Making better use of sample data: estimation of plant abundance and associated uncertainties

Miljöövervakning har fått allt större betydelse i samband med globala miljöförändringar. Ett ökande antal direktiv och rapporteringskrav utfärdas, vilket kräver utveckling av metoder som stärker användandet av data från miljöövervakningsprogram och som ger relevant information om statusen för skogar och landskap. Nationella övervakningsprogram, som Riksskogstaxeringen och Nationell Inventering av Landskapet i Sverige (NILS), fungerar som viktiga infrastrukturer för att beskriva och analysera tillstånd och förändringar som sker i miljön. Dessa program representerar stora men underutnyttjade möjligheter som bas för grundläggande och avancerad forskning. Det primära målet med denna avhandling är att skapa och implementera nya verktyg för att analysera närvaro-/frånvaro-data (N/Fdata) som härrör från miljöövervakningsprogram. Även om området för rumslig statistik har utforskats i stor utsträckning, kvarstår utmaningar med att koppla N/Fdata till planttäthet, vilket motiverar ytterligare studier. Ett syfte med denna avhandling är därför att skatta planttäthet både lokalt och över större geografiska regioner för olika arter baserat på N/F-data. Planttäthet skattas via modeller för den rumsliga fördelningen av växter, med ickehomogena punktprocessmodeller som kan ta hänsyn till olika typer av punktmönster över landskapet, samt genom att integrera geografisk kovariatinformation i beräkningarna. För att utvärdera skattningar av planttäthet och tillhörande osäkerhet i skattningar tillämpas metoderna på såväl faktiska fältdata som simulerade data. Resultaten är lovande och belyser potentialen hos N/F-data inom miljöanalys. Ett annat mål med avhandlingen är att ta fram tillförlitliga skattningar av osäkerhet i olika sammanhang, med en specifik studie som behandlar olika osäkerhetskällor inom modellbaserad inferens (papper IV). Den studien visar att för t.ex. en predikterad mängd biomassa ger variansen en bra approximation av osäkerhet vid storskaliga undersökningar, medan andra komponenter kan få större betydelse ifall studieområdet är mindre.