Αξιολόγηση στατιστικών μεθόδων για την ποσοτική εκτίμηση του ευτροφισμού

Abstract

Η ποσοτική εκτίμηση του ευτροφισμού και η ταξινόμηση των θαλασσίων μαζών σε εύτροφα, μεσότροφα και ολιγότροφα συστήματα έχει αποτελέσει αντικείμενο έρευνας τα τελευταία τριάντα χρόνια. Ο ευτροφισμός αποτελεί παγκόσμιο πρόβλημα και η ποσοτική του εκτίμηση αποτελεί το επιστημονικό υπόβαθρο που μαζί με οικονομικές και κοινωνικές παραμέτρους συμβάλουν στην ορθότερη διαχείριση των παράκτιων περιοχών και στο σχεδιασμό αειφόρου ανάπτυξης. Η πολυπλοκότητα του προβλήματος, ο μεγάλος αριθμός δεικτών και μεθόδων επεξεργασίας δεδομένων και η δυσκολίες καθορισμού συνθηκών αναφοράς καθιστούν τις υπάρχουσες ποσοτικές μεθόδους αναξιόπιστες και πολλές φορές παρουσιάζουν αντικρουόμενα αποτελέσματα. Είναι κατά συνέπεια απαραίτητη η επανεκτίμηση των δεικτών και η αξιολόγηση των μεθόδων επεξεργασίας των δεδομένων πεδίου. Η παρούσα διατριβή είχε τους παρακάτω στόχους: (α) αξιολόγηση των μεθόδων ανάλυσης ομαδοποίησης (Cluster Analysis) με σκοπό την ανάδειξη εκείνης της μεθόδου που θα εξασφάλιζε το καλύτερο δυνατό διαχωρισμό των σημείων δειγματοληψίας. Από την επεξεργασία των αποτελεσμάτων διαπιστώθηκε ότι η μέθοδος Ward ήταν η πιο αποτελεσματική, (β) ανάπτυξη πολυμετρικού δείκτη για την εκτίμηση των επιπέδων ευτροφισμού. Εφαρμόστηκε η μέθοδος Ανάλυσης Κυρίων Συνιστωσών (PCA) και αναπτύχθηκε δείκτης ευτροφισμού, ο οποίος βαθμονομήθηκε σε πέντε επίπεδα ευτροφισμού, ώστε να είναι συμβατός με την κλίμακα της οδηγίας της Ε.Ε. για τα νερά, (γ) επαναβαθμονόμηση του δείκτη εκτίμησης ευτροφισμού TRIX με βάση τα ολιγότροφα συστήματα της Ανατολικής Μεσογείου, και (δ) παραγωγή προσομοιωμένων δεδομένων για χρήση τους στην Ανάλυση Ομαδοποίησης (ANOVA). Η σύγκριση τιμών συγκεντρώσεων θρεπτικών αλάτων και φυτοπλαγκτού μεταξύ σταθμών δειγματοληψίας με τη συγκεκριμένη μέθοδο προϋποθέτει κανονικά κατανεμημένες μεταβλητές. Η κανονικοποίηση των τιμών που συνήθως επιτυγχάνεται με λογαριθμικό μετασχηματισμό μειώνει την ευαισθησία της μεθόδου, συμπιέζοντας δυσανάλογα τις υψηλές τιμές σε σχέση με τις χαμηλές. Η μέθοδος εφαρμόστηκε σε δεδομένα από τον Σαρωνικό Κόλπο και έδειξε πολύ ικανοποιητική ευαισθησία στη διάκριση των διαφορετικών επιπέδων ευτροφισμού.

The quantitative assessment of marine eutrophication and classification of coastal areas into oligotrophic, mesotrophic or eutrophic level has been a subject of scientific investigation for the past thirty years. Eutrophication is a global problem and the quantitive assessment is necessary; combined with the economic and social parameters can lead to a more efficient management of the coastal areas and therefore to sustainable development. The complexity of the problem, the large number of indicators and data processing techniques, as well as the difficulty to define are among the shortcomings of the existing methods, which often lead to contradicting conclusions. Consequently, the re-evaluation of the indicators and the evaluation of the data processing methods is necessary. The objectives of the present thesis were: (a) the assessment of Cluster Analysis methods, in order to find one that provides optimal grouping formation. According to the results obtained, Ward’s clustering algorithm appeared to be the most effective, forming distinct clusters, (b) development of a multivariate index for the assessment of the eutrophic levels. Principal Component Analysis (PCA) was used and a eutrophication index was produced with a five-level scale, in order to comply with Water Framework Directive of European Commission, (c) re-scaling of the eutrophication index TRIX according to the oligotrophic systems of Eastern Mediterranean, and (d) development of simulated normally distributed data as a source of data for Analysis of Variance (ANOVA). According to this method, the comparison between the concentration of nutrients and phytoplankton from different sampling stations presupposes normally distributed variables. However, the logarithmic transformation often applied to normalize the variables reduces the sensitivity of this method by compressing raw data values, especially the high ones. This method was applied on data from Saronikos Gulf and showed sufficient sensitivity in distinguishing the different eutrophic conditions among the stations.