Biró Marianna első-, Babai Dániel utolsószerzőségével, a Molnár Zsolt vezette Hagyományos ökológiai tudás kutatócsoport tagjaival és kutatási partnereivel megjelent egy cikkünk a mocsári legeltetésről az Agriculture, Ecosystems & Environment nevű folyóiratban. A mocsarak ritka fajok és életközösségek formájában kiemelkedő természeti értékeket őriznek, mindeközben igen sérülékeny rendszerek is. Hagyományos és természetközeli használati módjuk a legeltetés, ezen keresztül viszont két érdekcsoport, a pásztoroké és a természetvédőké találkozik. Kettejük szemléletének összevetése, a lehetséges együttműködési és konfliktuspontok felderítése kulcsfontosságú a legeltetés mint a mocsári élőhelyek természetvédelmi célú kezelése szempontjából. A kutatásban azt vizsgáltuk, hogy három kárpát-medencei régió legeltetett mocsaraiban hogyan változnak bizonyos botanikai, természetvédelmi és legelőminőségi változók a legelésintenzitási grádiens mentén, továbbá mit tekintenek "jó" legelőnek a pásztorok és a természetvédelmi szakemberek. A három régió a Hortobágy, a Tőz folyó ártere a Partiumban (Románia), valamint a Bosut folyó ártere a Vajdaságban (Szerbia), az első kettőt marhával, utóbbi disznóval legeltetik. A vizsgálatba a kutatástervezéskor csöppentem bele, majd az adatelemzésnél vettem még benne részt. A terepmunkát a csapat többi tagja végezte. Ők egy nedvességi és legelésintenzitási grádiens mentén 90 cm átmérőjű mintakörökből álló transzektekben vettek fel növényzeti, természetvédelmi, valamint felszínborításra vonatkozó változókat, összesen 17-et. Ezek alapján később diverzitási és a növényzet szerkezetére vonatkozó mutatókat is számoltunk, ezek is a transzektek jellemzőiként szerepeltek. Emellett 15-15 pásztorral és természetvédővel interjús adatgyűjtést is végeztek azzal kapcsolatban, hogy az egyes változók különböző állapotairól mit gondolnak a maguk szempontjai alapján. A részletesebb módszertan természetesen a cikkben elérhető.
 |
| Szürkemarhával legeltetett mocsár a Hortobágyon (fotó: Molnár Zsolt) |
Az elemzésekben a mintavételi egységek legeltségének mértéke szerepelt volna magyarázó változóként. Igen ám, de ilyet terepen nem lehet felvenni - a "legeltség" önmagában nem mérhető, hiszen a legelés egy jóval komplexebb jelenség a biomassza eltávolításánál. Egyrészt, a legelés többnyire szelektív, nem egyforma mértékben eszik a jószág minden növényfajt. Másrészt, az állat jelenléte taposással és trágyázással is jár, ami közvetlenül és a talajtulajdonságok megváltozása miatt közvetetten is hat a növényzetre. Ráadásul a különböző állatfajok (sőt, fajták) különbözőképpen legelnek. A pásztorok maguk osztályozták ugyan a legeltségi fok szempontjából a mintavételezett foltokat, de ez szubjektív, ráadásul ordinális skálájú változó, nem alkalmas kvantitatív elemzésre. A terepen dolgozó kollégák ezért kiválasztottak további, sokkal jobban számszerűsíthető indexeket, amelyek nyilvánvalóan korreláltak a legelési intenzitással. Ilyen volt például a talajon a taposott felszín százalékos borítása, a rágásnyomok gyakorisága a növényeken, valamint a növényzet alacsonyabb szintjeinek borítási aránya a felsőbb szintekéhez képest. Hogyan csináljunk ebből egyetlen, értelmes változót? Itt jön be a képbe a legegyszerűbb ordinációs módszerek klasszikus tankönyvi példája, a főkomponens-analízis (PCA, principal components analysis).
