Spatial machine learning approaches for environmental prediction

Abstract

Masinõpet kasutatakse üha enam keskkonnanähtuste geograafiliseks modelleerimiseks olukordades kus otseseid mõõtmisi on vähe. Samas seisneb probleem selles, et masinõppe mudelid eeldavad tavaliselt andmepunktide sõltumatust, kuid keskkonnaandmed on ruumiliselt seotud – lähestikku asuvad kohad on sageli sarnased. See võib muuta mudelite tulemused liialt optimistlikuks või eksitavaks, eriti juhul, kui neid kasutatakse keskkonnaalaste otsuste tegemisel või planeerimisel. Käesolev doktoritöö uurib, kuidas masinõpet saab paremini kohandada ruumiandmetele ning täpsemalt keskendutakse veekvaliteedi seirele. Töös käsitletakse meetodeid, mis arvestavad asjaoluga, et lähestikku asuvad kohad on sageli sarnased, ning analüüsitakse laiemalt masinõppe rakendamise väljakutseid keskkonnaprobleemide lahendamisel. Tulemused näitavad, et kõigile olukordadele sobivat ühtset lahendust ei ole. Masinõppe mudelite loomisel tuleb arvestada mõõtmiste ruumilise jaotusega ning kui hästi need mõõtmised tegelikult modelleeritavat nähtust esindavad. Usaldusväärsete tulemuste saamiseks on oluline mitte lähtuda ainult ühest mudeli täpsusmõõdikust, vaid hinnata ka modelleeritud tulemuse ruumilist mustrit. Masinõppel on suur potentsiaal keskkonnanähtuste, näiteks veekvaliteedi, üleujutuste või mulla omaduste prognoosimisel ruumiandmete põhjal. Kuid selleks, et tulemused oleksid usaldusväärsed, peavad mudelid suutma kirjeldada tegelikke seoseid keskkonnas, mitte ainult andmetes esinevaid juhuslikke mustreid. Machine learning is increasingly used to spatially predict environmental phenomena, especially when field measurements are limited. However, there is a mismatch between how these models work and how environmental data behave: machine learning typically assumes that data points are independent, while in reality, nearby locations tend to be similar. This becomes critical when machine learning is used to support environmental decision-making, as it can lead to overly confident or misleading results. This PhD thesis explores how machine learning can be improved for analysing spatial environmental data, with a particular focus on water quality monitoring. It reviews the main methods for handling spatial dependence and examines broader challenges in applying machine learning to environmental problems. The results show that there is no one-size-fits-all solution: modelling workflows must take into account the spatial distribution of measurements and how well they actually represent the target phenomenon. To produce reliable results, it is important not only to rely on single accuracy metrics but also to validate the spatial patterns of the predictions. Although spatial machine learning has great potential for predicting environmental phenomena, trustworthy results depend on whether the models capture real patterns in nature rather than only patterns in the data.