tasking som sentrale hjelpemidler i søk etter savnede personer.

Disse verktøyene er særlig verdifulle i oppstartfasen, når beslutninger må tas raskt og med lite tilgjengelig informasjon. De bidrar til struktur og prioritering i en kompleks og ofte kaotisk situasjon.

Samtidig opplever jeg at vi tidvis er i ferd med å utvikle praksiser som i for stor grad forenkler – og dermed noen ganger forvansker – virkeligheten. Dette kan skje når vi glemmer hva verktøyene egentlig er: beslutningsstøtte, ikke en fasit for hvordan noe skal gjøres. Statistikk kan gi bedre grunnlag for vurderinger, men kan aldri fullt ut erstatte faglig skjønn, lokalkunnskap og terrengforståelse.

Jeg mener det er særlig tre forhold vi som redningstjeneste bør rette oppmerksomheten mot fremover for å sikre videre utvikling og at vi unngår å etablere feilpraksis:

1. Utfordrende terrengklassifisering
2. Endimensjonal bruk av ringmodeller
3. Uutnyttet læringspotensial i FAKS

Denne første artikkelen handler om det første punktet: hvordan vi klassifiserer terreng, og hva det betyr for hvordan vi bruker statistikk.

Et forenklet kart over et komplekst landskap

ISRID-databasen – grunnlaget for boken og appen Lost Person Behavior av Robert Koester – bygger på titusenvis av søk etter savnede personer fra hele verden. Målet med databasen er å identifisere mønstre i hvordan ulike personer forflytter seg, avhengig av faktorer som for eksempel terreng, klima, alder, mental tilstand og aktivitet.

For at slike mønstre skal gi mening, må man sammenligne hendelser som skjer i noenlunde like omgivelser. Derfor kategoriseres miljøene etter blant annet terrengtype og klima. Dette er ikke gjort for å beskrive landskapet i seg selv, men for å forstå hvordan slike forhold påvirker menneskers adferd når de blir borte.

Kategoriseringen er altså et grep for å rydde i kompleksiteten – en forutsetning for å kunne bruke statistikk som beslutningsstøtte. Men her ligger også begrensningen: Hvis inndelingene blir for grove, kan viktige forskjeller forsvinne. Da risikerer vi å tolke statistikken som universell, selv om den er basert på miljøer som skiller seg vesentlig fra det vi står i akkurat nå.

I ISRID er terrenget delt inn etter vertikalt relieff – med «mountainous» brukt om områder med stor høydeforskjell og bratt topografi, og «flat» eller «non-mountainous» brukt om mer jevne landskap. For klimatiske forhold er inndeling i ISRID: «temperate», «dry» og «urban».

I fjell-landet Norge har det blitt foreslått å klassifisere hele landet som «temperate» og «mountainous». Dette er etter mitt syn en grov og lite treffsikker forenkling.

Terrengformer påvirker atferd

Når ISRID skiller mellom terrengtyper, handler det ikke bare om høyde over havet. Det handler om hvordan terrengformer og vegetasjon påvirker menneskers bevegelser og adferd. Et område med bratte fjellsider påvirker atferd og forflytning på helt annen måte enn et viddelandskap, et myrområde eller et flatt jordbrukslandskap. Derfor er det problematisk å plassere hele Norge i én og samme kategori.

Eksempler på norske terrengvariasjoner:

Jæren – Flatt kystlandskap og jordbruksområde

• Terrengtype: Åpent, flatt og relativt sett lettframkommelig lavland
• Klima: Kystnært og mildt, lite snø
• Ferdselspåvirkning: Gir stor bevegelsesfrihet og lange siktlinjer, men få naturlige ledelinjer
• Kommentar: Kategorisering som «mountainous” gir ingen mening – terrenget ligner mer på prærie enn på fjell.

Finnmarksvidda – Høylandsplatå med myr og bjørkeskog

• Terrengtype: Flate vidder med bølgende åser og vann
• Klima: Subarktisk/arktisk, kaldt og snørikt vinterstid
• Ferdselspåvirkning: Gir mulighet for lang forflytning (spesielt på ski eller scooter), men snø og vær gir høy risiko
• Kommentar: Klassifisering som «temperate» er klimamessig misvisende, og «mountainous» stemmer dårlig med topografi

Østlandets skogsområder – Tett, småkupert skogsterreng

• Terrengtype: Variert, men oftest lavtliggende og kupert, med blandingsskog og myrer
• Klima: Innlandsklima med kalde vintre og varme somre
• Ferdselspåvirkning: Reduserer sikt, muliggjør forflytning i mange retninger
• Kommentar: Ikke «flat», men heller ikke «mountainous» – mer relevant å klassifisere som «boreal forest» hvis mulig

Jotunheimen – Høyalpint fjellterreng

• Terrengtype: Bratt og høyfjellsdominert, over tregrensen, med isbreer, steinur og stup
• Klima: Høyalpint med raske værskifter og lav temperatur
• Ferdselspåvirkning: Bevegelse begrenset av terrenget; stor risiko ved feilnavigering eller skader
• Kommentar: Den eneste av disse fire som med rette passer ISRID-begrepet «mountainous» – men langt unna landskapet på Jæren eller Østlandet

At disse områdene skulle gi samme statistiske forventninger til bevegelsesmønster virker både urimelig og lite nyttig.

