Abstract A conceptual framework was developed to assess how changes in temperature and precipitation affect sub-surface hydrology, groundwater recharge, groundwater quantity and quality. A conceptual and statistical approach was developed to predict groundwater level variations. Daily rainfall, snowmelt and evapotranspiration values were generated with a novel conceptual hydrological model developed in this study. These values were cross-correlated with observed groundwater levels to find representative time lags and significant correlations. A statistical model linking rainfall, snowmelt, evapotranspiration and groundwater level was then developed and validated. The model simulated seasonal variations in groundwater level very accurately. A sequential approach was developed to assess surface water-groundwater interactions. The simulated surface water level estimated with the WSFS model and recharge estimated with CoupModel were linked to the groundwater flow model MODFLOW. Groundwater, surface water and snow samples were collected to study the chemical composition of groundwater in an unconfined esker aquifer in Northern Finland. Concentrations of Ca2+, Cl-, NO3-N and SiO2 and electrical conductivity were determined. Water quality in the main aquifer was found to be similar to that in the perched groundwater. Solute concentrations generally decreased during and immediately after snowmelt periods, indicating the importance of snowmelt input for groundwater quality. In the perched groundwater, NO3-N concentration increased with elevated groundwater level, indicating a nitrogen source on the land surface. The Cl- concentration in groundwater decreased when the surface water level rose higher than groundwater level. According to simulation results for the A1B climate change scenario, groundwater recharge is projected to increase in winter months due to increased snowmelt and decreased soil frost depth. The spring snowmelt peak in late spring will decrease. This will reduce aquifer storage in early spring, increasing the vulnerability to summer droughts. It is projected that flow regimes between unconfined aquifers and surface water may change, affecting water quantity and possibly quality in groundwater systems. / Tiivistelmä Tässä työssä kehitettiin konseptuaalinen viitekehysmalli, jolla voidaan arvioida kuinka muutokset lämpötilassa ja sadannassa vaikuttavat hydrologiaan, pohjaveden muodostumiseen, pohjaveden määrään ja laatuun. Tässä työssä kehitettiin ja yhdistettiin konseptuaalinen ja tilastomatemaattinen regressiomalli, jolla voidaan simuloida pohjaveden pinnankorkeuden muutoksia. Konseptuaalisella mallilla laskettiin päivittäinen sadanta, lumen sulanta ja haihdunta. Havaitut pohjaveden pinnankorkeudet korreloitiin sadannan, lumen sulannan ja haihdunnan kanssa, jotta löydettiin merkitsevät korrelaatiot tyypillisillä viiveillä. Lopuksi tilastollinen regressiomalli, joka yhdistää sadannan, lumen sulannan, haihdunnan ja pohjaveden pinnankorkeuden, kalibroitiin ja validoitiin. Kehitetyllä mallilla onnistuttiin simuloimaan vuodenaikainen pohjaveden pinnankorkeus. Yhdensuuntainen mallinnusmenetelmä kehitettiin arvioimaan pinta- ja pohjaveden vuorovaikutusta. Menetelmässä pintaveden korkeus ja pohjaveden muodostuminen linkitettiin ajan suhteen muuttuvina reunaehtoina pohjavedenvirtauksen mallinnusohjelmaan MODFLOW. Simuloidut pintaveden pinnankorkeudet saatiin Suomen ympäristökeskuksen vesistömallijärjestelmästä ja pohjaveden muodostuminen simuloitiin 1D lämmön- ja aineensiirtomallilla, CoupModel. Pudasjärven Törrönkankaan pohjavesimuodostumasta, Pudasjärvestä, Kivarinjoesta ja lumesta kerättiin näytteet ja niistä määritettiin Ca2+, Cl-, NO3-N ja SiO2 pitoisuudet sekä sähkönjohtavuus. Pitoisuudet pohja- ja salpavedessä olivat hyvin samanlaiset. Pitoisuudet yleisesti pienenivät, kun pohjaveden pinnankorkeus nousi etenkin keväisin lumien sulamisen jälkeen. Ainoastaan salpavedessä NO3-N pitoisuus kasvoi, kun pohjaveden pinnankorkeus nousi. Tämä johtuu todennäköisesti salpaveden yläpuolella olevasta NO3-N lähteestä. Cl- pitoisuus pohjavedessä pieneni, kun pintaveden korkeus nousi korkeammalle kuin pohjavesi. A1B ilmastoskenaariossa pohjaveden muodostumisen ennakoidaan lisääntyvän talvikuukausina. Tämä johtuu lumen sulannan lisääntymisestä ja roudan vähenemisestä. Keväinen lumen sulamisen huippu voi mahdollisesti pienentyä ja johtaa pohjavesivarojen pienentymiseen keväisin. A1B ilmastoskenaariossa pinta- ja pohjaveden vuorovaikutus voi myös muuttua ja siten vaikuttaa pohjaveden määrään ja mahdollisesti myös laatuun.

