一个用于大型占用数据集的快速贝叶斯推理的新建模框架亚历克斯,艾米丽,埃莱尼和拜伦刚刚发表在《生物识别学》上。
该模型解释了时空自相关性,并对物种存在性给出了强有力的推断,作为论文中的模拟结果和两个案例研究的证据,其中一个是常见和广泛的物种,另一个是稀有物种,使用蝴蝶新千年数据库的记录,产生了跨越45年的占用指数。
一个用于大型占用数据集的快速贝叶斯推理的新建模框架亚历克斯,艾米丽,埃莱尼和拜伦刚刚发表在《生物识别学》上。
该模型解释了时空自相关性,并对物种存在性给出了强有力的推断,作为论文中的模拟结果和两个案例研究的证据,其中一个是常见和广泛的物种,另一个是稀有物种,使用蝴蝶新千年数据库的记录,产生了跨越45年的占用指数。
亚历克斯戴安娜,Eleni Matechou,吉姆·e·格里芬,Yadvendradev Jhala,Qamar库雷希
在检测概率小于1的情况下,捕获-再捕获(Capture-recapture, CR)数据及其模型已被广泛应用于估算野生动物种群规模。当用于捕捉或探测个体的陷阱或摄像机的位置已知时,使用空间显式CR模型来推断个体位置和种群密度的空间格局。个体位置,称为活动中心(ac),被定义为个体移动的位置。这些ac通常被认为是独立的,它们的空间模式是使用齐次泊松过程建模的。然而,这种假设通常是不现实的,因为个体之间可以相互作用,无论是在一个物种内部还是不同物种之间。在本文中,我们从一般相互作用的点过程和点过程中考虑一个向量开发一个CR数据模型,可以解释多个物种之间和内部的相互作用,特别是排斥.交互点过程从推理的角度提出了一个挑战,因为似然函数的归一化常数难以处理,因此不能应用标准的马尔可夫链蒙特卡罗程序来执行贝叶斯推理。因此,我们采用了一种基于蒙特卡罗大都会黑斯廷斯算法在对多个物种建模时,这个模型的比例很好。最后,我们采用推理方法根据出生和死亡过程联合采样潜在ac和种群大小.这种方法也允许我们灵活调整新点的提案分布,这导致了更好的混合,特别是在非均匀分布的陷阱的情况下。我们将该模型应用于aCR关于豹子和老虎的数据集在印度的科比特老虎保护区收藏。研究结果表明,老虎种群密度高于豹子种群密度,且种间排斥强于种内排斥。
的纸,题为“具有异质临时移民的捕获-再捕获模型”,于2022年9月14日首次在线发布,开发了一种新的捕获-再捕获数据建模框架,而不依赖于永久移民的假设。该模型是在贝叶斯非参数和变点过程框架内建立的,并在挪威鲑鱼垂钓者的数据上进行了演示。
这篇论文,利用间歇数据估计和平滑多物种生物多样性指标的通用方法,由斯蒂芬·弗里曼,尼古拉斯·艾萨克,帕纳约蒂斯·贝斯比亚斯,艾米丽·丹尼斯和拜伦·摩根所著,刚刚在《农业、生物和环境统计杂志
https://doi.org/10.1007/s13253-020-00410-6
摘要
生物多样性指标概括了广泛而复杂的生态数据集,在影响政府政策方面很重要。成分数据由许多不同物种的时变指数组成。然而,目前的生物多样性指标存在多个统计缺陷。开云体育网址我们描述了新的多物种生物多样性指标的状态空间公式,基于贡献个体物种的丰度或占据概率的变化率。配方灵活,适用于不同类群。它有几个优点,包括能够适应数据的零星不可用性,在适当的时候将单个物种指数的估计精度的变化纳入,并允许随着时间的推移直接纳入平滑。此外,模型拟合在贝叶斯和经典实现中是直接的,后者采用高效的隐马尔可夫建模或卡尔曼滤波器。同样的算法可以方便地应用于基于丰度或占用数据的案例——只是后续的解释有所不同。该过程消除了可能令人望而却步的自举的需要。我们建议在对类群进行全部或部分采样时使用两种备选方案中的哪一种。 The performance of the new approach is demonstrated on simulated data, and through application to three diverse national UK data sets on butterflies, bats and dragonflies. We see that uncritical incorporation of index standard errors should be avoided.
