Obwohl Korallenriffe weniger als 2 % der Ozeane der Erde ausmachen, spielen sie eine entscheidende Rolle für die Gesundheit der Ozeane und gehören zu den vielfältigsten Ökosystemen auf dem Planeten. Sie beherbergen nicht nur zahlreiche Meeresarten, sondern ihr enormer Einfluss erstreckt sich auch auf die lokale Wirtschaft, unterstützt die Fischerei, fördert den Tourismus und schützt Küstenlinien vor Erosion – eine Auswirkung, die jedes Jahr auf Milliarden von Dollar geschätzt wird. Da der Schutz dieser fragilen Riffe sowohl für den ökologischen als auch für den wirtschaftlichen Erfolg eine überragende Rolle spielt, sollte er eine globale Priorität sein, doch die Gesundheit der Korallenriffe auf der ganzen Welt nimmt weiterhin ab. Insbesondere der Klimawandel hat die Verschlechterung der Riffe beschleunigt, und Wissenschaftler schätzen mittlerweile, dass mehr als die Hälfte der Korallenriffe weltweit in den letzten vier Jahrzehnten aufgrund des Klimawandels und anderer vom Menschen verursachter Faktoren verloren gegangen sind. Obwohl Wissenschaftler die Ursachen für das Ausbleichen und (späteren) Absterben von Korallenriffen weitgehend verstehen, gehört die konkrete Vorhersage, welche Riffe am stärksten gefährdet, welche am widerstandsfähigsten sind und welche bei der Erhaltung Vorrang haben sollten, weiterhin zu den größten Herausforderungen auf diesem Gebiet.
Organisationen wie die Khaled bin Sultan Living Oceans Foundation suchen nach Antworten auf diese Fragen, und Meereswissenschaftler auf der ganzen Welt investieren in internationale Bemühungen zur Erforschung, Erhaltung und Wiederherstellung von Korallenriffen. Mit ihrer Unterstützung hat Dr. Anderson Mayfield, PhD, seine Karriere der Erforschung der Physiologie von Riffkorallen gewidmet und argumentiert, dass Wissenschaftler einen strengeren, statistisch gestützten Ansatz benötigen, um den Zerfall von Korallen als Reaktion darauf zu verstehen und abzumildern Umweltveränderungen, bevor es zu spät ist.
Statistische Ansätze beschleunigen die Forschung in einem Bereich, in dem Wissenschaftler gegen die Zeit kämpfen
Auf dem Gebiet der Meeresbiologie – wo so viel dem zufälligen Blick verborgen bleibt – besteht die erste Herausforderung für Wissenschaftler darin, zu beobachten und zu verstehen, wie viele Korallen es gibt, wo sie sich befinden, wie gesund sie sind und welchen Risikofaktoren sie ausgesetzt sind. Die Dokumentation von Veränderungen der Riffgesundheit im Laufe der Zeit ist von größter Bedeutung, um zu verstehen, wie dieses fragile Ökosystem durch klimawandelbedingte Faktoren wie den Anstieg der Meerwassertemperatur und des Säuregehalts beeinflusst wird.
Doch angesichts der unmittelbaren Bedrohung, der Korallenriff-Ökosysteme auf der ganzen Welt ausgesetzt sind, glaubt Dr. Mayfield – Assistenzwissenschaftler am Atlantic Oceanographic and Meteorological Laboratory der National Oceanic and Atmospheric Administration in Miami –, dass es einen Bedarf gibt, in der Meereswissenschaft proaktiver vorzugehen und insbesondere Bemühungen zum Schutz der Meere. Deshalb plädieren er und seine Mitarbeiter für einen statistischen Ansatz. Er sagt, dass prädiktive Modelle dazu beitragen können, zu bestimmen, welche Riffe anfälliger für Umweltstress sind – und welche am widerstandsfähigsten sind – und so Naturschutzorganisationen in die Lage zu versetzen, gezielte Minderungsbemühungen zu priorisieren.
