Bayesian network modelling of complex systems with sparse data : Ecological case studies

This thesis discusses how Bayesian networks can be used to improve data analytics in the field of environmental assessment and management. The data-analytic challenge is that ecosystems are complex and potentially changing, while the available data are relatively sparse both in terms of the number of observations and in which ecosystem components they cover. This thesis takes steps towards better analysis of these sparse data through combining pre-existing, uncertain information such as modelling results and expert knowledge with modern, probabilistic data analysis. The first theme of the thesis is how variable discretization in Bayesian network classifiers, particularly tree-augmented Naïve Bayes, can help understand the relationships between environmental factors at different levels. This work explores different discretizations of the class variable and discusses the implications of the differences between the resulting models, and contributes to the still relatively quiet discussion about discretization schemes in Bayesian networks. The second theme is detecting change in the ecological processes based on the sparse, often noisy data. This thesis builds dynamic Bayesian network models to detect change in the Central Baltic Sea ecosystem interactions, and explores the effect of different model structures in detecting the ecosystem change. It is shown that the hidden variables of the models can identify ecosystem change, and that this result does not depend on the exact model structure or hidden variable set-up. The third theme is decision support models that aim to integrate information regarding all interlinked aspects of the decision problem such as different parts of the ecosystems as well as economic and societal considerations. To be useful, decision support models need to be able to provide estimates of uncertainty of the different assessments and projections. This thesis reviews and evaluates various uncertainty assessment methods. Further, this thesis builds a large probabilistic meta-model to demonstrate how a Bayesian network based decision support model can be used to summarise a large body of research and model projections about potential management alternatives and climate scenarios Bayesian networks are showing their strength for different tasks of environmental data analytics. Elegant handling of missing data, explicit and rigorous handling of uncertainty, and the possibility to use prior scientific knowledge and data together in analyses in a transparent way are strong advantages for Bayesian analysis for environmental data that often contain missing values and are scarce. In addition to being flexible and, thus, able to integrate different types of information and data, they are transparent, allowing critical assessment and discussion of the models. This is important as environmental data analytics are often used to support decision making on the use of ecosystems, affecting the lives of current and future generations.Ekosysteemit ovat monimutkaisia vuorovaikutusten verkostoja, joissa lukuisat lajit ja elinympäristöt sekä paikalliset ja laaja-alaiset, hitaat, nopeat ja sykliset prosessit ovat keskenään jatkuvassa vuorovaikutuksessa. Ympäristöaineistot kattavat usein vain verraten pienen osan kaikesta lajistosta ja prosesseista, ja saattavat sisältää ajallisia ja paikallisia aukkoja. Lisäksi pitkätkin seuranta-aikasarjat ovat usein vain kymmenien vuosien mittaisia, mikä usein tarkoittaa vain kymmeniä datapisteitä. Tämä tekee ympäristödata-analyysistä haastavaa. Haastavuutta lisää entisestään ekosysteemien muutos esim. ilmastonmuutoksen, vieraslajien, elinympäristöjen muutokset ym. seurauksena. Tässä väitöskirjassa tutkitaan Bayes-verkkojen potentiaalia ympäristödata-analytiikassa. Bayes-verkot eivät vaadi täydellisiä data-aineistoja, ne ilmaisevat arvioihin liittyvän epävarmuuden, ja niiden avulla on mahdollista yhdistää tietoa eri lähteistä, kuten tieteellistä tietoa ja data-aineistoja. Nämä ominaisuudet tekevät niistä lupaavan työkalun ympäristödata-analyysiin. Väitöskirjan ensimmäinen teema on tutkia, miten muuttujien diskretointi vaikuttaa Bayes-verkkoluokittelijoiden tuloksiin, ja miten tätä voi hyödyntää analytiikassa. Toisena teemana on ympäristömuutosten havaitseminen aikasarja-aineistosta piilomuuttujien avulla. Kolmas teema on päätöstukimallit ja se, mitä on huomioitava, jotta nämä monitieteiset mallit ovat tieteellisesti valideja