基于累积量的近似用于快速高效的物种分布预测
统计方法学
2024-05-24 v1 统计理论
统计理论
摘要
物种分布建模在利用环境变量估计物种栖息地适宜性方面发挥着重要作用。为此，Maxent和泊松点过程是广泛用于各种生态和生物科学中的流行且强大的方法。然而，当使用庞大的背景数据集时（这在精细分辨率数据或全球尺度估计中经常出现），计算速度变得极其缓慢。为了解决这个问题，我们提出了一种使用基于累积量的近似（CBA）应用于γ-散度损失函数的计算高效的物种分布模型。此外，我们引入了一种带有L1惩罚的序贯估计算法，以选择与物种分布密切相关的重要环境变量。从CBA导出的正则化几何平均方法表现出高计算效率和估计精度。此外，通过将CBA应用于Maxent，我们证明了在正态性假设下Maxent和Fisher线性判别分析是等价的。这种等价性导致了一种用于估计物种分布的高效计算方法。通过模拟研究以及分析来自国家生态分析与综合中心的226个物种和709种日本维管植物物种的数据，说明了我们提出方法的有效性。与Maxent相比，所提出方法的计算效率显著提高，同时保持了相当的估计精度。还准备了一个R包CBA，提供模拟研究和实际数据分析中使用的所有编程代码。
引用
@article{arxiv.2405.14456,
title = {Cumulant-based approximation for fast and efficient prediction for species distribution},
author = {Osamu Komori and Yusuke Saigusa and Shinto Eguchi and Yasuhiro Kubota},
journal= {arXiv preprint arXiv:2405.14456},
year = {2024}
}