Анализ трендов

Photo: Cecilie Von Quillfeldt, Norwegian Polar Institute.

Temporal development 2019
Typography
  • Smaller Small Medium Big Bigger
  • Default Helvetica Segoe Georgia Times

Общими трендами являются такие тренды, которые схожи для разных компонентов экосистемы. Идентификация общих трендов может служить средством диагностики для обнаружения произошедших изменений, для изучения взаимоотношений биологических сообществ, а также для изучения связи этих сообществ с условиями окружающей среды.

Оценка и классификационный анализ трендов (TREC)

Для проведения данного исследования временные ряды данных рабочей группы WGIBAR, включая 7 абиотических компонентов, 18 биотических компонентов и 8 видов антропогенного воздействия были обработаны с использованием оценки и классификационного анализа трендов (TREC). Расчетные значения, полученные с помощью модели полиномиального тренда, показаны на рис. 2.2.1.1. Для грубой классификации трендов 1 и 6 путем разбиения на три группы применялся двухкатегориальный дискриминантный анализ (рис. 2.2.1.2).

Рис. 2.2.1.1. Расчетные значения тренда (красные линии) и данные наблюдений (черные линии). По оси абсцисс отложены годы (1980–2019), а по оси ординат — нормированные значения. Рис. 2.2.1.1. Расчетные значения тренда (красные линии) и данные наблюдений (черные линии). По оси абсцисс отложены годы (1980–2019), а по оси ординат — нормированные значения.

В классифицированных группах также показаны некоторые точные общие конфигурации, например линейные и экспоненциальные кривые или кривые насыщения для восходящих трендов. Эти тренды становятся ориентирами при дискриминантном анализе с использованием более чем двух категорий. Данные ориентиры соответствуют репрезентативным значкам, которые служат общим ориентиром для заинтересованных лиц. Детальные сведения о каждой классифицированной категории и соответствующие значки показаны на рис. 2.2.1.3. Продолжающееся потепление связано с тенденцией к повышению температуры воды, увеличением площади, занимаемой теплыми атлантическими водными массами, и с тенденцией к уменьшению площади ледового покрова, берущей начало в 1980-х гг. Это потепление также связано с увеличением биомассы макрозоопланктона, такого как криль и медузы, а также с пополнением популяции рыбы (сеголетки), которое привело к росту рыбных запасов (треска, пикша и сельдь).

Рис. 2.2.1.2. Дендрограмма, полученная методом двухкатегориального дискриминантного анализа (верхняя часть), и классифицированные группы (грубо — три: с направлением вверх, горизонтально и вниз) (нижняя таблица). Рис. 2.2.1.2. Дендрограмма, полученная методом двухкатегориального дискриминантного анализа (верхняя часть), и классифицированные группы (грубо — три: с направлением вверх, горизонтально и вниз) (нижняя таблица).

Рис. 2.2.1.3. Детальные сведения о классифицированных данных в каждой категории. Рис. 2.2.1.3. Детальные сведения о классифицированных данных в каждой категории.

Анализ предупреждающих сигналов

Для оценки того, соответствуют ли данные последних наблюдений недавнему тренду, делается предварительный расчет на один год (или на большее количество лет) вперед. Значения тренда в этом случае рассчитываются с использованием модели стохастического тренда. Модель стохастического тренда представляет собой класс авторегрессионной модели, которую легко использовать для представления в пространстве состояний. Для оценки компонента тренда, а также для предварительного расчета применяется алгоритм фильтра Кальмана. Оценочные значения тренда выглядят варьирующими в большей степени по сравнению с расчетными значениями полиномиального тренда. Это объясняется тем, что стохастический тренд соответствует вариабельности данных в каждый момент времени. Мы использовали этот алгоритм для обработки данных, полученных до 2016 г., и сделали предварительный расчет для 2017–2019 гг. На рис. 2.2.2.1 расчетные значения тренда и результаты предварительного расчета с доверительными интервалами изображены в виде красной линии. Реальные данные наблюдений, сделанных в 2017–2019 гг., представлены в виде черных точек. Черные точки, находящиеся в пределах / за пределами доверительных интервалов, служат статистическими критериями для оценки разницы между данными наблюдений и прогнозируемыми значениями, полученными с помощью модели тренда. На основании этого можно судить о том, несут ли данные наблюдений знаковую функцию и не происходит ли в экосистеме нечто необычное, что может являться предупреждающим сигналом.

Рис. 2.2.2.1. Результаты предварительного расчета на 3 года вперед и доверительные интервалы (красные линии) для тренда, полученные на основании анализа данных, зарегистрированных в 1980–2016 гг. (черные линии). Черные точки отражают реальные данные наблюдений, сделанных в 2017–2019 гг. Рис. 2.2.2.1. Результаты предварительного расчета на 3 года вперед и доверительные интервалы (красные линии) для тренда, полученные на основании анализа данных, зарегистрированных в 1980–2016 гг. (черные линии). Черные точки отражают реальные данные наблюдений, сделанных в 2017–2019 гг.

Таблица 2.2.1.2. Данные наблюдений для абиотических и биотических параметров, расположенные за пределами или на границе доверительных интервалов для значений, полученных в результате предварительного расчета для периода с 2017 по 2019 г., на основании тренда и «шума наблюдений» с использованием данных наблюдений, полученных до 2016 г. Таблица 2.2.1.2. Данные наблюдений для абиотических и биотических параметров, расположенные за пределами или на границе доверительных интервалов для значений, полученных в результате предварительного расчета для периода с 2017 по 2019 г., на основании тренда и «шума наблюдений» с использованием данных наблюдений, полученных до 2016 г.

Logo ICES