Temporal uncertainty in fossil records can distort distributions and ecological niches during periods of climatic instability

Dit onderzoek toont aan dat tijdsgerelateerde onzekerheid in fossiele records de afgeleide ecologische niches en verspreidingen kan vervormen, met name tijdens perioden van hoge klimaatvariabiliteit zoals de deglaciatie, terwijl deze schattingen in stabiele perioden robuust blijven tot een onzekerheid van ongeveer 2500 jaar.

De kern

Titel: Waarom oude botten soms een verwarde foto van het verleden geven

Stel je voor dat je een detective bent die probeert te reconstrueren hoe het leven eruitzag in Noord-Amerika duizenden jaren geleden. Je hebt een schat aan bewijs: fossielen. Maar er is een groot probleem: je weet niet precies op welke dag of in welk jaar een dier is gestorven. Je weet alleen dat het ergens in een periode van duizenden jaren is gebeurd.

Dit onderzoek, gedaan door een team van wetenschappers, kijkt naar wat er gebeurt als je die onzekerheid in de tijd (de "temporale onzekerheid") negeert. Ze gebruiken een slimme truc: in plaats van echte botten te gebruiken, maken ze virtuele dieren in een computer. Dit is alsof je een videospel speelt waarin je de regels zelf kunt instellen. Je weet precies waar het dier leefde en wat het weer was op dat moment. Dan kun je kijken wat er misgaat als je de tijd "verstoort".

Hier is de uitleg, vertaald naar alledaagse taal:

1. Het probleem: De verkeerde foto in het verkeerde album

Stel je voor dat je een foto van een sneeuwpop maakt.

• Scenario A (Stabiel): Je maakt de foto in januari. Het is koud. Je plaatst de foto in een album met de titel "Winter". Alles klopt.
• Scenario B (Onzekerheid): Je weet niet of de foto uit januari, februari of maart komt. Je plaatst de foto in het album, maar omdat je niet zeker weet welke maand het is, pak je per ongeluk een foto van een zomertuin (waar het heet is) en plak je die in het winteralbum.

In de echte wereld betekent dit: als je een fossiel van een dier hebt dat 13.000 jaar oud is, maar je weet niet of het 12.800 of 13.200 jaar geleden leefde, en je koppelt het aan het weer van nu of een ander jaartal, krijg je een verkeerd beeld. Misschien leefde het dier in een koud klimaat, maar door de onzekerheid denk je dat het in een warm klimaat leefde.

2. De experimenten: Drie verschillende tijden

De onderzoekers testten hun virtuele dieren op drie momenten in de geschiedenis:

• De Holoceen (6.000 jaar geleden): Een rustige, stabiele periode. Het weer veranderde niet snel.
  • De les: Hier is de onzekerheid geen groot probleem. Zelfs als je de datum een paar duizend jaar verschuift, blijft het beeld van het dier en zijn leefomgeving redelijk goed. Het is alsof je een foto van een rustige dag in de tuin een beetje verplaatst; het blijft een tuin.
• Het Laatste Glaciaal Maximum (18.000 jaar geleden): Een koude ijstijd.
  • De les: Hier begint het al lastiger te worden. Als je de datum te ver verschuift, begin je het dier in een omgeving te plaatsen die te warm is.
• De Deglacial (13.500 jaar geleden): De periode waarin de ijstijd snel ophield en het heel snel warmer werd.
  • De les: Dit is het gevaarlijkste moment! Het weer veranderde hier razendsnel. Een verschil van slechts 500 jaar kan betekenen dat het dier in een ijslandschap leefde, terwijl 500 jaar later hetzelfde dier in een bos leefde. Als je hier de datum niet precies hebt, is je reconstructie volledig verkeerd. Het is alsof je probeert te raden of iemand in een sneeuwstorm of in de zon staat, terwijl je alleen weet dat het "ergens in de winter" was.

3. De belangrijkste ontdekking: Het tempo van verandering

De kernboodschap van het artikel is: Onzekerheid in de tijd is alleen echt gevaarlijk als het klimaat snel verandert.

• Als het klimaat stabiel is (zoals in de Holoceen), maakt het niet veel uit of je een fossiel 1.000 jaar te vroeg of te laat dateert. De omgeving was toen ongeveer hetzelfde.
• Als het klimaat snel schommelt (zoals tijdens het smelten van de ijskappen), is een kleine fout in de datum een ramp. Je kunt een dier dan per ongeluk in een compleet andere wereld plaatsen.

