通过潜在变量条码进行丰度数据的联合物种分布建模

全球生物多样性丧失加速凸显了复杂关系和物种间共享模式在决定其对环境变化响应方面的作用。生态系统结构由组成性物种之间的依赖模式表示，其比喻比单个物种分布更能反映其韧性。我们聚焦于获取基于芬兰鸟类丰度中潜在模式的社区层面的见解。我们提出了 barcode，这一建模框架用于推断样本和物种的潜在二元和连续特征，扩展了并行 ordination 的类别。该方法在层次结构中引入协变量和空间自相关，以促进对所学特征的生态解释。通过分析 132 种鸟类计数，我们推断了社区的主要环境驱动因素、物种簇和常见轮廓的地区。其中三个学习的驱动因素对应于具有不同主导林型的不同气候区域。另外三个驱动因素在空间上具有异质性，分别信号城市、农业和湿地区域。