Hva med klimasonene?

Også klimaklassifiseringen i ISRID forenkler et komplekst bilde. Norge har både kystklima, innlandsklima, og i nord subarktisk og delvis arktisk klima. Det er stor forskjell på en savnet person på Finnmarksvidda i februar og en turgåer på Jæren i juni, selv om begge er foreslått klassifisert som «temperate».

Igjen må vi spørre oss selv: Hva er hensikten med å kategorisere? Det er å forstå hvordan ytre forhold påvirker menneskelig adferd og forflytning. Klima, vegetasjon og terreng skaper rammebetingelsene for hvordan den savnede beveger seg. Når vi generaliserer for mye, mister vi det kartet vi forsøker å lage.

Selv om klima i ISRID klassifiseres for å gi mening i et globalt datagrunnlag, er det en klar begrensning at det kun finnes tre valg: temperate, dry og urban. Ingen av disse tre beskriver norske forhold særlig presist. «Temperate» blir gjerne valgt som minste felles multiplum, og det er ofte det minst misvisende alternativet – men det favner både milde kyststrøk og subarktiske fjellvidder. I noen tilfeller, som på Finnmarksvidda vinterstid eller i høyfjellsområder med lite vegetasjon og åpen sikt, kan det faktisk være mer relevant å velge «dry» fordi den statistiske adferden i slike områder kanskje minner mer om sparsomt vegeterte og åpne miljøer enn typisk «temperert» skog. Også her må vi spørre oss: Hvilken kategori beskriver mest presist hvordan omgivelsene påvirker ferdsel og atferd i den aktuelle situasjonen?

Hva er alternativet?

Noen vil kanskje spørre: Spiller det egentlig noen rolle? Hvor store er forskjellene? Er det valget av statistikk som er avgjørende, eller vår evne til å forstå hva som ligger bak?

Jeg vil påstå at å standardisere hele Norge som «temperate, mountainous» er som å standardisere mental tilstand til «despondent» og aktivitet til «hiker» – bare for å ha fast et utgangspunkt. Det gir lite mening.

Vi må heller velge relevante kategorier fra gang til gang. Ofte kan det være nyttig å skimte til statistikken for ulike klimasoner eller terrengtyper. Det er i mange sammenhenger nemlig ikke så mye som skiller allikevel. Men viktigst av alt er kanskje å ta innover seg hva statistikken egentlig forsøker å fortelle oss. Å si oss noe om hva vi skal tenke på at påvirker atferden til den som er borte nå. Og å hjelpe oss med å ta raske beslutninger i påvente av mer spesifikk informasjon om akkurat den personen vi leter etter i dag.

Og samtidig bør vi etterstrebe mer kunnskap, bedre data og dypere forståelse. Vi må erkjenne at statistikkens verdi først oppstår når vi evner å tolke den i kontekst. Det betyr ikke nødvendigvis at vi må lage egne datasett for hver region, men vi må bruke skjønn: Hva slags terreng og klima gjelder i denne konkrete hendelsen?

Veien videre – hva kan vi gjøre i praksis?

Terrengklassifisering er ikke et mål i seg selv – det er et verktøy for å forstå og forutsi adferd. Men dersom klassifiseringen ikke stemmer med terrenget vi faktisk opererer i, risikerer vi å bli ledet i feil retning. Spørsmålet er derfor ikke hvilken standard vi skal velge – men hvorfor vi ikke bør velge én felles standard for hele landet.

Svaret er enkelt: Vi må ikke forsøke å få virkeligheten til å passe inn i statistikken, men sørge for at statistikken tilpasses virkeligheten.

For å gjøre det mulig i praksis har jeg følgende fem råd til deg som planlegger søk:

1. Bruk statistikk som støtte – ikke som styring.
   Statistikk skal hjelpe deg å prioritere, ikke diktere hvor du skal lete. Bruk den som et utgangspunkt, ikke som en konklusjon.
   

1. Vurder terreng og klima lokalt – i hvert enkelt søk.
   Ikke aksepter standardkategorier ukritisk. Still spørsmålet: Hva slags landskap og klima er det i akkurat dette området?
   

1. Velg den klassifiseringen som passer best for den konkrete hendelsen.
   Om det finnes flere alternativer – velg det som best beskriver forholdene og hvordan de påvirker adferd, selv om det ikke nødvendigvis er «standardvalget».
   

1. Vær åpen for å kombinere og sammenligne ulike kategorier.
   Terrenget du står i passer kanskje delvis i flere kategorier – for eksempel både «flat» og «mountainous», eller «dry» og «urban». Sammenlign ulike statistiske mønstre og vurder hvilken kombinasjon som best samsvarer med situasjonen. Bruk skjønn.
   

1. Bidra til en lærende redningstjeneste.
   Vær åpen om vurderinger som ble gjort – også når de ikke førte fram. Del hva som fungerte og hva som burde vært gjort annerledes. Kritisk refleksjon, åpenhet om feil og vilje til forbedring er avgjørende for å sikre beste praksis over tid.