Gesunde Korallenpolypen sind auf eine endosymbiotische Beziehung mit mikroskopisch kleinen Algen angewiesen, die in ihrem Gewebe leben. Diese Algen verleihen den Korallen ihre Farbe und dienen ihnen als Hauptnahrungsquelle. Wenn die Wassertemperaturen jedoch steigen, gerät die symbiotische Beziehung unter Stress und die Algen beginnen zu verschwinden, was dazu führt, dass die Korallen weiß werden oder „bleichen“ und verhungern.
„Einige Korallen werden trotzdem bleichen“, erklärt Dr. Mayfield. „Aber es gibt auch andere Riffe, bei denen die Überlebenswahrscheinlichkeit größer ist, wenn wir einige der lokalen Belastungen mildern.“ Obwohl es schwierig ist zu entscheiden, welche Riffe am meisten schützenswert sind, haben einige, wie eine Reihe von Riffen in Südtaiwan, angesichts zunehmender Umweltbelastungen eine hohe Widerstandsfähigkeit gezeigt. „Dies scheint mir ein guter Kandidat für ein Riff zu sein, das wir vorrangig schützen und erforschen sollten, um herauszufinden, warum es so widerstandsfähig ist“, sagt er.
Die Identifizierung kritischer Überlebensfaktoren könnte es Forschern wie Dr. Mayfield ermöglichen, besser vorherzusagen, welche Riffe anfälliger für Stress sind, und zukünftiges Bleichen anderswo zu verhindern.
Steigerung der statistischen Aussagekraft wissenschaftlicher Schlussfolgerungen
Die statistischen Modelle von Dr. Mayfield stellen eine deutliche Abkehr von seiner früheren Abhängigkeit von Experimenten mit in Laborbecken gezüchteten Korallenartgenossen dar, bei denen die Ergebnisse seiner Meinung nach nicht ausreichend statistisch aussagekräftig waren, um natürliche Artenvariationen zu berücksichtigen. Im Gegensatz dazu ermöglicht ihm die statistische „Big Data“-Modellierung, weltweite Datenerhebungen (wie die, die im Rahmen der kürzlich abgeschlossenen „Global Reef Expedition“ der Living Oceans Foundation, an der er teilnahm, durchgeführt wurden) zu nutzen, die sowohl tiefgreifender als auch umfassender sind geographisch umfangreicher als die von jedem einzelnen Wissenschaftler gesammelten Daten.
Zum Beispiel in aktuellen Artikeln, die in veröffentlicht wurden Platax (2018) und Zeitschrift für Meeresforschung (2019) untersuchten Dr. Mayfield und seine Co-Autoren Datensätze aus wenig erforschten Regionen des Lau-Archipels auf Fidschi und des tiefen Südpazifiks (Australinseln von Französisch-Polynesien und Cookinseln) mit einer Kombination aus univariaten und multivariaten Methoden . Kritisch untersuchten die Forscher 12 Umweltfaktoren (z. B. Temperatur, Riffstruktur, Fischbiomasse), von denen erwartet wird, dass sie die Korallenphysiologie beeinflussen. Best-Fit-Modelle, die durch schrittweise Regression und partielle kleinste Quadrate erstellt wurden, zeigten, dass nur eine Teilmenge solcher routinemäßig bewerteten Umweltparameter erforderlich war, um einen signifikanten Teil der Variation der physiologischen Reaktion zu erklären. Obwohl sich herausstellte, dass mehrere Modelle in den Studien eine relativ geringe Vorhersagekapazität aufwiesen, betont Dr. Mayfield, dass die Methode dennoch ein Proof of Concept sei und verdeutlicht die Idee, dass es einen Versuch wert sei, zuvor gesammelte Daten zu nutzen, um Vorhersagen über den Meeresspiegel zu treffen Tiergesundheit.