Abstract Fertilizer industry often generates phosphorous rich wastewaters containing heavy metals. While phosphorous is a valuable compound for the industry, heavy metals hinder the recovery of phosphorous due to their detrimental effects on human health and the environment. Consequently, heavy metals must be removed from the wastewaters. In this study the use of micellar-enhanced ultrafiltration (MEUF) was evaluated for the removal of cadmium, copper, zinc and nickel from phosphorous rich wastewaters. This study has been conducted following a systematic methodology from single metal synthetic wastewaters to more complex synthetic and real wastewaters. The experimental work was conducted in a laboratory scale stirred cell using 3, 5 and 10 kDa regenerated cellulose membranes and in a cross flow semi-pilot scale equipment using a 10 kDa spiral wound polyethersulphone membrane. Statistical design of experiments was used as the research methodology to evaluate the effect of factors on the MEUF process performance as well as for finding optimal conditions. The factors studied were heavy metal, phosphorous and surfactant feed concentrations, pH, membrane nominal molecular weight limits, transmembrane pressure and cross flow velocity. The membrane performance was characterized by the heavy metal retention/rejection coefficients and the permeate flux. The experimental results showed that the removal of heavy metals from single synthetic wastewaters by MEUF is more efficient for more diluted systems. In complex systems containing phosphorous, simultaneous removal of heavy metals was successfully achieved obtaining rejection coefficients up to 80%. Phosphorous was not retained by the membrane showing the potential applicability of MEUF to purify phosphorous rich wastewaters. The study of metal complex formation and heavy metal competition has been shown to be very important in order to predict the MEUF results. Concentration polarization phenomenon was insignificant in the synthetic wastewaters but it was more severe when applying MEUF to real wastewaters. In addition, with real wastewaters SDS leakage was insignificant. This study has provided new and valuable knowledge regarding the applicability of MEUF to industrial wastewater treatment. / Tiivistelmä Lannoiteteollisuus tuottaa usein jätevesiä, jotka sisältävät huomattavia määriä fosforia, sekä pieniä määriä raskasmetalleja. Vaikka fosfori on tärkeä raaka-aine lannoiteteollisuudelle, jätevesissä olevat raskasmetallit kuitenkin estävät sen hyötykäyttöä fosforin lähteenä. Raskasmetallit ovat haitallisia sekä luonnolle että ihmisten terveydelle, joten niiden erottaminen jätevesistä on tärkeää. Tässä työssä tutkittiin miselliavusteisen ultrasuodatuksen (MEUF) käyttöä kadmiumin, kuparin, sinkin ja nikkelin poistamiseen fosforipitoisista jätevesistä. Väitöskirjatyössä tutkittiin systemaattisesti synteettisiä jätevesiä, jotka sisälsivät joko yhtä tai useita raskasmetalleja, sekä lannoitetehtaalta kerättyjä jätevesiä. Kokeet tehtiin laboratoriomittakaavan sekoituskennolla, jossa käytettiin 3, 5 ja 10 kDa:n regeneroituja selluloosakalvoja, sekä semi-pilot -mittakaavan spiraalielementillä, jonka materiaalina oli 10 kDa:n polyeetterisulfonikalvo. Väitöskirjatyössä hyödynnettiin tilastollista koesuunnittelua, jonka avulla arvioitiin muuttujien vaikutuksia MEUF-prosessin käyttäytymiseen. Koesuunnittelua hyödynnettiin myös optimiolosuhteiden määrittelemisessä. Koesuunnitelmien muuttujina olivat raskasmetallien, fosforin ja pinta-aktiivisen aineen pitoisuudet, pH, suodatuskalvojen katkaisukoot, paine sekä ristikkäisvirtauksen