通过空间变化系数占据模型对复杂物种-环境关系建模
摘要：物种分布的空间变异是生态学家经常使用的方法，用来量化物种分布的空间变异，并考虑到数据采集中的观测偏差。然而，常见的假设是一个回归系数集可以充分解释物种与环境之间的关系，这在大范围空间中通常是不现实的。在这里，我们发展了单物种（即一元）和多物种（即多元）的空间可变系数( SVC )占有模型，以考虑空间可变的物种-环境关系。我们采用最近邻高斯过程和Polya-Gamma数据加量化方法在一个分层贝叶斯框架中，以提供计算效率高的吉布斯采样器，并将其实施在spOccupancy R软件包中。对于多物种模型，我们使用空间因子维数约简来有效建模具有大量物种的数据集（例如> 10个）。分层贝叶斯框架可以很容易地生成SVC的后验预测图，包括完全传播的不确定性。我们将我们的SVC模型应用于量化21种草原鸟类在美国的最大繁殖季节温度和出现概率之间的空间变异。联合建模物种通常优于单物种模型，所有模型都显示出最大温度与物种出现关系的显著空间变异。我们的模型对于使用大规模监测计划中的检测—无检测数据来量化物种-环境关系尤为相关，这种监测计划在回答有关野生动物对全球变化的宏观生态问题方面越来越普遍。
作者：Jeffrey W. Doser, Andrew O. Finley, Sarah P. Saunders, Marc Kery, Aaron S. Weed, Elise F. Zipkin
论文ID：2308.02348
分类：Applications
分类简称：stat.AP
提交时间：2023-08-07