Category: история

Category was added automatically. Read all entries about "история".

covtoc

Zaplata et al., 2013

Zaplata M.K., Winter S., Fischer A., Kollmann J., Ulrich W., 2013. Species-Driven Phases and Increasing Structure in Early-Successional Plant Communities // The American Naturalist. 181 (1): E17–E27.
В 2005 году в Восточной Германии завершили рекультивацию небольшого карьера, оставшегося после открытой разработки бурого угля. Карьер засыпали 3-метровым слоем песка и суглинка, в результате образовался участок площадью 6 га. Этот рекультивированный карьер стал площадкой для долгосрочной мониторинговой программы, в ходе которой изучаются разные изменения (почвенные, гидрологические, выбросы из-под поверхности), в том числе – изучается динамика формирующегося растительного сообщества.
Для описания почвы карьер был покрыт сеткой пробных площадей размером 20 × 20 м. В каждой такой площадке после окончания строительства были взяты пробы почвы, подвергнутые химическому анализу, в результате есть подробные данные по содержанию песка, глины и ила, а также по концентрациям элементов (C, N, S), кислотности и проводимости.
Для описания растительности используется эта же сетка пробных площадей, в центре каждой заложен участок размером 5 × 5 м, в углах которого расположены четыре метровых квадрата. Описание растительности проводится ежегодно стандартным методом с фиксацией проективных покрытий видов.
В данной работе представлены результаты анализа структурных изменений формирующегося в ходе сукцессии лугового сообщества за первые 5 лет его становления (2006 – 2010). В качестве структурных показателей рассмотрены индекс сегрегации (C-score; Stone, Roberts, 1990), показатель вложенности (метрика несоответствий; Brualdi, Sanderson, 1999), а также показатель смены видов (turnover), основанный на процедуре сериализации (Leibold, Mikkelson, 2002). Эти три показателя рассчитывались по матрицам двух масштабов: на основе метровых квадратов и на основе участков 5 × 5 м. Статистический анализ проводился с применением консервативной нуль-модели FF. Дополнительно были рассмотрены кривые доминирования-разнообразия, которые анализировались на предмет соответствия степенной и логнормальной моделям, а также лог-серии. Особенности пространственной структуры изучались двумя способами. Во-первых, при анализе вложенности для каждой пробы рассчитывался показатель ее уникальности (idiosyncrasy), для которого потом строилась регрессионная модель зависимости от почвенных показателей. Во-вторых, рассмотрена автокорреляция проективного покрытия видов-доминантов. Анализ проводился отдельно для двух подмножеств пробных площадей, выделенных по результатам кластерного анализа по почвенным показателям.
Наиболее явная динамика выявлена для показателя сегрегации, который растет с ходом времени и становится статистически значимым на 2-3 год сукцессии. Показатель смены видов уменьшается, но в статье представлены его ненормированные по нуль-модели значения, а сами результаты статистического анализа показывают, что в первые два года результат незначим, затем – значим. Использованный показатель вложенности статистически незначим и внятной динамики также не демонстрирует. Но при этом регрессионный анализ уникальности проб после анализа вложенности показал, что в первые два года значимой зависимости от почвенных показателей нет, но в последующие годы она проявляется и полные регрессионные модели объясняют 8% – 22% изменчивости.
Анализ кривых доминирования-разнообразия показал их соответствие лог-серии в первые два года сукцессии, и соответствие логнормальному распределению в последующие годы. Этот результат интерпретируется как поддержка гипотезы о более сильном влиянии в ранние годы процессов расселения, поскольку лог-серия соответствует нейтральным моделям, в которых процессы расселения играют определяющую роль.
После заполнения карьера доминантом был инвазийный злак Conyza canadensis. В ходе сукцессии снижалось как его проективное покрытие и встречаемость, так и показатель автокорреляции. Пик пришелся на первый год (2006). На 3-4 год доминантом стал Trifolium pratense. На эти же годы приходится пик его пространственной автокорреляции. На основании этих данных авторы выделяют две выраженные сукцессионные «фазы».
Таким образом, авторы показали, что в первые два года характер пространственной структуры отличался случайностью, что является следствием случайного характера первичного заселения. Затем начинают выявляться эффекты неслучайной совместной встречаемости видов, что выявлено с применением индексов сегрегации и показателя смены видов, но не индекса вложенности. Применительно к вложенности аналогичный эффект выявлен косвенным образом путем анализа зависимости показателей уникальности от состава почвы.
Из технических деталей отмечу совсем неочевидную необходимость разделения полного набора данных на два подмножества, которое использовали авторы. Либо это «происки» редактора и рецензентов, либо там были какие-то проблемы с результатами анализа полного набора данных.
covtoc

