基于加性多元高斯过程的异质数据联合物种分布建模
统计方法学
2021-11-08 v2
摘要
物种分布模型(SDM)是生态学、自然保护与自然资源管理中的关键工具。最先进 SDM 的两个关键组成部分是沿环境协变量的物种分布响应描述以及空间随机效应。联合物种分布模型(JSDM)额外包含种间相关性,已被证明相比单物种模型可改善其描述与预测性能。当前的 JSDM 局限于层次广义线性建模框架。这些参数模型难以解释丰度的变化,例如由于高度非线性的物理耐受极限,这在预测新区域或环境变化情景下的物种分布时尤为重要。另一方面,半参数响应函数已在单物种模型中证明可改善 SDM 在这些任务中的预测性能。本文提出一种 JSDM,其中对环境协变量的响应由编码为共区域化线性模型的加性多元高斯过程建模。这些允许对广泛的响应函数形式及响应间的种间相关性进行推断。我们还提出了一种高效的推断方法,采用拉普拉斯近似并将种间协方差矩阵参数化于欧氏空间。我们通过两个小规模示例和一个真实案例研究展示了模型的优势。我们使用交叉验证将所提模型与类似的半参数单物种模型以及参数化单物种与联合物种模型在插值和外推任务中比较。所提模型在所有情况下均优于备选模型。我们还表明,所提模型可视为当前最先进 JSDM 向半参数模型的扩展。
引用
@article{arxiv.1809.02432,
title = {Additive multivariate Gaussian processes for joint species distribution modeling with heterogeneous data},
author = {Jarno Vanhatalo and Marcelo Hartmann and Lari Veneranta},
journal= {arXiv preprint arXiv:1809.02432},
year = {2021}
}
备注
Accepted for publication in Bayesian Analysis. First available in Project Euclid: 3 June 2019. Permanent link to the BA article: https://projecteuclid.org/euclid.ba/1559548823 Digital Object Identifier: doi:10.1214/19-BA1158