산호초는 지구 해양의 2% 미만을 차지하지만 해양 건강에 중요한 역할을 하며 지구상에서 가장 다양한 생태계 중 하나입니다. 그들은 수많은 해양 생물의 서식지일 뿐만 아니라 지역 경제, 어업 지원, 관광 장려, 침식으로부터 해안선 보호 등 엄청난 영향력을 미치고 있습니다. 이러한 영향력은 매년 수십억 달러에 달합니다. 환경과 경제적 성공 모두에서 큰 역할을 하는 이 연약한 산호초를 보호하는 것이 전 세계적으로 우선 순위가 되어야 하지만 전 세계적으로 산호초 건강은 계속해서 감소하고 있습니다. 특히 기후 변화는 산호초의 퇴화를 가속화했으며 과학자들은 현재 기후 변화 및 기타 인간과 관련된 요인으로 인해 지난 40년 동안 세계 산호초의 절반 이상이 손실되었다고 추정합니다. 과학자들은 산호초 백화 및 (나중에) 사망의 원인을 광범위하게 이해하고 있지만, 특히 어떤 산호초가 가장 위험하고 가장 탄력적이며 보존을 위해 우선 순위를 두어야 하는지를 예측하는 것은 이 분야의 가장 중요한 과제 중 하나입니다.
Khaled bin Sultan Living Oceans Foundation과 같은 조직은 이러한 질문에 대한 답을 찾고 있으며 전 세계 해양 과학자들은 국제 산호초 연구, 보존 및 복원 노력에 투자하고 있습니다. 그들의 지원으로 Dr. Anderson Mayfield, PhD는 암초 산호 생리학 연구에 자신의 경력을 바쳤으며, 과학자들이 다음과 같은 반응으로 산호의 파괴를 이해하고 완화하려면 보다 엄격하고 통계적으로 주도적인 접근 방식이 필요하다고 주장했습니다. 너무 늦기 전에 환경 변화.
과학자들이 시간과 싸우고 있는 분야에서 통계적 접근 방식은 연구 속도를 높입니다.
해양생물학 분야에서 과학자들의 첫 번째 과제는 산호가 얼마나 많은지, 어디에 있는지, 얼마나 건강하고 그들이 직면한 위험 요소를 관찰하고 이해하는 것입니다. 시간이 지남에 따라 암초 건강의 변화를 문서화하는 것은 이 취약한 생태계가 해수 온도 및 산도 증가와 같은 기후 변화 관련 요인에 의해 어떻게 영향을 받는지 이해하기 위한 노력에서 가장 중요합니다.
그러나 현재 전 세계 산호초 생태계가 직면하고 있는 위협이 즉각적이기 때문에 마이애미에 있는 미국 국립해양대기청(National Oceanic and Atmospheric Administration)의 대서양 해양학 및 기상 연구소(Atlantic Oceanographic and Meteorological Laboratory)의 보조 과학자인 메이필드 박사(Dr. Mayfield)는 해양 과학에 대해 보다 적극적인 조치가 필요하다고 믿고 있습니다. , 특히 해양 보존 노력. 이것이 바로 그와 그의 동료들이 통계적 접근 방식을 주장하는 이유입니다. 그는 예측 모델링을 통해 어떤 산호초가 환경 스트레스에 더 취약하고 어떤 산호초가 가장 탄력적인지 결정하는 데 도움이 될 수 있으므로 보존 기금 기관이 대상 완화 노력의 우선 순위를 정할 수 있다고 말합니다.
건강한 산호 폴립은 조직에 사는 미세한 조류와의 내공생 관계에 의존합니다. 이 조류는 산호에 색을 부여하고 주요 식품 공급원 역할을 합니다. 그러나 수온이 상승하면 공생 관계가 스트레스를 받고 조류가 떠나기 시작하여 산호가 하얗게 변하거나 "표백"되어 굶어 죽습니다.
메이필드 박사는 "일부 산호는 상관없이 표백됩니다."라고 설명합니다. "그러나 우리가 지역 압력을 완화한다면 생존할 가능성이 더 높은 다른 산호초가 있습니다." 어떤 암초가 가장 보호할 가치가 있는지 결정하기는 어렵지만 대만 남부에 있는 일련의 암초와 같은 일부는 증가하는 환경 압력에 직면하여 높은 탄력성을 보여주었습니다. "이것은 우리가 산호초가 왜 그렇게 회복력이 있는지 [결정하기 위해] 보존 및 연구를 위해 우선순위를 두어야 할 암초에 대한 좋은 후보처럼 보입니다."라고 그는 말합니다.
