Publicatiedatum: 2024-03-15T09:30:00
Het aandeel uitheemse plantensoorten binnen de globale plantensamenstelling is sinds de jaren 70 verdubbeld van ongeveer 5% tot circa 10% en dit aandeel nam in de periode 1972-2023 significant toe.
Volgens een lineair model zien we over de laatste 25 jaar een sterke toename met +3.6% (+2.6%; +4.6%).
Deze indicator toont de evolutie van het aandeel aan uitheemse plantensoorten per km² ten opzichte van het totaal aantal soorten.
Binnen de jaarlijks goed onderzochte1 hokken van 1 km² in Vlaanderen wordt het gemiddelde aantal inheemse soorten en het gemiddeld aantal uitheemse soorten berekend. Het percentage uitheemse soorten in de hokken geeft een idee van de algemene uitbreiding van uitheemse plantensoorten en bijgevolg ook een idee van de potentiële impact van deze soorten op de inheemse flora en fauna.
Door de toenemende mobiliteit van mensen en goederen worden – al dan niet bewust – steeds meer soorten planten en dieren in- en uitgevoerd. Sommige uitheemse soorten worden na verloop van tijd invasief en kunnen daarmee de inheemse biodiversiteit verstoren. Hoewel de introductie van uitheemse soorten in sommige gevallen kansen met zich meebrengt en de lokale soortendiversiteit verhoogt, kunnen andere soorten invasief worden en het ecologisch functioneren van een ecosysteem aantasten.
Het aandeel uitheemse plantensoorten binnen de globale plantensamenstelling is sinds de jaren 70 verdubbeld van ongeveer 5% tot circa 10% en nam in de periode 1972-2023 significant toe. De toename van internationaal transport zorgt voor een permanente aanvoer van nieuwe plantensoorten. Een deel daarvan slaagt erin zich te vestigen en breidt zich spontaan uit. Ontsnappingen van planten uit de horticultuur (bv. via het storten van tuinafval) vormt een van de belangrijkste introductiewegen voor invasieve uitheemse planten.
hokken met meer dan 90 soorten beschouwen we als goed onderzocht↩︎
Publicatiedatum: 2024-03-15T09:30:00
De statistische analyse maakt gebruik van R version 4.4.0 (2024-04-24) (R Core Team 2020) en het INLA package (Rue e.a. 2017).
We veronderstellen dat het gemiddeld aantal uitheemse planten \(y\) een Beta-distributie volgt.
\[\pi(y) = \frac{y^{a - 1} (1 - y)^{b - 1}}{\frac{\Gamma(a)\Gamma(b)}{\Gamma(a + b)}},\quad 0 < y < 1,\quad a > 0,\quad b > 0\]
We passen de parametrisatie aan zodat
\[\mu = \frac{a}{a + b}, \quad 0 < \mu < 1\] \[\phi = a + b, \quad \phi > 0\]
Hierdoor wordt de verwachte waarde van het geschatte aandeel \(E(y) = \mu\) met variantie \(Var(y) = \frac{\mu(1-\mu)}{1 + \phi}\). De lineaire predictor \(\eta\) is via een logit link gekoppeld aan het gemiddelde \(\mu\).
\[\eta = \log\frac{\mu}{1 - \mu}\]
Het model beschouwt een niet-lineair verband met de tijd. We behouden het globale intercept \(\beta_0\) en vervangen de lineaire tijdscomponent \(\beta_1 C\) door een term \(c_i\) voor elk jaar \(i\). Hierbij leggen we aan de termen \(c_i\) op dat ze samen een tweede orde toevalsbeweging vormen (second order random walk). Elke tweede orde stap (verschil van twee opeenvolgende verschillen) komt uit een normale verdeling met gemiddelde 0 en variantie \(\sigma^2_c\). Dergelijk model laat een vloeiende curve toe.
