Исследование показало: показатель тепла для виноградной лозы ошибочно трактует потепление как задержку развития

Новое статистическое исследование показало, что распространённый способ учета погоды в исследованиях виноградной лозы может приводить к ошибочным результатам — вплоть до того, что потепление будет выглядеть фактором замедления развития растений, хотя на самом деле оно его ускоряет.

В исследовании, опубликованном в журнале Discover Data, рассмотрено, как ученые моделируют фенологию виноградной лозы — сроки наступления таких этапов, как цветение и созревание плодов. Авторы, С. Бехнамиан и Ф. Фог, утверждают, что во многих анализах в модели закладывается скрытое смещение: накопленное тепло рассчитывают вплоть до даты наблюдения события. Поскольку количество тепла естественным образом растет по мере продвижения сезона, более поздняя дата наблюдения почти всегда соответствует большему показателю накопленного тепла. Это создает статистическую проблему: погодная переменная отчасти определяется результатом, который она должна объяснять.

По словам авторов, это может изменить видимое направление влияния температуры на противоположное. На практике модель может показать, что дополнительное тепло задерживает цветение или созревание, хотя реальное биологическое воздействие противоположно.

Авторы предлагают простое решение. Вместо того чтобы суммировать погодные показатели до даты наступления события, они учитывают погоду только в фиксированных интервалах до начала сезона, которые заканчиваются до того, как событие можно было бы зафиксировать. В примере с виноградной лозой в исследовании использовали периоды с 1 января по 30 апреля для цветения и с 1 января по 29 июня для созревания. Поскольку эти интервалы заканчиваются до обычных дат наступления событий, погодные показатели не могут механически зависеть от даты наблюдения.

Сначала исследователи проверили проблему с помощью моделирования. В 1 000 повторных экспериментов они генерировали сроки фенологических событий с известным истинным эффектом тепла до начала сезона. Согласно заданным условиям, повышение температуры на одно стандартное отклонение должно было ускорить наступление события на 15% — отношение времени составляло 0,85. При использовании корректного экзогенного показателя погоды модель почти точно воспроизвела этот результат: среднее расчетное отношение времени составило 0,851. Однако при использовании накопленного тепла, измеренного вплоть до самого события, средняя оценка сместилась до 1,237. Это соответствовало положительному смещению на 45% и указывало на противоположный результат: вместо ускорения модель ошибочно показывала задержку.

Затем авторы применили метод к данным о культурной европейской виноградной лозе Vitis vinifera из USA National Phenology Network. Архив охватывал период с 2012 по 2025 год и включал 41 274 записи о состоянии семи отдельных растений на пяти площадках в США; данные представили 16 наблюдателей. После того как анализ ограничили двумя целевыми стадиями — раскрытыми цветками и зрелыми плодами, — пригодными для использования остались 8 274 записи. Их сгруппировали в 50 единиц наблюдения «растение — площадка — год».

Для анализа использовали методы анализа выживаемости, позволяющие учитывать одну из основных проблем полевых наблюдений. Наблюдатели обычно не посещают растения ежедневно, поэтому точная дата перехода лозы на следующую стадию часто неизвестна. Исследователи знают лишь, что цветение или созревание произошло между последним визитом, когда эта стадия еще не наступила, и первым визитом, во время которого ее зафиксировали. Авторы рассматривали такие случаи как интервально-цензурированные данные, а не приписывали каждому событию одну конкретную дату. Они также сохранили в анализе годы, когда событие так и не было зафиксировано, и учитывали их как наблюдения с правым цензурированием, а не исключали.

Это важно, поскольку более простые методы часто исключают такие годы, хотя они по-прежнему содержат полезную информацию о поздних или незафиксированных событиях. По словам авторов, такой подход на основе анализа выживаемости точнее отражает неопределенность, присущую фенологическим данным, полученным в ходе наблюдений.