Podani, Schmera, 2011

Podani J., Schmera D., 2011. A new conceptual and methodological framework for exploring and explaining pattern in presence – absence data // Oikos. 120: 1625–1638.
Авторы предлагают новый концептуальный каркас для разложения разнообразия в матрице присутствия/отсутствия видов. В основе подхода лежат разложения общего числа видов (γ-разнообразия) в парах выборок (сообществ) на три пары аддитивных компонент: (1) сходство (число общих видов, a) и несходство (суммарное число уникальных видов, b+c), оно же β-разнообразие, оно же оборот видов (species turnover); (2) различие (|b-c|) и сходство (a + 2min(b,c)) видового богатства; (3) замена видов (species replacement, 2min(b,c)) и вложенность (a + |b-c|). Отнормировав эти компоненты на общее видовое богатство в паре выборок (a+b+c) можно получить относительные компоненты.
При суммировании первых компонент из трех пар получится единица, аналогично при суммировании вторых компонент получится двойка. Для визуализации таких данных предлагается так называемый симплексный подход. Получаемая графическая иллюстрация представляет собой равносторонний треугольник, вершины которого соответствуют первым компонентам в парах, а стороны – вторым компонентам, причем сторона «парной» компоненты противолежит соответствующей вершине. Точка с тремя первыми компонентами, равными 0.333, соответствует центру треугольника, вершины – ситуациям, когда одна из компонент равна единице, а две другие нулю, середины сторон – ситуациям, когда две компоненты равны 0.5, а третья нулю. Полученный таким образом график авторы называют SDR-симплексом по обозначению вершин (Similarity – сходство, richness Difference – различия в видовом богатстве, species Replacement – замена видов).
В дополнение к симплексным графикам авторы предлагают также использовать усредненные данные для всех пар выборок и приводят соответствующие формулы.
Новый подход иллюстрируется на примере искусственных матриц (с разной степенью вложенности, компартментацией и т.п.), а также на 15 эмпирических примерах.
К статье прилагается программка, которая считает предложенные индексы для матриц в текстовом формате. К сожалению, сама программа исполнена в виде exe-файла без исходников, так что использовать ее можно исключительно в ручном режиме.
Предлагаемый подход представляется мне очень интересным и перспективным средством визуализации паттернов структуры сообщества. Очевидно наиболее слабым местом опять является терминология: насколько корректно отождествлять соответствующие компоненты с β-разнообразием и вложенностью. В случае с вложенностью позиция наиболее слабая. Здесь фактически предложен еще один из череды индексов вложенности, не самым очевидным образом соотносящийся с самой концепцией вложенности. Второй слабостью является отсутствие на данный момент предложений по статистическому анализу соответствующих компонент, но это отмечается и самими авторами как направление для дальнейшей работы.
covtoc

Zhang et al., 2011

Zhang Y., Ma K., Anand M., Fu B. Multifractal pattern and process during a recent period of forest expansion in a temperate mountainous region of China // Ecological Informatics. 2011. 6: 384-390.

Новая статья плодотворной группы товарищей из пекинского исследовательского центра экологических наук.
Материалом для исследования послужили данные по лесной экспансии в горном районе в окрестностях Пекина за последние 30 лет. Авторам удалось получить 4 оцифрованных спутниковых снимка участка размером 28.8 х 28.8 км с разрешением от 30 до 80 м. На снимках были распознаны покрытые лесом участки. Лесное покрытие с 1970 г. по 2010 г. увеличилось с 17 % до 49 %. Эти растровые изображения и были подвергнуты мультифрактальному анализу.

В качестве модели роста фрактальной структуры авторы взяли хорошо известную модель ограниченной диффузией агрегации (diffusion-limited aggregation, DLA) и сгенерировали несколько изображений кластеров, более-менее соответствующих по массе (и соответственно – общей плотности) анализируемым изображениям.

