Fine-resolution climate grids for species studies in data-poor regions

Show full item record



Permalink

http://urn.fi/URN:NBN:fi-fe2017112251427
Title: Fine-resolution climate grids for species studies in data-poor regions
Author: Virtanen, Elina
Contributor: University of Helsinki, Faculty of Science, Department of Geosciences and Geography
Publisher: Helsingfors universitet
Date: 2015
Language: eng
URI: http://urn.fi/URN:NBN:fi-fe2017112251427
http://hdl.handle.net/10138/230445
Thesis level: master's thesis
Discipline: Geography
Maantiede
Geografi
Abstract: African climate science is still underdeveloped; the related infrastructure is limited and climate observation network is sparse. The lack of observations is usually compensated with coarse macro-climate models (1 km2), of which only few concentrates on tropical Africa and on the spatial variability of rains. The need for fine-resolution data is growing, as more accurate information (5-100m) is utilized in different sciences. There has been a surge in micro-climate studies utilizing small dataloggers to observe climate variability, as loggers can be placed to different environments regardless of the complexity of a terrain. Accurate, fine-scale climate models are needed in ecological research, where species distributions are related to environmental gradients. Most of the studies describing species occurrences rely on macro-scale climate models that have been averaged over years, although the factors restricting species occurrences in an environment are developed even under one growth season, and are dependent on climate extremes. Accurate information of species and its occurrence environment is even more needed as climate is changing; species habitats are threatened through the warming of climate and its resulted effects. Fine-resolution data of micro-climate is needed especially in the studying of epiphytes living in tropical montane cloud forests, as epiphytes are dependent on the surrounding environments' specific atmospheric composition, namely relative humidity. The knowledge of epiphytic species distributions is poorly studied, although epiphytes are known to react fast to quick changes in environmental conditions. In this study small dataloggers were placed around the Taita Hills in a mountainous region of Kenya to record spatial and temporal micro-climate variability. Annual, monthly and extreme temperature and humidity parameters were studied through statistical spatial modelling, with generalized additive models (GAMs). The significance of each thriving factor of climate parameters were studied separately with bootstrapping. Of thousands of models created, temperature was best explained by elevation, and humidities by land cover (e.g. distance to forests), a proxy of canopy cover. Modelling extremes requires more research, as extreme models proved to be most difficult to model. More weight should be put on accurate environment gradients (e.g. canopy cover) when modelling spatial climate variability in a fine-scale. Created fine-resolution grids were tested in modelling the distributions of epiphytic species through Boosted Regression Trees (BRT). Models created gave an insight to the drivers of epiphytic species distributions and to the limitations of their occurrences in a limited environment. Different explanatory variable groups were tested (topographical, in situ, climate groups), of which climate explained most of the variations in epiphytic species occurrences when considered with AUC-values. Some epiphytes seemed to be specialized to certain habitat trees, highlighting the value of not only indigenous trees but exotic ones. Epiphytes were restricted to occur under certain temperatures and humidities ranges that is an indication of the vulnerability of epiphytes to changing climate.Afrikan ilmaston tutkiminen on vielä lapsenkengissään; infrastruktuuri on alikehittynyttä ja ilmastoaineistot puutteellisia. Aineistojen vajavaisuuksia usein kompensoidaan makrotason (> 1 km2) ilmastomalleilla, joista vain pieni osa keskittyy trooppiseen Afrikkaan kuvaten sateiden spatiaalista vaihtelevuutta. Yhä tarkempien ilmastomallien tarve kasvaa, sillä pienen mittakaavatason (5–100 m) ilmastotietoa tarvitaan yhä enenevässä määrin eri tieteenaloilla. Tarkkojen ilmastomallien luontiin käytetään usein pieniä dataloggereita, jotka on sijoitettu kattamaan koko tutkimusalueen ympäristögradientit ja huomioimaan paikalliset olosuhteet. Hienon mittakaavatason ilmastomalleja tarvitaan ilmaston vaihtelevuuden ymmärtämisen lisäksi ekologisessa tutkimuksessa, jossa pyritään selittämään lajien esiintyvyyttä. Useimmat ekologiset tutkimukset lajien esiintyvyyden vaihtelevuudesta nojaavat tietonsa karkean mittakaavan ilmastoparametreihin, jotka on keskiarvoistettu kattamaan vuosien trendejä, vaikka lajia rajoittavat tekijät riippuvat yleensä ääriarvoista jopa yhden kasvukauden ajalla. Tarkkaa tietoa lajiin vaikuttavista ilmastoparametreista tarvitaan esimerkiksi ilmaston muuttumisen myötä; yhä useampien lajien elinympäristöt ovat uhattuina ilmaston lämpenemisen ja sen seurannaisvaikutusten johdosta. Hienoresoluutioinen tieto lajin habitaatista ja elinympäristöstä on oleellista erityisesti heikosti tunnetuille montaanisten pilvimetsien epifyyteille, jotka ovat riippuvaisia ympäröivästä kosteudesta ja erityisestä mikrohabitaatista. Epifyyttien esiintyvyystieto on vielä rajallisesti tunnettua ja heikosti tutkittua, vaikka epifyyttien tiedetään reagoivan nopeasti ympäristönmuutokseen, josta olisi hyötyä ilmaston tutkimuksen kannalta. Tässä tutkimuksessa Taitavuorten alueelle Keniaan sijoitettiin ilmaston monitorointiin pieniä dataloggereita spatiaalisen ja temporaalisen ilmaston vaihtelevuuden ymmärtämiseksi. Vuoden lämpötiloista ja suhteellisista kosteuksista luotiin tuhansia erilaisia ilmastomalleja bootstrappauksen ja regressiomallien avulla eri selittävien ympäristömuuttujien perusteella. Lämpötilojen vaihtelevuutta selitti eniten korkeus, kun taas suhteellisia kosteuksia selitti etäisyys metsiin, jota voidaan pitää latvuspeittävyyden ilmaisijana. Tarkkaa tietoa latvuspeittävyydestä tarvittaisiin ääriarvojen mallinnuksiin, sillä suhteellisesti huonoimmat mallit olivat lämpötiloissa ja kosteuksissa juuri maksimimallit. Hienon mittakaavan ilmastomalleja testattiin epifyyttien mallinnuksessa yleisten luokittelupuumenetelmien avulla. Malleilla pyrittiin selvittämään, mitkä tekijät vaikuttavat eniten epifyyttien levinneisyyteen. Eri muuttujaryhmistä (topografiset, in situ, ilmasto) juuri ilmastoparametrien lisäys tuotti parhaimmat mallit AUC–arvoilla mitattuna. Suhteellisesti eniten muuttujista selitti korkeus, mutta myös esimerkiksi habitaatilla (puulaji) oli merkitystä. Jotkin epifyyttilajit olivat lisäksi erikoistuneita tiettyihin puulajeihin esiintyen vain tietyillä alueilla. Epifyytit olivat esiintyvyydeltään rajoittuneita maksimikosteuksien ja minimilämpötilojen perusteella, sillä pienikin lisäys lämpötiloihin ja kuivuminen saattaa vaarantaa epifyyttien kasvun.


Files in this item

Files Size Format View

There are no files associated with this item.

This item appears in the following Collection(s)

Show full item record