Ein neuer Workflow zur Standardisierung fossiler Pollendatensätze für die ökologische Forschung

Eine neue Studie veröffentlicht in Globale Ökologie und Biogeographie präsentiert eine Schritt-für-Schritt-Anleitung zum Zusammenstellen zahlreicher fossiler Pollendatensätze in einer benutzerspezifischen, standardisierten und sauberen Zusammenstellung – bereit für die weitere Analyse.

Paläoökologie ist wichtig für das Verständnis der Geschichte der Biodiversität und der Veränderungen der Biosphäre im Laufe der Zeit. Mithilfe paläoökologischer Daten wie fossiler Pollen versuchen Wissenschaftler zu verstehen, wie sich Ökosysteme und Vegetation im Laufe der Zeit verändern und wie Menschen die Umwelt im Laufe der Geschichte beeinflusst haben.

In den letzten zehn Jahren gab es einen erheblichen Anstieg der Daten zu fossilen Pollen aus aller Welt in Open-Access-Datenbanken, was neue Wege für die Forschung eröffnete. Es gibt jedoch einige Herausforderungen, diese Informationen so zusammenzustellen, dass Wissenschaftler sie zur Untersuchung von Veränderungen der biologischen Vielfalt nutzen können.

Suzette Flantua, Forscherin am Department of Biological Sciences der UiB und führende Erstautorin des Artikels „A Guide to the Processing and Standardization of Global Paleoecological Data for Large-Scale Syntheses Using Fossil Pollen“, hat an diesen Datensätzen gearbeitet.

„Seit einigen Jahren stellen wir Tausende von Datensätzen zu fossilen Pollen zusammen und haben dabei festgestellt, dass es viele kritische Schritte gibt, die jeder Forscher, der diese Daten verwendet, kennen sollte, aber es gab nirgendwo klare Richtlinien. Das war so Auch ist oft unklar, wie andere Menschen ihre Daten verarbeitet haben“, sagt Flantua.

Um eine standardisierte Nutzung fossiler Pollendaten zu gewährleisten und das Risiko von Fehlinterpretationen zu minimieren, haben Flantua und ihre Kollegen einen Leitfaden mit Tipps und Tricks zur Zusammenstellung fossiler Pollendaten erstellt.

„Diese Datensätze stammen aus vielen verschiedenen Umgebungen auf der ganzen Welt, sie werden von vielen verschiedenen Forschern gesammelt und analysiert und sie repräsentieren sehr unterschiedliche Pflanzengruppen. Bevor eine Analyse durchgeführt werden kann, muss eine solche Zusammenstellung sorgfältig ausgewählt werden, um eine gute Datenqualität zu gewährleisten.“ Deshalb haben wir einen Leitfaden zur Standardisierung dieser Daten entwickelt, der nun vielen Forschern in verschiedenen Bereichen zugänglich ist“, sagt Flantua.

Disziplinfreundliche Richtlinie zur Verarbeitung fossiler Pollendaten

Ondřej Mottl, der führende Entwickler der Software im Leitfaden und Co-Hauptautor des Artikels, sagt, dass der Leitfaden darauf ausgelegt ist, die Datenaufbereitung für jeden einfach und zugänglich zu machen, unabhängig von seinen Programmierkenntnissen.

„Wir wissen, dass die Handhabung aller Datenvorbereitungsschritte eine technische Herausforderung sein kann. Deshalb haben wir unseren Arbeitsablauf Schritt für Schritt strukturiert und an jedem kritischen Punkt klare Wegweiser bereitgestellt. Unsere Software interagiert während des gesamten Prozesses mit den Benutzern und führt sie zum Ziel gewünschten Datensatz für die Analyse“, sagt Mottl.

Der Leitfaden für fossile Pollendatensätze besteht aus a Workflow namens FOSSILPOLein R-Paket (RFossilpol) und ein Webseite. Der FOSSILPOL-Workflow übernimmt die meisten Verarbeitungsschritte (in Bezug auf Ablagerungsumgebungen, Chronologien, Filterung und taxonomische Harmonisierung), während bei bestimmten Schritten Eingaben vom Benutzer erforderlich sind.

Alle Kriterien und Konfigurationen werden in einer Hauptkonfigurationsdatei definiert und im gesamten Workflow werden mehrere R-Pakete verwendet. Zu den Endergebnissen des Arbeitsablaufs gehören eine standardisierte Zusammenstellung taxonomisch harmonisierter fossiler Pollendaten, Diagramme modellierter Alters-Tiefen-Kurven und ein Pollendiagramm für jeden Datensatz sowie mehrere Übersichtsabbildungen und Karten.

Die beiden Hauptautoren Vivian Felde und Kuber Bhatta betonen das Potenzial des Leitfadens zur Verbesserung der Reproduzierbarkeit und Transparenz.

„Es kann auch als Werkzeug angesehen werden, das eine vollständige Reproduzierbarkeit wichtiger Datenanalysen ermöglicht, da alle Entscheidungen während der Datenverarbeitungsschritte transparent, gut dokumentiert und in Studien leicht berichtet werden können. Darüber hinaus ist die Datenerfassung dynamisch und wird sich mit der Zeit ändern.“ „Die Open-Access-Datenbanken werden erweitert, da immer mehr Daten verfügbar sind. Dies alles ist dem ständigen Datenaustausch innerhalb und zwischen Forschungsgemeinschaften zu verdanken, worüber wir uns wirklich freuen“, stimmen Felde und Bhatta zu.