Statisztikai analízis

Statisztikai vizsgálatokhoz szabadon hozzáférhető szoftverkörnyezetet, R programozási nyelvet használtam (R development core team 2012). A diatóma sztratigráfiai diagramo-kat Psimpoll programcsomaggal készítettem (Bennett 2005). A zónák meghatározásához a sztratigráfiai kényszer elvét alkalmazó klaszter analízist (CONISS) használtam, (Grimm 1987, Bennett 1996). Kovariancia mátrixot és négyzetgyökös transzformációt alkalmaz-tam és minden taxont figyelembe vettem a zónahatárok megállapításánál. A szignifikáns zónákat (DAZ, Diatom Assemblage Zone) törött pálca modellel Bennett (1996) állapítot-tam meg a „Rioja” programcsomag segítségével (Juggins, 2012). A főkomponens analízis (PCA) előtt Detrended Correszpondancia Analízist végeztem (DCA) a tengelyhosszak megállapításra, a PCA elemzés alkalmazhatóságának eldöntésére. A redukált adatbáziso-kon (fajösszevonások után) a gradiens kisebb mint kettő (<2 SD), ezért a PCA alkalma-zása indokolt.

2.3.1. Morfometriai elemzés

A Kobayasiella nemzetség közeli fajainak elválasztásához morfometriai elemzést végez-tem (Podani 2000). Öt populációhoz tartozó, összesen 46 SEM felvételen mérvégez-tem le nyolc

jellemző (folytonos) bélyegét a kovaváznak. Egy idealizált Kobayasiella faj képén muta-tom be ezeket a bélyegeket (26. ábra) a rövidítések az angol megfelelőkből származnak: a váz teljes hossza (TL–Total Length of valve); a váz teljes szélessége (TW–Total Width of valve); a sávok száma 10 µm-ként a váz középső részén (NSM Number of Striae in the Middle section of valve); a sávok száma 10 µm-ként a váz külső harmadán (NST– Number of Striae at Third of valve); A váz szélessége a hasadékvonal jellegzetes töréspont-jánál (WCP–Width of the valve at Changeover Point); A hasadékvonal töréspontjának távolsága a váz végétől (DC–Distance of Changeover from the pore); a nyak szélessége, vagyis az a pont, ahol a legkeskenyebb a váz a fejecske alatt (NW–Neck Width).WCP, DC,NWesetében a váz mindkét végén lemértem az alapadatokat és azok átlagával szá-moltam tovább. A sávoknak a váz tengelyével bezárt szögeinek számtani közepét vettem mind a két vázfél mindkét oldalán megmérve azt (ANG–angles). A sávok számát 3-4 µm-ben számoltam meg, majd arányosítottam 10 µm-re (26. ábra).

26. ábra. Sematikus ábra aKobayasiellanemzetség morfometriai vizsgálatánál elemzett folytonos változókról (Buczkó et al. 2009g).

2.3.2. Rekonstrukciók

A kvantitatív rekonstrukciókhoz az európai kovaalga adatbázist és az ott elérhető és letölthető szoftvereket alkalmaztam (Juggins 2001). Az „EDDI” (European Diatom Da-tabase) egyike a legnagyobb kovaalga adatbázisoknak, amely több kisebb adatsor (lokális training set) kombinálásából és harmonizálásából jött létre. Fontosságát az adja, hogy Európa több mint 600 tavából egységes módszerrel vettek mintákat, egyidejűleg mérték a háttérváltozókat. Külön hangsúlyt fektettek a taxonómiai harmonizációra. Több mint 40 diatóma taxonómus, paleolimnológus, statisztikus és adatbázis szakértő közreműkö-désével 13 országból, elsősorban Európa, de Afrika és Ázsia tavaiból származó adatok is megtalálhatóak az adatbázisban, amelyben így, 1350 mintából származó, több mint 2000 taxon szerepel, a hozzájuk tartozó környezeti adatokkal. A térképes megjelenítés a kovaalgák biogeográfia vizsgálatnál hasznos segítség. A több mint 2000 faj legnagyobb részéről digitális fénykép is hozzáférhető, ami nagyban segíti a határozást. Sajnos a két-ezres években már nem fejlesztették tovább ez a nagyon fontos, európai adatbázist. Az EDDI adatokon alapuló, környezeti rekonstrukciót végző szoftver on-line elérhető, vagy

ingyenesen letölthető. Az EDDI elsődleges célja a savas esők hatásának vizsgálata volt, de az eutrofizáció mértékét és klímaváltozás közvetett hatásait is vizsgálható a segítségével.