Vom Grafikrechner bis zu JMP®
Als Dr. Mayfield seine Ausbildung in Meeresbiologie zunächst an der Duke University und dann an der University of Hawaii in Manoa begann, war er alles andere als der ausgesprochene Befürworter statistischer Methoden, der er heute ist. Mayfield war noch nicht wirklich mit formaler multivariater Statistik in Berührung gekommen – und weil die Variablen in den Panzerexperimenten seiner frühen Karriere weitgehend bekannt waren und streng kontrolliert wurden –, scherzt Mayfield, dass seine Analyse auf das beschränkt war, was mit einem Grafikrechner möglich war ( z. B. einfaktorielle ANOVA).
Dr. Mayfields Abhängigkeit von rudimentären Werkzeugen wie Taschenrechnern und Microsoft Excel musste sich jedoch ändern, als sich seine Forschung auf feldbezogenere Projekte ausdehnte, für die ein neues Maß an statistischer Komplexität erforderlich war. Glücklicherweise begann Mayfield zu dieser Zeit auch mit der JMP-Software zur statistischen Datenerhebung.
Jetzt wird er nichts anderes mehr verwenden.
„Zuerst habe ich JMP nur verwendet, um Verteilungen zu betrachten und einfache Vergleichsanalysen durchzuführen: T-Tests, ANOVAs, lineare Regression und so weiter. Ich habe wahrscheinlich höchstens 5 % der Möglichkeiten von JMP genutzt“, erinnert er sich. Schließlich entschloss sich Dr. Mayfield jedoch, die anderen 95 % zu verfolgen – ein Schritt, der seiner Meinung nach nicht nur die Art und Weise veränderte, wie er Daten analysierte, sondern auch die Art und Weise, wie diese Daten gesammelt werden.
„Selbst wenn ich draußen am Riff bin, sehe ich JMP-Tabellen und -Abbildungen und denke darüber nach, wie ich aus einer Probe die größtmögliche Information herausholen kann“, sagt er. Da er die Statistiken und die ihm durch JMP zur Verfügung stehenden Möglichkeiten kennt, sagt Dr. Mayfield, dass er strategische Entscheidungen darüber treffen kann, worauf er seine Aufmerksamkeit richten und welche Proben er sammeln möchte, während er unter Wasser ist. „Solche Dinge kann ich mit JMP vorab direkt testen“, sagt er.
Darüber hinaus behauptet Dr. Mayfield, dass mit JMP „selbst bei der gleichen Datenmenge die Menge [der Informationen], die es uns mitteilt, exponentiell zugenommen hat.“ Dadurch, dass er die Statistiken intern erstellt, ist er auch weniger auf externe statistische Ressourcen angewiesen, was zwangsläufig zu mehr Zeit für den Forschungsprozess führt. Und Zeit ist angesichts der wachsenden Krise der Korallenbleiche eine kostbare Ressource. „Wir haben nicht wirklich den Luxus, fünf Jahre lang herumzusitzen und darüber nachzudenken, wie wir die Daten analysieren“, erklärt er.
„Mir wäre nie in den Sinn gekommen, dass ich einige dieser Ideen tatsächlich auf Korallen anwenden könnte.“
Da er sich die Zeit genommen hat, seine Modellierungskenntnisse innerhalb von JMP zu vertiefen, ist Dr. Mayfield in der Lage, kreativ mit seinen Datensätzen umzugehen und einen statistischen Ansatz zu entwickeln, der zuvor verborgene Informationen extrahiert. Als Ideen schaut er sich nun an, wie andere Unternehmen und Institutionen mit ihren großen Datenmengen umgehen. Analysten in anderen Bereichen verwenden routinemäßig Verhaltensdaten, um prädiktive Algorithmen beispielsweise über Einkaufspräferenzen oder Wartungspläne zu entwickeln – warum könnten dieselben Prinzipien nicht auf das Verhalten von Korallenriffen und deren Überleben angewendet werden?
