Eden izmed kazalcev globalnih sprememb je upadanje biodiverzitete, ki jo žene predvsem izumiranje številnih vrst. A raziskovalci in raziskovalke iz Univerze v Sheffieldu v Združenem kraljestvu v novi raziskavi opozarjajo, da je za oceno trendov spreminjanja globalne biodiverzitete potrebna skrbnejša in natančnejša analiza biodiverzitetnih podatkovnih setov. Izsledki ponovnih analiz, objavljenih v Nature, kažejo, da dosedanje analize močno podcenjujejo negotovost modelnih napovedi trendov spreminjanja biodiverzitete.

Spreminjanje biodiverzitete opišemo s časovnimi vrstami, pri katerih skušamo navadno v daljšem obdobju opisati gibanje številčnosti osebkov v populaciji različnih vrst znotraj opazovanega ekosistema. Spreminjanje biotske raznovrstnosti se uporablja kot eden izmed pomembnih kazalcev globalnih sprememb za sprejemanje političnih odločitev o ukrepih za zaščito ekosistemov. Za sprejemanje informiranih odločitev je ključna primerna analiza podatkov v okviru statističnih modelov. Ti skušajo kar najbolje opisati opažene podatke iz preteklosti in napovedati, kakšen je najverjetnejši trend razvoja. Za oceno globalne biodiverzitete so oblikovali večje podatkovne sete, ki beležijo populacije različnih vrst v raznoterih ekosistemih širom sveta. Takšen je denimo podatkovni set BioTIME, ki vsebuje podatke o več kot 40 tisoč vrstah na več kot 500 tisoč lokacijah vse od leta 1874 naprej.

Britanski raziskovalci in raziskovalke so v kopici opravljenih analiz v literaturi poiskali 44 najvplivnejših. Nadalje so pregledali pristope, ki so jih pri modeliranju gibanja populacij skozi čas ubrale raziskovalne skupine. Ugotovili so, da velika večina opravljenih analiz temelji na delno pomanjkljivih modelih. Ti močno, tudi do 30-krat, podcenjujejo negotovost modelnih napovedi. Le redki statistični modeli namreč upoštevajo odvisnosti, ki izvirajo iz lokacijske, časovne in evolucijske povezanosti ekosistemov v podatkovnih setih in populacij znotraj njih. Povedano drugače, za ekosisteme, ki so si geografsko bližje, upravičeno pričakujemo, da si bodo podobnejši. Podobno velja za evolucijsko povezanost vrst znotraj ekosistemov. Populacije evolucijsko sorodnih vrst si bodo do neke stopnje podobne v časovnem razvoju številčnosti populacije. Tudi za podatke, ki so zajeti v istem časovnem intervalu, pričakujemo, da so si podobnejši. V novem, dopolnjenem modelu so tako raziskovalci naslovili prav vse tri odvisnosti – torej časovno, lokacijsko ter evolucijsko sorodnost.

S kompleksnejšim modelom so na novo analizirali deset reprezentativnih biodiverzitetnih podatkovnih setov. Analiza je pokazala, da lahko s kompleksnejšim modelom bolje opišejo populacijske podatke iz preteklosti, hkrati pa je model izkazal tudi boljšo napovedno moč. Za razliko od številnih preteklih analiz, ki so povečini kazale na statistično izrazite trende upadanja biodiverzitete, pa je analiza z dopolnjenim modelom pokazala na precejšnjo stopnjo negotovosti v napovedi trendov bodisi padanja ali naraščanja biotske raznovrstnosti. Primerjava s preteklimi analizami je pokazala, da je razlika v napovedni negotovosti v nekaterih primerih lahko skoraj 30-kratna. Takšna mera negotovosti pa lahko vodi v napačne ocene trendov spreminjanja biotske raznovrstnosti.

Kot poudarjajo avtorji raziskave, izsledki njihove analize ne izpodbijajo teze, da je globalna biodiverziteta ekosistemov ogrožena in da morda dejansko upada. Pričujoča analiza zgolj demonstrira, da je za analizo kompleksnih podatkovnih setov o biodiverziteti potreben kompleksnejši model, ki lahko naslovi tudi negotovosti, ki izvirajo iz dodatnih odvisnosti med ekosistemi. Dopolnjeni model nudi boljšo osnovo za napoved trendov razvoja globalne biodiverzitete ter opozarja na veliko mero negotovosti, ki jo je treba nasloviti z vključitvijo novih podatkov.

Znanstveni britOFF je zmodeliral Uroš.

Raziskava: Johnson, T.F., Beckerman, A.P., Childs, D.Z. et al. Revealing uncertainty in the status of biodiversity change. Nature (2024). https://doi.org/10.1038/s41586-024-07236-z

Vir slike: Prirejeno po Sliki 3 iz raziskave  Johnson et.al., Nature 2024 (Creative Commons Attribution 4.0 International License)