基于随机森林的树燕迁徙统计推断
种群与进化
2019-11-11 v5 应用统计
摘要
鸟类物种的迁徙模式通常通过观察个体和历史记录来研究。然而近年来，eBird 公民科学项目征集了全球数千名观鸟者的观察数据，为理解大尺度地理运动提供了数据驱动方法的契机。此处我们关注北美树燕（\textit{Tachycineta bicolor}）在美国东部的出现模式。该物种的迁徙出发日期被鸟类学家和业余观察者广泛认为逐年差异显著，但其原因大体未知。本工作中，我们给出证据说明日最高温度是影响树燕出现的主要因素。由于通常认为物种出现是生态协变量间许多复杂高阶相互作用的函数，我们采用随机森林所提供的灵活建模方法。利用近期渐近结果，我们对各协变量的预测显著性给出正式假设检验，并发展且实现了一种基于置换的方法，通过将随机森林生成的预测曲面视为函数型数据，来正式评估年际变化。这些检验均表明日最高温度对迁徙模式有显著影响。
引用
@article{arxiv.1710.09793,
title = {Statistical Inference on Tree Swallow Migrations with Random Forests},
author = {Tim Coleman and Lucas Mentch and Daniel Fink and Frank La Sorte and Giles Hooker and Wesley Hochachka and David Winkler},
journal= {arXiv preprint arXiv:1710.09793},
year = {2019}
}
备注
23 pages, 7 figures. Work between Cornell Lab of Ornithology and University of Pittsburgh Department of Statistics