用于组成型数据聚类的贝叶斯潜分配模型及其在大堡礁的应用

相对丰度是生态调查中估计物种组成的常用度量，反映了生物群落的常见与稀有格局。本文关注 2012 至 2017 年间收集的、由澳大利亚大堡礁（GBR）四个群落形成的珊瑚礁组成测量数据。我们着手寻找具有相似群落组成的样带位置聚类，并考察聚类动态随时间的变化。在这些年份中，前所未有的极端天气事件序列（气旋与珊瑚白化）影响了 58 个调查位置。组成各部分间的依赖性对现有多元聚类方法提出了挑战。本文中，我们引入一种具有组特定参数的有限 Dirichlet 分布混合模型，其聚类归属由未观测潜变量决定。推断在贝叶斯框架下进行，其中概述了从后验模型采样的 MCMC 策略。我们给出模拟研究以说明模型在受控设定下的表现。该模型对 2012 年珊瑚礁数据的应用揭示，聚类在空间上跨礁呈相似分布，表明波候暴露可能对珊瑚礁群落组成起源有影响。模型估计的聚类数从 2012 年的四个减少至 2014 至 2017 年的两个。样带归属同一聚类的后验概率随时间大幅增加，显示整个 GBR 群落组成可能存在均质化。该贝叶斯模型凸显了珊瑚礁内群落组成的多样性，以及可能危及 GBR 生物多样性未来的大空间尺度上的快速变化。