Monitoring of Fungal Growth and Degradation of Wood

Valko- ja ruskolahosienet tunnetaan luonnossa tehokkaimpina puun ja karikkeen lignoselluloosan lahottajina. Valkolahosienet pystyvät hajottamaan kaikkia puun osia: ligniiniä, selluloosaa ja hemiselluloosaa. Selektiivisesti ligniiniä hajottavat sienet lahottavat puusta suhteessa enemmän vaikeasti hajoavaa ligniiniä kuin selluloosaa tai hemiselluloosaa, jolloin jäljelle jää valkoista ja miltei puhdasta selluloosaa. Bioteknisissä sovelluksissa juuri selektiviiviset valkolahottajat ovat kiinnostavia. Niiden avulla voidaan puuhaketta esikäsitellä esimerkiksi paperinvalmistuksessa haitallisen ligniinin poistamiseksi. Ruskolahosienet ovat huomattavia puun, puutavaran ja puisten rakenteiden lahottajia, kuten tässä työssä käytetty Gloeophyllum trabeum (saunasieni ) ja Poria (Postia) placenta (istukkakääpä). Ruskolahosienet hajottavat puusta hemiselluloosan lisäksi selluloosaa, jolloin jää jäljelle ruskea ja jauhomaiseksi mureneva ligniini. Ruskolahosienet muovaavat ligniiniä jonkin verran. Kahden ruskolahosienen G. trabeumin ja P. placentan lisäksi tutkittiin valkolahosieniä, joista Ceriporiopsis subvermispora (karstakääpä) ja harvinainen Physisporinus rivulosus -sieni (talikääpä) hajottavat ligniiniä erittäin selektiivisesti. Phanerochaete chrysosporium on kaikkialla paljon tutkittu sieni, ja Phlebia radiata valkolahosientä (rusorypykkä) on tutkittu paljon mikrobiologian osastolla. Lisäksi tutkittiin Phlebia tremellosa -sienten (hytyrypykkä) ligninolyyttisten entsyymien tuottoa ja 14C-leimatun synteettisen ligniinin (DHP) hajotusta. P. radiata ja P. tremellosa -sienten on todettu aiemmin hajottavan ligniiniä selektiivisesti. Työssä selvitettiin miten sienten kasvua voi mitata, miten vertailukelpoisia eri mittaamismenetelmillä saadut tulokset ovat ja ilmenevätkö sienten aktiivisimmat kasvuvaiheet samaan aikaan eri menetelmillä mitattuna. Tärkeimmät tulokset olivat seuraavat havainnot: (i) P. radiata ja P. tremellosa -sienikannat tuottivat ligniini- ja mangaaniperoksidaasientsyymejä (LiP ja MnP) sekä lakkaasia, ja sienistä puhdistettiin 2-3 LiP- ja P. radiatasta yksi MnP-entsyymi; (ii) P. tremellosa -sienet hajottivat leimattua synteettistä ligniiniä (DHP) yhtä hyvin kuin paljon tutkitut P. chrysosporium ja P. radiata -sienet; (iii) puu, sienen luonnollinen kasvualusta, lisäsi valkolaho- ja ruskolahosienten demetoksylaatiota [O14CH3]-leimatusta ligniinin malliyhdisteestä 14CO2:ksi ilman puuta olleeseen alustaan verrattuna; (iv) demetoksylaatio (14CO2:n tuotto) oli normaalissa ilma-atmosfäärissä useimmiten parempi happeen verrattuna; (v) hapessa paras 14CO2:n tuotto saatiin puupalakasvatuksissa, joihin oli lisätty ravinnetyppeä tai typen lisäksi glukoosia sekä valkolaho- että ruskolahosienillä; (vi) ilmassa 14CO2:n tuotto oli puulla voimakkainta valkolahosienillä ilman lisäravinteita, kun taas G. trabeum -sienellä se oli yhtä hyvä eri alustoissa; (vii) biomassan muodostuminen rihmastojen ergosterolipitoisuuksista mitattuna oli ruskolahosienillä parempi kuin valkolahosienillä; (viii) ja biomassojen huippupitoisuudet olivat 6:lla sienellä eri suuruisia ja niiden maksimimäärien ajankohdat vaihtelivat viiden viikon kasvatusten kuluessa. Mikrobiologian osastolla Viikissä eristetty ja paljon tutkittu P. radiata -valkolahosieni oli mukana kaikissa tehdyissä kokeissa. Sienen LiP-aktiivisuus ja 14CO2:n tuotto 14C-rengas-leimatusta synteettisestä ligniinistä (DHP) korreloivat erittäin hyvin. Biomassan muodostuminen ergosterolilla määritettynä tuki hyvin entsyymiaktiivisuusmittauksilla ja isotooppikasvatuksilla saatuja tuloksia.

Enhanced processing of SPOT multispectral satellite imagery for environmental monitoring and modelling

The Taita Hills in southeastern Kenya form the northernmost part of Africa’s Eastern Arc Mountains, which have been identified by Conservation International as one of the top ten biodiversity hotspots on Earth. As with many areas of the developing world, over recent decades the Taita Hills have experienced significant population growth leading to associated major changes in land use and land cover (LULC), as well as escalating land degradation, particularly soil erosion. Multi-temporal medium resolution multispectral optical satellite data, such as imagery from the SPOT HRV, HRVIR, and HRG sensors, provides a valuable source of information for environmental monitoring and modelling at a landscape level at local and regional scales. However, utilization of multi-temporal SPOT data in quantitative remote sensing studies requires the removal of atmospheric effects and the derivation of surface reflectance factor. Furthermore, for areas of rugged terrain, such as the Taita Hills, topographic correction is necessary to derive comparable reflectance throughout a SPOT scene. Reliable monitoring of LULC change over time and modelling of land degradation and human population distribution and abundance are of crucial importance to sustainable development, natural resource management, biodiversity conservation, and understanding and mitigating climate change and its impacts. The main purpose of this thesis was to develop and validate enhanced processing of SPOT satellite imagery for use in environmental monitoring and modelling at a landscape level, in regions of the developing world with limited ancillary data availability. The Taita Hills formed the application study site, whilst the Helsinki metropolitan region was used as a control site for validation and assessment of the applied atmospheric correction techniques, where multiangular reflectance field measurements were taken and where horizontal visibility meteorological data concurrent with image acquisition were available. The proposed historical empirical line method (HELM) for absolute atmospheric correction was found to be the only applied technique that could derive surface reflectance factor within an RMSE of < 0.02 ps in the SPOT visible and near-infrared bands; an accuracy level identified as a benchmark for successful atmospheric correction. A multi-scale segmentation/object relationship modelling (MSS/ORM) approach was applied to map LULC in the Taita Hills from the multi-temporal SPOT imagery. This object-based procedure was shown to derive significant improvements over a uni-scale maximum-likelihood technique. The derived LULC data was used in combination with low cost GIS geospatial layers describing elevation, rainfall and soil type, to model degradation in the Taita Hills in the form of potential soil loss, utilizing the simple universal soil loss equation (USLE). Furthermore, human population distribution and abundance were modelled with satisfactory results using only SPOT and GIS derived data and non-Gaussian predictive modelling techniques. The SPOT derived LULC data was found to be unnecessary as a predictor because the first and second order image texture measurements had greater power to explain variation in dwelling unit occurrence and abundance. The ability of the procedures to be implemented locally in the developing world using low-cost or freely available data and software was considered. The techniques discussed in this thesis are considered equally applicable to other medium- and high-resolution optical satellite imagery, as well the utilized SPOT data.