nopeus. Kalvon käyttäytymistä arvioitiin raskasmetallien erotustehokkuuden ja permeaattivuon avulla. Koetulokset osoittivat raskasmetallien erotuksen olevan tehokkainta synteettisistä, yhtä metallia sisältävistä jätevesistä, joiden raskasmetallipitoisuus oli pieni. Fosforia sisältävistä monimetalliliuoksista saavutettiin 80 %:inen raskametallien poistotehokkuus. Kalvoerotuksessa fosforipitoisuus ei muuttunut merkittävästi, mikä osoittaa MEUF:n olevan potentiaalinen menetelmä raskasmetallien poistamiseen fosforipitoisista jätevesistä. Metallikompleksien muodostumisen ja raskasmetallien välisen kilpailun ymmärtäminen osoittautuivat erittäin tärkeiksi MEUF-tuloksien ennustamisessa. Konsentraatiopolarisaatioilmiö ei ollut merkittävä käsiteltäessä synteettisiä jätevesiä, mutta teollisten jätevesien käsittelyssä ilmiöllä oli huomattava vaikutus permeaattivuohon. Kuitenkin teollisen jätevesien käsittelyssä SDS:n vuotaminen kalvon läpi oli merkityksetöntä. Tämä tutkimus on antanut uutta ja merkittävää tietoa MEUF:n soveltuvuudesta teollisten jätevesien käsittelyn.

Abstract Smart adaptive systems provide advanced tools for monitoring, control, diagnostics and management of nonlinear multivariate processes. Data mining with a multitude of methodologies is a good basis for the integration of intelligent systems. Small, specialised systems have a large number of feasible solutions, but highly complex systems require domain expertise and more compact approaches at the basic level. Linguistic equation (LE) approach originating from fuzzy logic is an efficient technique for these problems. This research is focused on the smart adaptive applications, where different intelligent modules are used in a smart way. The nonlinear scaling methodology based on advanced statistical analysis is the corner stone in representing the variable meanings in a compact way to introduce intelligent indices for control and diagnostics. The new constraint handling together with generalised norms and moments facilitates recursive parameter estimation approaches for the adaptive scaling. Well-known linear methodologies are used for the steady state, dynamic and case-based modelling in connection with the cascade and interactive structures in building complex large scale applications. To achieve insight and robustness the parameters are defined separately for the scaling and the interactions. The LE based intelligent analysers are useful in the multilevel LE control and diagnostics: the LE control is enhanced with the intelligent analysers, adaptive and model-based modules and high level control. The operating area is extended with the predefined adaptation and specific events activate appropriate control actions. The condition, stress and trend indices are used for the detection of operating conditions. The same overall structure is extended to the scheduling and managerial decision support. The linguistic representation becomes increasingly important when the human interaction is essential. The new scaling approach is used in control and diagnostic applications and discussed in connection with previous multivariate modelling cases. The LE based intelligent analysers are the key modules of the system integration, which produces hybrid systems: fuzzy systems move gradually to higher levels, neural networks and evolutionary computing are used for tuning. The overall system is reinforced with advanced statistical analysis, signal processing, feature extraction, classification and mechanistic modelling. / Tiivistelmä Viisaat mukautuvat järjestelmät sisältävät kehittyneitä työkaluja epälineaaristen monimuuttujaisten