风力涡轮机对鸟类丰度影响的全球数据合成案例

在风力涡轮机对鸟类丰度影响的系统评价中，使用标准平均差的meta分析对19个遍布全球的风电场的联合数据用倒方差法进行加权（Stewart，等，2005）。敏感性分析用于探索纳入非重复研究数据的效应，并评估由虚假重复或合计数据提取而产生的偏倚。无论效应量大小是如何产生的，合并效应量都应保持阴性和统计学意义，这表明该数据模式是有效的。用meta回归探索了异质性的验前和验后原因。验前变量中仅鸟分类学这一变量表现出对结果的调节，涡轮数目和功率之间的关系对生物学的意义较弱。验后分析显示，随着时间的推移，风电场的影响变得更加明显，这一发现在任何原始研究或先前的文献评估中都没有报告。因为随着时间的推移，当地鸟类的丰度下降，如果继续恶化，很可能在种群水平上产生有害影响，这具有重要意义。这也表明，目前风电场的监测方案检测有害影响的时长不够。

图10-1用STATA生成森林图举例，森林图一般包含在合并meta分析系统评价的结果中。

图10-1　森林图的解释——用STATA软件举例(www.zuozong.com)

包括在meta分析的各个数据点列在图10-1左侧。在本例中，多个独立点已从相同的文献中提取。个人的研究通常包含作者姓名和发表年份标识，具有多个编号点。每项研究的全部细节可以在SR结尾的参考文献中找到。附录的纳入研究和数据提取表应清楚表示每个研究的多个点是如何产生的。

从研究中提取的每个数据点用方块表示。方块的大小代表了产生的数据点的研究样本量，而该误差线通常表示95%的置信区间。在x轴上方块的位置代表效应量（本例为Cohens D）。在本例中还在图10-1的右侧列出了每个研究的效应量和置信区间，还有研究对总体合成贡献的权重（本例中权重为倒方差）。在研究下方，用一个开放菱形表示估计合并效应量。这是所有纳入数据点组合结果的图形表示。此菱形的宽度表示置信区间。

用一条垂直实线表示效应量为0的“无效线”，任何跨越此线的研究都是无统计学意义的（包括那些仅置信区间跨越此线的研究）。凡是落在无效线左边的有较少结果；而任何落在右侧的有更多结果。结果为阳性或阴性取决于meta分析的结果是什么。因此，对于有阴性结局（如栖息地损失）的有益结果在垂直线左侧效应量有意义，对于有阳性结局（如增加合适的栖息地）的有益结果在垂直线右侧效应量有意义。森林图的总体解释依赖于考虑的位置和各个点以及其合并估计值的意义，因为当异质性较高时，合并估计会产生误导。