Species distribution modelling (SDM

Species distribution modelling (SDM) is a widely used tool and has many applications in ecology and conservation biology. Spatial autocorrelation (SAC), a pattern in which observations are related to one another by their geographic distance, is common in georeferenced ecological data. SAC in the residuals of SDMs violates the 'independent errors' assumption required to justify the use of statistical models in modelling species' distributions. The autologistic modelling approach accounts for SAC by including an additional term (the autocovariate) representing the similarity between the value of the response variable at a location and neighbouring locations. However, autologistic models have been found to introduce bias in the estimation of parameters describing the influence of explanatory variables on habitat occupancy. To address this problem we developed an extension to the autologistic approach by calculating the autocovariate on SAC in residuals (the RAC approach). Performance of the new approach was tested on simulated data with a known spatial structure and on strongly autocorrelated mangrove species' distribution data collected in northern Australia. The RAC approach was implemented as generalized linear models (GLMs) and boosted regression tree (BRT) models. We found that the BRT models with only environmental explanatory variables can account for some SAC, but applying the standard autologistic or RAC approaches further reduced SAC in model residuals and substantially improved model predictive performance. The RAC approach showed stronger inferential performance than the standard autologistic approach, as parameter estimates were more accurate and statistically significant variables were accurately identified. The new RAC approach presented here has the potential to account for spatial autocorrelation while maintaining strong predictive and inferential performance, and can be implemented across a range of modelling approaches. © 2012 The Authors.

ผลลัพธ์ (ไทย) 1:

พันธุ์แจกจ่ายสร้างแบบจำลอง (SDM) เป็นเครื่องมือที่ใช้กันอย่างแพร่หลาย และมีโปรแกรมประยุกต์หลายในชีววิทยานิเวศวิทยาและการอนุรักษ์ ปริภูมิ autocorrelation (SAC), รูปแบบการสังเกตเกี่ยวข้องอื่น โดยระยะทางทางภูมิศาสตร์ของพวกเขา มีทั่วไปในข้อมูลระบบนิเวศ georeferenced SAC ในค่าคงเหลือของ SDMs ละเมิดอัสสัม 'อิสระข้อผิดพลาด' ในการใช้แบบจำลองทางสถิติในการสร้างแบบจำลองการกระจายของชนิด Autologistic การสร้างแบบจำลองวิธีการบัญชีสำหรับ SAC โดยรวมเพิ่มเติมระยะ (autocovariate) แสดงความคล้ายกันระหว่างค่าของตัวแปรตอบสนองในตำแหน่งและที่ตั้งประเทศ อย่างไรก็ตาม พบรุ่น autologistic แนะนำอคติในการประเมินของพารามิเตอร์ที่อธิบายอิทธิพลของตัวแปรอธิบายบนสำหรับอยู่อาศัย เพื่อแก้ไขปัญหานี้ เราพัฒนาส่วนขยายกับวิธี autologistic โดยคำนวณ autocovariate ใน SAC ในค่าคงเหลือ (วิธี RAC) ประสิทธิภาพของวิธีการใหม่ได้รับการทดสอบทราบพื้นที่โครงสร้างข้อมูลจำลอง และขอ autocorrelated ป่าชายเลนชนิดกระจายข้อมูลที่เก็บในภาคเหนือ วิธี RAC ได้ดำเนินการเป็นแบบจำลองเชิงเส้นเมจแบบทั่วไป (GLMs) และเพิ่มขึ้นแบบจำลองถดถอยภูมิ (BRT) เราพบว่า สามารถลงบัญชีรุ่น BRT กับสิ่งแวดล้อมเฉพาะตัวแปรอธิบาย SAC บาง แต่ใช้มาตรฐาน autologistic หรือ RAC ยื่นเพิ่มเติมลด SAC ในค่าคงเหลือรุ่นและประสิทธิภาพงานรุ่นดีขึ้นมาก วิธี RAC ที่แสดงให้เห็นประสิทธิภาพเพียงน้อยนิดที่แข็งแกร่งกว่าวิธีมาตรฐาน autologistic เป็นพารามิเตอร์ การประเมินได้ถูกต้องมากขึ้น และถูกต้องระบุตัวแปรอย่างมีนัยสำคัญทางสถิติ วิธี RAC ใหม่ที่นำเสนอมีศักยภาพการปริภูมิ autocorrelation ขณะรักษางานเพียงน้อยนิด และคาดการณ์ที่แข็งแกร่ง และสามารถนำมาใช้ได้ในหลากหลายวิธีการสร้างแบบจำลอง © 2012 ผู้เขียน

ผลลัพธ์ (ไทย) 2:

