テレサ・フィダルゴ・フォンセカ博士は、ポルトガルのトラス・オス・モンテス・アルト・ドウロ大学（UTAD）の森林科学教授であり、森林資源工学と造林を研究し、森林の成長管理を地域社会の価値観と調和させる実践に焦点を当てています。そしてニーズ。 彼女は、国際森林研究機関連合 (IUFRO) の部門 1 造林担当副コーディネーターおよび学術雑誌のゲスト編集者を務めています。森林そして森林管理のフロンティア。
彼女の最近の出版物は、海岸松の管理: 代替造林ガイドラインによるエネルギーの可能性、ホセ・ロウサダとの共著で、森林バイオマス: 木からエネルギーへ2021年2月に。 その中でテレサは、海岸松の種を管理するための新しいガイダンスを提示し、シミュレーションを使用して開発および検証されました。モディスピンスターモデル。 最終的に、この研究の結果は、実行されれば、費用対効果が高く持続可能な再生可能エネルギー源であるバイオマスの収量を最適化できる可能性があります。
統計の伝道者であるテレサは、 JMP教室でも彼女自身の研究でも、長年にわたって。
Forest of maritime pine in Portugal where data for statistical analysis and modeling is collected統計分析とモデリングのためのデータが収集されるポルトガルの海岸松の森メグ: 林業への興味と統計への興味はどちらが先ですか?
テレサ:私がUTADの学部生として受講したデンドロメトリーという優れた林業工学コースは、私に森林生体認証とモデリングを紹介してくれた優秀な教授によって教えられました。 当時、統計がとても好きだと感じていたので、統計を林業に応用できると知ってとても興奮しました！
卒業後、私は森林資源工学の修士号を取得し、ユーカリの茎のテーパー[地上高の関数としての木の幹の直径]のモデリングに取り組みました。 それから私は博士号を取得し、これもモデリングの分野で取得し、モデルを作成しました。現在はフランスのプラットフォームを通じて無料で入手できます。カプシス、枯死率、成長、直径分布などの海岸松のダイナミクスをシミュレートします。
そのモデル、ModisPinaster は、問題への答えとして生まれました。当時、森林計画に使用できる、ポルトガル北部で最も代表的な針葉樹種の森林モデルがありませんでした。 私たちは現場にいくつかの恒久的なプロットを実装し、データを収集し、それから最初は概念的な作品に発展させました。 現在では、ポルトガルの森林に限定されるものではなく、他の場所の研究者も使用できるようになりました。
A design plan for ModisPinasterModisPinaster のデザインプランメグ: ModisPinaster を使用して開発した造林ガイドラインを導入することによる潜在的な影響は何だと思いますか?
テレサ:森林管理は常に科学に基づいていなければなりません。 従来、管理者は実証研究から導き出されたガイドラインを使用してきましたが、統計モデリングでは提供できる強度がありません。 [私の最近の論文の場合]森林、火災後の再生海岸松林におけるサイズと密度の軌跡] では、私たちのモデルは、森林火災の影響を受けた自然由来の松林を自然再生によって最適に管理する方法を示しています。
このモデルにより、森林管理者は植物の最適な標準密度とその種の発達段階を特定することができます。 管理者が「木を何本持つべきか」といった数値目標のみに基づいて仕事をしないことが非常に重要です。その代わりに、非常に優れたデータセットと適切なモデルが使用されます。これは、線形モデルまたは二次モデルとして単純であり、最大密度線の説明はその一例です。
私は常に自分の研究を実用化に結びつけることにとても喜びを感じており、できる限り森林管理者に利益をもたらすモデルを構築しようと努めています…。 彼らに森林管理への適切な支援を提供できれば、森林資源の持続可能性に影響を与えると確信しています。
Example of ModisPinaster interface showing output options and simulation of growth出力オプションと成長のシミュレーションを示す ModisPinaster インターフェイスの例メグ: モデルを使用して調査している他の研究上の疑問にはどのようなものがありますか?
テレサ:つい最近、同僚と私は別の松、つまりポルトガル原産ではないヨーロッパクロマツの半径方向の直径の成長を分析していました。 私たちは 6 つの異なる場所からのデータを取得し、シューマッハの成長方程式を使用して、クロマツの個体群間の違いを調べました。 私たちは、その種が自然の範囲外で予想される行動を理解したいと考えており、モデリングはこれを達成するための重要な方法でした。
モデリングを使用すると、平均や標準変動を計算するだけでなく、それ以上のことができます。 まず、樹齢による直径の分散をグラフ化し、次にモデルを当てはめて、場所ごとの違いを特定しました。 ご覧のとおり、私はモデルのことを話すときはいつも笑顔でいます。なぜなら、それは本当に好きなことだからです。
パターンを特定すると、1 日 24 時間、週 7 日を簡単にモデリングに費やすことができます。 優れたデータから生成できるすべての情報と、それを森林管理者にとって重要な情報を提供する数式にどのように要約できるかを考えるのは、とても楽しいことです。
Examples of visual data analysisビジュアルデータ分析の例メグ: データが良好であることをどうやって確認できるのですか?
