Travis Booms letade efter en liten fågel i det avlägsna Alaska. Inte vilken fågel som helst. Han ville ha bevis för att den gråhåriga chickadeen fortfarande fanns här.
Booms arbetar för Alaska Department of Fish and Game i Fairbanks. Hans jobb fokuserar på att upprätthålla mångfalden av Alaskas vilda djur. Mestadels samlar han in data om sällsynta eller minskande arter. Han hoppas att de uppgifter han samlar in kan hjälpa till att förhindra att de blir hotade eller utrotningshotade.
Ta den gråhåriga älsklingen. Booms såg ut i sju långa år. En dag 2011 spelade han och hans fältpartner fågelinspelningar nära en liten flod. Helt plötsligt hörde de en chickadee ringa tillbaka. Så de fortsatte spela det inspelade fågelropet. Äntligen kom fågeln “ned från en mycket hög gran och svängde runt oss.” Inom en minut var den borta.
Det är fortfarande den enda medlemmen av sin art som denna vilda biolog någonsin sett ögonen på. Trots hundratals timmars letande, anser Booms sig vara lycklig som har sett en. Till och med en enda iakttagelse “är ett riktigt speciellt ögonblick”, säger han.
Travis Booms tog den här bilden medan en gråhårig chickadee flög runt honom och hans fältpartner. Sammanlagt spenderade de mer än 800 timmar på att leta efter denna art. Efter mindre än en minut flög fågeln iväg. T. Bommar
I hopp om att få upp rapporter om gråhåriga kycklingar på andra håll i Nordamerika analyserade Booms och hans kollegor historiska dokument. Vissa går tillbaka mer än 150 år. Deras slutliga resultat: 156 fåglar.
När man studerar sådana sällsynta arter, vänder sig biologer som Booms ofta till statistik. Detta forskningsfält hjälper dem att förstå numeriska data.
“Jag har aldrig riktigt varit så exalterad över statistik”, säger Booms. Men han förlitar sig på det “för att förstå vad som retar mig. Och det är vilda djur.”
Hans team använde statistik för att dra slutsatsen att räckvidden för den gråhövdade fågelungen har krympt i Nordamerika. Artens population “är mycket liten”, rapporterar de i december 2020 Journal of Fish and Wildlife Management
. Om det finns något hopp om att rädda den här fågeln, säger de, måste mer göras för att förstå dess roll i ekosystemen.
För vissa forskare, som Booms, kan statistik vara lite som att äta grönsaker – viktigt , men inte den roligaste delen av deras arbete. För andra är statistik mer som en enorm, körsbärstoppad glassglass som de inte kan vänta med att gräva i. Men för båda grupperna är statistik ett kraftfullt verktyg.
Förklarare: Vad är statistik?
Oavsett om ämnet är havssköldpaddor, rasism, orkaner, livsmedelssäkerhet, ny teknik eller sjukdom, kommer all forskning som involverar att förstå data sannolikt att använda statistik. Den kan användas för att upptäcka viktiga trender. Faktum är att utan statistik kunde många forskare inte dra meningsfulla slutsatser från sina data. Här träffar vi flera forskare som använder statistik för att bättre förstå djur i det vilda och hur man kan hjälpa till att skydda dem.
Mönsterdetektiv
Statistiker söker efter mönster i siffror. För att göra detta utvärderar de hur olika saker relaterar till varandra. Ibland kan de till och med använda det de hittar för att förutsäga framtiden.
Tänk på Leslie New. Strax efter att ha tagit sin doktorsexamen i statistik och biologi forskade hon vid Patuxent Wildlife Research Center. En del av US Geological Survey, det centret är baserat i Laurel, Md. Nya studerade dödstal hos örnar från kollisioner med vindkraftverk. Hon använde denna statistik för att förutsäga hur många av fåglarna som skulle kunna dö om fler turbiner byggdes.
Nya och hennes kollegor uppskattade att cirka sju eller åtta kungsörnar skulle dödas per år på en plats om det blåste anläggning byggdes där. Efter att turbinerna gick upp höll de koll på örnkollisioner under de kommande två åren. Genomsnittet – cirka fem dödsfall per år – visade sig vara ännu lägre än de hade förutspått. Statistik gav dem “ett sätt att vara försiktiga och främja bevarande från första början”, säger New. Sedan använder de nya data för att göra sina nästa uppskattningar mer exakta.
En bra sak med statistik, säger New, är att hon kan använda liknande tekniker för att analysera data om arter som lever väldigt olika liv. Nu på Ursinus College i Collegeville, Pennsylvania, har hon vänt sina kunskaper till att studera marina däggdjur, såsom delfiner och valar.
Gräver i delfindata
Statistiker spanar inte bara efter mönster. De testar också om något uppenbart mönster helt enkelt kan bero på slump eller fel. När två eller flera saker verkar kopplade kallas det en korrelation. Orsakssamband beskriver var en sak leder till en annan. Och det är en statistikers mål: bevis på orsakssamband.
