基于狄利克雷过程的空间联合物种分布建模
统计方法学
2018-09-25 v3
摘要
物种分布模型通常试图用站点上存在的环境特征（所谓非生物特征）来解释物种在站点上的存在-缺失或丰度。历史上，此类模型单独考虑物种。然而，已充分确立的是物种通过相互作用影响存在-缺失与丰度（视为生物因素）。因此，近来人们对具有各类响应（例如存在-缺失、连续与有序数据）的联合物种分布模型产生了浓厚兴趣。此类模型将物种响应间的依赖作为相互作用的替代。我们在此关注的问题是：当实践中任一观测站点仅发现少数物种时，如何对大量物种（例如 10^2 量级）跨 10^2 或 10^3 量级的站点进行此类建模。对此已有一些近期文献，我们采用降维方法。我们在此加入的新颖之处是空间依赖。即，我们有一组位于相对较小空间区域内的站点，因此预期给定站点的物种分布与邻近站点相似。具体地，我们通过狄利克雷过程处理降维，并通过高斯过程引入空间依赖。我们使用模拟数据与南非开普植物区（CFR）植物群落数据集来展示我们的方法。后者包含 662 个位置上 639 个树种的存在-缺失测量。通过两个数据实例，我们均能展示前述设定下预测性能的改善。
引用
@article{arxiv.1711.05646,
title = {Spatial Joint Species Distribution Modeling using Dirichlet Processes},
author = {Shinichiro Shirota and Alan E. Gelfand and Sudipto Banerjee},
journal= {arXiv preprint arXiv:1711.05646},
year = {2018}
}