深度学习与空间统计在海洋生态监测中的集成
其他统计学
2025-11-21 v1
摘要
在生态学中，光测法是高效收集自然环境非破坏性样本的关键方法。当估计动物的空间分布时，检测大规模图像中的目标对象至关重要。目标检测模型使大规模分析成为可能，但引入不确定性，因为检测概率取决于各种因素。为解决检测偏差，我们使用薄化对数高斯 Cox 过程 (LGCP) 对意大利提尔里安海岸近盖尔洛岛附近区域内一种深海动物 (硬壳动物) 的分布进行建模。我们假设“真实”强度函数准确描述分布，而观察过程结果于独立薄化，由降解强度表示。检测函数控制薄化机制，受目标位置及其他检测相关特征影响。我们使用对硬壳动物的手动识别作为基准。我们将自动检测与该基准、未薄化 LGCP 以及薄化模型进行比较，以突出所提出方法所获改进的效果。该方法允许研究人员使用光测法，自动识别感兴趣的对象，并纠正由观察过程引起的偏差和近似。
关键词
引用
@article{arxiv.2511.16447,
title = {Integrating Deep Learning and Spatial Statistics in Marine Ecosystem Monitoring},
author = {Gian Mario Sangiovanni and Gianluca Mastrantonio and Daniele Ventura and Alessio Pollice and Giovanna Jona Lasinio},
journal= {arXiv preprint arXiv:2511.16447},
year = {2025}
}