贝叶斯层次时空模型通过结合不同鱼类调查观测改进多物种评估
统计方法学
2020-12-07 v1 应用统计
摘要
许多受人类活动影响的野生物种需要多项具有不同设计的调查，以捕捉其对广泛栖息地条件的行为响应并对其进行制图与量化。尽管例如使用不同渔具、相交但各异的鱼类调查数据广泛可得，设计与方法的差异常限制其整合。能够利用多元来源观测的新型统计方法可同时增强我们对多个物种分布的理解，从而提供保护其种群及广泛生物多样性所需的关键证据。我们在INLA-SPDE框架内使用一种新型贝叶斯层次二项-对数正态障碍建模方法，结合并分析了北海中鲱鱼、黍鲱和东北大西洋鲭鱼的声学调查与底拖网调查数据。这些模型使用INLA-SPDE技术实现。通过考虑跨调查的渔具特定效率以及增加的空间覆盖，我们获得了更大的统计功效，并极大最小化了估计中的不确定性。我们的统计方法提供了一种方法学进展，以改进多物种评估与海洋基于生态系统的管理的证据基础。在更广尺度上，它可轻易应用于不同的生物调查与采样方法相交之处，例如利用物种分布的全球数据集提供生物多样性格局信息。
引用
@article{arxiv.2012.02196,
title = {Bayesian hierarchical space-time models to improve multispecies assessment by combining observations from disparate fish surveys},
author = {Chibuzor C. Nnanatu and Murray S. A. Thompson and Michael A. Spence and Elena Couce and Jeroen van der Kooij and Christopher P. Lynam},
journal= {arXiv preprint arXiv:2012.02196},
year = {2020}
}
备注
32 pages, 6 Figures