중요한 생존 요인을 식별하면 Mayfield 박사와 같은 연구원이 스트레스에 더 취약한 산호초를 더 잘 예측하고 다른 곳에서 미래의 백화를 막을 수 있습니다.
과학적 결론의 통계적 힘 강화
Mayfield 박사의 통계 모델은 실험실 탱크에서 성장한 산호 동종에 대한 실험에 대한 이전의 의존에서 상당히 벗어난 것을 나타냅니다. 그는 결과가 자연 종 변이를 설명하기에 통계적으로 충분히 강력하지 않다고 말합니다. 대조적으로 "빅 데이터" 통계 모델링을 통해 그는 전 세계 데이터 조사(예: 그가 참여했던 최근에 완료한 Living Oceans Foundation "Global Reef Expedition"에서 수행한 조사)를 사용할 수 있습니다. 개별 과학자가 축적한 데이터보다 지리적으로 광범위합니다.
예를 들어 최근에 발표된 논문에서 플라탁스 (2018) 및 바다 연구 저널 (2019), Mayfield 박사와 그의 공동 저자는 일변량 방법과 다변량 방법의 조합을 사용하여 각각 피지의 라우 군도와 깊은 남태평양(프랑스령 폴리네시아의 오스트랄 제도 및 쿡 제도)의 과소 연구 지역에서 데이터 세트를 조사했습니다. . 결정적으로 연구자들은 산호 생리학에 영향을 미칠 것으로 예상되는 12가지 환경 요인(예: 온도, 암초 구조, 어류 바이오매스)을 조사했습니다. 단계적 회귀 및 부분 최소 제곱에 의해 생성된 최적 모델은 생리학적 반응 변화의 상당 부분을 설명하기 위해 일상적으로 평가되는 환경 매개변수의 하위 집합만 필요하다는 것을 보여주었습니다. 연구의 여러 모델이 상대적으로 낮은 예측 능력을 가진 것으로 밝혀졌지만 Mayfield 박사는 그럼에도 불구하고 이 방법이 개념 증명이며 이전에 수집된 데이터를 사용하여 해양에 대한 예측을 할 가치가 있다는 생각을 보여줍니다. 동물 건강.
그래프 계산기에서 JMP®로
Mayfield 박사가 듀크 대학교에서 처음 해양 생물학 교육을 시작하고 그 다음에는 마노아에 있는 하와이 대학교에서 교육을 시작했을 때, 그는 오늘날 통계적 방법의 노골적인 지지자와는 거리가 멀었습니다. 공식적인 다변량 통계에 실제로 노출된 적이 없고 초기 경력의 탱크 실험에서 변수가 널리 알려지고 엄격하게 통제되었기 때문에 Mayfield는 자신의 분석이 그래프 계산기에서 수행할 수 있는 것으로 제한되었다고 농담했습니다. 예를 들어, 단방향 ANOVA).
그러나 Mayfield 박사의 계산기 및 Microsoft Excel과 같은 기본적인 도구에 대한 의존도는 그의 연구가 새로운 수준의 통계적 정교함이 필요한 현장 기반 프로젝트로 확장됨에 따라 변경되어야 했습니다. 다행스럽게도 Mayfield도 JMP 통계 검색 소프트웨어를 사용하기 시작한 것이 그 무렵이었습니다.
이제 그는 다른 것을 사용하지 않을 것입니다.
“처음에는 JMP를 사용하여 분포를 살펴보고 간단한 비교 분석(t-테스트, ANOVA, 선형 회귀 등)을 수행했습니다. JMP가 할 수 있는 것의 5% 이하를 활용했을 것입니다.”라고 그는 회상합니다. 그러나 결국 Mayfield 박사는 나머지 95%를 추구하기로 결정했습니다. 그는 데이터를 분석하는 방식뿐만 아니라 해당 데이터를 수집하는 방식도 변경한 것으로 인정했습니다.
"암초에 있을 때도 JMP 표와 수치를 보고 샘플에서 최대한 많은 정보를 얻을 수 있는 방법을 생각합니다."라고 그는 말합니다. JMP를 통해 사용할 수 있는 통계와 기능을 알고 있는 Mayfield 박사는 수중에서 관심을 집중할 위치와 수집할 샘플에 대한 전략적 결정을 내릴 수 있다고 말합니다. "미리 JMP로 직접 테스트할 수 있는 것들이 있습니다."라고 그는 말합니다.