De börjar jaga efter det genom att göra det som kan verka konstigt. De antar att varje korrelation de ser bara beror på slumpen eller mätfel. Detta kallas en noll hypotes. Sedan samlar de in bevis för att testa om den nollhypotesen är sann.
Förklarare: Korrelation, orsakssamband, slump och mer
New har till exempel studerat hur delfinskådningsbåtar kan skada – men inte döda – marina däggdjur. Buller från båtar och människor kan driva bort delfiner från deras föredragna livsmiljö. Det kan också avskräcka dem från att äta eller göra det svårt för dem att fortplanta sig.
Nytt fokuserar inte på om störningar stör delfiner under en kort tidsperiod. Hon koncentrerar sig inte heller på om buller orsakar långvariga skador på ett mycket litet antal delfiner inom en stor social grupp. Istället tittar hon på om buller påverkar befolkningens hälsa. Om många delfiner blir bortskjutna från ett område eller är för rädda för att äta eller fortplanta sig, kan det skada hela samhället.
Hur kan man testa nollhypotesen här? Leta efter data som visar att delfiner lämnar sin livsmiljö. Går de bort från mat eller får färre barn. Bedöm nu om sådana förändringar beror på naturliga fluktuationer (som vädret eller tillgången på mat). Titta också vilka fel som kan bero på hur data samlades in. Forskare kunde till och med studera två populationer av delfiner som påverkas lika mycket av båtljud. Svarar de på samma sätt? Om inte, kan orsaken bero på andra problem än bara ljudet.
En flik med delfiner simmar mot ett forskningsfartyg. Leslie New studerar hur uppståndelse från fartyg kan skada delfiner på ett sätt som inte dödar dem.
Adam Li, NOAA/NMFS/SWFSC
Ny har testat dessa idéer genom att mata in data till datormodeller. Modellerna simulerar fyra väl studerade delfinpopulationer, var och en utsatt för buller från delfinskådande båtar. Hon ville testa om det fanns situationer där båtljud utgjorde ett potentiellt allvarligt hot, kontra att bara avskräcka djuren i det ögonblicket.
En simulering fokuserade på delfiner nära Doubtful Sound. Det är på sydvästra sidan av Nya Zeeland. En annan modellerade djur nära Floridas Sarasota Bay. En tredje fokuserade på delfiner längs Sydafrikas östra kust. De sista modellerade delfinerna utanför Australiens sydöstra kust.
Varje grupp av delfiner hade olika storlek. De hade också olika typer och mängder tillgänglig mat. Några av befolkningen var tätt sammansvetsade och tillbringade hela sitt liv i ett område, säger New. Andra, mer öppna grupperingar låter besökande delfiner gå med i ett eller två år.
“Stängda populationer var mest känsliga” för effekterna av båtbuller, fann New och hennes kollegor. Stora, öppna populationer med god tillgång till mat verkade mindre påverkade. Det verkar, säger New, att när buller bara stör ett fåtal medlemmar av en riktigt stor grupp, “kommer inte befolkningen som helhet att påverkas.” När allt kommer omkring kommer att förlora några delfiner av en grupp på 600 att ha en mycket mindre effekt än att förlora samma antal av en grupp på 60. Och när en öppen grupp trakasseras av buller, kan de som stör sig bara flytta på.
Allt detta är vad biologer kan förvänta sig, baserat på djurens beteende. Men, tillägger New, det är “alltid användbart” att se att matematiken stödjer det. Sådana fynd skulle också kunna användas för att fatta beslut om när och var delfinskådningsbåtar får trafikera.
Hon och hennes kollegor rapporterade sina fynd den 26 maj 2020, i Frontiers in Marine Science.
En kamerafälla fångade detta fosa, en av Madagaskars största levande köttätare. Den här bilden är tagen i en skyddad regnskog.Med tillstånd av Z. Farris
Stormning av prover
Zach Farris är en naturvårdare. Även om han arbetar vid Appalachian State University i Boone, NC, studerar han djur på den östafrikanska önationen Madagaskar. Bland dessa djur finns lemurer och fosa (FOOS-uh), öns största levande köttätare. Farris tittar också på hur husdjurshundar och -katter påverkar vilda djur i öns skyddade regnskog.
Som ny, i sitt arbete “djur är bara siffror”, säger Farris. “Vi sätter ihop deras berättelser” från dessa siffror.
För en nyligen genomförd studie samlade Farris in data med hjälp av 35 kameror. Dessa kamera-“fällor” sattes ut i en regnskog för att ta ett foto av allt som rörde sig i närheten. Regeringen hade precis byggt ut den skyddade delen av den skogen. Farris ville veta vilka köttätare som levde i detta nya område. Det kan hjälpa till att definiera hur olika arterna i området var.
