距离抽样与捕获-重捕获数据的融合
统计方法学
2022-03-09 v1 应用统计
摘要
物种分布模型（SDMs）在生态学、生物地理学和野生动物管理中日益用于研究物种-栖息地关系及跨时空的丰度。距离抽样（DS）和捕获-重捕获（CR）是两种广泛收集的数据类型，用于研究物种-栖息地关系和丰度；但由于缺乏空间覆盖，它们很少用于 SDMs。然而，两种数据源的数据融合可增加空间覆盖，从而减少参数不确定性并使预测更准确，因此可用于物种分布建模。我们提出了一种基于模型的 DS 与 CR 数据融合方法。我们的建模方法考虑了两个常见的缺失数据问题：1）非随机缺失（MNAR）的缺失个体，以及 2）部分缺失的位置信息。通过模拟实验，我们评估了建模方法的性能，并将其与采用临时方法处理缺失数据问题的现有方法进行比较。结果表明，与现有方法相比，我们的方法提供了无偏的参数估计且效率更高。我们使用美国堪萨斯州东北部收集的草地鹨（Ammodramus savannarum）数据演示了该方法。
引用
@article{arxiv.2203.03960,
title = {Data fusion of distance sampling and capture-recapture data},
author = {Narmadha M. Mohankumar and Trevor J. Hefley and Katy Silber and W. Alice Boyle},
journal= {arXiv preprint arXiv:2203.03960},
year = {2022}
}