共分散对生态与环境数据中噪声与误差的敏感性

共分散分析是一种新发展的统计方法，用于评估两个可能非各向同性或非平稳的空间过程之间的空间协变。其在各向异性生态数据集上的应用，为观测物种分布格局背后的机制以及单个物种与潜在环境梯度之间的关系提供了新见解。然而，当数据中存在噪声或测量误差（“污染”）时，共分散系数的表现仅在理论上得到探讨。在此，我们利用蒙特卡洛模拟和真实数据集，研究共分散对许多现实世界环境与生态研究中常见的四类污染的敏感性。其中三类涉及考察一个空间数据集与其受污染版本之间的共分散。第四类考察植物与土壤条件之间的共分散差异，其中土壤特征的估计基于完整或稀疏化数据集。在所有情况下，我们发现当污染（如数据稀疏化）相对较低（<15%）时，共分散估计是稳健的，但对更大比例的污染敏感。我们还提出了一种用于填补缺失空间数据的有用方法，并讨论了将共分散系数应用于含噪声数据时的若干方面，以更深入地了解共分散在实践中的表现。