テレサ:まず第一に、私はデータに対して非常に厳密に取り組んでいます。なぜなら、優れたデータによって十分に裏付けられていなければ、優れたモデルを作成することはできないと信じているからです。 前述の例の 1 つにおける種の自然再生の条件など、データがサンプリングされた集団をよく代表するものとなるように、適切な測定基準とデータ選択基準を持つことが重要です。
データ品質に関して私たちが直面する課題のリストはかなり長いです。 私が博士課程を取得していたとき、いくつかのモデルを構築した後にエラーを見つけたという経験がありました。 すべてを再調整する必要があり、時間がかかりました。そのため、今では何かをモデリングする前にデータを非常に慎重に分析しています。
そして、もう 1 つ非常に重要なことがあります。モデルの品質を分析する必要があります。 想定どおりに実行されるかどうか、いつ実行されるかを確認する必要があります。 私はすべての生徒にこれを言います。私たちには優れたモデルを提供する責任があるので、モデルがすべての適切な統計テストと分析を確実に通過するようにする必要があります。
Typical datasets: Anscombe´s quartet典型的なデータセット: Anscombe のカルテットメグ: モデルが良いかどうかを判断するために、どのようなチェックを使用しますか?
テレサ:私は通常、応答変数と各因子間の関係だけでなく、すべての因子間の関係を確認するために、さまざまなグラフを使用して視覚的な分析を行っています。 私は生徒たちに色を使うことをよく勧めます。データセットを分けるために別の色を使うだけで、全体的なパターンと個々のパターンの両方をよりよく理解できる場合があるからです。
データ クリーニングに関しては、異常値や影響力のある観測結果は、エラーでない限り、プロセスに関する情報を提供するためにデータ セットに保持する必要があります。 ある時、異常な数の海岸松に関する異常値が出ましたが、現場で測定したので真の値でした。 他のデータポイントと大きく異なるため、それが結果に影響を与えることは認識していました。 私はいくつかのモデルを構築しました。1 つは全データセットを使用し、もう 1 つは外れ値なしでテストしました。 ただし、最終的には除外しませんでした。前にも述べたように、優れたモデルにはサンプル内の真の変動を表す外れ値を含む優れたデータセットが必要だからです。
メグ: 統計に関して学生はどのような誤解を持っていますか?
テレサ:学生の中には、モデリングとは単にデータに傾向を作り出すことだと考えている人もいます。 複雑すぎると考える人もいます。 最初は十分な準備ができていませんが、私が統計分析について詳しく教えると、彼らはモデリングの可能性に気づきます。 非常に優れたモデルを構築するには、多くの時間と練習が必要になる可能性があるため、私は生徒たちに、このモデリングの旅に一歩ずつ一緒に参加するよう常に動機付けるよう努めています。 実際、コースを修了した後もモデルの仕事を続ける生徒もいます。これは私にとって非常にやりがいのあることです。
Students in the Forest Management course at UTAD working with ModisPinasterModisPinaster と協力する UTAD の森林管理コースの学生メグ：そうだね！ 統計に対する情熱が伝染するあなたのような教授がいると助かるのは間違いありません。 そして、純粋なモデリングだけでなく、実際の応用例を確認できる森林科学のような応用環境で統計を学ぶこともできます。
テレサ:アプリケーションはとても重要です。 私が教えているコースは以下に基づいていますJMP 、最初のいくつかのレクチャーはソフトウェアの使用方法についてです。 学生は JMP に慣れたら、林業で使用される小さなモデルの作成を開始します。 そこから徐々に難易度を上げていきます。 たとえば、私は線形回帰モデリングから始めて、コースの終わりまでに非線形モデルを教えています。 トピックが難しくなるにつれて、私の講義は単なる理論的なものではなく、実際の科学的な例を使った実践的なものであることが重要です。
最初の講義が最も重要です。なぜなら、この講義で学生のデータへの関心をつかむからです。 最初は、モデリングに興味があるのではなく、データ分析に興味があります。 私は自分の研究から得たグラフやウェブ上で入手可能なグラフを彼らに提供し、統計やモデリングについて何も知らなくても、そこに表示されたものを分析するように依頼します。 最初は学生たちは何も見えないと思うかもしれませんが、話し合ううちに傾向が見えてくるようになります。 (時々、グラフを見せる前に、生徒たちを参加させ、また目を訓練するために、アルファベットのスープを提示します。)
私が彼らに伝えている最も重要なことの 1 つは、将来的には科学分野でのみデータを使用するようになるということです。 次世代は私よりも統計分析とモデリングに依存することになるでしょう。 したがって、私たちは将来の科学者にモデルを構築するために必要なスキルを提供することに投資する必要があります。 科学の一部として統計を推進することは非常に重要です。 科学だけでなく、データ分析だけでもなく、その両方です。
データを扱うための基本的なスキルの開発に学生を参加させ、これまで不可能だった発見を通じて世界を単純化するデータ分析の可能性を理解してもらう必要があります。