prosessien valvontaan, säätöön, diagnostiikkaan ja johtamiseen. Laajaan menetelmäpohjaan perustuva tiedonrikastus on pohjana älykkäiden järjestelmien yhdistämiselle. Pienille erikoistuneille järjestelmille on monia toteutettavissa olevia ratkaisuja, mutta erittäin monimutkaiset järjestelmät vaativat alan asiantuntemusta ja kompakteja lähestymistapoja perustasolla. Sumeaan logiikkaan pohjautuva lingvististen yhtälöiden (linguistic equation, LE) menetelmä on tehokas ratkaisu näissä ongelma-alueissa. Tämä tutkimus kohdistuu viisaisiin mukautuviin sovelluksiin, jossa useita älykkäitä moduuleja käytetään yhdessä viisaalla tavalla. Kehittyneeseen tilastolliseen analyysiin perustuva epälineaarinen skaalausmenetelmä muodostaa ratkaisun kulmakiven: muuttujien merkitykset soveltuvat säädössä ja diagnostiikassa käytettävien älykkäiden indeksien kehittämiseen. Uudet rajoituksien käsittelymenetelmät yhdessä yleistettyjen normien ja momenttien kanssa mahdollistavat rekursiivisen parametriestimoinnin olosuhteisiin mukautuvassa skaalauksessa. Tunnettuja lineaarisia menetelmiä käytetään staattisessa, dynaamisessa ja tapauspohjaisessa mallintamisessa, jossa kaskadi- ja vuorovaikutusrakenteet laajentavat mallit tarvittaessa monimutkaisiin sovelluksiin. Prosessituntemuksen ja järjestelmien robustisuuden varmistamiseksi parametrit määritellään erikseen skaalausta ja vuorovaikutuksia varten. LE-pohjaiset älykkäät analysaattorit ovat hyödyllisiä monitasoisessa säädössä ja diagnostiikassa: LE-säätöä parannetaan älykkäiden analysaattorien, adaptiivisten ja mallipohjaisten moduulien sekä ylemmän tason säädön avulla. Käyttöaluetta laajennetaan ennalta määrätyllä adaptoinnilla sekä tiettyjen tapahtumien aktivoimilla erityisillä säätötoimenpiteillä. Kunto-, rasitus- ja trendi-indeksejä käytetään olosuhteiden tunnistamiseen. Sama rakenne laajennetaan tuotannon ajoitukseen ja päätöksenteontukeen, jossa inhimillisen vuorovaikutuksen käsittely tekee lingvistisen esityksen yhä tärkeämmäksi. Uutta skaalausmenetelmää tarkastellaan säätö- ja diagnostiikkasovelluksissa sekä vertaillaan lyhyesti sen käyttömahdollisuuksia aikaisemmin toteutetuissa monimuuttujamalleissa. LE-pohjaiset älykkäät analysaattorit ovat keskeisiä integroitaessa moduuleja hybridiratkaisuiksi: sumeat järjestelmät siirtyvät vähitellen ylemmille tasoille ja neuro- ja evoluutiolaskennassa keskitytään järjestelmien viritykseen. Kokonaisjärjestelmää vahvistetaan kehittyneellä tilastollisella analyysilla, signaalinkäsittelyllä, piirteiden erottamisella, luokittelulla ja mekanistisella mallintamisella.

Abstract The use of 3D imaging of craniofacial soft tissue has increased in medical science, and imaging technology has been developed greatly in recent years. 3D models are quite accurate and with imaging devices based on stereophotogrammetry, capturing the data is a quick and easy operation for the subject. However, analyzing 3D models of the face or head can be challenging and there is a growing need for efficient quantitative methods. In this thesis, new mathematical methods and tools for measuring craniofacial structures are developed. The thesis is divided into three parts. In the first part, facial 3D data of Lithuanian twins are used for the determination of zygosity. Statistical pattern recognition methodology is used for classification and the results are compared with DNA testing. In the second part of the thesis, the distribution of surface normal vector directions of a 3D infant head model is used to analyze skull deformation. The level of flatness and asymmetry are quantified by functionals of the kernel density