Towards more useful water information - methods for fine-scale spatial estimation

dc.contributorAalto-yliopistofi
dc.contributorAalto Universityen
dc.contributor.advisorKummu, Matti, Assoc. Prof., Aalto Universty, Finland
dc.contributor.advisorGuillaume, Joseph H.A., Dr., Australian National University, Australia
dc.contributor.authorKallio, Marko
dc.contributor.departmentRakennetun ympäristön laitosfi
dc.contributor.departmentDepartment of Built Environmenten
dc.contributor.labGeoinformatics Research Groupen
dc.contributor.schoolInsinööritieteiden korkeakoulufi
dc.contributor.schoolSchool of Engineeringen
dc.contributor.supervisorVirrantaus, Kirsi, Prof., Aalto University, Department of Built Environment, Finland
dc.date.accessioned2022-05-13T09:00:10Z
dc.date.available2022-05-13T09:00:10Z
dc.date.defence2022-05-27
dc.date.issued2022
dc.description.abstractThe world is facing unprecedented environmental issues caused by global environmental change. Knowledge about these issues is often created with the use of global environmental models. The solutions to the issues, however, need local-scale actions, and information at the local scale can be scarce. There is, therefore, a need to bridge the gap between the coarse model outputs and the local use case. This dissertation develops and tests methodologies that help to produce fine-scale estimates – i.e., downscaling methodologies – and understanding from a coarser starting point with limited data availability, focusing on an environmental modelling related to water scarcity estimates. The four case studies included in this dissertation cover three main methods with different aims. First, understanding of processes to explain water poverty is built with the help of a computational model. I show that a combination of geographically weighted principal component analysis and a composite index is an effective way to increase understanding of the spatial variation in those processes, as opposed to a coarse, aggregated view. Its usefulness, however, is critically dependent on the knowledge of the expert. Second, I test the capabilities of the advanced areal interpolation methods dasymetric mapping/modelling and pycnophylactic interpolation in downscaling environmental model outputs (runoff generation). I show that areal interpolation is highly useful due to its ability to address spatial errors in the downscaled runoff estimates, correcting for wider spatial autocorrelation structure in the output. The ancillary data used to estimate internal spatial variation, however, needs to provide an accurate representation of the processes dominant at the finer scale. Third, hydrological routing component of distributed global hydrological models are replaced with a higher resolution alternative, producing finer scale estimates of streamflow. I show that when multiple global hydrological model outputs are used together in an ensemble, their outputs can be used effectively in a local context. The three strategies for producing fine scale estimates, are useful because they reduce the amount of resources – time, money, data, and expertise – needed to produce locally relevant information from coarse resolution datasets, provided they are used in appropriate contexts and consider the limitations I discuss. For water scarcity assessments in particular, the methods increase the potential of identifying dominant processes driving water scarcity, and increase the usefulness of existing global hydrological data products in local contexts for various research and decision-making scenarios.en
dc.description.abstractMaailmaa kohtaa ennennäkemätön ympäristön muutos ihmisen toiminnan seurauksena. Käsitys ympäristön muutoksista luodaan yleensä erilaisten globaalien ympäristömallien avulla. Ratkaisut ympäristönmuutoksen aiheuttamiin ongelmiin ratkaistaan kuitenkin paikallisesti tasolla, jolle ei välttämättä ole tarkkaa paikallista tietoa saatavilla. Tarvitsemme siis menetelmiä, joilla globaali ymmärrys ympäristönmuutoksesta voidaan tulkata paikallisesti hyödylliseksi informaatioksi. Tässä väitöskirjassa kehitän ja testaan menetelmiä, jotka auttavat tuottamaan paikallisesti hyödyllistä informaatiota globaaleista ympäristömalleista puutteellisen tiedon varassa. Keskityn erityisesti vedenniukkuuteen. Neljässä tapaustutkimuksessa esittelen kolme menetelmää, joilla jokaisella on eri tarkoitus. Ensimmäisessä tapaustutkimuksessa selvitetään vesiköyhyyden syitä kuvailevan laskennallisen menetelmän avulla. Osoitan, että maantieteellisesti painotetun pääkomponenttianalyysin ja vesiköyhyysindeksin avulla voidaan tehokkaasti tuottaa tietoa spatiaalisesti muuttuvista paikallisista vesiköyhyyttä selittävistä tekijöistä. Menetelmän hyödyllisyys on kuitenkin kriittisesti riippuvainen käyttäjän