Detecting Spatial Patterns of Tundra Plant Communities Using High-Resolution Multi and Hyperspectral Imagery

Arktisen alueen ekosysteemien yhteisörakenne on suuren muutoksen edessä lämpenemisen, varvuuntumisen, ikiroudan sulamisen ja muiden ympäristömuutosten myötä. Näiden ekosysteemien tilallisen heterogeenisyyden takia tällaisten muutosten paikallisen tason ymmärtäminen vaatii korkean resoluution aineist...

Full description

Bibliographic Details
Main Author: Putkiranta, Pauli
Other Authors: Helsingin yliopisto, Bio- ja ympäristötieteellinen tiedekunta, University of Helsinki, Faculty of Biological and Environmental Sciences, Helsingfors universitet, Bio- och miljövetenskapliga fakulteten
Format: Master Thesis
Language:English
Published: Helsingin yliopisto 2023
Subjects:
Online Access:http://hdl.handle.net/10138/358737
Description
Summary:Arktisen alueen ekosysteemien yhteisörakenne on suuren muutoksen edessä lämpenemisen, varvuuntumisen, ikiroudan sulamisen ja muiden ympäristömuutosten myötä. Näiden ekosysteemien tilallisen heterogeenisyyden takia tällaisten muutosten paikallisen tason ymmärtäminen vaatii korkean resoluution aineistoa. Satelliitti- ja ilmakuvat ovat muodostuneet vakiomenetelmäksi laajojen alueiden ja rakenteiden kartoittamisessa. Sensoriteknologian kehitys, miehittämättömien lennokkien leviäminen sekä prosessorien tehostuminen mahdollistavat korkeampien spatiaali- ja spektraaliresoluutioiden käytön. Näin ollen tarkempia ekologisia havaintoja voidaan tehdä kaukokartoitusmenetelmin Tässä tutkielmassa arvioin kuinka kasvava spektraaliresoluutio vaikuttaa matalakasvuisin tunturinummen kasviyhteisöjen kaukokartoitukseen perustuvaan mallinnukseen. Laajaan kenttäaineistoon pohjaten arvioin biomassaa, lehtipinta-alaa, lajien lukumäärää, Shannonin biodiversiteetti-indeksiä sekä sumeita yhteisöklustereita. Mallinnan nämä satunnaisilla metsillä käyttäen eri spektraali-, spatiaali- ja ajallisten ominaisuuksien kuva-aineistoja sekä topografista aineistoa. Lopuksi yleistän mallit kasvillisuuskartoiksi. Lehtipinta-ala ja biomassa ennustuvat parhaiten 0,64 ja 0,59 selitysasteilla, ja multispektriaineisto on tärkein selittäjä. Biodiversiteettimuuttujat selittyvät parhaiten 0,40–0,50 selitysasteilla niin, että tärkeimmät selittävät muuttujat ovat topografisia ja hyperspektrisiä. Yhteisöklustereiden kuuluvuusarvojen selitysasteet ovat parhaimmillaan 0,27–0,53, ja tärkeimmät selittävät muuttujat vaihtelevat yhteisöklusterista toiseen. Näitä tuloksia soveltaen voi arvioida eri korkean resoluution kaukokartoitusmenelmiä vastaavien kasviyhteisöjen mallintamiseen. Arctic ecosystems face drastic changes in community structure due to warming, shrubification, permafrost loss, and other environmental changes. Due to the spatial heterogeneity of these ecosystems, understanding such changes on a local scale requires high-resolution data. Earth observation ...