estimate of the normal vector directions. Using 3D models from infants at the age of three months and clinical ratings made by experts, this novel method is compared with some previously suggested approaches. The method is also applied to clinical longitudinal research in which 3D images from three different time points are analyzed to find the course of positional cranial deformation and associated risk factors. The final part of the thesis introduces a novel statistical scale space method, SphereSiZer, for exploring the structures of a probability density function defined on the unit sphere. The tools developed in the second part are used for the implementation of SphereSiZer. In SphereSiZer, the scale-dependent features of the density are visualized by projecting the statistically significant gradients onto a planar contour plot of the density function. The method is tested by analyzing samples of surface unit normal vector data of an infant head as well as data from generated simulated spherical densities. The results and examples of the study show that the proposed novel methods perform well. The methods can be extended and developed in further studies. Cranial and facial 3D models will offer many opportunities for the development of new and sophisticated analytical methods in the future. / Tiivistelmä Pään ja kasvojen pehmytkudoksen 3D-kuvantaminen on yleistynyt lääketieteessä, ja siihen tarvittava teknologia on kehittynyt huomattavasti viime vuosina. 3D-mallit ovat melko tarkkoja, ja kuvaus stereofotogrammetriaan perustuvalla laitteella on nopea ja helppo tilanne kuvattavalle. Kasvojen ja pään 3D-mallien analysointi voi kuitenkin olla haastavaa, ja tarve tehokkaille kvantitatiivisille menetelmille on kasvanut. Tässä väitöskirjassa kehitetään uusia matemaattisia kraniofakiaalisten rakenteiden mittausmenetelmiä ja -työkaluja. Työ on jaettu kolmeen osaan. Ensimmäisessä osassa pyritään määrittämään liettualaisten kaksosten tsygositeetti kasvojen 3D-datan perusteella. Luokituksessa hyödynnetään tilastollista hahmontunnistusta, ja tuloksia verrataan DNA-testituloksiin. Toisessa osassa analysoidaan pään epämuodostumia imeväisikäisten päiden 3D-kuvista laskettujen pintanormaalivektorien suuntiin perustuvan jakauman avulla. Tasaisuuden ja epäsymmetrian määrää mitataan normaalivektorien suuntakulmien ydinestimaatin funktionaalien avulla. Kehitettyä menetelmää verrataan joihinkin aiemmin ehdotettuihin lähestymistapoihin mittaamalla kolmen kuukauden ikäisten imeväisten 3D-malleja ja tarkastelemalla asiantuntijoiden tekemiä kliinisiä pisteytyksiä. Menetelmää sovelletaan myös kliiniseen pitkittäistutkimukseen, jossa tutkitaan pään epämuodostumien ja niihin liittyvien riskitekijöiden kehitystä kolmena eri ajankohtana otettujen 3D-kuvien perusteella. Viimeisessä osassa esitellään uusi tilastollinen skaala-avaruusmenetelmä SphereSiZer, jolla tutkitaan yksikköpallon tiheysfunktion rakenteita. Toisessa osassa kehitettyjä työkaluja sovelletaan SphereSiZerin toteutukseen. SphereSiZer-menetelmässä tiheysfunktion eri skaalojen piirteet visualisoidaan projisoimalla tilastollisesti merkitsevät gradientit tiheysfunktiota kuvaavalle isoviivakartalle. Menetelmää sovelletaan imeväisikäisen pään pintanormaalivektoridataan ja simuloituihin, pallotiheysfunktioihin perustuviin otoksiin. Tulosten ja esimerkkien perusteella väitöskirjassa esitetyt uudet menetelmät toimivat hyvin. Menetelmiä voidaan myös kehittää edelleen ja laajentaa jatkotutkimuksissa. Pään ja kasvojen 3D-mallit tarjoavat paljon mahdollisuuksia uusien ja laadukkaiden analyysityökalujen kehitykseen myöhemmissä tutkimuksissa.