การสร้างแบบจำลองการกระจายพันธุ์ (SDM) เป็นเครื่องมือที่ใช้กันอย่างแพร่หลายและมีการใช้งานจำนวนมากในระบบนิเวศและการอนุรักษ์ชีววิทยา ผิดพลาดที่สัมพันธ์เชิงพื้นที่ (SAC) ในรูปแบบที่สังเกตมีความสัมพันธ์กับคนอื่นความห่างของระยะทางภูมิศาสตร์ของพวกเขาเป็นเรื่องธรรมดาในระบบนิเวศข้อมูลอ้างอิงทางภูมิศาสตร์ SAC ในเหลือของ SDMs ฝ่าฝืนสมมติฐานผิดพลาดอิสระที่จำเป็นในการแสดงให้เห็นถึงการใช้แบบจำลองทางสถิติในการสร้างแบบจำลองการกระจายพันธุ์ ' บัญชีวิธีการสร้างแบบจำลองเพื่อ autologistic SAC โดยรวมระยะเพิ่มเติม (autocovariate) ที่เป็นตัวแทนของความคล้ายคลึงกันระหว่างค่าของตัวแปรตอบสนองในสถานที่และสถานที่ใกล้เคียง แต่รูปแบบที่ได้รับการ autologistic พบจะแนะนำอคติในการประมาณค่าพารามิเตอร์ที่อธิบายถึงอิทธิพลของตัวแปรอธิบายกับการเข้าพักที่อยู่อาศัย เพื่อแก้ไขปัญหานี้เราได้พัฒนาขยายแนวทาง autologistic โดยการคำนวณ autocovariate ที่เหลือในถุง (วิธี RAC) ผลการดำเนินงานของวิธีการใหม่นี้ได้ผ่านการทดสอบกับข้อมูลจำลองที่มีโครงสร้างอวกาศที่รู้จักและการกระจายข้อมูลเกี่ยวกับการขอ autocorrelated ป่าชายเลนชนิด 'ที่เก็บรวบรวมในภาคเหนือของออสเตรเลีย วิธี RAC ถูกนำมาใช้เป็นรูปแบบเชิงเส้นทั่วไป (GLMs) และเพิ่มขึ้นต้นไม้ถดถอย (BRT) รุ่น เราพบว่ารูปแบบ BRT กับตัวแปรอธิบายสิ่งแวดล้อมสามารถบัญชีสำหรับบาง SAC แต่ใช้ autologistic มาตรฐานหรือ RAC แนวทางต่อไปลดลงเหลือ SAC ในรูปแบบที่ดีขึ้นอย่างมีนัยสำคัญและผลการดำเนินงานรูปแบบการคาดการณ์ วิธี RAC แสดงให้เห็นว่าผลการดำเนินงานสรุปดีกว่าวิธีการ autologistic มาตรฐานเป็นพารามิเตอร์ประมาณการมีความแม่นยำมากขึ้นและอย่างมีนัยสำคัญทางสถิติตัวแปรถูกระบุอย่างถูกต้อง RAC แนวทางใหม่ที่นำเสนอนี้มีศักยภาพในการบัญชีสำหรับอวกาศ autocorrelation ขณะที่ยังคงคาดการณ์ผลการดำเนินงานที่แข็งแกร่งและสรุปและสามารถดำเนินการได้ในช่วงของวิธีการสร้างแบบจำลอง © 2012 ผู้เขียน

ผลลัพธ์ (ไทย) 3:

ชนิด การกระจาย ( SDM ) เป็นเครื่องมือที่ใช้กันอย่างแพร่หลาย และมีการใช้งานมากในนิเวศวิทยาและชีววิทยาการอนุรักษ์ ข้อมูลเชิงพื้นที่ ( SAC ) รูปแบบซึ่งในตัวอย่างที่เกี่ยวข้องกันโดยระยะห่างทางภูมิศาสตร์ของพวกเขามีทั่วไปในข้อมูลทางนิเวศวิทยาถุงในความคลาดเคลื่อนของ sdms ละเมิด ' ข้อผิดพลาด ' อิสระสมมติต้องปรับการใช้แบบจำลองทางสถิติในการชนิดการกระจาย . การ autologistic วิธีแบบจำลองบัญชี Sac โดยรวมถึงเงื่อนไขเพิ่มเติม ( autocovariate ) แสดงความคล้ายคลึงกันระหว่างค่าของตัวแปรตอบสนองที่ทำเลและสถานที่ใกล้เคียง อย่างไรก็ตามรุ่น autologistic ได้รับพบว่าแนะนำอคติในการประมาณค่าของพารามิเตอร์ที่อธิบายอิทธิพลของตัวแปรที่อธิบายเกี่ยวกับการครอบครองที่อยู่อาศัย เพื่อแก้ไขปัญหานี้เราพัฒนาส่วนขยายวิธีการ autologistic โดยการคำนวณ autocovariate บนถุงในความคลาดเคลื่อน ( RAC เข้าหา )ประสิทธิภาพของวิธีการใหม่ คือ ทดสอบ จำลองข้อมูลด้วยจักเรขาโครงสร้างและขอ 112 พันธุ์ไม้ป่าชายเลนการแจกแจงของข้อมูลทางตอนเหนือของออสเตรเลีย ในสหรัฐอเมริกา ซึ่งใช้เป็นแบบจำลองเชิงเส้นแบบทั่วไป ( glms ) และเพิ่มขึ้นต้นไม้ถดถอย ( BRT ) รุ่นเราพบว่า มีเพียงตัวแปรอธิบายสิ่งแวดล้อมรุ่น BRT สามารถบัญชีบางถุง แต่ใช้ autologistic มาตรฐานหรือ RAC วิธีลดลงในรูปแบบค่าถุงและปรับปรุงอย่างมากแบบจำลองทำนายผลการปฏิบัติงาน ในสหรัฐอเมริกาวิธีการให้แข็งแกร่งและประสิทธิภาพมากกว่าวิธีการ autologistic มาตรฐานเป็นประมาณการพารามิเตอร์ตัวแปรถูกต้องมากขึ้นและอย่างมีนัยสำคัญทางสถิติมีการระบุอย่างถูกต้อง ใหม่ RAC วิธีการแสดงที่นี่มีศักยภาพที่จะบัญชีสำหรับพื้นที่ข้อมูลในขณะที่รักษาประสิทธิภาพพยากรณ์ 2 แข็งแรง และสามารถดำเนินการได้ในช่วงของการสร้างแนว สงวนลิขสิทธิ์ 2012 ผู้เขียน