В данных по виноградной лозе скорректированные модели выявили более четкую зависимость для созревания, чем для цветения. Более теплые условия до начала сезона неизменно ускоряли созревание. В основной модели Вейбулла отношение времени составило 0,864 при доверительном интервале от 0,813 до 0,917. По словам авторов, в этом наборе данных каждое дополнительное стандартное отклонение тепла до начала сезона — около 150 градусо-дней вегетационного периода — сдвигало медианную дату созревания примерно на 29 дней раньше. Вторая модель, основанная на лог-логистическом распределении, показала меньший эффект: отношение времени составило 0,962. Это говорит о том, что величина оценки отчасти зависела от спецификации модели, хотя направление эффекта оставалось неизменным.

Для цветения картина оказалась иной. Расчетная реакция на более теплые условия до начала сезона была слабой и статистически неопределенной: во всех версиях модели доверительные интервалы включали единицу. Исследование также не выявило четкого влияния осадков при таком объеме выборки. Слабая связь с количеством осадков исчезла, когда исследователи заменили накопленные осадки показателем водного баланса, рассчитанным с вычетом эталонной эвапотранспирации.

Сопоставление скорректированных и некорректных моделей стало центральной частью статьи. Когда исследователи намеренно использовали погодные переменные, накопленные вплоть до даты события, модели показывали, что более сильное потепление задерживает и цветение, и созревание. Результаты моделирования указывали, что это статистический артефакт, а не биологическая закономерность.

Авторы представили пример с виноградной лозой как демонстрацию метода, а не как широкое обобщение о реакции всех виноградников на климат. Выборка была небольшой и неоднородной. Хотя исходное число записей было велико, они относились всего к семи растениям на пяти площадках, причем статистическую мощность фиксированных интервальных моделей обеспечивали только три площадки в Калифорнии и Нью-Йорке. Для 43 из 50 единиц наблюдения «растение — площадка — год» отсутствовали сведения о сорте. Кроме того, среди лоз были винные, столовые и декоративные сорта винограда, а большинство растений орошали, что вносит различия в агротехнику и может влиять на развитие.

В статье приведена серия проверок устойчивости результатов. Исследователи тестировали различные базовые температуры для расчета суммы активных температур, альтернативную продолжительность временных интервалов, более строгие определения конечных точек и более однородную выборку с одной площадки. По их данным, эти изменения сдвигали точечные оценки, но не меняли основных выводов. Авторы также проверили, было ли цензурирование информативным, и установили, что медианная ширина интервала между наблюдениями составляла четыре дня. Кластеризация на уровне площадок была умеренной для созревания и могла примерно вдвое увеличить стандартные ошибки в модели с учетом кластеризации, однако общей интерпретации результатов это не меняло.

По словам авторов, переносить метод на другие виды и сети мониторинга можно лишь при соблюдении определенных условий. Частота посещений должна быть достаточной по отношению к межгодовому разбросу сроков наступления событий. Правое цензурирование не должно быть настолько обширным, чтобы параметрические оценки становились нестабильными. Размер выборки должен соответствовать выбранной модели. Кроме того, фиксированный погодный интервал должен заканчиваться до самой ранней вероятной даты обнаружения события, иначе смещение может возникнуть вновь.

Для индустрии напитков эта работа может со временем приобрести значение, если приведет к более надежному прогнозированию работ на виноградниках и сроков сбора урожая. Более точные оценки сроков цветения и созревания винограда помогут планировать потребность в рабочей силе и график поступления ягод для винодельческого производства. Однако выборка исследования ограничена, поэтому метод еще необходимо проверить в более широком диапазоне коммерческих условий выращивания, прежде чем станет ясна его практическая ценность.

Статья также указывает на более общую проблему исследований реакции на климатические изменения. В фенологических исследованиях часто используют накопленные показатели, например сумму активных температур, поскольку они просты и широко распространены. Это исследование показывает, что если такие показатели определяются с привязкой к прогнозируемому событию, они могут нарушать базовые предпосылки регрессионных моделей и моделей анализа выживаемости. В случае виноградной лозы этого может быть достаточно, чтобы ускорение развития при потеплении выглядело как задержка.

По словам авторов, фиксированные интервалы до начала сезона и модели анализа выживаемости с интервальным цензурированием позволяют избежать этой ошибки и точнее выявлять климатические сигналы с учетом того, как на самом деле собирают полевые наблюдения.