Periglasiaalisten ilmiöiden alueellinen ... - Helda - Helsinki.fi

syvyyden ja kosteusolojen kanssa (Matsuoka 2005b: 57). Suurimmat havaintoarvot
esiintyvät korkeuden ja rinteen kaltevuuden ollessa suuria (taulukko 4). Molemmat
mallit selittävät ilmiön esiintymistä hyvin (yli 60 %), GLM-malli hieman GAM-mallia
paremmin. Mallit myös ennustivat jälleen hyvin samanlaisia vastekäyriä. Suurimmat
rinneprosessiarvot on ennustettu keskikorkeuden ollessa noin 800 m mpy ja säteilyn
määrän ollessa pientä. Alhainen säteily sallii roudan tunkeutumisen syvemmälle sekä
vaikuttaa alueen kosteusoloihin (Hjort 2006: 117). Toisaalta säteilyn määrän ylittäessä
0,5 MJ/cm 2 /a rinneprosessiaktiivisuus lähtee uudelleen kohoamaan. Suurempi säteily
lisää mekaanista rapautumista, maanvieremiä lumen sulamisen johdosta sekä
solifluktiota lisääntyneen kosteuden ansiosta (French 2007: 218). Selitetyn hajonnan
perusteella tärkeimpiä selittäviä muuttujia ovat keskikorkeus, rinteenkeskikaltevuus ja
kaarevuus. Hierarkkinen ositus nostaa esiin malleista puuttuvat NDVI:n ja TWI:n, joilla
on suurin itsenäinen vaikutus rinneprosessien esiintymiseen. Vaikka rinneprosesseilla
oli voimakas vaste säteilyyn, on sen merkitys sekä selitetyn hajonnan, että hierarkkisen
osituksen osalta vähäinen. Ongelmana on se, että tutkimuksessa rinneprosesseilla
tarkoitetaan sekä nopeita että hitaita rinneprosesseja. Tällöin vaste säteilyyn voisi olla
tärkeämpi nopeille massaliikunnoille, jolloin esimerkiksi alhainen säteilymäärä voisi
voimistaa mekaanista rapautumista (Hall 1999). Samasta syystä kallioperä on
kuudenneksi tärkein muuttuja hierarkisen osituksen mukaan, sillä kivilajeilla on
tunnetusti suuri merkitys rapautumisprosesseihin (Hall et al. 2002: 594–595; French
2007: 63). Jälleen kerran maaperä ei ole mukana valmiissa GLM-mallissa, vaikka
suurin liike tapahtuu juuri hienojakoisessa routimiselle alttiissa maaperässä kuten
moreenissa (Matsuoka 2001a: 120). Tämän on tuonut esiin hierarkkinen ositus, jonka
mukaan maaperällä on melko suuri, noin 12 % vaikutus rinneprosesseihin.
Molemmat mallit antoivat lähes identtiset alueelliset ennusteet ilmiön esiintymisestä.
Ennusteet ovat hyvin realistisia, sillä suurimmat arvot on ennustettu esimerkiksi Saanan
jyrkimmille rinteille. Pienempiä arvoja on ennustettu Ailakkavaaran ylärinteille, missä
todellisuudessakin on hyvin paljon solifluktiota havaittavissa, mutta pienempialaisena.
Kun verrataan ennustettuja arvoja havaintoihin, huomataan että Spearmanin
korrelaatiokertoimet molemmilla malleilla ovat suuria (Rs (eval) > 0,74) osoittaen
ennusteiden onnistumisen. Myös erot korrelaatioissa kalibraatio- ja evaluointiaineiston
kesken olivat pieniä (esim. GLM, Rs(kal) = 0,790 ja Rs(eval) = 0,754) ja viittaavat
toimivaan malliin (Hjort 2006: 117). Mallien ennusteiden välinen Spearmanin
94