Mô hình hóa các vùng sinh học từ dữ liệu đa loài và môi trường

Environmetrics - Tập 24 Số 7 - Trang 489-499 - 2013
Scott D. Foster1,2, Geof H. Givens3, Grant J. Dornan4, Piers K. Dunstan2, Ross Darnell5
1Division of Computational Informatics, CSIRO, GPO Box 1538, Hobart 7001, Tasmania, Australia
2Wealth from Oceans Flagship, CSIRO, GPO Box 1538, Hobart 7001, Tasmania, Australia
3Department of Statistics, Colorado State University, Fort Collins, CO 80523 U.S.A.
4Steadmon Philippon Research Institute, 181 W. Meadow Dr., Vail, CO 81657, U.S.A.
5Division of COmputational Informativs, CSIRO, GPO Box 2583, Brisbane 4001, Queensland, Australia

Tóm tắt

Việc phân chia môi trường thành các vùng mà có vẻ như chứa đựng nội dung sinh học tương tự là hữu ích để điều tra các câu hỏi về phân bố và sinh cảnh, đồng thời giúp hướng dẫn việc bảo tồn và sử dụng tài nguyên. Nhiệm vụ thống kê này yêu cầu liên kết dữ liệu hiện diện/vắng mặt từ nhiều loài với dữ liệu môi trường có cùng vị trí. Trong bài báo này, chúng tôi giới thiệu một khuôn khổ mô hình hóa thống kê mà mô hình hóa môi trường như một tập hợp các vùng, nơi mà vector xác suất quan sát một tập hợp các loài vẫn giữ nguyên tương đối trong một vùng và riêng biệt giữa các vùng khác nhau. Điều này được thực hiện trong khuôn khổ mô hình hỗn hợp các chuyên gia, mà coi loại vùng là một biến ẩn có phân phối biến đổi theo chức năng của môi trường. Cách tiếp cận này cho phép chúng tôi dự đoán xác suất của các loại vùng cho các vị trí đã lấy mẫu và chưa lấy mẫu. Mô hình tổng hợp dữ liệu sinh học và môi trường, kết hợp cả hai trong một xác suất duy nhất cho phép truyền đạt sự không chắc chắn qua toàn bộ mô hình. Phương pháp này được chứng minh bằng một ví dụ tổng hợp và dữ liệu từ một cuộc khảo sát cá từ Bờ Tây Bắc, nằm ngoài khơi Tây Úc. Một gói R, RCPmod, triển khai các phương pháp được mô tả trong bài báo này, đã có sẵn từ CRAN. Bản quyền © 2013 John Wiley & Sons, Ltd.

Từ khóa


Tài liệu tham khảo

Aitchison J, 1982, The statistical analysis of compositional data, The Journal of the Royal Statistical Society – Series B, 44, 139, 10.1111/j.2517-6161.1982.tb01195.x

10.1007/978-1-4612-1160-0

10.1016/0006-3207(93)90007-N

Cleveland WS, 1993, Visualizing data

10.1890/0012-9615(1997)067[0345:SAAIST]2.0.CO;2

10.1016/j.ecolmodel.2010.11.030

10.1007/s13253-013-0146-x

10.1111/j.1365-2664.2006.01149.x

10.1111/j.1467-9876.2011.01030.x

Givens GH, 2013, Computational Statistics

10.1214/08-AOAS178

10.1162/neco.1991.3.1.79

10.1002/9780470316801

10.1098/rspb.2013.0818

Keribin C, 2000, Consistent estimation of the order of mixture models, Sankhya: The Indian Journal of Statistics, 62, 49

10.3354/meps219121

Leaper R, 2013, Do communities exist? Complex patterns of overlapping marine species distributions, Ecology

10.1890/0012-9658(2002)083[2248:ESORWD]2.0.CO;2

10.1038/35012251

10.1002/0471721182

Nash SG, 1996, Linear and nonlinear programming

10.1890/10-1251.1

10.1214/aos/1176344136

10.1080/01621459.1963.10500845

10.1201/9781420010404