Evaluation of Smoothing Functions in Generalized Additive Models Applied to the Relative Abundance of Green Turtle (Chelonia mydas)

Stel je voor dat je probeert te voorspellen hoeveel vissen er op een specifieke plek in de oceaan zullen verschijnen. Je zou kunnen denken dat je gewoon een rechte lijn op een grafiek kunt trekken: "Als het water warmer is, komen er meer vissen." Maar de natuur is zelden een rechte lijn. Het is rommelig, hobbelig en vol verrassingen. Soms zie je een enorme groep vissen, en op andere momenten is het water leeg. Dit is waar een speciaal soort wiskunde genaamd "Generalized Additive Models" (of GAM's) om de hoek komt kijken. Denk aan GAM's als een super slimme, flexibele liniaal die kan buigen en draaien om de kronkelige, onvoorspelbare paden van de natuur te volgen, in plaats van alles in een rechte lijn te dwingen.

Echter, om deze flexibele liniaal correct te gebruiken, moet je weten wat voor soort "ruis" je gegevens maken. Gedraagt de data zich als een kalme, gestage trommelslag? Of is het als een chaotische jazzsessie met plotselinge, luide klappen? In de statistiek wordt dit het kiezen van de juiste "distributiefamilie" genoemd. Als je de verkeerde kiest—zoals het proberen te meten van een grillige berg met een platte liniaal—krijg je misschien de vorm van de curve wel goed, maar begrijp je het verhaal dat het vertelt volledig verkeerd. Dit artikel is een detectiveverhaal over het vinden van de perfecte wiskundige instrumenten om het aantal jonge groene zeeschildpadden te tellen, om ervoor te zorgen dat we niet alleen de cijfers zien, maar ook echt het leven van de schildpadden begrijpen.

---

Het Mysterie van het Schildpaddentellen

In de rotsachtige, zonovergoten wateren voor het strand van Itapirubá Norte in Brazilië, heeft een team wetenschappers de jonge groene zeeschildpadden (Chelonia mydas) nauwlettend in de gaten gehouden. Deze jonge schildpadden zijn als de nieuwsgierige tieners van de oceaan; ze komen even boven om te ademen, zeewier te eten en rond te hangen. Sinds 2021 tellen waarnemers hen vanaf vier verschillende stations langs de kust, waarbij ze precies bijhouden hoeveel er op elk gegeven moment verschijnen.

Het probleem? De data was een beetje een rommeltje. Het zat vol met "nullen" (tijden dat er geen schildpadden werden gezien) en "pieken" (tijden dat er plotseling een enorme groep verscheen). De data was ook "overdispersed", wat een chique manier is om te zeggen dat de getallen veel meer verspreid en chaotisch waren dan een simpel gemiddelde zou suggereren. De onderzoekers wilden een model bouwen om te begrijpen waarom de schildpadden verschenen wanneer ze dat deden, gebruikmakend van factoren zoals de tijd van de dag, temperatuur, getijden en wind. Maar om dat te doen, moesten ze een tweeledige puzzel oplossen: Welke wiskundige vorm past het beste bij de data? en Welke flexibele liniaal (smoothing function) tekent de curve het meest nauwkeurig?

De Grote Distributie-showdown

Eerst moest het team uitzoeken wat de beste manier was om de schildpaddentellingen te beschrijven. Ze testten vier verschillende wiskundige "outfits" voor de data:

1. De Normale Verdeling: Deze gaat ervan uit dat data perfect symmetrisch is, zoals een klokcurve.
2. De Log-normale Verdeling: Deze gaat beter om met scheve data, maar behandelt het nog steeds als continu.
3. De Poisson Verdeling: Een klassieke keuze voor het tellen van dingen, maar het gaat ervan uit dat het gemiddelde en de spreiding exact hetzelfde zijn.
4. De Negatief Binomiale Verdeling: Een flexibelere optie die de mogelijkheid biedt dat de spreiding veel groter is dan het gemiddelde.

