Relaterad information
Trender - en introduktion Att skilja mellan naturlig och antropogen variation Linjär regression Icke-parametrisk utjämning

Meteorologisk normalisering för trendanalys

Beskrivning

För att kunna genomföra en trendanalys, där man vill undersöka om antropogen påverkan har ökat eller minskat nivåerna av en miljöindikator, är det viktigt att först utesluta naturliga faktorer som kan leda till dessa ökningarna eller minskningar. Miljöindikatorer i vatten kan t.ex. påverkas av avrinningsmängden eller vattentemperatur, miljöindikatorer i luft påverkas ofta av lufttemperatur, vindriktning och antal regntillfällen eller regnmängd. Halten av miljögifter i biota kan påverkas av storleken och/eller ålder av provtagningsobjektet.

Att övervaka ett referensområde som inte är utsatt för samma antropogena påverkan men förövrigt är likvärdigt det område man studera är den bästa lösningen. Detta är dock ofta inte möjligt och istället försöker man att normalisera (justera) miljötidserier, dvs. att skatta en serie som skulle ha kunnat observeras om de naturliga faktorerna hade varit konstant på ett genomsnittligt nivå under hela observationsperioden. Normalisering görs med hjälp av observationer för en eller flera variabler som representera den naturliga påverkan och antaganden av sambanden mellan dessa faktorer och miljöindikatorn i fråga.

Exempel

Ett exempel av meteorologisk/hydrologisk normalisering finns på sidan om att skilja mellan naturlig och antropogen variation i serier utan referensområde.

Vilken modell ska användas för normalisering?

Vilken modell som kan användas för att normalisera miljödata beror som all modellering på (i) observationernas fördelning, (ii) antal observationer, (iii) tidupplösning, (iv) antal potentiella förklarande variabler (variabler som beskriva den naturliga påverkan) och (v) vilka samband man förväntar sig mellan responsen och de förklarande variablerna. Utgångspunkten är en regressionsmodell, men de använda modellerna spänner allt mellan en linjär regressionsmodell med normalfördelade fel till icke-parametrisk utjämning (skattning av datastyrda samband), principalkomponent regression eller PLS, en regressionsmetoder som kan hantera många (korrelerade) förklarande variabler.

Normalisering och trendanalys kan antingen göras i en och samma analys eller som två-stegs analys, där man först normalisera och sen gör trendanalysen på den normaliserade serien.

Annat viktigt att veta

När man normalisera data utgår man ifrån att det inte finns några trender i de förklarande variablerna. Den naturliga variationen anses vara kort- och/eller långtidsvariation kring ett konstant medelvärde. Ibland har man har skäl att tror att även de förklarande variablerna är påverkade av mänskliga aktiviteter, som dock i sin tur inte är intressanta för trendanalysen som ska genomföras. Sådan påverkan skulle kunna ske direkt genom bebyggelse eller ändrat markanvändning i närheten eller indirekt genom global uppvärmning. När man förmodar eller ser trender i förklarande variabler är det vanligast bättre att göra trendanalys och normaliseringen i samma analys, eftersom trendanalysen har lägre styrka när den görs som två-stegs analys (alltså när normaliseringen görs först och trendanalysen görs på den normaliserade serien).