用于种群水平推断的层次动物运动模型
统计方法学
2016-07-01 v1
摘要
基于遥测数据建模动物运动的新方法不断被开发。随着遥测能力的进步，动物运动模型正变得日益复杂。尽管需要进行种群水平推断，动物运动模型仍主要面向个体水平推断而开发。大多数将推断提升到种群水平的努力要么是事后性的，要么复杂到只有开发者本人能实现该模型。层次贝叶斯模型为开发种群水平动物运动模型提供了理想平台，但由于计算限制或需要大量调参，其拟合可能具有挑战性。我们提出了一种将层次动物运动模型拟合到遥测数据的两阶段过程。该两阶段方法在统计上严谨，并允许分别拟合个体水平运动模型，然后使用二级 MCMC 算法对它们重采样。两阶段方法的主要优势在于第一阶段易于并行化，且第二阶段完全无监督，在许多情况下允许完全自动化的拟合过程。我们通过两个动物运动模型应用来展示两阶段过程。第一个应用涉及对遥测数据建模的空间点过程方法，第二个涉及更复杂的连续时间离散空间动物运动模型。我们将这些模型拟合到模拟数据以及来自美国科罗拉多州受监测加拿大猞猁种群的真实遥测数据。
引用
@article{arxiv.1606.09585,
title = {Hierarchical animal movement models for population-level inference},
author = {Mevin B. Hooten and Frances E. Buderman and Brian M. Brost and Ephraim M. Hanks and Jacob S. Ivan},
journal= {arXiv preprint arXiv:1606.09585},
year = {2016}
}