候鸟抵达日期的极值建模：来自公民科学数据的启示
统计方法学
2024-08-16 v4 应用统计
摘要
公民科学动员了大量观测者并收集了海量数据集，但通常缺乏严格的采样协议，导致因采样工作量异质性而产生的观测偏差，这可能会引起统计推断的偏倚。我们开发了一个时空贝叶斯层次模型，用于对繁殖地首批候鸟个体抵达日期进行偏差校正估计。较高的采样工作量可能与较早的观测日期相关。我们对两个具有根本不同协议的公民科学数据集（BBS, eBird）进行了数据融合，并映射了潜在过程的后验分布，该过程包含四个带有高斯过程先验的空间分量：物种生态位、采样工作量、年度首次抵达日期的位置和尺度参数。数据层包含四个响应变量：观测到的 eBird 地点计数（Poisson）；观测到的 eBird 地点的存在-缺失（Binomial）；BBS 出现计数（Poisson）；首次抵达日期（广义极值）。我们设计了马尔可夫链蒙特卡洛方案，并通过模拟验证了潜在过程分量是可识别的。我们将模型应用于 2001--2021 年美国东北部的几种候鸟，发现采样工作量显著调节了观测到的首次抵达日期。我们利用这一关系有效地对真实首次抵达的预测进行了偏差校正。
引用
@article{arxiv.2312.01870,
title = {Extreme-value modelling of migratory bird arrival dates: Insights from citizen science data},
author = {Jonathan Koh and Thomas Opitz},
journal= {arXiv preprint arXiv:2312.01870},
year = {2024}
}