4. Wat betekent dit voor de toekomst?

De onderzoekers zeggen: "Wees voorzichtig!"
Wanneer wetenschappers proberen uit te vinden hoe dieren zich aanpasten aan klimaatverandering (of hoe ze uitstierven), moeten ze beseffen dat hun data soms "wazig" is door de onzekerheid in de datering.

• Advies: Als je werkt met fossielen uit tijden van grote klimaatverandering, moet je niet doen alsof je de datum 100% zeker weet. Je moet testen: "Wat gebeurt er met mijn conclusie als dit dier 2.000 jaar ouder of jonger is?"
• Prioriteit: Het is slim om je geld en tijd te steken in het heel precies dateren van fossielen uit die onrustige tijden (zoals de overgang van ijstijd naar warmte), omdat daar de grootste fouten kunnen ontstaan.

Kortom:
Fossielen zijn waardevolle tijdmachines, maar hun batterijen (de datering) lopen soms achter. Als je door een rustige periode reist, maakt een beetje vertraging niet uit. Maar als je door een stormachtige periode reist, moet je je GPS (de datum) zo precies mogelijk hebben, anders beland je in het verkeerde landschap.

Technische samenvatting

Probleemstelling

Ecologische Niche Modellen (ENM's) die gebruikmaken van fossiele gegevens zijn cruciaal voor het begrijpen van hoe soorten reageren op klimaatverandering en voor het voorspellen van toekomstige verspreidingen. Een fundamentele aanname in deze modellen is dat fossiele vondsten nauwkeurig gekoppeld kunnen worden aan de omgevingsomstandigheden op het moment van voorkomen.

Het artikel identificeert echter een kritiek probleem: temporale onzekerheid in fossiele data. Door tijd-averaging (opstapeling van fossielen over tijd) en onnauwkeurigheden in dateringstechnieken (zoals radiocarbon-datering), hebben fossielen vaak een grote tijdsfoutmarge (van honderden tot duizenden jaren). Omdat het klimaat en de omgeving in de late Kwartair (de afgelopen ~22.000 jaar) sterk kunnen fluctueren, kan het koppelen van een fossiel aan een verkeerd tijdstip leiden tot een mismatch tussen de vondst en de bijbehorende omgevingsvariabelen. Dit kan de geïnfereerde ecologische niches en verspreidingspatronen vertekenen, vooral tijdens periodes van hoge klimaatinstabiliteit.

Methodologie

De auteurs gebruikten een virtuele ecologie-aanpak (virtual ecology) om de impact van temporale onzekerheid te isoleren en te kwantificeren, zonder de complicaties van echte fossiele data (zoals onbekende echte verspreidingen).

1. Virtuele Soortencreatie:

   • Er werden vier virtuele kleine zoogdiersoorten (< 2 kg) gecreëerd, gebaseerd op echte Noord-Amerikaanse soorten (Microtus pennsylvanicus, Neotoma albigula, Lepus californicus, Blarina carolinensis).
   • Echte voorkomen-data van GBIF werden gebruikt om MaxEnt-modellen te trainen. De responscurven van deze modellen werden geabstraheerd om wiskundige functies te genereren die de "ware" ecologische niche van de virtuele soorten definiëren.
   • Waarschijnlijkheidssurfaces voor voorkomen werden gegenereerd voor drie specifieke tijdstippen:
     • Holoceen (6.000 y.b.p.): Warm en stabiel.
     • Deglaciaal (13.500 y.b.p.): Klimatologisch zeer variabel (overgangsperiode).
     • Laatste Glaciale Maximum (LGM, 18.000 y.b.p.): Koud en gematigd variabel.

2. Omgevingsdata:

   • Gebruik van CHELSA-TraCE21K data (1 km resolutie) voor variabelen zoals temperatuur, neerslag, reliëf en seizoensgebondenheid.
   • Data beschikbaar in 100-jaar intervallen over de laatste 22.000 jaar.

3. Introduceren van Temporale Onzekerheid ("Jittering"):

   • Voor elke virtuele soort en tijdsperiode werden 100 voorkomen-punten gesampled.
   • De ware data werden vergeleken met "gejitterde" data. Bij jittering werden de data-dates van de voorkomen-punten willekeurig herschikt binnen specifieke onzekerheidsvensters (±200, 400, ..., 2500 jaar, tot het volledige Late Kwartair).
   • De omgevingswaarden werden vervolgens geëxtraheerd uit de lagen die corresponderen met deze verkeerde (gejitterde) data-dates, terwijl de ruimtelijke coördinaten gelijk bleven.

