联合模型：整合渔业依赖数据与渔业独立数据的零膨胀数据

准确识别物种分布的空间模式对于科学洞见和社会效益至关重要，有助于我们理解物种的波动。随着生态数据集数量和质量的不断增加，统计挑战日益加剧，使我们难以理解空间物种动态。为解决在海洋生态学中整合多个数据源以增进对空间渔业分布理解这一复杂任务，本研究引入一种 pioneering 的五层联合模型。该模型能够灵活地整合渔业独立数据和渔业依赖数据，能够容纳零膨胀数据以及不同采样过程。通过综合的模拟研究评估该模型在各种优先采样情景和样本大小下的性能，阐明了其优势与挑战。我们的发现表明，该模型在估计优先参数方面具有稳健性，强调了存在-缺失观测与生物量观测之间的区分。对空间协方差估计和预测性能的评估进一步凸显了该模型的可靠性。增大样本量可降低参数估计的变异性，这与信息量增加从而提高确定性的原则相一致。评估各数据来源的贡献表明，成功地实现了数据集成，提供了生物量图案的全面表述。实际情境下的经验验证进一步巩固了该模型在捕捉物种空间分布方面的有效性。这一研究推进了整合不同采样性质的多样化数据集的方法，为更深入的理解海洋物种的空间动态作出了贡献。