尽管珊瑚礁仅占地球海洋面积的不到 2%，但它们在海洋健康中起着至关重要的作用，并且是地球上最多样化的生态系统之一。 它们不仅是许多海洋物种的家园，而且它们的巨大影响延伸到当地经济、支持渔业、鼓励旅游业和保护海岸线免受侵蚀——每年价值数十亿美元的影响。 由于在环境和经济成功方面发挥着巨大作用，保护这些脆弱的珊瑚礁应该成为全球优先事项，但世界各地的珊瑚礁健康状况仍在继续下降。 尤其是气候变化加速了珊瑚礁的退化，科学家们现在估计，由于气候变化和其他人为因素，过去四十年世界上一半以上的珊瑚礁已经消失。 尽管科学家们广泛了解珊瑚礁白化和（后来）死亡的原因，但具体预测哪些珊瑚礁面临的风险最大，哪些珊瑚礁最具弹性，以及哪些应该优先保护仍然是该领域最重要的挑战之一。
Khaled bin Sultan Living Oceans Foundation 等组织寻求这些问题的答案，世界各地的海洋科学家正在投资于国际珊瑚礁研究、保护和恢复工作。 在他们的支持下，Anderson Mayfield 博士将他的职业生涯献给了珊瑚礁生理学研究，他认为科学家需要一种更严格的、统计驱动的方法，如果他们要理解——并减轻——珊瑚的分解以应对在为时已晚之前改变环境。
统计方法加速了科学家与时间作斗争的领域的研究
在海洋生物学领域——其中有太多东西是不为人知的——科学家们面临的第一个挑战是观察和了解那里有多少珊瑚、它们的位置、它们的健康状况以及它们面临的风险因素。 记录珊瑚礁健康随时间的变化对于了解这个脆弱的生态系统如何受到海水温度和酸度升高等气候变化相关因素的影响至关重要。
但是，鉴于全球珊瑚礁生态系统现在面临的威胁迫在眉睫，美国国家海洋和大气管理局位于迈阿密的大西洋海洋学和气象实验室的助理科学家梅菲尔德博士认为，有必要对海洋科学采取更加积极主动的态度，尤其是海洋保护工作。 这就是为什么他和他的合作者正在为统计方法辩护。 他说，预测模型可以帮助确定哪些珊瑚礁更容易受到环境压力的影响——哪些珊瑚礁最具弹性——从而使保护资助机构能够优先考虑有针对性的缓解措施。
健康的珊瑚虫依赖于与生活在其组织中的微小藻类的内共生关系。 这些藻类赋予珊瑚颜色，并作为它们的主要食物来源。 然而，当水温升高时，共生关系受到压力，藻类开始离开，导致珊瑚变白或“漂白”并饿死。
“有些珊瑚无论如何都会漂白，”梅菲尔德博士解释道。 “但还有其他珊瑚礁，如果我们减轻一些当地压力，它们将更有可能生存。”虽然很难确定哪些珊瑚礁最值得保护，但有些珊瑚礁，例如台湾南部的一系列珊瑚礁，在面对日益增加的环境压力时表现出了高度的弹性。 “在我看来，这似乎是一个很好的珊瑚礁候选者，我们应该优先保护和研究 [以确定] 为什么它如此有弹性，”他说。
确定关键的生存因素可能会让像梅菲尔德博士这样的研究人员更好地预测哪些珊瑚礁更容易受到压力，并阻止其他地方未来的白化。
提高科学结论的统计能力
Mayfield 博士的统计模型与他之前对在实验室水箱中生长的珊瑚同种动物进行实验的依赖有很大不同，他说结果在统计上不够强大，无法解释自然物种的变异。 相比之下，“大数据”统计模型使他能够利用更深入、更广泛的全球数据调查（例如在最近完成的 Living Oceans Foundation“全球珊瑚礁探险”中进行的调查，他是其中的参与者）地理范围比任何科学家个人积累的数据都要广泛。
