SSNdesign——面向流网络上伪贝叶斯最优与自适应采样设计的 R 包

溪流与河流具有高度生物多样性并提供宝贵的生态系统服务。维护这些生态系统是一项重要任务，因此各组织常通过野外采样以及近年来的自主原位传感器来监测溪流状况与生物多样性的状态及趋势。然而，数据收集通常代价高昂，因此有效且高效的调查设计对于最大化信息同时最小化成本至关重要。地统计学与最优及自适应设计理论可用于优化淡水研究与水生监测项目中采样点的布设。流网络上的地统计建模与实验设计因网络的branching结构、流动连通性与方向性以及流量差异而带来统计挑战。因此，流网络上地统计学与实验设计的独特挑战亟需开发新的开源软件以落实该理论。我们提出 SSNdesign，一个用于求解流网络上最优与自适应设计问题并与现有开源软件集成的 R 包。我们阐述了方法的数学基础，并利用来自澳大利亚昆士兰真实数据的两个案例研究演示了 SSNdesign 的功能。在两个案例研究中，我们均表明最优或自适应设计优于随机与空间平衡调查设计。SSNdesign 包有潜力提升淡水监测工作的效率，并为淡水保护与管理提供亟需的信息。