Мультифрактальный анализ проводился самым стандартным методом подсчета ячеек и далее через скейлинг моментов (точнее, информации Реньи Iq, которая по сути есть log(Mq)/(q-1) ). В качестве примеров графиков скейлинга приведены лучший и худший по качеству линейной аппроксимации графики для всех снимков, судя по которым степенной скейлинг соблюдается достаточно хорошо. Как и ожидалось, худшая аппроксимация у графика с максимальным q. Полученные спектры обобщенных размерностей Реньи так же не содержат никаких аномалий, так что даже непонятно, почему авторы не преобразовали их в мультифрактальные спектры. Рост лесного покрытия отражается на спектрах ростом размерностей: спектры последних лет лежат выше спектра 1970 г., причем эта тенденция соблюдается как для правой (отрицательные q), так и для левой частей спектра.

Аналогичным образом проанализированные изображения растущего DLA-кластера дали сходные результаты: скейлинг похож на степенной, спектров размерностей Реньи кластеров большей массы лежат выше спектров кластеров меньшей массы. На этом основании авторы проводят глубокую аналогию между лесной экспансией и простыми фракталогенерирующими моделями, намекая на то, что высокая пространственная сложность экосистем может быть объясняться довольно простыми механизмами.

Лично я не впечатлен этой работой. Здесь показано, что горный лес может быть описан в качестве мультифрактального объекта, но не более того. Рост размерностей по мере роста общего покрытия – довольно очевидная вещь, не требующая каких-либо дополнительных объяснений. Попыток рассмотреть собственно характер роста авторами не предпринято, хотя возможность такая была: достаточно было выявить лесные участки, которые появились по прошествии временного интервала и проанализировать этот фронт. Вместо этого авторы привлекли слабо связанную с анализируемым объектом модель, заведомо генерирующую мультифракал. При этом собственно мультифрактальный анализ DLA-кластеров вышел какой-то странный: спектры размерностей Реньи явно аномальные (графики не везде строго убывающие), да еще сильно отличающиеся, а ведь анализировались разные этапы формирования одного и того же кластера. В общем, чего-то китайские товарищи сильно перемудрили.
covtoc

Wang et al., 2010

Wang D., Fu B., Lu K., Xiao L., Zhang Y., Feng X. Multifractal analysis of land use pattern in space and time: A case study in the Loess Plateau of China // Ecological Complexity. 2010. 7(4): 487-493.

Новая статья группы китайских товарищей с применением мультифрактального анализа в околоэкосистемном контексте. Это те самые товарищи, которые занимались мф-анализом горных китайских лесов (Zhang et al., 2006).

На сей раз предметом анализа являются особенности паттернов использования земли в бассейне реки Янхэ, что расположена на Лёссовом Плато практически в самом центре Поднебесной. Собственно анализу подверглись три квадрата со стороной 25600 м в верхнем, среднем и нижнем течении реки, а точнее их спутниковые изображения разрешением 25 м, которые были расклассифицированы на 5 типов землепользования: поля, луга, леса, вода и поселения. Анализ проводился отдельно для каждого типа и представлял собой классический мультифрактальный box-counting для изображения. Из мат. аппарата там в статье расписаны только формулы для обобщенных размерностей Dq, но судя по контексту изложения результатов, реально там использовались графики Mq(l) и регрессия на них.

Отдельной фишкой статьи служит то, что анализировались три временных среза: 1980, 2000 и 2006 годы. В 1999 году в исследуемом районе стартовал проект охраны ландшафтов, в рамках которого все пахотные земли на склонах с уклоном более 25º были переведены в лесные либо пастбищные в целях  прекращения эрозии почвы. Одной из целей анализа было отследить происходящие изменения.

Сами скейлинговые графики, к сожалению, не приведены, имеются только статистические показатели: R2 и достоверность регрессии p. По результатам анализа этих показателей делается вывод о том, что поля, луга и леса распределены мультифрактально, а вот водные участки и поселения – нет. Главный количественный результат состоит в графиках спектров обобщенных размерностей  Dq(q) для полей, лугов и лесов трех участков за три временных среза. Собственно мультифрактальными спектрами и не пахнет. Судя по графикам размерностей, это и не удивительно, потому как там полно аномалий. Графики для лесов на участке нижнего течения за 1980 и 2000 годы вообще ведут себя прямо противоположно теории, то есть строго возрастают. На этом основании авторами делается вывод, что эти распределения не мультифрактальны.