 |
| Diverz, legelt mocsárszél (fotó: Biró Marianna) |
Az ordinációs módszerek lényege, hogy a sok változóval leírt mintánk teljes változatosságát megpróbáljuk minél kevesebb változóval minél nagyobb hatékonysággal leírni. Úgy is mondhatnánk, arra törekszünk, hogy a minta változatosságát minél kevesebb új, mesterséges változóba "sűrítsük", miközben legfeljebb jelentéktelen mennyiségű, vagy csak irreleváns információt veszítünk. Az új változók, az ordinációs tengelyek, a módszerek többsége esetén "fontossági" sorrendben vannak: az első magyarázza a legtöbb változatosságot, a második kevesebbet, stb. Elméletünk szerint a fontosabb tengelyek felfedik a mintában rejlő legfontosabb grádienseket. A tengelyek a módszerek többségénél ortogonálisak (függetlenek, térben derékszöget zárnak be). A főkomponens-analízis logikája, hogy az első ordinációs tengelyt (komponenst) úgy hozza létre, hogy az a lehető legnagyobb mértékű korrelációt mutassa az eredeti változókkal. A másodikat pedig úgy, hogy az eredeti változóknak az új változóval nem korreláló változatosságával korreláljon. A PCA-ról bőségesen lehet magyarul olvasni Podani (1997) könyvében, de főleg angolul sok más helyen is (Google segít). A lényeg, hogy a PCA-tól az alábbiakat kapjuk:
- koordináták minden objektumhoz az ordinációs tengelyeken (komponenseken);
- a tengelyek sajátértékei (ezek a "fontossági értékek", az összvariancia rájuk eső részei);
- az eredeti változók koordinátái;
- az eredeti változók hozzájárulásának méretéke az egyes tengelyekhez.
A PCA leggyakoribb alkalmazási módja, hogy az első két tengely függvényében ábrázolják az objektumok pontfelhőjét, és erre gyakran ráteszik a változókat is nyilak formájában. Mi emellett a módszer azon tulajdonságát használtuk ki, hogy az ordinációs tengelyek az eredeti változók olyan kombinációi, amelyek az összvarianciát a leghatékonyabban képezik le minél kevesebb tengelyen. Ebben az elemzésben azt feltételeztük, hogy a legelésintenzitási indexek varianciájának "közös" része, vagyis amivel mindannyian korrelálnak, jól leírja a tényleges legelési intenzitást. Kézenfekvő megoldásnak ígérkezett, hogy az indexekkel mint változókkal számoljunk egy PCA-t, és tekintsük az első komponenst a keresett legelésintenzitási változónak. Az így kapott változó átlaga 0, az erősen legelt mintaegységek pozitív, a kevésbé legeltek negatív értéket kaptak. Ez a változó 90% feletti arányban alátámasztotta a pásztorok által becsült legelési grádienst, csak annál jóval finomabb, numerikus skála használatát tette lehetővé. Az első PCA tengelyt már tudtuk használni egyéb regressziós és korrelációs vizsgálatokban a legelési intenzitás folytonos változójaként.
Amikor tehát több változóval írunk le egy nehezen megfogható jelenséget, grádienst, akkor érdemes az első, vagy akár (ha értelmezhető) az első néhány PCA tengelyt használnunk az eredeti változók helyett. Kedvelem ezt a megoldást, mert igen hatékonyan egyszerűsíti le a bonyolult mintákat kevés számú új változóra (a komponensekre), és emeli ki a "lényeget", amennyiben az eredeti változók között lineáris az összefüggés; a komponensek pedig új változókként szerepelhetnek bemeneti adatként további elemzésekben. Szintén jó olyankor, amikor a változóink eltérő, vagy valamilyen számunkra kedvezőtlen skálával rendelkeznek. Pl. Lhotsky et al. (2016) cikkünkben a fajok nominális skálán felvett, de részben ordinálisként is értelmezhető tulajdonságait (életforma-típusait) alakítottuk át egy egyévesektől hosszú életű évelőkig terjedő, folytonos skálára, amit aztán jóval rugalmasabban tudtunk használni az elemzésekben. Ebben a szerepében a PCA egy adattranszformációs módszernek is tekinthető. Érdemes tehát leporolni néha a jó öreg PCA-t, minden ordinációs módszerek ősatyját/ősanyját. :)
Az R-ben többféleképpen is el lehet érni, pl. a stats csomag princomp vagy prcomp függvényeivel, de a vegan csomag rda parancsa is PCA-t csinál, ha nem adunk meg magyarázó változót. Én az utóbbit szoktam használni.
 |
| Három ábra a PCA kapcsán a hortobágyi mintaegységekre. Magyarázat alább |
Ábramagyarázat:
PCA biplot: így hívják azt, amikor az objektumokat és a változókat egyszerre ábrázoljuk az ordinációban. A két tengely az első két komponens (PC1, PC2). A kék körök a mintaegységek, a piros nyilak a változók, mellettük a nevük rövidítésével (rágottság, az alsó növényzeti szintek borítási aránya, valamint taposottsággal kapcsolatos indexek). A piros nyilak eléggé egy irányba mutatnak, ami arra utal, hogy pozitívan korrelálnak. Mind hegyesszöget zárnak be az első tengellyel, ez a vele való erős korrelációra utal.