또한 Mayfield 박사는 JMP를 사용하면서 "같은 양의 데이터를 사용해도 JMP가 알려주는 [정보의] 양이 기하급수적으로 증가했습니다."라고 주장합니다. 통계를 사내로 가져오면 외부 통계 리소스에 대한 의존도가 제한되어 필연적으로 연구 프로세스에 더 많은 시간이 추가됩니다. 그리고 점점 커지는 산호 백화 위기에 비추어 볼 때 시간은 귀중한 자원입니다. “우리는 5년 동안 앉아서 데이터를 분석하는 방법에 대해 생각할 여유가 없습니다.”라고 그는 설명합니다.
"이러한 아이디어 중 일부를 산호에 실제로 사용할 수 있다는 생각은 전혀 하지 않았습니다."
시간을 들여 JMP 내에서 모델링 기술을 심화한 Mayfield 박사는 자신의 데이터 세트를 창의적으로 활용하고 이전에 숨겨진 정보를 추출하는 통계적 접근 방식을 고안할 수 있습니다. 아이디어를 얻기 위해 그는 이제 다른 회사와 기관이 대규모 데이터 세트를 처리하는 방법을 살펴봅니다. 다른 분야의 분석가들은 일상적으로 행동 데이터를 사용하여 예를 들어 쇼핑 선호도 또는 유지 관리 일정에 대한 예측 알고리즘을 개발합니다. 동일한 원칙을 산호초 행동과 생존에 적용할 수 없는 이유는 무엇입니까?
Mayfield 박사는 "산호가 죽을지 여부를 100% 확실하게 예측할 수 없을 수도 있습니다."라고 이론화하지만 "과거에 산호가 어떻게 행동했는지에 대한 충분한 데이터가 이미 있다면 ... [해수] 온도가 1도 상승하면 산호 성장이 30% 변화한다는 과거 데이터가 있습니다.”
잠재적으로 그와 그의 공동 작업자는 설명에서 예측으로 전환하기 위해 Living Oceans Foundation의 Global Reef Expedition의 일부로 개발된 전 세계 데이터 조사를 사용할 수 있습니다. "JMP가 제공할 수 있는 기능에 대해 더 많이 알게 되었기 때문에 이러한 종류의 것들을 탐구하고 싶습니다."라고 Mayfield 박사는 말합니다. 그러나 그는 Galit Shmueli(2011)의 선구적인 작업에서 수집한 핵심 메시지를 재빨리 반향했습니다. 즉, 데이터 세트가 과거 관찰을 설명하는 데 탁월하기 때문에 이 동일한 데이터 세트가 반드시 허용된다는 것을 의미하지는 않습니다. 하나는 대상 동물의 미래 행동을 예측하는 것입니다. 설명 능력과 예측 능력이 결코 일치하지 않는다는 말은 아닙니다. 이 관계를 경험적으로 검증해야 한다는 것입니다.
아직 초기 아이디어이지만 Mayfield 박사는 암초 산호 생리학 분야에서 빅 데이터가 제공하는 기회를 탐색하게 되어 기쁩니다. JMP에서 개발된 새 모델을 사용하여 광범위한 현장 데이터 세트로 모델의 예측 능력을 테스트할 수 있습니다. "[모델]을 테스트하기 전에는 알 수 없습니다."라고 그는 말합니다. 하지만 다행스럽게도 JMP에는 이러한 유형의 모델 정확도 테스트를 지원하는 플랫폼이 내장되어 있습니다. 모델을 만들 때 JMP는 모델이 각 샘플에 대해 작동하는지 여부를 알려줍니다. "JMP의 예측 모델링 플랫폼은 이미 퍼즐 조각을 가지고 있습니다. 그들은 우리가 그것을 가지고 놀 수 있도록 이런 종류의 데이터가 오기를 기다리고 있습니다."