„Wir können möglicherweise nicht mit 100-prozentiger Sicherheit vorhersagen, ob eine Koralle sterben wird“, theoretisiert Dr. Mayfield, aber „wenn wir bereits über genügend Daten darüber verfügen, wie sich Korallen in der Vergangenheit verhalten haben ... könnten wir sagen, basierend auf unseren Daten.“ Frühere Daten belegen, dass ein Anstieg der [Meerwasser-]Temperatur um ein Grad zu einer Veränderung des Korallenwachstums um 30 % führt.“
Potenziell können er und seine Mitarbeiter die weltweite Datenerhebung nutzen, die im Rahmen der Global Reef Expedition der Living Oceans Foundation entwickelt wurde, um den Übergang von der Erklärung zur Vorhersage zu schaffen. „Das sind die Dinge, die ich erforschen möchte, jetzt, da ich mehr darüber weiß, was JMP bieten kann“, sagt Dr. Mayfield. Er wiederholte jedoch schnell eine Schlüsselbotschaft aus der bahnbrechenden Arbeit von Galit Shmueli (2011): Nur weil ein Datensatz frühere Beobachtungen hervorragend erklären kann, bedeute dies nicht automatisch, dass dieserselbe Datensatz dies auch unbedingt zulassen wird eine, um Vorhersagen über das zukünftige Verhalten der Zieltiere zu treffen. Das soll nicht heißen, dass Erklärungs- und Vorhersagefähigkeit niemals synchron sind; nur dass man diesen Zusammenhang empirisch validieren muss.
Auch wenn die Idee noch in den Kinderschuhen steckt, freut sich Dr. Mayfield darauf, die Möglichkeiten zu erkunden, die Big Data im Bereich der Riffkorallenphysiologie bietet. Mit neuen, in JMP entwickelten Modellen kann er ihre Vorhersagekraft anhand eines umfangreichen Felddatensatzes testen. „Wir werden es erst wissen, wenn wir [ein Modell] testen“, sagt er, aber glücklicherweise verfügt JMP über integrierte Plattformen, die diese Art von Modellgenauigkeitstests unterstützen; Wenn Sie Ihre Modelle erstellen, teilt Ihnen JMP mit, ob Ihr Modell für jedes Beispiel funktioniert hat. „Die Vorhersagemodellierungsplattformen von JMP verfügen bereits über die Puzzleteile, sie warten nur darauf, dass diese Art von Daten eintreffen, damit wir damit herumspielen können.“
Dr. Mayfield sagt, er habe nicht nur die Modellierungsfunktionen von JMP genutzt, sondern auch die Plattformen für neuronale Netzwerke und Ausreißeranalysen. In Bezug auf Letzteres argumentiert er, anstatt Daten von Korallen zu verwerfen, die abweichendes Verhalten zeigen (d. h. die Ausreißer), sondern dass diese seltsam funktionierenden Individuen – die in seinen Datensätzen tendenziell am stressresistentesten sind – dies in vielen Fällen tatsächlich tun könnten diejenigen sein, die für Physiologen am interessantesten sind. Mit anderen Worten: Solche Funktionen von JMP ermöglichen es Dr. Mayfield, die Korallenbiopsien zu identifizieren, die er priorisieren sollte, unter der realen Einschränkung, dass in vielen Fällen die Mittel nicht ausreichen, um jede Biopsie in vollem Umfang zu analysieren.