4. Analyse en Validatie:

   • Niche Reconstructie: De "ware" niche werd vergeleken met de gereconstrueerde niche via Principal Component Analysis (PCA). De afstand tussen het centroid van de ware data en het centroid van de gejitterde data werd gemeten.
   • Voorspellingsfout: MaxEnt-modellen werden getraind op de gejitterde data en vergeleken met de ware verspreiding. De fout werd gemeten als Root Mean Squared Error (RMSE).
   • Omgevingsvariabiliteit: Er werd een metriek ontwikkeld om de omgevingsverandering binnen elk onzekerheidsvenster te kwantificeren.

Belangrijkste Bijdragen

• Kwantificering van de impact: Het is een van de eerste studies die systematisch de relatie legt tussen de grootte van de temporale onzekerheid, de omgevingsvariabiliteit en de nauwkeurigheid van ENM's.
• Contextafhankelijkheid: De studie toont aan dat de impact van temporale onzekerheid niet constant is, maar sterk afhankelijk is van de klimaatstabiliteit van de onderzochte periode.
• Methodologische richtlijnen: Het biedt een kader voor het uitvoeren van gevoeligheidsanalyses in paleo-ecologische studies om te bepalen of fossiele data betrouwbaar zijn voor niche-modellering.

Resultaten

1. Stabiliteit vs. Onzekerheid:

   • Tijdens stabiele periodes (Holoceen) waren niche-reconstructies en verspreidingsvoorspellingen robuust tegen temporale onzekerheid tot ongeveer ±2.500 jaar. Pas bij zeer grote onzekerheid (het volledige Late Kwartair) namen de fouten significant toe.
   • Tijdens het Deglaciaal (hoge klimaatvariabiliteit) nam de fout in niche-reconstructie en verspreidingsvoorspelling al toe bij zeer kleine onzekerheidsmarges (±600 jaar). De fouten groeiden lineair en snel met toenemende onzekerheid.

2. Niche-afwijking:

   • Bij het LGM en Holoceen veroorzaakte jittering een systematische verschuiving van het niche-centroid (bias).
   • Bij het Deglaciaal vertoonden de centroids een "orbit"-patroon rondom de ware waarde, wat resulteerde in een hump-shaped patroon in de foutmeting, maar met over het algemeen hogere onnauwkeurigheid.

3. Rol van Omgevingsvariabiliteit:

   • Er is een sterke correlatie gevonden tussen de mate van omgevingsvariabiliteit binnen het onzekerheidsvenster en de grootte van de voorspellingsfout.
   • De grootste mismatches treden op wanneer fossielen worden gekoppeld aan omgevingslagen die sterk afwijken van de werkelijke omstandigheden, wat vooral gebeurt tijdens periodes van snelle klimaatverandering.

Betekenis en Conclusie

De studie concludeert dat paleo-distributiereconstructies matig robuust zijn, maar alleen onder specifieke voorwaarden:

• Voorzichtigheid bij onstabiele periodes: Studies die fossiele data gebruiken voor periodes met hoge klimaatvariabiliteit (zoals het Deglaciaal) lopen een groot risico op verkeerde conclusies over niche-verschuivingen of uitsterven, tenzij de temporale onzekerheid zeer klein is.
• Prioritering van datering: De resultaten suggereren dat onderzoekers prioriteit moeten geven aan het nauwkeurig dateren van fossielen die vallen in periodes van hoge omgevingsvariabiliteit. Fossielen uit stabiele periodes (zoals het Holoceen) tolereren grotere dateringsfouten zonder de modeluitkomsten significant te verstoren.
• Aanbeveling voor toekomstig onderzoek: Het is essentieel om gevoeligheidsanalyses uit te voeren waarbij de data-dates van fossielen variëren binnen hun foutmarges, in plaats van te vertrouwen op een enkel "best guess" tijdstip. Dit helpt om artefacten te onderscheiden van echte ecologische veranderingen.

Kortom, de paper waarschuwt dat het negeren van temporale onzekerheid in combinatie met klimaatinstabiliteit kan leiden tot ernstige misinterpretaties van de evolutionaire en ecologische geschiedenis van soorten.