Geographies of uncertainty - methodologies for detecting environmental and ecological changes

Show full item record



Permalink

http://urn.fi/URN:ISBN:978-951-51-4937-4
Title: Geographies of uncertainty - methodologies for detecting environmental and ecological changes
Author: Mäkinen, Jussi
Contributor: University of Helsinki, Faculty of Science, geotieteiden ja maantieteen osasto
Doctoral Programme in Geosciences
Publisher: Helsingin yliopisto
Date: 2020-06-11
Belongs to series: Department of Geosciences and Geography A - URN:ISSN:1798-7911
URI: http://urn.fi/URN:ISBN:978-951-51-4937-4
http://hdl.handle.net/10138/315016
Thesis level: Doctoral dissertation (article-based)
Abstract: The study of geographical ecology is about how species populations are distributed in space and time. Using a model-based approach to study ecological processes controlling species distributions provides us with the means to compare different ecological hypothesis, predict a distribution of a species population in locations we have not sampled, and assess uncertainty of the predictions. Such models are practical tools for environmental management as well. For this doctoral thesis, I studied statistical modeling methodologies to reveal and accommodate model uncertainties, which originate from natural variation of the environment, inconstant surveying, and lack of important ecological covariate data from a model. I apply the methods to improve decision making process in conservation planning. As a case study I examined how Arctic marine environment has changed during the recent decades and how severely the Arctic marine mammals are exposed to stress from environmental change and disturbance from marine traffic in the Siberian Shelf Sea area. First, to assess the magnitude of change of the hydrographic conditions, I applied spatially-explicit prediction method, which accounts for uncertainties especially from strong spatio-temporal variation of the environment. Second, I developed a method for jointly analyzing different types of species observations, generated by heterogeneous sampling methods. Third, I combined species distribution predictions with the locations of marine traffic routes to define the mortality risk marine oil spill accidents pose to different species. Lastly, I developed approaches for further utilizing prior information in ecological models to improve the identifiability of the different processes that control distributions of species populations. I demonstrated this approach on vegetation data in northern Norway. This thesis shows, that the western part of the Siberian Shelf Area has become warmer and less saline during 1980-2000, but the magnitudes of changes are highly uncertain. The Arctic marine mammals in that area have responded to changes in physical environment, particularly diminishing ice cover, by changing their spatial distributions (ringed seal and polar bear), or becoming less abundant in their original distributional area due their inability to change their home ranges (walrus). The risks of the Arctic marine mammals to become exposed to oil spills are uncertain due to predictive variance of the species distribution models and natural variation of the environment. On average, spring is the riskiest season for oil transportation with respect to the hazards posed to the Arctic marine mammals. Lastly, the identifiability and predictive accuracy of species distribution models were improved by steering the inference with prior restrictions on the random effects, which reflect the unobserved ecological processes. This thesis shows that methods for propagating uncertainties into model predictions from data and model structure are essential for testing ecological hypothesis and predicting into novel areas. Random effects may accommodate assumptions about varying sampling methods and unobserved ecological processes, but they need to be restricted appropriately not to allow them to run over the covariate effects. The methods developed here allow to utilize different data sets and help in tackling shortage of observational data in remote areas. They also assist in making more credible predictions for example into novel climatic conditions. Further, this thesis suggests of propagating uncertainties into areal and temporal comparisons of model predictions from predictive variance and natural variation of the environment. These are essential prediction steps to create credible information for comparing different decisions in environmental management. In general, this thesis provides tools to detect ecological and environmental changes and approaches how to adjust environmental management to those changes.Eliömaantiede ja spatiaalinen ekologia tutkivat, kuinka runsaasti ja missä eliölajit esiintyvät tilassa ja ajassa. Tilastollisilla malleilla tutkitaan lajien levinneisyyksiä sääteleviä prosesseja ja ennustetaan lajien levinneisyyttä. Ennusteet puolestaan tarjoavat tietoa lajiston tilasta ja ovat kätevä työkalu päätöksenteon tukena, kuten maankäytön suunnittelussa ja ympäristövaikutusten arvioinnissa. Tässä väitöskirjassa tutkin tilastollisia mallinnusmenetelmiä mallien epävarmuuksien näkökulmasta. Kehitin mallinnusmenetelmiä huomioimaan epävarmuudet, jotka periytyvät ympäristön luonnollisesta vaihtelusta, epätäsmällisestä lajiston havainnoinnista ja ekologisesti merkittävien selittävien muuttujien puuttumisesta. Sovelsin menetelmiä eliölajien lisäksi fyysisen ympäristön muutoksen tutkimukseen Siperian läntisellä reunamerellä, Karan Merellä. Tutkin pintaveden hydrografisia muutoksia viimeisimpien vuosikymmenten aikana sekä ympäristönmuutoksen aiheuttamaa stressiä ja lisääntyvän meriliikenteen aiheuttamaa häiriötä Arktisille merinisäkkäille. Viimeisessä osatutkimuksessa tutkin havaitsemattomien ekologisesti tärkeiden riippumattomien muuttujien vaikutusta lajilevinneisyysmallien estimointi- ja ennustetarkkuuteen. Väitöskirjani osoittaa, että Karan Meren pintavesi on lämmennyt ja muuttunut makeammaksi, mutta muutoksien voimakkuudet ovat epävarmoja. Merinisäkkäät ovat muuttaneet levinneisyysalueitaan (norpat ja jääkarhut) vastatakseen muuttuneisiin ympäristöoloihin, etenkin muuttuneisiin jääolosuhteisiin tai ovat ainoastaan vähentyneet alkuperäisillä esiintymisalueillaan (mursut). Arvio siitä, kuinka suuri osa lajien populaatioista kuolee mahdollisen öljyonnettomuuden vuoksi, on epävarma johtuen lajien levinneisyysennusteiden ja vallitsevien ympäristöolojen sisältämästä epävarmuudesta. Vuodenajoista keskimäärin kevät tuottaa korkeimmat uhriluvut merinisäkkäille. Viimeinen osatutkimus osoitti, että mallien estimointi- ja ennustetarkkuus heikentyvät, jos kaikkia ekologisesti merkittäviä muuttujia ei huomioida mallissa. Molempia tarkkuuksia pystytään kuitenkin korjaamaan ohjaamalla mallin päättelyä ennakko-oletuksilla ekologisesti mielekkääseen suuntaan. Tämä väitöskirja näyttää, että havaintoaineistojen ja mallirakenteen tuottamien epävarmuuksien huomioiminen on tärkeää, jotta malleilla voidaan luotettavasti testata hypoteeseja ja ennustaa uusille alueille tai ajankohdille kuten ilmastonmuutosskenaarioihin. Työssä kehitetyt menetelmät mahdollistavat erilaisten havaintoaineistojen hyödyntämisen ja auttavat ekologisten arviointien tekemisessä syrjäisillä alueilla. Lisäksi tämä väitöskirja suosittelee mallin estimoinnista ja ympäristön luonnollisesta vaihtelusta syntyvien epävarmuuksien huomioimista ennustevertailuissa. Edellä mainitut kohdat ovat tärkeitä huomioita ennustetietoon perustuvassa päätöksenteossa. Yleisellä tasolla tämä väitöskirja tarjoaa työkaluja ekologisten muutosten ja ympäristön muutosten havainnointiin ja lähestymistapoja tiedon liittämiseen päätöksentekoon.
Subject: maantiede
Rights: This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.


Files in this item

Total number of downloads: Loading...

Files Size Format View
Geograph.pdf 3.242Mb PDF View/Open

This item appears in the following Collection(s)

Show full item record