Там в обсуждении приводится попытка интерпретации полученных спектров обобщенных размерностей, в том числе приводятся причины отклонений от мультифрактальности, но выглядит это все не особо убедительно. Примеры выводов: (1) на таком-то участке в такой-то год правая ветка спектра (q > 0) лежит выше, чем для другого участка, значит там было больше крупных участков, (2) спектры полей 2006 года лежат ниже спектров 1980 и 2000 года, а спектры лесов наоборот выше, значит за время действия программы охраны ландшафта число полей снизилось, а лесов – увеличилось, (3) в 1980 и 2000 году спектр лесов для участка нижнего течения возрастал, а значит распределение было не фрактальное, а вот в 2006 году стал невозрастающим, то есть теперь мультифрактальность появилась. С таким уровнем интерпретации вообще непонятно, зачем такой мультифрактальный анализ был нужен, если те же самые выводы можно получить гораздо проще без всяких сложностей.

Авторы подчеркивают, что в общем и целом мультифрактальные свойства ландшафта определяются структурой овражной сети, то есть по сути – особенностями формирующих ее водотоков. Все остальное – следствие приуроченности полей и пастбищ к тем или иным элементам ландшафта (поля – на ровных вершинах холмов, пастбища – на склонах и т.п.). Особенно забавным в этом контексте выглядит тот факт, что распределение собственно водных участков оказалось не фрактальным. Но как раз это убедительно объясняется тем, что снимки делались в сухой сезон, да и разрешение для анализа мелких речек и ручейков совершенно недостаточное.

Итого: статья совершенно не впечатляет. Вообще даже не совсем понятно, каким образом она оказалась в журнале Ecological Complexity. Со сложностью анализа тут все в порядке, но вот каким боком это к экологии относится – я не сильно заценил. В плане собственно анализа не могу не отметить, что авторы выпустили самый первый и самый принципиальный момент анализа – собственно доказательство мультифрактальности. Сдается мне, что скейлинговые графики не приведены отнюдь не случайно. Принципиальным моментом фрактального анализа является соблюдение степенного закона, то есть линейности связи в билогарифмическом масштабе. Приведенные стат. характеристики лично меня ни в чем не убеждают: они свидетельствуют только о наличии статистически достоверной корреляции, но уж никак не о линейности.

covtoc

Zhang, Guo, 2010

Zhang J., Guo L. Scaling behavior of weighted food webs as energy transportation networks // Journal of Theoretical Biology. 2010. 264: 760-770.

Статья посвящена исследованию скейлинговых свойств пищевых сетей.

Известно, что в чисто топологическом плане (здесь имею в виду простой невзвешенный граф, учитывающий только связи между видами) пищевые сети биологических сообществ не обладают скейлиноговыми свойствами типа «тесного мира» (small-world property) или самоподобием и фрактальностью. Однако если учесть количественные свойства пищевых сетей в виде потоков энергии, проходящих через узлы (которые соответствуют видам), то скейлинговые свойства обнаруживаются. В последние годы было предложено два подхода к анализу скейлинговых свойств пищевых сетей, однако оба они основаны на редуцировании информации: в одном случае (Garlaschelli et al., 2003) анализ базируется на стягивающем дереве графа, во втором (Allesina, Bodini, 2005) – на направленном ациклическом графе.

В данной работе авторы разработали метод, не требующий редукции данных, с использованием матрицы потоков (flux matrix), содержащей в виде элементов потоки энергии между видами, и основанной на ней фундаментальной матрицы. В интерпретации авторов элементы фундаментальной матрицы отражают количество энергии, циркулирующей в подсети, начинающейся из данного узла.

Материалом для анализа послужили эмпирические данные по потокам энергии в 23 пищевых сетях (от 19 до 127 видов), найденные авторами в интернете.  Рассматривая кумулятивные распределения элементов этих матриц, авторы обнаружили степенные законы. Степенная зависимость характеризует также зависимость элементов двух матриц друг от друга. Именно эта степенная зависимость трактуется как проявление самоподобия. Скейлинговые экспоненты трех зависимостей связаны меду собой простым отношением.

Итого: статья демонстрирует обнадеживающую возможность обнаружения скейлинговых свойств в пищевых сетях, что в свою очередь может явиться признаком самоорганизации. Однако в данном конкретном случае полученные степенные зависимости вызывают много вопросов. В частности, графики зависимостей имеют степенной характер лишь в неком интервале, по не самым очевидным причинам авторы рассматривали не плотность распределения, а кумулятивную функцию распределения, полученные экспоненты близки к единице, что сильно напоминает простую линейность. Из полезных в практическом плане моментов могу отметить ценнейшие ссылки на онлайновую базу данных по пищевым сетям, а также на ряд работ, касающихся статистического анализа степенных законов в распределениях.