asiantuntijuudesta. Toisessa menetelmässä testaan älykkäiden alueellisten interpolointimenetelmien hyödyllisyyttä valuman tarkempaan arviointiin globaalien mallien pohjalta. Menetelmä on erityisen hyödyllinen sen vinoumaa korjaavien ominaisuuksien vuoksi – karkean lähtödatan laajempi spatiaalinen korrelaatiorakenne säilyy menetelmää käytettäessä. Interpolointia avustavan datan tulee kuitenkin pystyä kuvaamaan tarkemman mittakaavan vallitsevat prosessit. Kolmannessa menetelmässä globaalien hydrologisten mallien käyttämä karkea reititysalgoritmi vaihdetaan tarkemman resoluution vaihtoehtoon. Tutkimus osoittaa, että erityisesti käytettäessä montaa eri lähtömallia, voidaan niiden yhdistelmällä luoda riittävän tarkka kuva jokien virtaamista paikallisessa kontekstissa. Työssä esitetyt kolme strategiaa tarkemman spatiaalisen estimoinnin tekemiseen ovat hyödyllisiä koska ne vähentävät resurssien – aika, raha, data, ja asiantuntijuus – määrää, joka tarvitaan paikallisesti hyödyllisen tiedon tuottamiseen, mikäli niitä käytetään kunkin metodin rajoitteiden mukaisesti. Menetelmät helpottavat vedenniukkuusarvioinneissa tarpeellisen paikallisen prosessiymmärryksen luomista, ja lisäävät olemassa olevien karkean spatiaalisen erotuskyvyn hydrologisten tietolähteiden hyödyllisyyttä vedenniukkuusarviointien tekemiseen.fi
dc.format.extent80 + app. 92
dc.format.mimetypeapplication/pdfen
dc.identifier.isbn978-952-64-0797-5 (electronic)
dc.identifier.isbn978-952-64-0796-8 (printed)
dc.identifier.issn1799-4942 (electronic)
dc.identifier.issn1799-4934 (printed)
dc.identifier.issn1799-4934 (ISSN-L)
dc.identifier.urihttps://aaltodoc.aalto.fi/handle/123456789/114217
dc.identifier.urnURN:ISBN:978-952-64-0797-5
dc.language.isoenen
dc.opnComber, Alexis, Prof., University of Leeds, UK
dc.opnMelsen, Lieke, Asst. Prof., Wageningen University, Netherlands
dc.publisherAalto Universityen
dc.publisherAalto-yliopistofi
dc.relation.haspart[Publication 1]: Kallio, M., Guillaume, J.H.A., Kummu, M., Virrantaus, K. (2018). Spatial Variation in Seasonal Water Poverty Index for Laos: An Application of Geographically Weighted Principal Component Analysis. Social Indicators Research, 140, 1131–1157. Full text in Acris/Aaltodoc: http://urn.fi/URN:NBN:fi:aalto-201802091408. DOI: 10.1007/s11205-017-1819-6
dc.relation.haspart[Publication 2]: Kallio, M., Virkki, V., Guillaume, J.H.A., van Dijk, A.I.J.M. (2019). Downscaling runoff products using areal interpolation: a combined pycnophylacticdasymetric method. In El Sawah, S. (ed.) MODSIM2019, 23rd International Congress on Modelling and Simulation. Full text in Acris/Aaltodoc: http://urn.fi/URN:NBN:fi:aalto-202001021018. DOI: 10.36334/modsim.2019.K8.kallio
dc.relation.haspart[Publication 3]: Kallio, M., Guillaume, J.H.A., Burek, P., Tramberend, S., Smilovic, M., Horton, A., Virrantaus, K. Unpacking dasymetric modelling to correct spatial bias in environmental model outputs. Manuscript submitted to Environmental Modelling & Software and subsequently accepted for review
dc.relation.haspart[Publication 4]: Kallio, M., Guillaume, J.H.A., Virkki, V., Kummu, M., Virrantaus, K. (2021). Hydrostreamer v1.0 – improved streamflow predictions for local applications from an ensemble of downscaled global runoff products. Geoscientific Model Development, 14(8), 5155-5181. Full text in Acris/Aaltodoc: http://urn.fi/URN:NBN:fi:aalto-202109028831. DOI: 10.5194/gmd-14-5155-2021
dc.relation.ispartofseriesAalto University publication series DOCTORAL THESESen
dc.relation.ispartofseries65/2022
dc.revComber, Alexis, Prof., University of Leeds, UK
dc.revTeutschbein, Claudia, Asst. Prof., Uppsala University, Sweden
dc.subject.keywordgeoinformaticsen
dc.subject.keywordenvironmental modellingen
dc.subject.keywordhydrologyen
dc.subject.keyworddownscalingen
dc.subject.keywordprocess understandingen
dc.subject.keywordwater scarcityen
dc.subject.keywordareal interpolationen
dc.subject.keyworddasymetric modellingen
dc.subject.keywordgeoinformatiikkafi
dc.subject.keywordhydrologiafi
dc.subject.keywordvedenniukkuusfi
dc.subject.keywordalueellinen interpolointifi
dc.subject.keywordympäristömallinnusfi
dc.subject.otherGeoinformaticsen
dc.subject.otherHydrologyen
dc.titleTowards more useful water information - methods for fine-scale spatial estimationen
dc.titleKohti hyödyllisempää vesi-informaatiota - menetelmiä tarkempaan spatiaaliseen estimointiinfi
dc.typeG5 Artikkeliväitöskirjafi
dc.type.dcmitypetexten
dc.type.ontasotDoctoral dissertation (article-based)en
dc.type.ontasotVäitöskirja (artikkeli)fi
local.aalto.acrisexportstatuschecked 2022-05-27_1255
local.aalto.archiveyes
local.aalto.formfolder2022_05_12_klo_15_26
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
isbn9789526407975.pdf
Size:
2.11 MB
Format:
Adobe Portable Document Format