Arktis-alpiinisen fytomassan mallintaminen paikkatieto- ja kaukokartoitusaineistojen avulla
| Title: | Arktis-alpiinisen fytomassan mallintaminen paikkatieto- ja kaukokartoitusaineistojen avulla |
| Author(s): | Riihimäki, Henri |
| Contributor: | University of Helsinki, Faculty of Science, Department of Geosciences and Geography |
| Discipline: | Geography |
| Language: | Finnish |
| Acceptance year: | 2013 |
| Abstract: |
The ongoing global change challenges us to examine the key factors of rapidly changing northern ecosystems. One of the most important factors in these environments is living vegetation biomass, also known as phytomass. This thesis examines above ground phytomass in an artic-alpine environment, located in northwesternmost Finland and Ráisduottarháldi –area, Norway.
The most important aim of the study was to produce a best possible estimate of the phytomass in the study area. Typically, phytomass modelling in artic-alpine areas has been done by using linear regression models having spectral vegetation index (SVI), usually NDVI, as an explanatory variable. Goodness of the model is typically assessed by coefficient of determination (R2). This thesis expands this approach and tests different SVI's alongside NDVI. Bias, root mean square error (RMSE), and correlation of observed and predicted phytomasses are used in addition. The effect of sample size is also briefly tested.
Factors affecting phytomass, such as topography, were also examined. Topographic variables, such as the topographic wetness index (TWI), slope, potential yearly radiation and curvature were derived from digital elevation model and used as a predictors. Rock and soil variables were also used, but the quality of the data was found poor. In addition to linear regression models (LM), generalized linear models (GLM) and variation partition were used to find out wether the simple SVI-models can be improved by adding topographic factors into the models. Boosted regression trees (BRT) were utilized to find out the importance of individual effects of topographic factors to phytomass.
NDVI was found to be the best SVI to predict phytomass (R2 61,6 %, RMSE 593,5 g/m2). However, the model was slightly biased (–4,3 %), although not statistically significantly. Forest areas cause significant deviaton to the data, which might explain why the explanatory power of the NDVI model is lower compared to other similar studies carried in pure arctic environments. Based on variation partition, the NDVI-model cannot be improved by topograhic nor soil or rock variables. In BRT-models, elevation was found to be the single most important variable explaining phytomass. The relative importance of elevation in the phytomass model was 72,8 %. Potential radiation (11,3 %) and calcium contet of parent material (11,4 %) were also important. TWI also had a slight effect, as its relative importance was 4,9 %. Curvature was not a significant factor in the models.
Based on the linear regression model (NDVI), phytomass varied between 0– 6790 g/m2: Mean phytomass of the study area was 687 g/m2. Most of the phytomass is located in trees and other vascular plants located in low elevations (< 600 m a.s.l.). Phytomass decreases rapidly above treeline, which is typically located around 600–700 m a.s.l. at the study area. Only 0,1 % of the total phytomass is located above 1000 m a.s.l. South- and southwestern slopes have higher phytomasses compared to average (c. +17–21 %), which is caused by higher thermal radiation. Phytomass estimates of the study are well in line with other similar studies.
Model uncertainties were assessed carefully in comparison to many other studies. The results imply that this kind of approach is needed as the model results varied a lot. Sample and sample size had a significant effect to results and therefore need to be addressed in future studies more carefully. The number of observations was high in this study compared to almost any other similar studies, but it has to be noted that the study designs differ. Clearly, there is a need of more extensive research on the uncertainties of phytomass estimates.
Meneillään olevan globaalimuutoksen vuoksi on tarpeen kartoittaa pohjoisten ekosysteemien keskeisimpiä tekijöitä. Eräs tärkeimmistä tekijöistä on kasvillisuuden elävä biomassa, eli fytomassa. Tässä tutkielmassa selvitettiin maanpäällistä fytomassaa arktis-alpiinisessa ympäristössä, Käsivarren Lapissa sekä Ráisduottarháldin alueella, Norjassa.
