Geospatial environmental data modelling applications using remote sensing, GIS and spatial statistics

This thesis presents novel modelling applications for environmental geospatial data using remote sensing, GIS and statistical modelling techniques. The studied themes can be classified into four main themes: (i) to develop advanced geospatial databases. Paper (I) demonstrates the creation of a geospatial database for the Glanville fritillary butterfly (Melitaea cinxia) in the Åland Islands, south-western Finland; (ii) to analyse species diversity and distribution using GIS techniques. Paper (II) presents a diversity and geographical distribution analysis for Scopulini moths at a world-wide scale; (iii) to study spatiotemporal forest cover change. Paper (III) presents a study of exotic and indigenous tree cover change detection in Taita Hills Kenya using airborne imagery and GIS analysis techniques; (iv) to explore predictive modelling techniques using geospatial data. In Paper (IV) human population occurrence and abundance in the Taita Hills highlands was predicted using the generalized additive modelling (GAM) technique. Paper (V) presents techniques to enhance fire prediction and burned area estimation at a regional scale in East Caprivi Namibia. Paper (VI) compares eight state-of-the-art predictive modelling methods to improve fire prediction, burned area estimation and fire risk mapping in East Caprivi Namibia. The results in Paper (I) showed that geospatial data can be managed effectively using advanced relational database management systems. Metapopulation data for Melitaea cinxia butterfly was successfully combined with GPS-delimited habitat patch information and climatic data. Using the geospatial database, spatial analyses were successfully conducted at habitat patch level or at more coarse analysis scales. Moreover, this study showed it appears evident that at a large-scale spatially correlated weather conditions are one of the primary causes of spatially correlated changes in Melitaea cinxia population sizes. In Paper (II) spatiotemporal characteristics of Socupulini moths description, diversity and distribution were analysed at a world-wide scale and for the first time GIS techniques were used for Scopulini moth geographical distribution analysis. This study revealed that Scopulini moths have a cosmopolitan distribution. The majority of the species have been described from the low latitudes, sub-Saharan Africa being the hot spot of species diversity. However, the taxonomical effort has been uneven among biogeographical regions. Paper III showed that forest cover change can be analysed in great detail using modern airborne imagery techniques and historical aerial photographs. However, when spatiotemporal forest cover change is studied care has to be taken in co-registration and image interpretation when historical black and white aerial photography is used. In Paper (IV) human population distribution and abundance could be modelled with fairly good results using geospatial predictors and non-Gaussian predictive modelling techniques. Moreover, land cover layer is not necessary needed as a predictor because first and second-order image texture measurements derived from satellite imagery had more power to explain the variation in dwelling unit occurrence and abundance. Paper V showed that generalized linear model (GLM) is a suitable technique for fire occurrence prediction and for burned area estimation. GLM based burned area estimations were found to be more superior than the existing MODIS burned area product (MCD45A1). However, spatial autocorrelation of fires has to be taken into account when using the GLM technique for fire occurrence prediction. Paper VI showed that novel statistical predictive modelling techniques can be used to improve fire prediction, burned area estimation and fire risk mapping at a regional scale. However, some noticeable variation between different predictive modelling techniques for fire occurrence prediction and burned area estimation existed.

