关联动物栖息地偏好中的资源选择与步选择模型
定量方法
2018-06-27 v2 种群与进化
摘要
已证明用于分析动物物种-栖息地关联的两种主流方法会得出截然不同的结论。从个体视角拟合的模型（步选择函数），一旦放大到种群尺度，便与从种群视角拟合的模型（资源选择函数）不一致。我们解释了这种根本的不兼容性，并通过向动物运动领域引入著名的 Markov chain Monte Carlo (MCMC) 算法族的一种新用途来提出解决方案。在设计上，MCMC 的步选择规则导出的稳态分布与给定的底层函数（即目标分布）相一致。因此，我们提出将动物的运动与 MCMC 采样器的运动进行类比，以保证步选择规则收敛到底层种群利用分布的参数。我们引入了一种无拒绝的 MCMC 算法，即局部 Gibbs 采样器，它更好地类似于真实的动物运动，并讨论了它所能容纳的广泛生物学假设。我们通过对已知的利用分布进行模拟来说明我们的方法，并从理论和经验上证明由局部 Gibbs 采样器模拟的位置会产生正确的资源选择函数。使用模拟数据，我们演示了如何使用该框架来估计资源选择和运动参数。
引用
@article{arxiv.1708.08426,
title = {Linking resource selection and step selection models for habitat preferences in animals},
author = {Théo Michelot and Paul G. Blackwell and Jason Matthiopoulos},
journal= {arXiv preprint arXiv:1708.08426},
year = {2018}
}