Mayfield 박사는 JMP의 모델링 기능뿐만 아니라 신경망 및 특이치 분석 플랫폼도 활용했다고 말합니다. 후자와 관련하여 비정상적인 행동(예: 이상값)을 보이는 산호의 데이터를 버리기보다는 많은 경우에 이상하게 기능하는 개체(데이터 세트에서 가장 스트레스에 강한 경향이 있음)가 실제로 생리학자들이 가장 관심을 갖는 것이어야 합니다. 즉, Mayfield 박사는 JMP의 이러한 기능을 통해 대부분의 경우 모든 생검을 최대한 분석하기에는 자금이 불충분하다는 실제 한계 하에서 우선 순위를 정해야 하는 산호 생검을 식별할 수 있습니다.
데이터 투명성을 통한 연구 가속화
Mayfield 박사가 뼈아프게 알고 있듯이 방대한 데이터는 이를 분석할 시간이나 통계적 지식이 부족한 연구원들이 사용하지 않고 있습니다. 또한 출판에 대한 압박과 과학자들 간의 경쟁으로 인해 대부분은 데이터 공유를 꺼립니다(심지어 출판된 작업에 이미 사용한 데이터도 있음). 그러나 산호초 백화와 같은 시간에 민감한 문제가 있는 경우 데이터 공유는 과학 상태를 가속화하고 가장 효과적인 보존 전략을 결정하는 데 핵심 요소가 될 수 있습니다. “특히 우리 분야에서 [과학자]는 데이터를 분석하는 방법에 대해 더 개방적이어야 하며 데이터를 얻기 위해 실질적인 노력을 기울여야 합니다. 컴퓨터 앞에 앉아 있는 것은 아무 소용이 없습니다.”라고 그는 말합니다.
그리고 Mayfield 박사는 예를 들어 JMP가 실시간 데이터 분석을 가능하게 하는 대화형 HTML 기능과 같이 자신의 연구에서 투명성을 높일 수 있는 도구를 제공합니다. "JMP는 제게 정말 많은 아이디어를 주었습니다. 시각화 측면에서 뿐만 아니라 데이터를 분석한 방식의 이면에 있는 사고 과정을 사람들에게 보여줄 뿐 아니라 데이터를 보다 상호 작용적으로 만드는 새로운 방법입니다."라고 그는 말합니다. 개인 웹사이트 coralreefdiagnostics.com에 데이터 세트를 게시하는 것 외에도 Mayfield 박사는 이제 동적 시각화를 전파하는 수단으로 JMP Public을 사용합니다. 그는 소프트웨어의 데이터 필터링 기능을 통해 그의 공동 작업자와 기타 관심 있는 개인이 데이터 세트에서 특정 특성을 나타내는 산호를 "찾을" 수 있다고 말했습니다. JMP Public의 이 기능을 사용하면 현재 및 미래의 공동 작업자가 보관된 생체 검사 또는 원래 샘플링된 산호 군체 자체의 GPS 좌표와 같이 더 자세히 분석하고자 하는 샘플을 신속하게 식별할 수 있습니다.
> JMP Public에서 피지의 암초 데이터를 보여주는 주성분 분석을 확인하세요.
"대부분의 사람들은 통계에 대해 1시간 동안 강의하면 잠이 들겠지만, 이 데이터 테이블에서 이 수치로 어떻게 이동했는지 볼 수 있다면 시청자는 데이터에 더 확신을 가질 것입니다." Mayfield 박사는 자신의 연구 세부 사항을 공개하고 방법의 재현성을 높임으로써 동료들이 유사한 투명성을 갖도록 격려하고 현장을 하나로 모아 산호초 감소에 대한 가시적인 해결책을 모색할 수 있기를 바랍니다.
“특정 산호초 문제를 해결하는 데 필요한 모든 데이터가 이미 있을 수 있습니다.”라고 Mayfield 박사는 말합니다. "우리는 그것들을 올바른 방식으로 분석하고 있지 않습니다." JMP는 이를 바꿀 수 있습니다. 그리고 이제 Mayfield 박사의 연구는 그가 묻는 질문에 의해서만 제한됩니다.
참조
Mayfield AB, Dempsey AC, Inamdar J, Chen CS (2018), 변화하는 지구 기후 시대의 산호 건강 평가를 위한 통계 플랫폼-I: 피지의 라우 군도 사례 연구.플라탁스 15, 1-35.
Mayfield AB, Chen CS, Dempsey AC (2019), 암초 산호 생리학의 환경 매개 변이 모델링.바다 연구 저널 145, 44-54.
Shmueli G(2011), 설명하거나 예측하려면?통계 과학 25(3), 289-310.