\[\eta = \beta_0 + c_i\] \[(c_{i+1} - c_i) - (c_i - c_{i - 1}) \sim \mathcal{N}(0, \sigma^2_c)\] Opnieuw kunnen we \(\mu(C)\) berekenen voor elk jaartal, hetgeen ons de curve in de figuur opleverd. In een tweede figuur berekenen we het verschil in \(\mu(C)\) voor alle mogelijke combinaties per jaar. Deze
\[\mu(C) = \frac{e^{\beta_0 + c_C}}{1 + e^{\beta_0 + c_C}}\]
Er zijn jaarlijks kleine wijzigingen in de basisdata mogelijk omdat de databank continu bijgewerkt wordt en ook nieuwe verspreidingsgegevens over oudere jaartallen toegevoegd worden. Ook wanneer nieuwe soorten als neofyt bestempeld worden heeft dit invloed op de aantallen in de oudere data.
Broncode indicator: uitheemse_planten.Rmd
Broncode metadata: metadata_uitheemse_planten.Rmd
Beschrijving | Gegevens | Metadata |
---|---|---|
Ruwe data en gemodelleerde trend | uitheemse_soorten.csv | uitheemse_soorten.yml |
Paarsgewijze verschil in aandeel uitheemse soorten tussen jaren | verschillen.csv | verschillen.yml |
Publicatiedatum: 2020-01-01T10:00:00+01:00
Om de interpretatie makkelijker te maken, delen we de wijzigingen op in tien klassen door hun 90% interval te vergelijken met een referentie, onder- en bovengrens.
We beschouwen een effect als significant wanneer de referentie buiten het 90% interval ligt. We spreken over een toename (afname) als het interval volledig boven (onder) de referentie ligt. Niet-significante effect is ook informatief wanneer het bijhorende interval voldoende smal is. Bijvoorbeeld als het interval volledig tussen een onder- en bovengrens ligt. In dat geval kunnen we stellen dat het effect niet-significant en klein is, het immers zeker minder sterk dan de ondergrens en minder sterk dan de bovengrens. Dergelijk effect krijgt de naam stabiel.
Heeft het effect een breed interval dat zowel de boven- als ondergrens bevat, spreken we over een onduidelijk effect. Daarnaast is er nog de mogelijkheid dat het interval zowel de bovengrens (ondergrens) als de referentie bevat maar niet de ondergrens (bovengrens). Dan spreken we over een mogelijke toename (mogelijke afname).
We kunnen de boven- en ondergrens eveneens gebruiken om een verder onderscheid te maken binnen de significante effecten. Een interval volledig boven (onder) de bovengrens (ondergrens) wordt dan een sterke toename (sterke afname). Een interval volledig tussen de referentie en de de bovengrens (ondergrens) wordt dan een matige toename (matige afname). Een interval dat de referentie niet bevat maar wel de bovengrens (ondergrens) blijft een toename (afname).
Merk op dat de indeling volledig gebaseerd is op de onzekerheid rond het effect en niet op de puntschatting van het effect zelf. We vatten de opdeling met bijhorende afkortingen en regels samen in onderstaande tabel. De figuur geeft een grafische voorstelling waarbij we de afkortingen in combinatie met aangepaste symbolen gebruiken. De afkortingen zelf zijn te fijn om als symbool te gebruiken. Als bovengrens gebruiken we toename met van +33% (vier derde van de referentie) en als ondergrens een afnamen met -25% (drie kwart van de referentie).
benaming | afkorting | regels |
---|---|---|
sterke toename | ++ |
\(B < l\) |
toename | + |
\(R < l < B\) en \(B < b\) |
matige toename | +~ |
\(R < l < B\) en \(b < B\) |
stabiel | ~ |
\(L < l < R\) en \(R < b < B\) |
matige afname | -~ |
\(L < l < R\) en \(b < R\) |
afname | - |
\(l < L\) en \(L < b < R\) |
sterke afname | -- |
\(l < L\) |
mogelijke toename | ?+ |
\(L < l < R\) en \(B < b\) |
mogelijke afname | ?- |
\(l < L\) en \(R < b < B\) |
onduidelijk | ? |
\(l < L\) en \(B < b\) |
## Scale for colour is already present.
## Adding another scale for colour, which will replace the existing scale.
## Warning: No shared levels found between `names(values)` of the manual scale and the
## data's fill values.