Tutkielman keskeisin tavoite oli tuottaa paras mahdollinen estimaatti tutkimusalueen fytomassasta ja selvittää sen jakautumisen taustalla olevia tekijöitä, etenkin topografian osalta. Lisäksi estimaatin luotettavuuteen kiinnitettiin erityistä huomiota, sillä tämänkaltaista tarkastelua on aiemmassa arktis-alpiinisessa tutkimuksessa melko vähän. Arktis-alpiininen fytomassamallinnus on tyyppilisesti tehty lineaarisen regressiomallinnuksen avulla käyttäen kasvillisuusindeksiä, yleisimmin normalisoitua kasvillisuusindeksiä (NDVI), selittävänä tekijänä. Mallien hyvyyttä on usein arvioitu ainoastaan selitysasteen (R2) avulla. Tässä tutkielmassa fytomassamallien hyvyyttä arvioidaan laajemmin. Selitysasteen lisäksi malleja tarkasteltiin ennustettujen ja havaittujen fytomassa-arvojen korrelaation, niiden harhan ja keskineliövirheen neliöjuuren (RMSE) avulla. Myös otoskoon vaikutusta selitysasteeseen testattiin.
Fytomassaa tutkittiin NDVI:n lisäksi usean muun kasvillisuusindeksin avulla käyttäen lineaarisia regressiomalleja. Topografiset muuttujat, kuten topografinen kosteus, rinteen kaltevuus, potentiaalinen vuotuinen säteily ja kurvikkuus johdettiin korkeusmallista, ja niitä käytettiin fytomassaa selittävinä tekijöinä. Myös maa- ja kallioperämuuttujia käytettiin, mutta aineiston laatu todettiin huonoksi. Yleistettyjen lineaaristen mallien (GLM) ja hajonnan osituksen avulla selvitettiin voidaanko topografisilla ja maa- ja kallioperämuuttujilla parantaa kasvillisuusindeksimalleja. Näiden muuttujien yksittäistä vaikutusta fytomassaan arvioitiin yleistettyjen luokittelupuumenetelmien avulla (BRT).
Normalisoitu kasvillisuusindeksi (NDVI) osoittautui eri indekseistä parhaaksi selitettäessä fytomassaa (R2 61,6 %, RMSE 593,5 g/m2). NDVI-malli oli lievästi harhainen (–4,3 %), joskaan harha ei ollut tilastollisesti merkitsevä. Puustoiset koealat aiheuttavat hajontaa aineistoon, mikä saattaa selittää miksi selitysaste on alhaisempi verrattuna vastaaviin tutkimuksiin puhtaasti arktisilla alueilla. Hajonnan osituksen perusteella NDVI:n selityskykyä ei pystytty merkittävästi parantamaan topografisilla ja maa- ja kallioperämuuttujilla. Toisaalta näiden muuttujien havaittiin selittävän fytomassaa lähes yhtä paljon kuin NDVI-mallikin. Maastonkorkeus havaittiin BRT-malleissa parhaaksi fytomassaa selittäväksi tekijäksi. Sen suhteellinen merkitys oli 72,8 %. Potentiaalinen vuotuinen säteily (11,3 %) sekä kallioperän kalkkisuus (11,4 %) vaikuttivat muuttujista seuraavaksi eniten. Myös kosteudella oli hienoinen suhteellinen merkitys (4,9 %). Kurvikkuudella ei ollut merkittävää osaa fytomassan selittäjänä.
Tutkimusalueen fytomassa vaihteli noin 0–6790 g/m2 välillä, sen ollessa keskimäärin 687 g/m2. Suurin osa fytomassasta sijoittui alaville alueille (< 600 m mpy) puihin ja muihin putkilokasveihin. Fytomassa vähenee huomattavasti puurajan yläpuolella, joka sijaitsee alueella tyypillisesti noin 600–700 m mpy välillä. Yli tuhannessa metrissä fytomassaa ei ole juuri lainkaan. Myös säteily vaikutti fytomassaan huomattavasti. Tämä näkyy etelä-lounaisrinteiden huomattavasti keskimääräistä korkeampana fytomassana (n. +17–21 %). Fytomassaestimaatit vastasivat hyvin aiemmissa tutkimuksissa mitattuja ja mallinnettuja fytomassoja.
Tehdyt luotettavuustarkastelut osoittautuivat tärkeiksi, sillä otoksella ja sen koolla havaittiin olevan selvä vaikutus mallien tuloksiin. Tutkimuksessa käytetty aineisto oli suuri, mutta on muistettava, että tutkimusasetelmat eivät ole täysin vertailukelpoisia. Joka tapauksessa fytomassaestimaattien epävarmuuksia on tutkittava jatkossa huomattavasti laajemmin.
|
Files in this item
| Files | Size | Format | View |
|---|---|---|---|
| Riihimaki_gradu.pdf | 9.538Mb |
This item appears in the following Collection(s)
-
Faculty of Science [4016]