Integrated species distribution models fitted in INLA are sensitive to mesh parameterisation
Integrated species distribution models fitted in INLA are sensitive to mesh parameterisation
复制标题
INLA 中安装的综合物种分布模型对网格参数化很敏感
DOI：
10.1111/ecog.06391
复制
发表时间：
2023
期刊：
影响因子：
5.9
通讯作者：
Dambly L
中科院分区：
文献类型：
--
作者：
Dambly L
公民科学的日益普及，以及最近的技术和数字发展，使得以非同寻常的速度收集物种分布的数据成为可能。为了利用这些数据，需要整合数量和质量不同的信息。点过程模型已经被提出作为一种优雅的方法来实现这一点，以估计物种分布。这些模型可以用基于集成嵌套拉普拉斯近似(INLA)和随机偏微分方程组(SPDEs)的贝叶斯方法进行有效的拟合。该方法使用高斯随机场和空间域上的三角网格来建模空间自相关。网格是由用户定义的变量构建的，因此有效地表示了模型中的自由参数。然而，对于如何设置这些网格参数，以及它们对模型性能的影响，人们缺乏了解。在这里，我们评估网格参数如何影响预测和模型拟合，以估计血清素蝙蝠在英国的分布。使用不同密度的五个网格将贝叶斯INLA模型拟合到一个数据集，该数据集既包括来自国家监测方案的结构化观察，也包括机会主义记录。我们论证了网格密度对空间预测的影响，随着网格粗糙度的增加，精度一般会降低。然而，我们也表明，即使是最精细的网格也无法克服数据中的空间偏差。此外，不同网格之间的协变量效应的大小也有显著差异。这证实了网格参数化是一个重要而微妙的过程，对模型推理有影响。我们讨论了物种分布模型师如何根据这些发现调整他们对INLA的使用。
The ever‐growing popularity of citizen science, as well as recent technological and digital developments, have allowed the collection of data on species' distributions at an extraordinary rate. In order to take advantage of these data, information of varying quantity and quality needs to be integrated. Point process models have been proposed as an elegant way to achieve this for estimates of species distributions. These models can be fitted efficiently using Bayesian methods based on integrated nested Laplace approximations (INLA) with stochastic partial differential equations (SPDEs). This approach uses an efficient way to model spatial autocorrelation using a Gaussian random field and a triangular mesh over the spatial domain. The mesh is constructed by user‐defined variables, so effectively represents a free parameter in the model. However, there is a lack of understanding about how to set these mesh parameters, and their effect on model performance. Here, we assess how mesh parameters affect predictions and model fit to estimate the distribution of the serotine bat,Eptesicus serotinus, in Great Britain. A Bayesian INLA model was fitted using five meshes of varying densities to a dataset comprising both structured observations from a national monitoring programme and opportunistic records. We demonstrate that mesh density impacted spatial predictions with a general loss of accuracy with increasing mesh coarseness. However, we also show that the finest mesh was unable to overcome spatial biases in the data. In addition, the magnitude of the covariate effects differed markedly between meshes. This confirms that mesh parameterisation is an important and delicate process with implications for model inference. We discuss how species distribution modellers might adapt their use of INLA in the light of these findings.
登录
查看更多内容
影响因子：
3.7
作者：
Mair L;Ruete A
通讯作者：
Ruete A
英国塞洛汀蝙蝠 (Eptesicus serotinus) 的活动范围和栖息地使用
DOI：
--
发表时间：
1997
期刊：
影响因子：
--
作者：
M. Robinson;R. Stebbings
通讯作者：
R. Stebbings
解开物种分布模型中空间自相关的驱动因素
DOI：
--
发表时间：
2020
期刊：
影响因子：
--
作者：
Konrad P. Mielke;Tom Claassen;Michela Busana;T. Heskes;M. Huijbregts;K. Koffijberg;A. Schipper
通讯作者：
A. Schipper
整合不同调查类型的数据以监测濒危物种的种群：坡鹿的案例
影响因子：
4.6
作者：
D. Bowler;Erlend B. Nilsen;R. Bischof;R. O’Hara;T. T. Yu;Tun Oo;M. Aung;J. Linnell
通讯作者：
J. Linnell
血清蝙蝠 (Eptesicus serotinus) 栖息地位置和景观结构的空间分析：以英国苏塞克斯为例
DOI：
--
发表时间：
2014
期刊：
影响因子：
--
作者：
Michael Tink;N. Burnside;S. Waite
通讯作者：
S. Waite