Totalt tog de bilder på minst 40 olika arter. Dessa omfattade lemurer, små däggdjur och fåglar. Vissa var viktiga byten för köttätarna. Andra, konstaterar Farris, “fungerar som indikatorarter.” Med det menar han att de används för att bedöma om skogen erbjuder en “hälsosam eller lämplig livsmiljö” för dessa rovdjur.
Farris team fokuserade på bilder av fosa och fyra andra typer av inhemska köttätare. Dessa inkluderade ringstjärtad vontsira (eller mangust), bredrandig vontsira, fläckig fanaloka (eller randig civet) och ett mangustliknande djur som kallas östra falanouk. Husdjurshundar som rörde sig genom området dök också upp på bilderna.
Foton visade dem var djur som fosa dyker upp. De gjorde det också klart var där och andra arter saknades.
Farris definierar en fångst som “alla foton av en given art inom en 30-minutersperiod.” Deras 2 918 inspelningar innehöll många bilder. Men hur ofta varje art dök upp varierade mycket. Det är en utmaning för att studera vilda varelser. Det kan vara svårt att veta om och när – eller exakt var – de dyker upp.
Forskare hänvisar till hur många av något de måste analysera som urvalsstorlek. Den hänvisar till det som “n” (för nummer). För de flesta studier är ett stort “n” att föredra. Den erbjuder mer data för att beräkna huruvida en uppenbar trend troligen beror på något kausalt — eller bara är en slump av datainsamling.
Här dök fläckig fanaloka upp i 157 fångster; falanouken på bara två. Bredrandiga vontsiras uppträdde i 31 fångster, medan ringstjärtade arter visade sig på bara 16. Dessa fosa förekom vid 17 fångster, medan strövande sällskapshundar fångades i 72.
Alla fem inhemska köttätare de fokuserade på att använda det nyskyddade området, säger Farris. Det visar att området verkligen “skyddade och hyste inhemska djur, främst köttätare.”
En annan viktig ny upptäckt: tamhundar hänger också här. “Vi hittade fler foton av hundar och fann att de täckte mer av det skyddade området än nästan alla inhemska köttätare,” säger Farris. Dessa data, tillägger han, tyder på att hundar kan utgöra hot mot Madagaskars inhemska vilda djur.
Farris och hans team delade med sig av sina upptäckter den 27 september 2020, Forskning om hotade arter.
En kamera trap tog det här fotot av ett “hundtåg” på Madagaskar. Gruppen kan se söt ut, men frigående hundar som dessa kan skada inhemskt djurliv. Artighet av Z. Farris
Använda det du vet för att lära dig nya saker
Ny använder ofta en statistisk metod som kallas Bayesian (BAYS-ee-en) statistik. Hon säger att det hjälper till att hantera det faktum “att väldigt lite av världen är helt okänd för oss.
Vi hamnar alla i varje situation som vi möter med befintlig kunskap om vad vi kan förvänta oss att se.” Nya använder den förkunskapen för att “fylla i några av luckorna.” Det hjälper henne att bygga modeller för att svara på de bevarandefrågor hon studerar, som hur mycket vilda utrymme vissa djur behöver för att trivas.
Många av oss har använt ett liknande tillvägagångssätt. Har du till exempel någonsin använt din lärobok, anteckningar från klasser och gamla prov för att försöka förutse vilka frågor din lärare kan ställa på ditt nästa matteprov? Det är att använda förkunskaper för att försöka fylla informationsluckor.
Ny använd Bayesiansk statistik när hon studerade örnkollisioner med vindkraftverk. Hon skapade en datormodell för att hjälpa till att förutsäga hur många örnar som kan kollidera med en turbin. Den modellen, förklarar hon, var “baserad på vår tidigare kunskap om deras risk och exponering för faran.”
Men när New och hennes kollegor skapade den modellen, hon hade inga uppgifter om kalfsörnkollisioner med turbiner. Tack vare Bayesiansk statistik var inte allt förlorat. “Vi skulle kunna använda vår befintliga kunskap för kungsörnar”, säger hon. Det fyllde i luckan tills de faktiska siffrorna för kollisioner med skallig örn blev tillgängliga. Då kan hennes team uppdatera modellen.
Även om du inte har något intresse av att studera djur, kommer du förmodligen fortfarande att göra något slags arbete som skulle tjäna på statistik.
“Det finns inget studieområde eller en karriär som jag kan tänka mig som inte använder matematik eller statistik på något sätt”, säger New. Ta en frisör. “Du kommer förmodligen inte att använda statistik medan du klipper någons hår”, konstaterar hon. Men produkterna du använder på kunder har genomgått tester. “Hur tar vi reda på om en produkt faktiskt får någons hår att glänsa”, frågar hon? Folk testar det. Och hur vet vi om dessa tester gav oss data som vi kan lita på? Enkelt, New säger: “Vi gör statistik.”
Leave a Reply