Screeplot: ez mutatja meg az ordinációs tengelyek által magyarázott variancia mennyiségét, vagyis a tengelyek fontosságát. Látható, hogy az első tengely messze-messze fontosabb a többinél, gyaníthatóan ez "fogja meg" a tényleges legelési intenzitás grádiensét.
Harmadik ábra: itt összehasonlítom egy boxploton a legelésintenzitást mutató PC1 értékeit a pásztorok által becsült intenzitással. Az egyezés tökéletes.
Az elemezéseinkkel megmutattuk a növényzeti változók összefüggését a legelési intenzitással, valamint azt, hogy az egyes változókról mit gondolnak a pásztorok és a természetvédők. A kutatás fontos tanulsága, hogy nem volt olyan növényzeti változó, amelyet a két érdekcsoport kifejezetten ellentétesen ítélt volna meg. Mindkettejük számára kedvező jelenség volt például az alacsony növényzet: a pásztor szempontjából pozitív, hogy ebben az állat könnyebben mozog, a zsenge növények pedig jobb táplálékot adnak, a természetvédő számára pedig a nyíltabb talajfelszínen előforduló ritka, kompetícióra érzékeny fajok, valamint a talajon (vagy iszapon) táplálkozó madarak jelenléte kívánatos. A madarak jelenlétét egyébként a pásztorok is pozitívan ítélték meg, valószínűleg kulturális okokból. A védett és ritka fajok jelenléte a természetvédők számára (nyilvánvalóan) pozitív jelenség, míg a pásztorok számára közömbös. Az eredmények alátámasztják azt, hogy a hagyományos módon gazdálkodó ember és a természetvédők szempontjai egymást kiegészítve és erősítve segíthetik elő a természetközeli élőhelyek kedvező állapotának elérését, fenntartását.
 |
| Disznó által túrt iszapfelszín mételyfűvel (Marsilea quadrifolia) és tóalmával (Ludwigia palustris) a Bosutnál (fotó: Biró Marianna) |
A cikk elérhetősége, összefoglalója (még három hétig ingyen olvasható):
Highlights
• Wetland habitat quality indicators of conservationists and herders were compared.
• Key indicators were tested along a gradient of ungrazed to heavily grazed sites.
• There were no key indicators where the two groups had opposing preferred trends.
• Vegetation height, shrub and litter cover decreased with grazing intensity.
• Forage grasses and frequency of rare mud species increased with grazing intensity.
Abstract
Wetland grazing by livestock, once widespread throughout Europe, is increasingly used in conservation management. To avoid conflicts and enable cooperation between wetland users and conservationists, habitat quality indicators relevant to both stakeholder groups would be useful. We aimed to identify which indicators of grazed wetland habitat quality are important to the two groups, and which are the preferred trends for these indicators along a grazing intensity gradient.
We conducted free listing interviews with 15 conservationists and 15 herders to identify the key indicators of well managed, extensively grazed wetland habitats. To check the practical ecological relevance of these indicators, vegetation surveys were performed along a gradient from ungrazed to heavily grazed stands (45 sites) in three countries: Hungary, Romania and Serbia.
Positive trends for herders included increases in useful forage grasses and decreases in tall-growing marsh species; for conservationists, increases in wetland birds, protected and threatened plant species, habitat heterogeneity, and patches of open vegetation were all positive. Grazed marshes had lower vegetation cover and height, less litter cover and fewer shrubs. The proportion of open surfaces and the frequency of rare mud species and protected species increased along the grazing intensity gradient. As grazing intensified, 73% of the 15 vegetation attributes assigned to the indicators changed in a ‘positive’ direction, half of them significantly, showing the benefits of extensive but patchy heavy grazing.
Despite differences in perceived benefits, there were no opposing preferred trends for any of the studied indicators, so patchy, occasionally and locally intense or heavy wetland grazing by livestock in these landscapes was beneficial for herding and conservation alike. In the situation of mosaic-like, carefully herded extensive grazing, there was no trade-off between conservation management and utilisation.
Graphical abstract
 |
| forrás: Agriculture, Ecosystems & Environment |
