Bayes-malleja paleoilmaston rekonstruktioon
Väitöstilaisuuden tiedot
Väitöstilaisuuden päivämäärä ja aika
Väitöstilaisuuden paikka
Linnanmaa, OP-sali (L10)
Väitöksen aihe
Bayes-malleja paleoilmaston rekonstruktioon
Väittelijä
Filosofian maisteri Liisa Ilvonen
Tiedekunta ja yksikkö
Oulun yliopiston tutkijakoulu, Luonnontieteellinen tiedekunta, matematiikka
Oppiaine
Sovellettu matematiikka
Vastaväittäjä
Professori John Haslett, Trinity College Dublin, Irlanti
Kustos
Professori Lasse Holmström, Oulun yliopisto
Menneen ilmaston rekonstruointi Bayes-malleja käyttäen
Ilmastonmuutos on yksi nykypäivän suurista puheenaiheista. Jotta tulevia muutoksia voidaan ymmärtää ja ennustaa, täytyy olla tietoa menneiden vuosituhansien ilmasto-oloista. Väitöskirjassa esitellään uusia, vaihtoehtoisia tapoja, joilla saadaan mallinnettua menneisyyden ympäristömuuttuujien arvoja.
Vaikka esimerkiksi mitattuja lämpötiloja on vain noin viimeisen 100-200 vuoden ajalta, erilaiset indikaattorimuuttujat (puiden vuosirenkaat, jääkairausnäytteet, järvien pohjasedimentteihin jääneet fossiiliset siitepölyhiukkaset) kertovat epäsuorasti ilmastosta useiden tuhansien vuosien takaa. Indikaattorimuuttujien käyttäminen menneiden ilmasto-olosuhteiden selvittämisessä on mahdollista, koska indikaattori- ja ympäristömuuttujien välille voidaan rakentaa matemaattinen malli. Lisäksi indikaattorimuuttujille ja mallinnettaville ympäristömuuttujille tiedetään nykyiset arvot, mikä mahdollistaa menneitten arvojen mallintamisen sopivaa matemaattista mallia käyttämällä.
Tutkimuksessa mallinnetaan ympäristömuuttujista ilman lämpötiloja ja sademääriä noin viimeisen 10 000 vuoden ajalta. Mallinnus perustuu järvien pohjasedimenteistä ja soista kairattuihin näytteisiin (koorit), jotka sisältävät fossiilista siitepölyä. Lämpötiloja mallinnetaan Suomen, Ruotsin, Viron ja Venäjän alueelta ja sademääriä Kiinasta. Menetelmänä käytetään Bayes-mallinnusta. Bayes-mallinnuksen etuna on se, että menetelmä sallii ennakkotiedon huomioimisen mallinnuksessa ja lisäksi lopputuloksena saadaan koko jakauma eikä pelkkää piste-estimaattia toisin kuin esimerkiksi perinteisesti käytetyssä WA-PLS (weighted averaging partial least squares regression) -menetelmässä.
Väitöskirjassa esitellään kolme hierarkkista Bayes-mallia ympäristömuuttujien mallintamiseen. Mallin I eli perusmallin avulla voidaan tuottaa ympäristömuuttujan arvot yhdelle koorille kerrallaan. Malli I ei siis huomioi riippuvuuksia mallinnettavien koorien välillä. Väitöskirjan pääansio onkin perusmallin laajentaminen kahdella tavalla: Malli II eli spatio-temporaalinen malli tuottaa ympäristömuuttujan arvot usealle koorille samanaikaisesti huomioiden myös koorien maantieteellisiin sijainteihin liittyvät riippuvuudet ja koorien aikapisteisiin liittyvät ajalliset riippuvuudet. Koska todellisuudessa kaukana menneisyydessä olevien aikapisteiden ikä on epävarma, on lisäksi laadittu Malli III, jossa Malliin I lisätään aikapisteisiin liittyvän epävarmuuden käsittely.
Vaikka esimerkiksi mitattuja lämpötiloja on vain noin viimeisen 100-200 vuoden ajalta, erilaiset indikaattorimuuttujat (puiden vuosirenkaat, jääkairausnäytteet, järvien pohjasedimentteihin jääneet fossiiliset siitepölyhiukkaset) kertovat epäsuorasti ilmastosta useiden tuhansien vuosien takaa. Indikaattorimuuttujien käyttäminen menneiden ilmasto-olosuhteiden selvittämisessä on mahdollista, koska indikaattori- ja ympäristömuuttujien välille voidaan rakentaa matemaattinen malli. Lisäksi indikaattorimuuttujille ja mallinnettaville ympäristömuuttujille tiedetään nykyiset arvot, mikä mahdollistaa menneitten arvojen mallintamisen sopivaa matemaattista mallia käyttämällä.
Tutkimuksessa mallinnetaan ympäristömuuttujista ilman lämpötiloja ja sademääriä noin viimeisen 10 000 vuoden ajalta. Mallinnus perustuu järvien pohjasedimenteistä ja soista kairattuihin näytteisiin (koorit), jotka sisältävät fossiilista siitepölyä. Lämpötiloja mallinnetaan Suomen, Ruotsin, Viron ja Venäjän alueelta ja sademääriä Kiinasta. Menetelmänä käytetään Bayes-mallinnusta. Bayes-mallinnuksen etuna on se, että menetelmä sallii ennakkotiedon huomioimisen mallinnuksessa ja lisäksi lopputuloksena saadaan koko jakauma eikä pelkkää piste-estimaattia toisin kuin esimerkiksi perinteisesti käytetyssä WA-PLS (weighted averaging partial least squares regression) -menetelmässä.
Väitöskirjassa esitellään kolme hierarkkista Bayes-mallia ympäristömuuttujien mallintamiseen. Mallin I eli perusmallin avulla voidaan tuottaa ympäristömuuttujan arvot yhdelle koorille kerrallaan. Malli I ei siis huomioi riippuvuuksia mallinnettavien koorien välillä. Väitöskirjan pääansio onkin perusmallin laajentaminen kahdella tavalla: Malli II eli spatio-temporaalinen malli tuottaa ympäristömuuttujan arvot usealle koorille samanaikaisesti huomioiden myös koorien maantieteellisiin sijainteihin liittyvät riippuvuudet ja koorien aikapisteisiin liittyvät ajalliset riippuvuudet. Koska todellisuudessa kaukana menneisyydessä olevien aikapisteiden ikä on epävarma, on lisäksi laadittu Malli III, jossa Malliin I lisätään aikapisteisiin liittyvän epävarmuuden käsittely.
Viimeksi päivitetty: 23.1.2024