Species distribution modeling with Gaussian processes: A case study with the youngest stages of sea spawning whitefish (Coregonus lavaretus L. s.l.) larvae

Läs mer –>Jarno Vanhatalo, Lari Veneranta ja Richard Hudd
Ecological Modelling
Species distribution model; Gaussian process; Spatial random effect; Average predictive comparison; Bayesian modeling; Covariance function
Julkaisuvuosi: 2012

Siian poikasalueiden mallintaminen Pohjanlahdella gaussisella prosessimallilla

Merikutuisen siian poikasalueiden laajuutta selvitettiin Intersik- ja Norrsik –hankkeiden (www.intersik.se) yhteydessä vuosina 2009–2011. Näytteenotoissa kerättiin aineistoa rantanuotalla ja veneeseen kiinnitetyllä Gulf-Olympia -poikasnoutimella yhteensä 575 näytteenottopisteestä, jotka oli sijoitettu 21 osa-alueelle eri puolille Pohjanlahtea.

Siianpoikasten esiintymistietoa verrattiin ympäristömuuttujiin, kuten rantavyöhykkeen profiilin tai näytteenottosyvyyteen sekä paikkatieto-ohjelmistoilla laskettuihin karttamuotoisiin muuttujiin. Tällaisia rasterimuotoisia karttatasoja oli yhteensä 20, ja ne kuvasivat esimerkiksi jäätalven kestoa, rantaviivan pituutta pinta-alaa kohden, etäisyyttä mataliin hiekkarantoihin tai syvään veteen sekä avoimuutta tuulen vaikutukselle. Tutkimuksessa selvitettiin bayesilaiseen todennäköisyysteoriaan pohjautuvan gaussisia prosesseja hyödyntävän luokittelumallin soveltuvuutta siianpoikasten esiintymisalueiden määrittämiseen.

Mallissa esiintymistodennäköisyys riippuu ympäristömuuttujista, joiden avulla malli ennustaa alueille joista havaintoja ei ole kerätty. Rasterimuodossa olevat ympäristömuuttujat eivät selittäneet esiintymistodennäköisyyksien alueellista vaihtelua riittävän hyvin, joten malliin lisättiin alueellista korrelaatiota kuvaava komponentti. Alueellisessa komponentissa esiintymistodennäköisyyksien oletetaan korreloivan muiden alueiden esiintymistodennäköisyyksien kanssa sitä enemmän mitä lähempänä maantieteellisesti alueet ovat toisiaan. Useissa aiemmin julkaistuissa eliöiden levinneisyysalueita kuvaavissa malleissa alueellista ulottuvuutta ei ole huomioitu. Tutkimuksessa gaussisten prosessimallien ennustekykyä verrattiin yleistettyyn lineaariregressiomalliin.

Gaussisen prosessin ominaisuudet määritellään kovarianssifunktiolla ja tulosten perusteella mallin hyvyys riippuu käytetystä kovarianssifunktiosta. Testatuista kovarianssifunktioista neuroverkkokovarianssifunktio tuotti parhaan ennusteosuvuuden, kun malli testattiin sekä kymmenkertaisella ristiinvalidoinnilla että erillisellä vertailuaineistolla. Malli ennusti parhaillaan 81 % poikashavainnoista oikein, jota voidaan pitää varsin hyvänä ennustetodennäköisyytenä näin laajan maantieteellisen alueen kattavalle mallille. Siianpoikasmallista laskettiin esiintymistodennäköisyyskartta koko Pohjanlahden rannikkoalueelle 300 m tarkkuudella. Kartta kuvastaa todennäköisyyttä, että ennusteruudulla esiintyy siianpoikasia.

Gaussisten prosessien etu moniin regressiomenetelmiin nähden on mallin epäparametrisuus, jolloin mallin rakenne ei aseta havaintoaineistoon sovittumiselle hankalia rajoituksia. Epäparametrisuus toisaalta voi heikentää mallin tulkittavuutta esimerkiksi useamman selittävän muuttujan merkitsevyyttä arvioitaessa. Tässä tutkimuksessa yksittäisten muuttujien merkitystä ennustetodennäköisyyteen arvioitiin APC-tekniikalla (Average Predictive Comparison). Merikutuisen siian poikasia esiintyy todennäköisimmin alueilla, joilla jääpeitteinen aika kestää pitkään, etäisyys laaja-alaisiin mataliin hiekkarantoihin on lyhyt ja rannan profiili on erittäin loiva. Siianpoikasia ei juurikaan esiinny ranta-alueen ulkopuolella.

Perinteisesti kalanpoikastutkimuksissa poikasten esiintymistä on selvitetty kartoittamalla esiintymistä yksittäisissä paikoissa tai pienimuotoisilla alueilla. Laajoille alueille toteutettuna tällaiset tutkimukset ovat kalliita ja tulosten tuottaminen vaatii runsaasti aikaa. Käyttämällä uusia kehittyneitä matemaattisia menetelmiä ja suunnattua näytteenottoa, voidaan mallintamalla tuottaa tietoa poikasalueista pinta-alaan suhteutettuna pienillä kustannuksilla. Tässä tutkimuksessa mallintamalla tuotettu kartta esittää tärkeimmät merikutuisen siian poikastuotantoalueet koko Pohjanlahdella.

Voit tarkastella siianpoikasten esiintymistodennäkösyyskarttaa. Kartta on piirretty ilman rannan profiilia ja syvyyttä kuvaavia muuttujia, joten se yliarvioi esiintymistodennäköisyyden avoimilla vesialueilla.

Lisätietoja

Jarno Vanhatalo, Kalatalouden ja ympäristöriskien tutkimusryhmä, Helsingin yliopisto, Helsinki
(jarno.vanhatalo@helsinki.fi)

Lari Veneranta, Riista- ja kalatalouden tutkimuslaitos, Vaasa
(lari.veneranta@rktl.fi)

Richard Hudd, Riista- ja kalatalouden tutkimuslaitos, Vaasa
(richard.hudd@rktl.fi)