Ajankohtaista

Väitös: 17.9. Uusi luokittelumenetelmä pohjaeläinten tunnistamiseksi (Ärje)

Alkamisaika: lauantai 17. syyskuuta 2016, 12.00

Päättymisaika: lauantai 17. syyskuuta 2016, 15.00

Paikka: Seminaarinmäki, S212, vanha juhlasali

Johanna Ärje kuva: Nanni Koski
FM Johanna Ärjen tilastotieteen väitöskirjan ”Improving statistical classification methods and ecological status assessment for river macroinvertebrates” tarkastustilaisuus. Vastaväittäjänä professori Giovanna Jona-Lasinio (the DSS-University of Rome, La Sapienza, Italia) ja kustoksena yliopistonlehtori Salme Kärkkäinen (Jyväskylän yliopisto). Väitöstilaisuus on englanninkielinen.

Johanna Ärje tehosti tutkimuksessaan tilastotieteen keinoin pohjaeläinten biologista seurantaa ja tarkensi siihen perustuvaa vesistöjen ekologisen tilan arviointia. Hän kehitti yhteistyössä Suomen Ympäristökeskuksen kanssa koneellisen luokittelumenetelmän pohjaeläinlajien tunnistamiseksi näytteistä sekä tutki pohjaeläimistä laskettavan PMA-indeksin tilastollisia ominaisuuksia. Lisäksi hän selvitti pohjaeläinten tunnistamisessa tapahtuvien virheiden vaikutusta PMA:han ja muihin yleisesti käytettyihin biologisiin indekseihin.

Pohjaeläimet ovat vesistöjen pohjalla eläviä pieniä selkärangattomia eläimiä, jotka reagoivat nopeasti ympäristön tilan muutoksiin. Eri pohjaeläinlajeilla on erilaisia herkkyyksiä tietyille ympäristöpaineille, kuten saasteille ja rehevöitymiselle, ja muutokset pohjaeläinyhteisöjen lajikoostumuksessa voivat kertoa hienovaraisista ihmistoiminnan aiheuttamista muutoksista pitkälläkin aikavälillä.

Ärje kehitti pohjaeläinyksilöistä otettuihin kuviin perustuvan luokittelumenetelmän, jolla voidaan automatisoida ja nopeuttaa pohjaeläinnäytteiden tunnistamista. Kyseinen RBA-luokittelumenetelmä (Random Bayes Array) soveltuu pohjaeläinkuvien kaltaisille haastaville aineistoille, joissa on paljon selittäviä muuttujia ja tunnistettavia lajeja, mutta vain vähän havaintoja per laji.

Ympäristöhallinnon seurantaan kohdistuvat selkeät muutospaineet. Vaikka EU:n vesipuitedirektiivi edellyttää entistä laajempaa biologista seurantaa, siihen käytettävää rahoitusta vähennetään. Vesistöjen ekologisen tilan arviointi perustuu osittain pohjaeläinnäytteistä laskettavaan PMA-indeksiin (Percent Model Affinity), jossa verrataan näytteessä havaittuja lajien runsaussuhteita puhtaan vesistön näytteistä koottuun vertailupopulaatioon.

Ärje tarkasteli PMA-indeksin odotusarvoa ja varianssia, sillä niiden avulla voidaan selvittää muun muassa, miten näytteessä havaittujen lajien määrä tai näytteen koko vaikuttavat indeksin arvoon. Näin voidaan arvioida, ovatko eri näytteiden PMA-arvot vertailukelpoisia keskenään. Tuntemalla indeksin ominaisuudet tarkennetaan siihen perustuvaa vesistöjen ekologista tila-arviointia ja saatetaan esimerkiksi välttää tarpeettomia kunnostustoimenpiteitä.

Koska pohjaeläinnäytteiden tunnistamisessa tapahtuu virheitä – tehtiin tunnistaminen koneellisesti tai asiantuntijan toimesta – on tärkeää ymmärtää, miten nuo virheet vaikuttavat näytteistä laskettavien indeksien arvoihin. Väitöskirjassa on tutkittu usean eri luokittelumenetelmän tekemien luokitteluvirheiden vaikutusta yleisesti käytettyihin biologisiin indekseihin. Simulaatiokokeista saatujen tulosten pohjalta voidaan antaa suosituksia siitä, mitkä indeksit ovat vähiten herkkiä luokitteluvirheille ja siten luotettavimpia.

Lisätietoja:

Johanna Ärje, johanna.arje@jyu.fi, puh. 0456332948
Viestintäharjoittelija Petra Toivanen, tiedotus@jyu.fi puh. 040 805 3638

Johanna Ärje on kirjoittanut ylioppilaaksi Kotkan Lyseon lukiosta vuonna 2004. Hän aloitti tilastotieteen opinnot Jyväskylän yliopistossa 2004 ja valmistui filosofian maisteriksi vuonna 2010. Tämän jälkeen hän on ollut tohtorikoulutettavana Jyväskylän yliopiston matematiikan ja tilastotieteen laitoksella COMAS-tutkijakoulun, Maj ja Tor Nesslingin säätiön, Ellen ja Artturi Nyyssösen säätiön sekä Suomen Akatemian tukemana.

Väitöskirja on julkaistu sarjassa University of Jyväskylä, Department of Mathematics and Statistics, Report 156, Jyväskylä 2016, ISSN 1457-8905, ISBN 978-951-6706-2. Luettavissa JYX-arkistossa: http://urn.fi/URN:ISBN:978-951-39-6707-9 Väitöskirjaa saa Jyväskylän yliopiston kirjaston julkaisuyksiköstä, puh. 040 805 3825, myynti@library.jyu.fi

 

Abstract

Aquatic ecosystems are facing a growing number of human-induced stressors and the need to implement more biomonitoring to assess the ecological status of water bodies is eminent. This dissertation aims at providing tools to reduce the costs and improve the accuracy of freshwater benthic macroinvertebrate biomonitoring. To improve the cost-efficiency, we consider automated classification and develop a novel classifier suitable for complex macroinvertebrate image data. To enhance the accuracy of macroinvertebrate biomonitoring, we study the statistical properties of the Percent Model Affinity index crucial to current Finnish biomonitoring and the factors affecting these statistics. Finally, we perform a simulation study to analyze how different biological indices are affected by misclassifications in automated identification of macroinvertebrates.

Lisätietoja

Tohtorikoulutettava Johanna Ärje
johanna.arje@jyu.fi
0456332948
kuuluu seuraaviin kategorioihin: ,