儘管珊瑚礁僅佔地球海洋面積的不到 2%，但它們在海洋健康中起著至關重要的作用，並且是地球上最多樣化的生態系統之一。 它們不僅是許多海洋物種的家園，而且它們的巨大影響延伸到當地經濟、支持漁業、鼓勵旅遊業和保護海岸線免受侵蝕——每年價值數十億美元的影響。 由於在環境和經濟成功方面發揮著巨大作用，保護這些脆弱的珊瑚礁應該成為全球優先事項，但世界各地的珊瑚礁健康狀況仍在繼續下降。 尤其是氣候變化加速了珊瑚礁的退化，科學家們現在估計，由於氣候變化和其他人為因素，過去四十年世界上一半以上的珊瑚礁已經消失。 儘管科學家們廣泛了解珊瑚礁白化和（後來）死亡的原因，但具體預測哪些珊瑚礁面臨的風險最大，哪些珊瑚礁最具彈性，以及哪些應該優先保護仍然是該領域最重要的挑戰之一。
Khaled bin Sultan Living Oceans Foundation 等組織尋求這些問題的答案，世界各地的海洋科學家正在投資於國際珊瑚礁研究、保護和恢復工作。 在他們的支持下，Anderson Mayfield 博士將他的職業生涯獻給了珊瑚礁生理學研究，他認為科學家需要一種更嚴格的、統計驅動的方法，如果他們要理解——並減輕——珊瑚的分解以應對在為時已晚之前改變環境。
統計方法加速了科學家與時間作鬥爭的領域的研究
在海洋生物學領域——其中有太多東西是不為人知的——科學家們面臨的第一個挑戰是觀察和了解那裡有多少珊瑚、它們的位置、它們的健康狀況以及它們面臨的風險因素。 記錄珊瑚礁健康隨時間的變化對於了解這個脆弱的生態系統如何受到海水溫度和酸度升高等氣候變化相關因素的影響至關重要。
但是，鑑於全球珊瑚礁生態系統現在面臨的威脅迫在眉睫，美國國家海洋和大氣管理局位於邁阿密的大西洋海洋學和氣象實驗室的助理科學家梅菲爾德博士認為，有必要對海洋科學採取更加積極主動的態度，尤其是海洋保護工作。 這就是為什麼他和他的合作者正在為統計方法辯護。 他說，預測模型可以幫助確定哪些珊瑚礁更容易受到環境壓力的影響——哪些珊瑚礁最具彈性——從而使保護資助機構能夠優先考慮有針對性的緩解措施。
健康的珊瑚蟲依賴於與生活在其組織中的微小藻類的內共生關係。 這些藻類賦予珊瑚顏色，並作為它們的主要食物來源。 然而，當水溫升高時，共生關係受到壓力，藻類開始離開，導致珊瑚變白或“漂白”並餓死。
“有些珊瑚無論如何都會漂白，”梅菲爾德博士解釋道。 “但還有其他珊瑚礁，如果我們減輕一些當地壓力，它們將更有可能生存。”雖然很難確定哪些珊瑚礁最值得保護，但有些珊瑚礁，例如台灣南部的一系列珊瑚礁，在面臨日益增加的環境壓力時表現出了高度的彈性。 “在我看來，這似乎是一個很好的珊瑚礁候選者，我們應該優先保護和研究 [以確定] 為什麼它如此有彈性，”他說。
確定關鍵的生存因素可能會讓像梅菲爾德博士這樣的研究人員更好地預測哪些珊瑚礁更容易受到壓力，並阻止其他地方未來的白化。
提高科學結論的統計能力
Mayfield 博士的統計模型與他之前對在實驗室水箱中生長的珊瑚同種動物進行實驗的依賴有很大不同，他說結果在統計上不夠強大，無法解釋自然物種的變異。 相比之下，“大數據”統計模型使他能夠利用更深入、更廣泛的全球數據調查（例如在最近完成的 Living Oceans Foundation“全球珊瑚礁探險”中進行的調查，他是其中的參與者）地理範圍比任何科學家個人積累的數據都要廣泛。
