Zeitreihenanalyse im Monitoring - Trends, Saisonalität, Anomalien
Eine einzelne Ablesung bedeutet wenig. Erst eine Zeitreihe zeigt, ob etwas steigt, fällt, jedes Jahr wiederkehrt oder plötzlich „hochgeschossen” ist. Dieser Artikel sagt, wonach man in einem solchen Diagramm sucht und mit welchen Werkzeugen.
Drei Dinge, die wir aus einer Reihe lesen
- Trend - die langfristige Richtung (z. B. eine über die Jahre langsam steigende Phosphorkonzentration). Er beantwortet die Frage „wird es besser oder schlechter”.
- Saisonalität - ein wiederkehrender jährlicher oder täglicher Rhythmus (z. B. sommerliche Minima des Sauerstoffs, nächtliche Abfälle, Frühjahrsblüten). Sie muss man erkennen, um sie nicht mit einem Trend zu verwechseln.
- Anomalien - einzelne, untypische Abweichungen (z. B. ein Sprung der Trübung nach einem Starkregen). Ein Teil sind reale Ereignisse, ein Teil - Messfehler.
Werkzeuge der Interpretation - mit Namen und Anwendungsbedingungen
| Frage | Methode | Wie viele Daten nötig sind | Worauf zu achten ist |
|---|---|---|---|
| Gibt es einen Trend? | Mann-Kendall-Test (nichtparametrisch, robust gegen Ausreißer und nicht-normale Verteilungen) | praktisch ab n ≥ 8-10 Punkten | bei positiver Autokorrelation (zeitlich korrelierte Daten) unterschätzt er p - siehe unten |
| Wie stark ist der Trend? | Sen-Steigung (Median der Steigungen aller Punktpaare) | wie oben | gibt die Änderung je Zeiteinheit an, nicht die „Signifikanz” |
| Saison oder Veränderung? | Jahr-zu-Jahr-Vergleich für denselben Monat | ≥ 2-3 volle Zyklen (24-36 Monatswerte) | eine Saison reicht für keinen Schluss |
| Rauschen glätten | gleitender Mittelwert mit Fenster gleich dem vollen Zyklus (12 Monate bei Monatsdaten) | Fenster plus einige Punkte | ein kürzeres Fenster entfernt die Saisonalität nicht, es verschmiert sie nur |
| Ist der Punkt eine Anomalie? | I-MR-Regelkarte (Shewhart) | ≥ 20-25 Punkte für belastbare Grenzen | Grenzen werden aus einer stabilen Phase berechnet; bei positiver Autokorrelation (dichte Messwerte) fallen sie zu eng aus |
| Laufen zwei Kennwerte zusammen? | Spearman-Korrelation (Rangkorrelation - setzt keine Linearität voraus) | n ≥ 10-15 | Korrelation ≠ Ursache; auch die räumliche Reichweite beachten |
Die Grenzen einer I-MR-Karte werden nicht aus der Standardabweichung der Gesamtreihe berechnet, sondern aus der gleitenden Spannweite: σ̂ = MR̄ / 1,128 (Konstante d₂ für ein Zweierfenster), die Grenzen sind Mittelwert ± 3σ (Warngrenzen ± 2σ). Dieses Detail ist wichtig: Die Standardabweichung der Gesamtreihe enthält Trend und Saison, die Grenzen würden also zu weit und ließen einen Teil der Anomalien durch. Die gleitende Spannweite hat jedoch eine eigene Schwäche: Bei positiver Autokorrelation ähneln sich benachbarte Messwerte, sie unterschätzt daher σ, und die Grenzen fallen zu eng aus - ein Teil der gewöhnlichen Punkte sieht dann wie Anomalien aus.
⚠️ Eine Falle, über die kaum jemand schreibt: Umweltdaten sind zeitlich korreliert. Eine Sonde, die alle 15 Minuten misst, liefert keine 96 unabhängigen Beobachtungen pro Tag - der nächste Messwert wiederholt weitgehend den vorherigen. Tests, die unabhängige Beobachtungen voraussetzen (darunter Mann-Kendall und der Signifikanztest einer Korrelation), unterschätzen bei positiver Autokorrelation p, zeigen also Signifikanz, wo keine ist. (Negative Autokorrelation würde umgekehrt wirken, kommt in Umweltreihen aber fast nicht vor.) Die Hamed-Rao-Korrektur für Mann-Kendall oder eine effektive Stichprobengröße n_eff stellen die richtige Größenordnung wieder her: Ein auf den Rohdaten „signifikanter” Trend kann nach der Korrektur aufhören, signifikant zu sein, und ein Monat täglicher Messungen ist unter Umständen nur eine Handvoll unabhängiger Beobachtungen wert, nicht 31 - bei dichterer Messfolge ist der Unterschied noch größer. Prüfe die Voraussetzungen des Tests, bevor du einen Trend gelten lässt.
Die häufigsten Fehler
- Saisonalität mit einem Trend verwechseln - „steigt” im Juli heißt nicht „steigt von Jahr zu Jahr”.
- Ungleiche Abstände / Lücken - sie beeinflussen Mittelwerte und Diagramme; man sollte sie markieren, nicht verbergen.
- Auf einen einzelnen Punkt reagieren - eine Anomalie bestätigt erst die nächste Messung oder der Kontext.
- Eine „kategoriale” Zeitachse - Daten müssen als Zeit (proportional) behandelt werden, nicht als Etiketten.
- Messstellen in einer Reihe vermischen - Daten mehrerer Stellen zusammengeklebt beschreiben einen räumlichen Gradienten, keinen zeitlichen Prozess; das kann sogar das Vorzeichen umkehren.
- Dichte Messfolge für eine größere Stichprobe halten - siehe oben: die Zahl der Zeilen ist nicht die Zahl unabhängiger Informationen.
Quellen
- Mann-Kendall-Test: Mann H.B. (1945), Nonparametric tests against trend, “Econometrica” 13(3): 245-259, doi:10.2307/1907187; Kendall M.G. (1975), Rank Correlation Methods.
- Sen-Steigung: Sen P.K. (1968), Estimates of the regression coefficient based on Kendall’s tau, “Journal of the American Statistical Association” 63(324): 1379-1389, doi:10.1080/01621459.1968.10480934.
- Korrektur der Autokorrelation: Hamed K.H., Rao A.R. (1998), A modified Mann-Kendall trend test for autocorrelated data, “Journal of Hydrology” 204(1-4): 182-196, doi:10.1016/S0022-1694(97)00125-X.
- Regelkarten und die Konstante d₂: klassische SPC-Methodik (Shewhart); die Konstante 1,128 gilt für die gleitende Spannweite mit Fenster 2.
In der Praxis
Eine gute Analyse beginnt mit einer geordneten, kontinuierlichen Reihe an festen Punkten. In LimnoLog ordnen sich die Messungen sofort zu Diagrammen über die Zeit (mit Saisonvergleich). Den vollständigen Datensatz kannst du nach Excel exportieren oder für die statistische Analyse vorbereiten, wenn du tiefere Methoden brauchst.
In der LimnoLog-App ansehen
LimnoLog-Funktionen entdecken