Local diversity characteristics and hotspot detection in heterogeneous point patterns

Nykyteknologia mahdollistaa erittäin suurten ja monimuotoisten spatiaalisten pisteaineistojen keruun, kuten kokonaisen maan puuston tai kudosnäytteen kaikkien solujen kartoituksen. Näiden aineistojen tehokas analysointi edellyttää uusia tilastollisia menetelmiä. DIVSPOT-hankkeen tavoitteena on kehittää menetelmiä paikallisten monimuotoisuuspiirteiden mittaamiseen, estimointiin ja visualisointiin suurissa ja heterogeenisissa pisteaineistoissa sekä tarjota käytännön työkaluja uusien ilmiöiden tunnistamiseen.

Menetelmiä tarvitaan esimerkiksi ympäristön seurannassa ja syöpätutkimuksessa, joissa on keskeistä tunnistaa alueita joilla monimuotoisuus on erityisen suurta tai merkityksellistä. Nykyiset menetelmät ovat riittämättömiä sekä laskennallisesti että tilastollisesti, mikä heikentää tutkimuksen laatua ja laskee uusien aineistojen käyttöastetta.

Hanke hyödyntää pisteprosessien teoriaa ja spatiaalista tilastotiedettä kehittääkseen luotettavia ja tehokkaita tapoja analysoida monimuotoisuutta, tunnistaa hotspot-alueita sekä soveltaa tuloksia ekologian ja lääketieteen keskeisiin tutkimuskysymyksiin yhteistyössä alojen asiantuntijoiden kanssa.