3Dのコミュニティ生態学：テンソル分解は、大規模な生態学的コミュニティの時空間的ダイナミクスを明らかにしています

多数の種を含む生物コミュニティの時空間的ダイナミクスを理解することは、生態系の管理と保全の取り組みを導くために重要です。ただし、従来のアプローチは通常、宇宙または時間内のコミュニティのダイナミクスの研究に焦点を当てており、多くの場合、相互にリンクされた空間的変化を完全に説明できません。この研究では、長期監視データに時空間のコミュニティダイナミクスを解き放つためのテンソル分解の使用を実証および促進します。テンソル分解は、従来の多変量統計（例：主成分分析など）に基づいていますが、複数の次元に拡張します。この拡張により、時間と空間で繰り返し測定された複数の生態学的変数の同期研究が可能になります。この包括的なアプローチを適用して、人間の活動と気候変動によって強く変化した海洋生態系である北海の65層の魚種の時空間的ダイナミクスを探索しました。私たちのケーススタディでは、テンソル分解がどのように成功するかを示しています（i）主な時空間パターンと種の存在量の傾向を特徴付ける、（ii）同様の空間分布と時間的ダイナミクスを共有する種のサブコミュニティを特定し、（iii）外部ドライバーを明らかにする変化の。私たちの結果は、魚の集合体の強い空間構造が時間とともに持続し、深さ、一次生産、季節性の違いに関連していることを明らかにしました。さらに、大西洋多重頃の振動に固有の低周波温度変動に関連する重要な時間的分布の変化を同時に特徴付けました。最後に、同様の空間分布パターンと時間的ダイナミクスを共有する種で構成される6つの主要なサブコミュニティを特定しました。私たちのケーススタディは、通常大規模な監視プログラムから派生した複雑なコミュニティデータセットを研究するためにテンソル分解を使用することのアプリケーションと利点を示しています。

Understanding spatio-temporal dynamics of biotic communities containing large numbers of species is crucial to guide ecosystem management and conservation efforts. However, traditional approaches usually focus on studying community dynamics either in space or in time, often failing to fully account for interlinked spatio-temporal changes. In this study, we demonstrate and promote the use of tensor decomposition for disentangling spatio-temporal community dynamics in long-term monitoring data. Tensor decomposition builds on traditional multivariate statistics (e.g. Principal Component Analysis) but extends it to multiple dimensions. This extension allows for the synchronized study of multiple ecological variables measured repeatedly in time and space. We applied this comprehensive approach to explore the spatio-temporal dynamics of 65 demersal fish species in the North Sea, a marine ecosystem strongly altered by human activities and climate change. Our case study demonstrates how tensor decomposition can successfully (i) characterize the main spatio-temporal patterns and trends in species abundances, (ii) identify sub-communities of species that share similar spatial distribution and temporal dynamics, and (iii) reveal external drivers of change. Our results revealed a strong spatial structure in fish assemblages persistent over time and linked to differences in depth, primary production and seasonality. Furthermore, we simultaneously characterized important temporal distribution changes related to the low frequency temperature variability inherent in the Atlantic Multidecadal Oscillation. Finally, we identified six major sub-communities composed of species sharing similar spatial distribution patterns and temporal dynamics. Our case study demonstrates the application and benefits of using tensor decomposition for studying complex community data sets usually derived from large-scale monitoring programs.