评估海洋哺乳动物丰度：一种新颖的数据融合方法
应用统计
2023-10-13 v1 统计方法学
摘要
海洋哺乳动物日益易受人类干扰和气候变化的影响。它们的潜水行为导致数据收集期间视觉可及性有限，使得研究海洋哺乳动物的丰度和分布具有挑战性。理论上，使用来自不止一种观测模态的数据应能对丰度和分布做出更充分的预测。以北大西洋露脊鲸为焦点，我们考虑融合两种数据源以推断其丰度和分布。第一个数据源是航空距离采样，提供该区域中探测到鲸鱼的空间位置。第二个数据源是被动声学监测（PAM），返回放置在海床上的水听器接收到的叫声。由于在水面时间有限以及由采样工作量引起的探测局限，航空距离采样仅提供位置的部分实现。通过PAM，我们从未观察到个体数量或位置。为应对这些挑战，我们开发了一种新颖的稀疏点模式数据融合。我们的方法改进了关于美国马萨诸塞州科德角湾 throughout 北大西洋露脊鲸丰度和分布的推断。我们通过模拟和真实数据展示了相比单一数据源我们的方法的性能提升。
引用
@article{arxiv.2310.08397,
title = {Assessing Marine Mammal Abundance: A Novel Data Fusion},
author = {Erin M. Schliep and Alan E. Gelfand and Christopher W. Clark and Charles M. Mayo and Brigid McKenna and Susan E. Parks and Tina M. Yack and Robert S. Schick},
journal= {arXiv preprint arXiv:2310.08397},
year = {2023}
}