Forskning
 

Forskning vid Biostokastikum, Umeå


Inom skoglig forskning (eller mer allmänt, lantbruksforskning), med dess studier av biologiska, ekonomiska, tekniska och andra relaterade frågor, möter man en mångfald av problem som löses med hjälp av matematisk-statistiska teorier och metoder.

Skoglig matematisk statistik har en lång tradition inom den skogliga forskningen. Genombrottet skedde under 1920-talet. Dessförinnan såg skogsforskare med stor skepsis på de statistiska metoderna. Detta berodde delvis på att de metoder som användes var alltför enkla för att lösa de komplicerade problem som tillämpningarna gav upphov till. Bertil Matérn, som blev den förste innehavaren av proffesuren i skoglig matematisk statistik, anställdes vid Statens skogsforskningsinstitut 1945 (som senare införlivades i Skogshögskolan och Sveriges lantbruksuniversitet) för att hjälpa till med problem som var relaterade till riksskogstaxeringen. Dessa problem innehåller en spatial (och temporal) dimension. Tyvärr fanns det vid den tiden ingen teori inom detta område. Bertil Matérn utvecklade en sådan och blev en av pionjärerna inom den spatiala statistiken.

Trots dessa pionjärarbeten blev användningen av den spatiala statistiken länge blygsam. Huvudanledningen till detta var att problemen är teoretiskt komplexa och kräver stor datorkapacitetet. Men inom t.ex. ekologi och miljöområdet är behovet stort av statistiska metoder och modeller där den spatiala och temporala dimensionen betraktas samtidigt som man måste kunna hantera mycket stora datormängder, som inom fjärranalytiska tillämpningar där satelliter m.m. genererar myriader av data med spatial, temporal och spektral dimension. Alltså, inom skoglig biometri, miljöstatistik, matematisk biologi, etc., krävs alltmer "förfinade" matematisk-statistiska metoder, samtidigt som de allt större datamängderna vi har inom många discipliner av forskning och praktiskt arbete idag kräver ett nytt sätt att tänka: vi behöver kunna prediktera det vanliga, och kunna identifiera, kvantifiera och utvärdera det ovanliga.

Statistiska metoder som tar variation i tid och rum i beaktande har genomgått en snabb utveckling de senaste decennierna, tillsammans med utecklingen av datorkapacitet, som är nödvändig för hanteringen av komplexa modeller, algoritmer och stora mängder data. Den enorma utecklingen av datorkraft, både i termer av hastighet och minnesutrymme, och introduktionen av datorintensiva statistiska tekniker som t.ex. MCMC (Markov Chain Monte Carlo) och olika resamplingtekniker betyder att det som var omöjligt för ett decennium sedan idag är fullt möjligt.

Forskningsverksamhet vid Biostokastikum, Umeå, bedrivs inom följande områden:

Klassificeringstekniker;

Resamplingmetoder;

Wavelets;

Skattningsmetodik under icketradionella antaganden;

Gibbs sampling;

Tidsserieanalys;

Bildanalys;

m.m.