Elephants in Taita Taveta County Kenya : analysing and predicting the distribution

Show full item record



Permalink

http://urn.fi/URN:NBN:fi:hulib-201905151959
Title: Elephants in Taita Taveta County Kenya : analysing and predicting the distribution
Author: Karvonen, Veera
Contributor: University of Helsinki, Faculty of Science
Publisher: Helsingin yliopisto
Date: 2019
Language: eng
URI: http://urn.fi/URN:NBN:fi:hulib-201905151959
http://hdl.handle.net/10138/301808
Thesis level: master's thesis
Discipline: Geoinformatics (GIMP)
Abstract: Tiivistelmä/Referat – Abstract Afrikan savanni norsu (Loxodonta africana) on suurin maalla elävä eläin. Koostaan johtuen norsut kuluttavat suuren määrän ravintoa sekä vettä päivittäin ja täten muokkaavat ympäristöään tehokkaasti ja luovat elinympäristöjä muille lajeille. Liian suuri määrä norsuja pienellä alueella johtaa kuitenkin nopeasti ympäristön tuhoutumiseen. Myös ihmisille norsuista on sekä hyötyä, että haittaa; norsut houkuttelevat turisteja, mutta samalla ne voivat tuhota viljelyksiä, omaisuutta tai jopa viedä ihmishenkiä. Afrikan norsu on vaarantunut laji, joka on vaarassa muuttua uhanalaiseksi ympäristön muutoksen ja ihmisten luoman paineen takia. Lajin populaation koko on ollut pitkään laskussa ja lajin suojelemiseksi ymmärrys sen suosimista elinalueista ja vaatimuksista on tarpeen. Lajien levinneisyysmallintaminen (SDM) yhdistää ympäristömuuttujia ja lajien tunnettuja esiintymisalueita matemaattisin mallein. Levinneisyysmallintamisella voidaan esimerkiksi ennustaa lajeille suotuisia elinalueita ja niiden käyttö on tärkeä ja yleinen osa suojelutyötä. Tämän työn tavoitteena on lisätä ymmärrystä Kenian Taita Tavetan maakunnan norsujen levinneisyydestä. Taita Tavetan maakunnassa norsujen määrä on viimeisien vuosien aikana ollut kasvussa yleisestä kehityssuunnasta poiketen. Populaation kokoa on alueella seurattu tarkasti 60-luvulta lähtien lentolaskentojen avulla ja tässä tutkimuksessa hyödynnetään kolmen vuoden, 2005, 2008 ja 2011, aineistoja. Tavoitetta lähestyttiin kolmen kysymyksen avulla: (1) Miten norsut ovat levittäytyneet alueelle eri vuosina, (2) Minkä ympäristömuuttujien kanssa norsujen levinneisyys korreloi eri vuosina, ja (3) voiko alueen norsujen levinneisyyttä ennustaa. Lajin levinneisyyttä tarkasteltiin erilaisin spatiaalisin analyysein sekä visuaalisesti, korrelaatiota norsujen ja ympäristömuuttujien välillä selvitettiin Spearman Rho Rank korrelaatio analyysillä ja levinneisyyden ennustamiseen käytettiin lajien levinneisyysmallintamismenetelmää MaxEnt. Tuloksien mukaan norsujen levinneisyys vaihtelee joka vuosi, mutta samat ydin alueet ovat tunnistettavissa kaikilta vuosilta. Norsuille merkittävät ympäristömuuttujat vaihtelevat hieman vuosittain ja etenkin suojeltujen ja suojelualueiden ulkopuolisten alueiden välillä. Suojelualueillakorostuvat veden merkitys ja muilla alueilla ihmisen toiminta. Tässä tutkimuksessa käytettyjen muuttujien avulla ei norsujen levinneisyyttä ole suositeltavaa ennustaa, sillä tulokset ovat heikkoja. Oletettavaa on, että käytetyt ympäristömuuttujat eivät ole riittäviä selittämään norsujen levinneisyyttä. Ennustamisen onnistumista heikentää myös esimerkiksi norsujen kyky elää monenlaisissa ympäristöissä ja suurilla alueilla.Tiivistelmä/Referat – Abstract African Savanna elephant (Loxodonta africana) is the largest terrestrial mammal. Due to its size, elephants consume large amount of food and water each day and thus modify the environment around them greatly. At the same time, they create living areas for other species. On the other hand, too large number of elephants in confined areas will eventually lead into the destruction of the environment. Humans and elephants have also a twofold relationship: elephants attract tourist but at the same time they can destroy crops, property or even kill humans. The African elephant is thought to be a vulnerable specie that is in risk on becoming endangered in the near future due to the changing environment and the pressure from growing human populations. The population size has been long decreasing and for conservational work to be effective, knowledge about the suitable environments and the needs of the specie is needed. Species distribution modelling (SDM) uses computer algorithms to combine the environmental variables and species occurrence data. SDM can be used for example to predict suitable habitats for species and the method is regularly used in conservational work and is an important part of it. The aim of this study is to increase the knowledge of elephant distribution patterns in Taita Taveta County in Kenya. In contrary to the overall trend of the elephant numbers, the population in Taita Taveta County has been growing. The changes in the population have been monitored from the 60’s and data from three different years, 2005, 2008 and 2011, have been used in this study. The study was divided in to three questions: (1) How elephants are distributed in the area in different years, (2) What environmental variables correlate with elephants in different years, and (3) Can the distribution of the elephants in the area be predicted? Different spatial analyzes and visual comparison was used to study the distribution of elephants in the county. Spearman Rho Rank correlation analyses was used to study the correlation of environmental variables and elephants and predicting of the elephant distribution was done using species distribution modelling method MaxEnt. The results show that the elephant distribution changes each year, but certain key areas can be found in each year that elephants favor. The meaningful environmental variables change each year and between the protected areas in the county and the areas that are not protected. In protected areas the meaning of water sources is highlighted and in the other areas the meaning of human activities grows in importance. The variables used for this study did not create well performing predictions, and thus it would not be advisable to use them for predictions. Presumably, the environmental variables used are not enough to explain the distribution of elephants. Elephants can live in many different habitats and they move around a lot, which also further decrease the performance of the predictions


Files in this item

Total number of downloads: Loading...

Files Size Format View
Karvonen_Veera_Pro_Gradu_2018.pdf 2.958Mb PDF View/Open

This item appears in the following Collection(s)

Show full item record