search query: @keyword forest / total: 7
reference: 6 / 7
« previous | next »
Author:Sulkava, Mikael
Title:Identifying spatial and temporal profiles from forest nutrition data
Spatiaalisten ja ajallisten profiilien tunnistaminen metsän ravinnedatasta
Publication type:Master's thesis
Publication year:2003
Pages:76      Language:   eng
Department/School:Teknillisen fysiikan ja matematiikan osasto
Main subject:Informaatiotekniikka   (T-122)
Supervisor:Hollmén, Jaakko
Instructor:
OEVS:
Electronic archive copy is available via Aalto Thesis Database.
Instructions

Reading digital theses in the closed network of the Aalto University Harald Herlin Learning Centre

In the closed network of Learning Centre you can read digital and digitized theses not available in the open network.

The Learning Centre contact details and opening hours: https://learningcentre.aalto.fi/en/harald-herlin-learning-centre/

You can read theses on the Learning Centre customer computers, which are available on all floors.

Logging on to the customer computers

  • Aalto University staff members log on to the customer computer using the Aalto username and password.
  • Other customers log on using a shared username and password.

Opening a thesis

  • On the desktop of the customer computers, you will find an icon titled:

    Aalto Thesis Database

  • Click on the icon to search for and open the thesis you are looking for from Aaltodoc database. You can find the thesis file by clicking the link on the OEV or OEVS field.

Reading the thesis

  • You can either print the thesis or read it on the customer computer screen.
  • You cannot save the thesis file on a flash drive or email it.
  • You cannot copy text or images from the file.
  • You cannot edit the file.

Printing the thesis

  • You can print the thesis for your personal study or research use.
  • Aalto University students and staff members may print black-and-white prints on the PrintingPoint devices when using the computer with personal Aalto username and password. Color printing is possible using the printer u90203-psc3, which is located near the customer service. Color printing is subject to a charge to Aalto University students and staff members.
  • Other customers can use the printer u90203-psc3. All printing is subject to a charge to non-University members.
Location:P1 Ark Aalto     | Archive
Keywords:self-organizing map
clustering
hidden Markov model
spatial statistics
forest
itseorganisoiva kartta
klusterointi
kätketty Markov-malli
spatiaaliset tilastomenetelmät
metsä
Abstract (fin):Tämä diplomityö on tehty Teknillisen korkeakoulun Informaatiotekniikan laboratorion Intelligent Data Engineering -tutkimusryhmässä yhteistyössä Metsäntutkimuslaitoksen kanssa.

Työssä tutkittiin erilaisten data-analyysimenetelmien avulla männyn- ja kuusenneulasten ravinnepitoisuuksia Suomessa ja Itävallassa vuosilla 1987-2000.
Tavoitteena oli analysoida ravinteiden maantieteellistä ja ajallista jakaumaa sekä yleisesti selvittää minkälainen mittausdatan sisäinen rakenne on.
Kyseessä oli siis varsin selkeästi data-analyysiongelma.
Käytettyjä analyysimenetelmiä olivat spatiaaliset tilastomenetelmät, itseorganisoivan kartan klusterointi sekä aikasarjamallitus.

Työssä selvisi, että spatiaalinen tilastollinen tunnusluku semivarianssi on kohtalaisen käyttökelpoinen, muttei kuitenkaan ällistyttävän hyvä mitta paikallisten ravinnepitoisuuksiin vaikuttavien tekijöiden tutkimiseen.
Lisäksi havaittiin, että mittaustuloksia interpoloimalla voidaan tuottaa miellyttävän näköisiä sekä, datan maantieteellisen rakenteen hahmottamista helpottavia kuvia.

Itseorganisoivan kartan käyttöön perustuva klusterointimenetelmä tuotti uutta tietoa ravinnepitoisuuksien suhteista eri vuosina ja eri paikoissa.
Sen avulla mittaustulokset voitiin jakaa kuuteen ryhmään, joissa kussakin neulasten kasvu ja ravinteiden määrät ovat omanlaisiansa.
Eri ryhmät kuvasivat siis erilaisia metsän kasvuolosuhteita.
Menetelmän antamien tulosten perusteella metsäasiantuntijat pystyivät rakentamaan Suomen metsien kehitystä kuvaavan mallin.

Aikasarja-analyysissä käytetyn kätketyn Markov-mallin avulla saatu kuvaus mittausten ajallisesta rakenteesta ei ollut yhtä informatiivinen kuin muiden tutkittujen menetelmien tulokset.
Mallin avulla saatu datan luokittelu kahteen ryhmään ei antanut erityisen kiinnostavaa tietoa eri mittausten välisistä yhteyksistä.
ED:2003-09-02
INSSI record number: 19903
+ add basket
« previous | next »
INSSI