Beschleunigung der Forschung durch Datentransparenz
Dr. Mayfield ist sich schmerzlich bewusst, dass zahlreiche Daten von Forschern ungenutzt bleiben, denen entweder die Zeit oder das statistische Wissen fehlt, sie zu analysieren. Darüber hinaus zögern die meisten angesichts des Drucks zur Veröffentlichung und des Wettbewerbs zwischen Wissenschaftlern, ihre Daten weiterzugeben (sogar Daten, die sie bereits in veröffentlichten Arbeiten verwendet haben). Bei einem so zeitkritischen Problem wie der Korallenbleiche könnte der Datenaustausch jedoch ein Schlüsselfaktor sein, um den Stand der Wissenschaft zu beschleunigen und die wirksamsten Schutzstrategien festzulegen. „Insbesondere in unserem Bereich sollten [Wissenschaftler] offener darüber sein, wie sie die Daten analysieren und echte Anstrengungen unternehmen, um sie an die Öffentlichkeit zu bringen. Es nützt nichts, nur am Computer zu sitzen“, sagt er.
Und Dr. Mayfield geht mit gutem Beispiel voran – JMP gibt ihm die Tools zur Förderung der Transparenz in seiner eigenen Forschung, wie zum Beispiel interaktive HTML-Funktionen, die Datenanalysen in Echtzeit ermöglichen. „JMP hat mir so viele Ideen gegeben – neue Möglichkeiten, meine Daten interaktiver zu gestalten, und zwar nicht nur im Hinblick auf die Visualisierung, sondern auch, um den Menschen den Denkprozess zu zeigen, der hinter meiner Analyse steckt“, sagt er. Zusätzlich zur Veröffentlichung von Datensätzen auf seiner persönlichen Website coralreefdiagnostics.com nutzt Dr. Mayfield jetzt JMP Public als Mittel zur Verbreitung dynamischer Visualisierungen. Die Datenfilterungskapazität der Software, sagt er, ermöglicht es seinen Mitarbeitern und anderen interessierten Personen, Korallen zu „finden“, die bestimmte Merkmale im Datensatz aufweisen – zum Beispiel eine gebleichte Koralle aus Fidschi, die fluoreszierende Proteine überexprimiert. Mit dieser Funktion in JMP Public können aktuelle und zukünftige Mitarbeiter schnell Proben identifizieren, die sie möglicherweise detaillierter analysieren möchten, seien es archivierte Biopsien oder die GPS-Koordinaten der ursprünglich beprobten Korallenkolonien selbst.
> Sehen Sie sich eine Hauptkomponentenanalyse in JMP Public an, die Riffdaten aus Fidschi zeigt
„Die meisten Leute werden einschlafen, wenn man ihnen eine einstündige Vorlesung über Statistik hält, aber wenn sie einfach nur sehen könnten, wie Sie von dieser Datentabelle zu dieser Zahl gekommen sind … wären die Zuschauer vielleicht sicherer in Ihre Daten.“ Dr. Mayfield hofft, dass er durch die Offenlegung der Details seiner eigenen Forschung und durch die Verbesserung der Reproduzierbarkeit seiner Methoden Kollegen zu ähnlicher Transparenz ermutigen und das Fachgebiet bei der Suche nach konkreten Lösungen für den Rückgang der Korallenriffe zusammenbringen kann.
„Möglicherweise verfügen wir bereits über alle Daten, die wir benötigen, um bestimmte Korallenriffprobleme anzugehen“, sagt Dr. Mayfield. „Wir analysieren sie einfach nicht richtig.“ JMP könnte das ändern. Und jetzt wird Dr. Mayfields Forschung nur noch durch die Fragen begrenzt, die er stellt.
Verweise
Mayfield AB, Dempsey AC, Inamdar J, Chen CS (2018), Eine statistische Plattform zur Bewertung der Korallengesundheit in einer Zeit des sich ändernden globalen Klimas – I: Eine Fallstudie aus dem Lau-Archipel auf Fidschi.Platax 15, 1-35.
Mayfield AB, Chen CS, Dempsey AC (2019), Modellierung umweltbedingter Variationen in der Physiologie von Riffkorallen.Zeitschrift für Meeresforschung 145, 44-54.
Shmueli G (2011), Erklären oder vorhersagen?Statistische Wissenschaft 25(3), 289-310.