Több előzetes vizsgálat után a hegyi tavakra az egész Európát lefedő, egyesített pH adatbázist alkalmaztam (combined pH dataset, Juggins, 2001), mert ebben találtam a legtöbb, az én mintáimban is előforduló taxonra vonatkozó adatot. Bár kézenfekvő lett volna a Retyezátban a mintavételi helyeinkhez térben közelebb álló, az Alpokból gyűjtött adatsor alkalmazása (AL:PE dataset) az eltérő alapkőzet miatt ezt elvetettük. Az ED-DI útmutatójának ajánlása szerint helyileg-súlyozott súlyozott átlag (locally-weighted weighted averaging (LWWA)) módszert alkalmaztam a modern adatbázis és az egyes diatóma minták közötti hasonlóság mérésére. A modern-diatóma összehasonlító adatbá-zisban 622 minta adatai álltak rendelkezésre, az általuk lefedett pH tartomány 4,3–8,4 volt, az átlagos pH 6,21. Az alkalmazott kalibrációs modell négyzetes középérték hibája (root mean square error of prediction RMSE) 0,38 pH egység volt, jackknife hiba R²–e 0,83. Az átlagos eltérés 0.001 pH egység, míg a maximális eltérés 0,51.

A Brazi késő-glaciális és kora-holocén szakaszára (egy korábban megjelent cikkben, Buczkó et al. 2012) az AL:PE adatbázis alapján (Cameron et al. 1999) rekonstruáltam a pH-t, modern analóg technikát (MAT) alkalmaztam, az öt legközelebbi analóg megkeresé-sével. A modern analóg training set 118 mintából állt, 4,8–8 volt a lefedett pH tartomány.

A rekonstrukció standard hibája 0,09 és 0,39 pH egység között változott. Bár később el-készült erre a szakaszra is az egyesített pH adatbázis alapján készített rekonstrukció a dolgozatban az eredeti, lektorált folyóiratban megjelent eredményt mutatom be.

Az epilimnetikus-összfoszfor rekonstrukciója, a pH rekonstrukcióhoz hasonlóan két lé-pésben készült el. A késő-glaciális és kora-holocén időszakra (15,700–9960 kalibrált BP év) mozgó-ablak közelítést (moving-window approach) alkalmaztunk (Hübener et al. 2008), amely az európai adatbázis (EDDI, http://craticula.ncl.ac.uk/ Eddi/jsp/, Juggins, 2001) és az észak-kelet németországi (Mecklenburg-Vorpommern adatbázis (Adler & Hübener, http://www.biologie.uni-rostock.de/abt/botanik/AG-Phykologie/) egyesítésével jött lét-re. A 429 mintát tartalmazó adatbázis 2–1189 µg/l (=0,3–3,75 lgµ/l) közötti TP tarto-mányt fedett le. Súlyozott átlag legkisebb négyzetek (WA-PLS) (regressziót és kalibrációt alkalmaztam ter Braak & Juggins 1993) a relatív gyakoriságot tartalmazó diatóma adat-soron, a TP-n logaritmikus transzformációt végeztem. A *paltran 1.3 for ‘R’ (Adler 2010) programcsomaggal folytak a számolások. kalibrációs modell négyzetes középérték hibája (root mean square error of prediction RMSEP) 0,25 és 0,33 log µg/l TP között változott.

A Balaton esetében 10,000 kalibrált BP év után az EDDI adatbázis kombinált TP adatbázisát alkalmaztam, ami 477 mintát és 345 taxont tartalmazott. A lefedett TP tar-tomány itt is 2–1189 µg/l, az átlag 68 µg/l. Locally-weighted weighted averaging (LW-WA) módszer alkalmaztam, a rekonstrukció hibája RMSEP 0,30 µg/l, jackknife hiba R² 0,72, az átlagos eltérés 0,01, a maximális eltérés 0,65 log TP volt. A Balaton esetében a pH rekonstrukciót a ’Combined pH Training Set’ alapján készítettük, amely 622 tó-ból származó adatot tartalmaz. A foszfortartalom rekonstruálásához a ’Combined TP Training Set’ adatbázist használtuk, ez 477 tó diatóma adatát tartalmazza. A sókoncent-ráció rekonstruálásához a ’Combined Salinity Training Set’ adatbázist használtam, ez 370 tó adatát tartalmazza, és mindhárom proxi rekonstruálására a súlyozott átlag módszert (WA) alkalmaztuk.