基于 INLA 的时空占据模型

现代方法对于量化和预测物种分布在生物多样性保护中起着关键作用。占据模型是分析物种发生数据时流行的选择，因为它们允许将由 imperfect 检测导致的观察误差与影响占据过程的来源分离。然而，环境协变量未能解释的时空占据变异常被忽略或通过简单的空间结构来建模，因为拟合显式时空模型的计算成本太高。本文演示了如何使用 INLA 来拟合复杂的占据模型，以及 R-INLA 软件包如何提供用户友好的界面，使此类复杂模型对用户可用。我们展示，提供一些关于检测过程的简化，占据模型可被建模为潜在高斯模型，并从 INLA 的强大功能中受益。大量复杂建模特征和随机效应模型已经在 R-INLA 中实现，这些功能变得可用于占据模型，为用户提供了一个高效且灵活的工具箱。我们通过两个案例研究说明 INLA 提供了一个高效的框架，用于开发和拟合复杂的占据模型。通过这些研究，我们展示了不同的时空模型——包括包含空间变动趋势、光滑项和时空随机效应的模型——可以拟合。通过限制检测模型的复杂度，INLA 可以在过程中包含各种复杂结构。INLA 基于占据模型提供了一个拟合复杂时空占据模型的替代框架。对于拟合此类模型的新且更灵活的计算方法的需求使得 INLA 成为解决复杂生态问题的吸引人选项，也是一个富有前景的研究领域。