例如，最近發表在普拉塔克斯(2018) 和海洋研究雜誌(2019)，Mayfield 博士和他的合著者分別使用單變量和多變量方法的組合，研究了來自斐濟勞群島和南太平洋深處（法屬波利尼西亞南部群島和庫克群島）未被充分研究區域的數據集. 至關重要的是，研究人員探索了 12 種預計會影響珊瑚生理的環境因素（例如，溫度、珊瑚礁結構、魚類生物量）。 通過逐步回歸和偏最小二乘法產生的最佳擬合模型表明，僅需要此類常規評估環境參數的一個子集來解釋生理反應的很大一部分變化。 儘管發現研究中的幾個模型的預測能力相對較低，但 Mayfield 博士敦促該方法仍然是概念證明，並展示了值得嘗試使用以前收集的數據來預測海洋的想法動物健康。
從圖形計算器到 JMP®
當 Mayfield 博士先是在杜克大學開始接受海洋生物學培訓，然後在夏威夷大學馬諾阿分校開始接受海洋生物學培訓時，他遠非今天這樣直言不諱地支持統計方法。 由於尚未以任何實際方式接觸過正式的多元統計數據——並且因為他早期職業生涯中坦克實驗中的變量基本上是已知的並且受到嚴格控制——梅菲爾德開玩笑說他的分析僅限於可以在圖形計算器上完成的事情（例如，單向方差分析）。
然而，Mayfield 博士對計算器和 Microsoft Excel 等基本工具的依賴必須改變，因為他的研究擴展到更多基於實地的項目，這些項目需要更高水平的統計複雜性。 幸運的是，大約在那個時候，Mayfield 也開始使用 JMP 統計發現軟件。
現在他不會使用任何其他東西。
“起初，我只是使用 JMP 查看分佈並進行簡單的比較分析：t 檢驗、方差分析、線性回歸等。 我可能只利用了 JMP 的 5% 或更少，”他回憶道。 然而，最終，Mayfield 博士決定追求剩下的 95%——他認為此舉不僅改變了他分析數據的方式，而且改變了這些數據的收集方式。
“即使當我在珊瑚礁上時，我也會看到 JMP 的表格和數據，思考如何從樣本中獲取最多的信息，”他說。 Mayfield 博士通過 JMP 了解了他可用的統計數據和功能，他說他可以就在水下時將注意力集中在哪里以及收集哪些樣本做出戰略決策。 “這些都是我可以提前使用 JMP 直接測試的東西，”他說。
此外，Mayfield 博士認為，對於 JMP，“即使數據量相同，它告訴我們的 [信息] 量也呈指數級增長。”將統計數據引入內部也限制了他對外部統計資源的依賴，這不可避免地增加了研究過程的時間。 鑑於日益嚴重的珊瑚白化危機，時間是一種寶貴的資源。 “我們真的沒有足夠的時間花五年的時間思考如何分析數據，”他解釋道。
“我從來沒有想過我實際上可以將這些想法中的一些用於珊瑚”
在花時間深化他在 JMP 中的建模技能後，Mayfield 博士能夠創造性地處理他的數據集，並設計出一種統計方法來提取以前隱藏的信息。 為了獲得靈感，他現在著眼於其他公司和機構如何處理他們的大型數據集。 其他領域的分析師經常使用行為數據來開發預測算法，例如購物偏好或維護計劃——為什麼不能將相同的原理應用於珊瑚礁行為及其生存？
“我們可能無法 100% 肯定地預測珊瑚是否會死亡，”梅菲爾德博士推測，但“如果我們已經有足夠的數據來了解珊瑚過去的行為......我們可能會說基於我們的過去的數據表明，[海水] 溫度升高 1 度會導致珊瑚生長發生 30% 的變化。”
潛在地，他和他的合作者可以使用作為 Living Oceans Foundation 的全球珊瑚礁探險的一部分而開發的全球數據調查來實現從解釋到預測的轉變。 “現在我對 JMP 可以提供什麼有了更多了解，這些都是我想要探索的東西，”Mayfield 博士說。 然而，他很快回應了從 Galit Shmueli (2011) 的開創性工作中收集到的一個關鍵信息，即僅僅因為一個數據集擅長解釋過去的觀察，並不意味著這個數據集必然允許一種是預測目標動物的未來行為。 這並不是說解釋能力和預測能力永遠不會同步。只是必須憑經驗驗證這種關係。