例如，最近发表在普拉塔克斯(2018) 和海洋研究杂志(2019)，Mayfield 博士和他的合著者分别使用单变量和多变量方法的组合，研究了斐济劳群岛和南太平洋深处（法属波利尼西亚的澳大利亚群岛和库克群岛）未被充分研究的地区的数据集. 至关重要的是，研究人员探索了 12 种预计会影响珊瑚生理的环境因素（例如，温度、珊瑚礁结构、鱼类生物量）。 由逐步回归和偏最小二乘法产生的最佳拟合模型表明，仅需要此类常规评估环境参数的一个子集来解释生理反应的很大一部分变化。 尽管发现研究中的几个模型的预测能力相对较低，但 Mayfield 博士敦促该方法仍然是概念证明，并展示了值得尝试使用以前收集的数据来预测海洋的想法动物健康。
从图形计算器到 JMP®
当 Mayfield 博士先是在杜克大学开始接受海洋生物学培训，然后在夏威夷大学马诺阿分校开始接受海洋生物学培训时，他远非今天这样直言不讳地支持统计方法。 由于尚未以任何实际方式接触过正式的多元统计数据——并且因为他早期职业生涯中坦克实验中的变量基本上是已知的并且受到严格控制——梅菲尔德开玩笑说他的分析仅限于可以在图形计算器上完成的事情（例如，单向方差分析）。
然而，Mayfield 博士对计算器和 Microsoft Excel 等基本工具的依赖必须改变，因为他的研究扩展到更多基于实地的项目，这些项目需要更高水平的统计复杂性。 幸运的是，大约在那个时候，Mayfield 也开始使用 JMP 统计发现软件。
现在他不会使用任何其他东西。
“起初，我只是使用 JMP 查看分布并进行简单的比较分析：t 检验、方差分析、线性回归等。 我可能只利用了 JMP 的 5% 或更少，”他回忆道。 然而，最终，Mayfield 博士决定追求其他 95%——他认为此举不仅改变了他分析数据的方式，而且改变了这些数据的收集方式。
“即使当我在珊瑚礁上时，我也会看到 JMP 的表格和数据，思考如何从样本中获取最多的信息，”他说。 Mayfield 博士了解了 JMP 提供的统计数据和可用功能，他说他可以就在水下时将注意力集中在哪里以及收集哪些样本做出战略决策。 “这些都是我可以提前使用 JMP 直接测试的东西，”他说。
此外，Mayfield 博士认为，对于 JMP，“即使数据量相同，它告诉我们的 [信息] 量也呈指数级增长。”将统计数据引入内部也限制了他对外部统计资源的依赖，这不可避免地增加了研究过程的时间。 鉴于日益严重的珊瑚白化危机，时间是一种宝贵的资源。 “我们真的没有足够的时间花五年的时间思考如何分析数据，”他解释道。
“我从来没有想过我实际上可以将这些想法中的一些用于珊瑚”
在花时间深化他在 JMP 中的建模技能后，Mayfield 博士能够创造性地处理他的数据集，并设计出一种统计方法来提取以前隐藏的信息。 为了获得灵感，他现在着眼于其他公司和机构如何处理他们的大型数据集。 其他领域的分析师经常使用行为数据来开发预测算法，例如购物偏好或维护计划——为什么不能将相同的原理应用于珊瑚礁行为及其生存？
“我们可能无法 100% 肯定地预测珊瑚是否会死亡，”梅菲尔德博士推测，但“如果我们已经有足够的数据来了解珊瑚过去的行为......我们可能会说基于我们的过去的数据表明，[海水] 温度升高 1 度会导致珊瑚生长发生 30% 的变化。”
潜在地，他和他的合作者可以使用作为 Living Oceans Foundation 的全球珊瑚礁探险的一部分而开发的全球数据调查来实现从解释到预测的转变。 “现在我对 JMP 可以提供什么有了更多了解，这些都是我想要探索的东西，”Mayfield 博士说。 然而，他很快回应了从 Galit Shmueli (2011) 的开创性工作中收集到的一个关键信息，即仅仅因为一个数据集擅长解释过去的观察，并不意味着这个数据集必然允许一种是预测目标动物的未来行为。 这并不是说解释能力和预测能力永远不会同步。只是必须凭经验验证这种关系。