De resultaten waren duidelijk. De Normale en Poisson outfits waren slechte matches. Vooral het Poisson-model faalde jammerlijk omdat de schildpadden-data te "overdispersed" was—de variantie was 13,65 terwijl het gemiddelde slechts 2,93 was. Het proberen te dwingen van deze chaotische data in een Poisson-doos was alsof je een vierkant blok in een rond gat probeert te passen; het vervormde de resultaten en liet de wetenschappers denken dat ze zekerder waren van hun zaak dan ze in werkelijkheid waren. De Log-normale verdeling was beter, maar nog steeds niet perfect.

De winnaar was de Negatief Binomiale verdeling. Het was de enige die de "zero-inflation" (veel lege waarnemingen) en de "heavy tails" (zeldzame, enorme groepen schildpadden) kon afhandelen zonder moeite te hebben. Door deze verdeling te gebruiken, kon het model eindelijk stoppen met gissen en de chaotische realiteit van het leven van de schildpadden accuraat gaan weerspiegelen.

De Race van de Flexibele Liniaal

Zodat ze de juiste outfit hadden, moest het team de juiste "liniaal" kiezen om de curve te tekenen. In de wereld van de GAM's worden deze linialen "smoothing functions" genoemd. Ze testten vier verschillende soorten:

• Thin Plate Regression Splines (TPS): Zoals een flexibele metalen plaat die soepel in alle richtingen buigt.
• Cubic Regression Splines (CRS): Zoals een reeks vloeiende, verbonden curven gemaakt van kubische wiskunde.
• Penalized Splines (P-splines): Een methode die een "rem" toevoegt om te voorkomen dat de curve te grillig wordt.
• Adaptive Splines: De slimste liniaal van allemaal, die stijf kan zijn op sommige plaatsen en super flexibel op andere, afhankelijk van waar de data lastig is.

Het onderzoek vond dat er niet één "beste" liniaal voor alles was. In plaats daarvan hing de beste keuze af van waar de schildpad op reageerde:

• Tijd en Temperatuur: Voor variabelen zoals "Dagen" en "Temperatuur" waren de Adaptive Splines de kampioenen. Deze factoren veranderen in onvoorspelbare uitbarstingen, en de adaptieve liniaal kon precies buigen waar de data dat nodig had, waardoor plotselinge verschuivingen in het gedrag van de schildpadden werden gevangen.
• Golven en Wind: Voor zaken als "Golfhoogte" en "Windsnelheid" werkten de Cubic Regression Splines het best. Deze factoren veranderen meestal geleidelijk, dus een vloeiende, gestage curve was de perfecte match.
• Windrichting: Voor de Noord-Zuid en Oost-West windcomponenten wonnen de Thin Plate Splines. Omdat windrichting een 2D-cirkel is (het kan overal heen gaan), was de Thin Plate-liniaal de enige die het vloeiend kon in kaart brengen zonder in de war te raken.

Het Eindoordeel

Door de Negatief Binomiale verdeling te combineren met een mix van deze gespecialiseerde smoothing-linialen, bouwden de onderzoekers een model dat zowel wiskundig solide als ecologisch waar is. Ze ontdekten dat de aanwezigheid van de schildpadden niet zomaar willekeurig is; het wordt gedreven door complexe, niet-lineaire relaties met hun omgeving. De schildpadden reageren niet alleen op "meer hitte = meer schildpadden". In plaats daarvan reageren ze op specifieke drempelwaarden en plotselinge veranderingen in temperatuur en getijden, terwijl golfpatronen en wind fungeren als meer gestage, achtergrondinvloeden.

De studie bevestigt dat als je de natuur wilt begrijpen, je niet zomaar een "one-size-fits-all" benadering kunt gebruiken. Je moet je wiskundige instrumenten afstemmen op de specifieke eigenaardigheden van je data. In dit geval zorgde de "Negatief Binomiale" outfit en een "mix-en-match" set van flexibele linialen ervoor dat de wetenschappers het verhaal van de schildpadden helder konden zien, wat onthulde dat hun habitat een dynamisch, versnipperd mozaïek van hulpbronnen en kansen is. Het is een herinnering dat in de wetenschap het juiste instrument voor de taak vaak het verschil maakt tussen het zien van een waas en het zien van het hele plaatje.