雖然這仍然是一個新生的想法，但 Mayfield 博士很高興探索大數據在珊瑚礁生理學領域提供的機會。 借助在 JMP 中開發的新模型，他可以使用廣泛的現場數據集測試它們的預測能力。 “在我們測試 [模型] 之前我們不會知道，”他說，但幸運的是，JMP 擁有支持此類模型準確性測試的內置平台；當您構建模型時，JMP 會告訴您您的模型是否適用於每個樣本。 “JMP 的預測建模平台已經準備好了拼圖，他們只是在等待此類數據的出現，以便我們可以使用它。”
Mayfield 博士表示，他不僅利用了 JMP 的建模功能，還利用了神經網絡和離群值分析平台。 關於後者，他認為，在許多情況下，這些功能異常的個體——在他的數據集中往往是最能抵抗壓力的——可能實際上並沒有丟棄顯示異常行為的珊瑚數據（即異常值）是生理學家最感興趣的那些。 換句話說，JMP 的這些功能使 Mayfield 博士能夠確定在現實世界的限制下他應該優先進行的珊瑚活檢，在許多情況下，沒有足夠的資金來充分分析每個活檢。
通過數據透明度加速研究
正如梅菲爾德博士痛苦地意識到的那樣，大量數據因缺乏時間或統計知識來分析它們的研究人員而閒置。 此外，鑑於發表論文的壓力和科學家之間的競爭，大多數人都不願意分享他們的數據（即使是他們已經在發表的作品中使用過的數據）。 然而，對於像珊瑚礁白化這樣的時間敏感問題，數據共享可能是加速科學發展和確定最有效保護策略的關鍵因素。 “特別是在我們的領域，[科學家] 應該更加開放地了解他們如何分析數據並做出真正的努力來獲得數據。 坐在電腦前沒有任何好處，”他說。
Mayfield 博士以身作則——JMP 為他提供了提高其研究透明度的工具，例如支持實時數據分析的交互式 HTML 功能。 “JMP 給了我很多想法——讓我的數據更具交互性的新方法，不僅在可視化方面，而且向人們展示了我分析數據背後的思維過程，”他說。 除了將數據集發佈到他的個人網站 coralreefdiagnostics.com 之外，Mayfield 博士現在還使用 JMP Public 作為傳播動態可視化的手段。 他說，該軟件的數據過濾能力允許他的合作者和其他感興趣的人“找到”在數據集中表現出某些特徵的珊瑚——例如，來自斐濟的過度表達熒光蛋白的漂白珊瑚。 JMP Public 中的這一功能將使現在和未來的合作者能夠快速識別他們可能希望更詳細地分析的樣本，無論是存檔的活組織檢查還是最初採樣的珊瑚群落本身的 GPS 坐標。
>查看 JMP Public 中的主成分分析，顯示來自斐濟的珊瑚礁數據
“如果你給他們講一個小時的統計數據，大多數人都會睡著，但也許如果他們能看到你是如何從這個數據表變成這個數字的……觀眾就會對你的數據更有信心。”梅菲爾德博士希望通過公開他自己的研究細節，並通過提高他的方法的可重複性，他可以鼓勵同事們實現類似的透明度，使該領域團結起來尋求切實可行的珊瑚礁衰退解決方案。
“我們可能已經擁有解決某些珊瑚礁問題所需的所有數據，”梅菲爾德博士說。 “我們只是沒有以正確的方式分析它們。” JMP 可以改變這一點。 而現在，Mayfield 博士的研究僅限於他提出的問題。
參考
Mayfield AB、Dempsey AC、Inamdar J、Chen CS (2018)，在全球氣候變化的時代評估珊瑚健康的統計平台-I：斐濟勞群島的案例研究。普拉塔克斯15、1-35。
Mayfield AB、Chen CS、Dempsey AC (2019)，模擬環境介導的珊瑚礁生理學變化。海洋研究雜誌145、44-54。
Shmueli G (2011)，解釋還是預測？統計科學25(3), 289-310。