虽然这仍然是一个新生的想法，但 Mayfield 博士很高兴探索大数据在珊瑚礁生理学领域提供的机会。 借助在 JMP 中开发的新模型，他可以使用广泛的现场数据集测试它们的预测能力。 “在我们测试 [模型] 之前我们不会知道，”他说，但幸运的是，JMP 拥有支持此类模型准确性测试的内置平台；当您构建模型时，JMP 会告诉您您的模型是否适用于每个样本。 “JMP 的预测建模平台已经准备好了拼图，他们只是在等待此类数据的出现，以便我们可以使用它。”
Mayfield 博士表示，他不仅利用了 JMP 的建模功能，还利用了神经网络和离群值分析平台。 关于后者，他认为，在许多情况下，这些功能异常的个体——在他的数据集中往往是最能抵抗压力的——可能实际上并没有丢弃显示异常行为的珊瑚数据（即异常值）是生理学家最感兴趣的那些。 换句话说，JMP 的这些功能使 Mayfield 博士能够在现实世界的限制下确定他应该优先进行的珊瑚活检，在许多情况下，没有足够的资金来充分分析每个活检。
通过数据透明度加速研究
正如梅菲尔德博士痛苦地意识到的那样，大量数据因缺乏时间或统计知识来分析它们的研究人员而闲置。 此外，鉴于发表论文的压力和科学家之间的竞争，大多数人都不愿意分享他们的数据（即使是他们已经在发表的作品中使用过的数据）。 然而，对于像珊瑚礁白化这样的时间敏感问题，数据共享可能是加速科学发展和确定最有效保护策略的关键因素。 “特别是在我们的领域，[科学家] 应该更加开放地了解他们如何分析数据并做出真正的努力来获得数据。 坐在电脑前没有任何好处，”他说。
Mayfield 博士以身作则——JMP 为他提供了提高其研究透明度的工具，例如支持实时数据分析的交互式 HTML 功能。 “JMP 给了我很多想法——让我的数据更具交互性的新方法，不仅在可视化方面，而且向人们展示了我分析数据背后的思维过程，”他说。 除了将数据集发布到他的个人网站 coralreefdiagnostics.com 之外，Mayfield 博士现在还使用 JMP Public 作为传播动态可视化的手段。 他说，该软件的数据过滤能力允许他的合作者和其他感兴趣的人“找到”在数据集中表现出某些特征的珊瑚——例如，来自斐济的过度表达荧光蛋白的漂白珊瑚。 JMP Public 中的这一功能将使现在和未来的合作者能够快速识别他们可能希望更详细地分析的样本，无论是存档的活组织检查还是最初采样的珊瑚群落本身的 GPS 坐标。
>查看 JMP Public 中的主成分分析，显示来自斐济的珊瑚礁数据
“如果你给他们讲一个小时的统计数据，大多数人都会睡着，但也许如果他们能看到你是如何从这个数据表变成这个数字的……观众就会对你的数据更有信心。”梅菲尔德博士希望通过公开他自己的研究细节，并通过提高他的方法的可重复性，他可以鼓励同事们实现类似的透明度，使该领域团结起来寻求切实可行的珊瑚礁衰退解决方案。
“我们可能已经拥有解决某些珊瑚礁问题所需的所有数据，”梅菲尔德博士说。 “我们只是没有以正确的方式分析它们。” JMP 可以改变这一点。 而现在，Mayfield 博士的研究仅限于他提出的问题。
参考
Mayfield AB、Dempsey AC、Inamdar J、Chen CS (2018)，在全球气候变化的时代评估珊瑚健康的统计平台-I：斐济劳群岛的案例研究。普拉塔克斯15、1-35。
Mayfield AB、Chen CS、Dempsey AC (2019)，模拟环境介导的珊瑚礁生理学变化。海洋研究杂志145、44-54。
Shmueli G (2011)，解释还是预测？统计科学25(3), 289-310。
