Publicatiedatum: 2023-10-20T10:00:00+01:00
Zowel het aantal Zuid-Europese libellensoorten als het aantal vindplaatsen van elk van deze zuiderse soorten nam significant toe sinds 1980.
Deze indicator toont de trend van het aantal vindplaatsen van zuiderse libellensoorten en het aantal waargenomen soorten in Vlaanderen sinds 1984.
Er is overweldigend bewijs dat klimaatverandering een impact heeft op de biodiversiteit. Dit uit zich zowel in temporele veranderingen, bijvoorbeeld fenologie (bloeiperiode, aankomst van trekvogels, vliegtijd…), als in ruimtelijke verschuivingen.
Zo breiden verschillende zuiderse libellensoorten zich uit naar het noorden en hebben zich hier goed gevestigd. Populaties van deze soorten waren tot 1980 onbekend in Noordwest-Europa. Deze indicator geeft zowel de evolutie weer van het aantal vindplaatsen (uitgedrukt in kilometerhokken) van deze zuidelijke libellensoorten in Vlaanderen als van het totaal aantal waargenomen zuiderse libellensoorten.
Uit de figuren blijkt dat zowel het aantal vindplaatsen als het aantal soorten toenam sinds 1980. Een eerste toename van het aantal soorten dateert van 1994, gevolgd door een sterke stijging vanaf 2006 en een steile piek de laatste jaren. Ondanks jaarlijkse schommelingen, meestal te wijten aan ongunstige weersomstandigheden tijdens de vliegtijd, is deze trend duidelijk en significant. Het totaal aantal soorten zit nu aan het plafond.
Ook in 2022 werd deze groep zuiderse libellen op een zeer hoog aantal locaties in Vlaanderen waargenomen. In vergelijking met het jaar 2021 was voor veel soorten het aantal kilometerhokken iets lager, maar dat was dan ook het absolute topjaar. Hun toename blijft dus stabiel op een zeer hoog niveau. Voor de gaffelwaterjuffer lag het aantal hokken hoger dan ooit. Ook het aantal kilometerhokken waarin de zuidelijke keizerlibel en de vuurlibel werden waargenomen was uitzonderlijk hoog. De gaffelwaterjuffer is de enige soort waarvan het aantal kilometerhokken jaar na jaar toeneemt in Vlaanderen en die op bijna elk type stilstaand water kan worden waargenomen.
Publicatiedatum: 2023-10-20T10:00:00+01:00
De statistische analyse maakt gebruikt van R versie 4.0.1 (R Core Team 2020) en het INLA package (Rue e.a. 2017).
We definiëren het aantal zuiderse soorten als het aantal verschillende zuiderse soorten dat in minstens één 1x1 km UTM hok waargenomen werd in een bepaald jaar.
We veronderstellen dat het aantal zuiderse soorten \(y_j\) in jaar \(j\) een Poisson verdeling met gemiddelde \(\mu_j\) volgt.
\[y_j \sim \mathcal{P}(\mu_j)\]
Het gemiddelde \(\mu_j\) is via een \(\log\) link gekoppelt aan een lineaire predictor \(\eta_j\).
\[\log(\mu_j) = \eta_j\]
Deze lineaire predictor \(\eta_j\) hangt enerzijds af van een globaal gemiddeld \(\beta_0\) en het effect \(b_j\) van jaar \(j\).
\[\eta_j = \beta_0 + b_j\]
Het effect van jaar \(j\) modelleren we als een eerste orde toevalsbeweging (first order random walk) met gemiddelde 0 en variantie \(\sigma^2_J\).
\[b_j - b_{j-1} = \Delta_{b_{j, j-1}}\sim \mathcal{N}(0, \sigma^2_J)\]
De punten in de trendfiguur geven het waargenomen aantal soorten weer. De lijn geeft de schatting voor het verwachte aantal soorten \(\mu_j\) weer. De drie banden rond de lijn geven, van donker naar licht, het 30%, 60% en 90% geloofwaardogheidsinterval (credible interval) rond de schatting van \(\mu_j\).
Voor deze analyse maken we gebruik van het aantal hokken per jaar waarin een zuiderse soort werd waargenomen. Maken een model waarbij we de gegevens van alle soorten gebruiken die gedurende minstens drie verschillende jaren werden waargenomen. Dit is nodig om het model stabiel te houden.
We veronderstellen dat het aantal hokken met waarnemingen \(y_{js}\) voor soort \(s\) in jaar \(j\) een Poisson verdeling met gemiddelde \(\mu_{js}\) volgt.
\[y_{js} \sim \mathcal{P}(\mu_{js})\]
Het gemiddelde \(\mu_{js}\) is via een \(\log\) link gekoppelt aan een lineaire predictor \(\eta_{js}\).
\[\log(\mu_{js}) = \eta_{js}\]
Deze lineaire predictor \(\eta_{js}\) hangt af van vier termen:
\[\eta_{js} = \beta_0 + b_j + b_s + b_{js}\]
\[(b_{j+1} - b_j) - (b_j - b_{j-1}) = \Delta^2_{b_j} \sim \mathcal{N}(0, \sigma^2_J)\] \[b_s \sim \mathcal{N}(0, \sigma^2_S)\] \[b_{js} - b_{(j-1)s} = \Delta_{b_{js, (j-1)s}} \sim \mathcal{N}(0, \sigma^2_{JS})\] De punten in de trendfiguur geeft het aantal hokken met waarnemingen per soort. De lijn geeft de schatting voor het verwachte aantal hokken \(\mu_{js}\) weer. De drie banden rond de lijn geven, van donker naar licht, het 30%, 60% en 90% geloofwaardogheidsinterval (credible interval) rond de schatting van \(\mu_{js}\).
Beschrijving | Gegevens | Metadata |
---|---|---|
aantal_hokken | aantal_hokken.tsv | aantal_hokken.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.