这篇论文洄游褐鳟鱼因特异性死亡率的大小和阶段依赖性Chloé R. Nater, Yngvild Vindenes, Per Aass, Diana Cole, Øystein Langangen, S. Jannicke Moe, Atle Rustadbakken, Daniel Turek, Leif Asbjørn Vøllestad和Torbjørn Ergon发表在《动物生态学杂志》上。
Alex Diana、Eleni Matechou、Jim Griffin和Alison Johnston的论文定义了使用多季节多地点捕获-再捕获数据对物候模式建模的分层依赖狄利克雷过程。
这篇题为“开放野生动物种群中未标记个体的基于Polya Tree的模型”的论文已被“贝叶斯统计:新挑战和新一代- BAYSM 2018”会议接受。
这是Alex的第一篇论文,Alex做得好!
这项工作提出了新的动态混合模型,用于在前所未有的地理规模上监测大黄蜂种群,由英国公民科学BeeWalk推动。
这些模型让我们第一次从公民科学数据中估计大黄蜂的物候和季内生产力,定义为该年每个群体中每个种姓的个体数量。
所有这些参数都是为每个等级单独估计的,为研究野外群居昆虫复杂生命周期的时间变化提供了相当大的生态细节。由于模型的动态性质,我们能够使用可用的时间序列产生一些英国大黄蜂物种的种群趋势。通过一个额外的模拟练习,我们展示了如果调查继续进行,并如预期的那样扩大规模,有用信息将增加的程度。
大黄蜂是生态系统中极其重要的组成部分,提供具有巨大经济影响的授粉服务,并作为气候或土地利用变化的指示物种。我们的研究结果证明了几年之间物候和生产力的变化,并为监测大黄蜂种群提供了宝贵的工具,在英国和世界各地,许多大黄蜂种群都在下降。
的回顾论文Dormann, c.f., Calabrese, j.m., Gurutzeta, G., Matechou, E., Bahn, V., bartoern, K.等人在《生态专著》中发表的一篇文章,探讨了不同模型平均技术在计算模型权重和结合不同模型预测方面的方法。讨论了模型平均的优点和缺点,并提供了分为三类(贝叶斯,信息理论和战术)的方法代码。
阅读这篇文章的主要贡献者所写的博客文章在这里。
安妮塔和瑞秋的一篇论文被《农业生物和环境统计杂志》接受。
捕获-再捕获数据中检测捕获异质性的正关联检验
Anita Jeyam, Rachel S. McCrea, Thomas Bregnballe, Morten Frederiksen和Roger Pradel
cormark - jolly - seber (CJS)模型假设所有标记的动物在每个采样场合都有相同的再捕获概率,但捕获的异质性经常发生,应考虑到这一点,以避免参数估计的偏差。虽然诊断测试通常用于检测陷阱依赖或短暂性,并评估模型的总体拟合,但捕获中的异质性并不经常进行测试。为了在CJS框架中检测和识别这种现象,我们建议使用Goodman-Kruskal 's gamma测试之前和未来遭遇之间的正相关。该测试仅基于原始的捕获历史,对模型结构没有任何假设。该测试的开发是由三明治燕鸥(Thalasseus sandvicensis)的数据集驱动的,我们使用该测试正式表明它们在捕获中表现出异质性。我们使用模拟来评估测试在捕获异质性检测方面的性能,与现有和修正的诊断拟合优度测试、莱斯利等可捕获性测试和卡罗瑟斯对莱斯利测试的扩展进行比较。正关联测试易于使用,产生良好的结果,显示出在捕获中检测异质性的高功率。我们建议在模型拟合之前使用这种新的测试,因为结果将指导模型构建过程,并有助于得出更准确的生物学结论。
全文可以在这里找到:https://link.springer.com/content/pdf/10.1007%2Fs13253-017-0315-4.pdf