Ihmisen toiminnan seurauksena ympäristön tila on heikentynyt kiihtyvällä vauhdilla. Ilmasto lämpenee, metsähakkuut ja metsäpalot lisääntyvät ja luonnon monimuotoisuus on katoamassa. Ympäristöongelmia ja -uhkia voidaan tutkia ja mallintaa geoinformatiikan menetelmin ja metodein: kaukokartoituksen, paikkatietojärjestelmien (GIS) sekä spatiaalis-tilastollisten ennustemallien avulla. Väitöskirjassa tutkittiin geoinformatiikan menetelmin geospatiaalista aineistoa hyväksi käyttäen: (i) Täpläverkkoperhosen (Melitaea cinxia) esiintymistä Ahvenanmaalla; (ii) Lehtimittarin (Scopulini moths; Lepidoptera: Geometridae, Sterrhinae) esiintymisen spatiaalis-temporaalista levinneisyyttä ja diversiteettiä globaalissa mittakaavassa; (iii) alkuperäismetsien häviämistä ja (iv) asutuksen levinneisyyttä Taita Hills -ylänköalueella Keniassa, sekä (v ja vi) savannipalojen esiintymistä ja paloarpien laajuuden arviointia Itä-Kaprivilla, Namibiassa. Tulokset: (i) Ahvenanmaalla esiintyvälle Täpläverkkoperhoselle luotiin paikkatietokanta, jonka avulla selvitettiin lajin metapopulaation spatiaalis-temporaalisia tekijöitä. Tärkein tulos todisti että paikallisilmaston vaikutus on yksi merkittävimmistä tekijöistä Täpläverkkoperhosen populaatioiden koon vaihtelussa. (ii) Paikkatietomenetelmin pystyttiin selvittämään Lehtimittarin (Scopulini moths; Lepidoptera: Geometridae, Sterrhinae) globaali maantieteellinen levinneisyys ja diversiteetti. Lajia tavataan ympäri maailmaa paitsi arktisilla alueilla. Pääosa lajeista on löydetty troppisilta alueilta. Diversiteetti on erityisen runsasta Saharan eteläpuoleisessa Afrikassa. (iii) Taita Hills ylänköalueella alkuperäismetsät ovat vähentyneet 50% (260 hehtaaria) vuodesta 1955 vuoteen 2004. Kuitenkin metsäpinta-ala oli Taita Hillsin ylänköalueella pienentynyt vain 2% johtuen metsänistutuksista. Maankäytön muutostulkintaan perustuen Taita Hills ylänköalueen alkuperäismetsät ovat pääosin muuttuneet maatalousmaaksi. Alkuperäismetsien tilalle on myös istutettu ns. eksoottisia lajikkeita kuten eukalyptusta, joka on heikentänyt metsien laatua, jolla on haitalliset vaikutukset mm. eliölajien monimuotoisuuteen Taita Hillsin alueella. (iv) Taita Hills ylänköalueen asutuksen levinneisyyttä voidaan mallintaa geospatiaalisilla karttatasoilla ja spatiaalis-tilastollisilla ennustemenetelmillä. Tutkimuksessa ilmeni, että satelliittikuvalta saadut ensimmäisen asteen tilastolliset tekstuuripiirteet ja toisen asteen tilastolliset tekstuuripiirteet, jotka perustuvat ns. Haralickin tekstuuripiirteiden yhtenevyysmatriisiin, olivat parhaita muuttujia selittämään asutuksen levinneisyyttä. Tutkimus paljasti että asutuksen mallintamiseen ei välttämättä tarvita satelliittikuvalta luokiteltua maankäyttökarttatasoa, sillä ensimmäisen ja toisen asteen tilastolliset tekstuuripiirteet olivat parempia selittäviä muuttujia ennustemalleissa. (v) Itä-Kaprivilla spatiaalis-tilastollisella ennustemallilla; yleistetty lineaarinen regressio (generalized linear model, GLM) voidaan arvioida paloalueiden laajuus paikallistasolla tarkemmin kuin käyttämällä olemassa olevaa MODIS satelliittiin perustuvaa (MCD45A1) globaalia paloaluemallia. Spatiaalis-tilastollisissa malleissa on kuitenkin huomioitava palojen spatiaalinen autokorrelaatio kalibrointiprosessissa. (vi) Kahdeksaa eri spatiaalis-tilastollista ennustemallinnusmenetelmää verrattiin palojen esiintymisen ja paloalueiden laajuuden analyysissä Itä-Kaprivilla. GBM (Generalized boosting methods) -menetelmä osoittautui parhaaksi sekä palojen esiintymisen ja paloalueiden laajuuden mallintamisessa. Ennustemalleilla pystyttiin arvioimaan paloalueiden laajuus ja paloriskialueet tarkemmin kuin käyttämällä olemassa olevaa MODIS satelliittiin perustuvaa (MCD45A1) globaalia paloaluemallia.