Abstract Rivers create unique habitat for aquatic life and provide ecosystem services for humans. Thus, degradation of river water quality is a serious, global problem. Water quality is the outcome of anthropogenic and natural landscape factors and the interaction of these two. To improve water quality, robust and quick methods are needed to study the complex, spatio-temporally dependent relation between water quality and environment conditions across extensive areas. This thesis aimed to study the relationship between water quality (total phosphorus and nitrogen, pH, water colour and dissolved oxygen) and environmental factors in boreal rivers combining grid-based data and statistical methods. The study comprised of 34 Finnish rivers with their catchments. First, the effect of natural and human-induced environmental factors on water quality was studied. Then, (a) the ability of the characteristics of different spatial scales around the river channel and under different discharge conditions to predict water quality was explored and (b) the suitability of the applied statistical methods (generalized linear and additive models, partitioning methods, non-metric multidimensional scaling) in water quality studies was evaluated. As expected, the results highlighted the impact of agricultural activities on water quality as nutrients and pH increased, together with the cover of agricultural activities. However, when studied as a group, natural factors explained water quality better than land use/cover. Lakes were strongly related to decreased nutrients and water colour. The effect of fine-grained soils on nutrients and pH was positive. In the scale studies, nutrients and water colour were best explained by the characteristics of the entire catchment but pH was mostly predicted by the characteristics of the 50 m riparian zone. The connection between water quality and environment was strongest during high-flow discharge periods. The results encourage the use of the applied methods, showing that the combination of grid-based data and advanced statistical methods provide an efficient first-filter estimate of water quality-environment relations. Spatial-based statistical modelling provides a crucial framework for river, water resources and land use management. The applied methods can also be seen as essential tools when predicting the impacts of global change on water quality. / Tiivistelmä Joet luovat vesielämälle ainutlaatuisen elinympäristön ja tarjoavat ihmisille ekosysteemipalveluja. Jokien vedenlaadun huononeminen onkin vakava, maailmanlaajuinen uhka. Vedenlaatua määrittävät luonnolliset ja ihmisen muokkaamat ympäristötekijät sekä näiden yhteisvaikutus. Vedenlaadun kohentamiseksi tarvitaan luotettavia ja nopeita menetelmiä, joiden avulla voidaan tutkia monimutkaista, alueellisesti ja ajallisesti riippuvaa yhteyttä vedenlaadun ja ympäristöolojen välillä laajoilla alueilla. Tässä väitöskirjassa oli tavoitteena tutkia vedenlaadun (kokonaisfosfori ja -typpi, pH, väriluku ja liukoinen happi) ja ympäristön yhteyttä boreaalisella vyöhykkeellä käyttäen paikkatietoaineistoja ja tilastollisia menetelmiä. Tutkimusalueena oli 34 suomalaista jokea valuma-alueineen. Ensinnäkin tutkittiin luonnollisten ympäristötekijöiden ja ihmistoiminnan vaikutusta vedenlaatuun. Tavoitteena oli myös selvittää, miten joen ympärillä olevien erikokoisten vyöhykkeiden ominaisuudet ja vaihtelevat virtaamaolosuhteet selittävät vedenlaatua. Lopuksi arvioitiin käytettyjen tilastollisten menetelmien (yleistetyt lineaariset ja additiiviset mallit, hajonnan ositusmenetelmät, ordinaatioanalyysi) soveltuvuutta vedenlaatututkimuksissa. Tuloksissa korostui odotetusti valuma-alueen maatalouden vaikutus vedenlaatuun. Ravinteiden määrä ja pH-luku kasvoivat maatalouden lisääntyessä. Muuttujien ryhmittäisessä tarkastelussa ympäristön luonnolliset ominaisuudet selittivät vedenlaatua maankäyttöä/-peittoa paremmin. Järvisyyden lisääntyminen oli yhteydessä ravinteisuuden ja väriluvun laskuun. Hienorakeiset maalajit olivat yhteydessä ravinteisuuden ja pH-luvun nousuun. Mittakaavatarkastelussa ravinteisuutta ja värilukua ennustivat parhaiten koko valuma-alueen ominaisuudet, mutta pH-lukua selittivät parhaiten ominaisuudet 50 m:n vyöhykkeellä joen ympärillä. Ympäristön ja vedenlaadun yhteys oli voimakkaimmillaan, kun jokien virtaamat olivat korkeimmillaan. Tämä väitöskirja osoittaa, että paikkatietoaineistojen ja sovellettujen tilastollisten menetelmien yhteiskäyttö tuottaa tehokkaita malleja vedenlaadun ja ympäristön välisestä yhteydestä. Spatiaalis-tilastollinen mallinnus tarjoaa tärkeän viitekehityksen jokien ja vesistöjen käytön sekä maankäytön suunnitteluun. Lähestymistapa voidaan nähdä myös tärkeänä välineenä ennustettaessa globaalimuutoksen vaikutusta vedenlaatuun.