[論文レビュー] A Double Machine Learning Trend Model for Citizen Science Data

Daniel Fink, Alison Johnston+9 more|arXiv (Cornell University)|Oct 27, 2022

Species Distribution and Climate Change参考文献 58被引用数 6

ひとこと要約

本論文は、市民科学データからの種の個体群動向を推定するためのダブルマシンラーニングトレンドモデルを導入し、年次的なサンプリングプロトコルの不一致に起因する交絡要因を解消する。マシンラーニングを用いて適合確率スコアを推定し、残存交絡要因を是正するためのシミュレーションベースの手法を組み合わせることで、eBirdデータを用いて27km解像度で空間的に明示的な動向推定が可能となり、変化の方向および大きさの両面で高い正確性を達成した。

ABSTRACT

1. Citizen and community-science (CS) datasets have great potential for estimating interannual patterns of population change given the large volumes of data collected globally every year. Yet, the flexible protocols that enable many CS projects to collect large volumes of data typically lack the structure necessary to keep consistent sampling across years. This leads to interannual confounding, as changes to the observation process over time are confounded with changes in species population sizes. 2. Here we describe a novel modeling approach designed to estimate species population trends while controlling for the interannual confounding common in citizen science data. The approach is based on Double Machine Learning, a statistical framework that uses machine learning methods to estimate population change and the propensity scores used to adjust for confounding discovered in the data. Additionally, we develop a simulation method to identify and adjust for residual confounding missed by the propensity scores. Using this new method, we can produce spatially detailed trend estimates from citizen science data. 3. To illustrate the approach, we estimated species trends using data from the CS project eBird. We used a simulation study to assess the ability of the method to estimate spatially varying trends in the face of real-world confounding. Results showed that the trend estimates distinguished between spatially constant and spatially varying trends at a 27km resolution. There were low error rates on the estimated direction of population change (increasing/decreasing) and high correlations on the estimated magnitude. 4. The ability to estimate spatially explicit trends while accounting for confounding in citizen science data has the potential to fill important information gaps, helping to estimate population trends for species, regions, or seasons without rigorous monitoring data.

研究の動機と目的

• 年次的なサンプリングプロトコルの不一致に起因する市民科学データにおける年次的交絡要因を是正すること。
• 観察済みおよび未観察の交絡要因を調整しながら、種の個体群動向を推定する強固な統計モデルを開発すること。
• きめ細やかな空間的詳細な動向推定を、厳密な長期モニタリングデータが不足する地域や種に対して可能にすること。
• 現実的な交絡状況下で、空間的に一定の動向と空間的に変化する動向を区別できるか、本手法の性能を検証すること。

提案手法

• 本手法は、マシンラーニングモデルから得られる推定適合確率スコアを介して交絡要因を調整しながら、個体群動向を推定するダブルマシンラーニングを採用する。
• 2段階のマシンラーニングフレームワークを用いる：まず、各観測値について、ある年における抽出確率（適合確率）を推定し、次に、これらのスコアを条件として、例えば種の検出結果といった結果変数を推定する。
• 残存交絡要因が適合確率スコアによって捉えきれていない場合に検出・是正するための、シミュレーションベースのアプローチを導入し、モデルの頑健性を向上させる。
• 本モデルはeBirdデータに適用され、地理的領域全体にわたり27km解像度で空間的に明示的な動向推定を可能にする。
• 高次元で非ランダムなサンプリングパターンが市民科学で一般的であることを踏まえ、因果推論の原則と現代のマシンラーニング技術を統合したフレームワークを構築する。

実験結果

リサーチクエスチョン

• RQ1 不一致したサンプリングプロトコルに起因する年次的交絡要因がある中で、ダブルマシンラーニングアプローチが、市民科学データにおける種の個体群動向を正確に推定できるか。
• RQ2 現実の状況下で、本手法は空間的に一定の動向と空間的に変化する動向をどれほど正確に区別できるか。
• RQ3 シミュレーションベースの残存交絡要因是正手法は、標準的なダブルML手法と比較して、どれほど動向推定の正確性を向上させるか。
• RQ4 本モデルは、多様な地理的地域において、個体群変化の方向および大きさをどれほど正確に推定できるか。

主な発見

• シミュレーション研究において、本モデルは27kmの空間解像度で、空間的に一定の動向と空間的に変化する動向を効果的に区別できた。
• 個体群変化の方向（増加または減少）を推定する際の誤差率は低く、動向の方向を検出する信頼性が非常に高いことを示した。
• 推定された動向の大きさと真の動向の大きさとの間の相関が高く、個体群変化の速度を正確に定量化できることを示した。
• シミュレーションベースの残存交絡要因是正手法は、未観察の交絡要因に起因するバイアスを効果的に低減し、モデルの性能を向上させた。