[論文レビュー] A Proportional Observer Bias Model for Multispecies Distribution Modeling

William Fithian, Jane Elith+2 more|arXiv (Cornell University)|Mar 28, 2014

Species Distribution and Climate Change被引用数 2

ひとこと要約

本稿では、複数種分布モデリングにおける観察者バイアスを是正するため、存在のみデータと存在・不在データを統合するフレームワークを提案する。共通のバイアスを仮定することで、種間で情報共有を行い、特に存在・不在データが限られる状況でも予測精度を向上させ、存在のみの記録しか持たない種に対してもバイアスのない範囲推定を可能にする。

ABSTRACT

Presence-only records commonly suffer from large, unknown biases due to their typically haphazard collection schemes. Presence-absence or count data collected in systematic, planned surveys are more reliable but less abundant. We proposed a probabilistic model to allow for joint analysis of these two distinct data types to exploit their complementary strengths. Our method pools presence-only and presence-absence data for many species and maximizes a common likelihood, simultaneously es-timating and adjusting for the observer bias affecting the presence-only data. By assuming that the observer bias does not vary across species, we can borrow strength across species to efficiently estimate the bias and improve our inference from presence-only data. We evaluate our model’s performance on data for 36 eucalypt species in southeastern Australia. We find that presence-only counts exhibit a strong observer bias toward the coast and toward Sydney, the largest city. Our data-pooling technique substantially improves the out-of-sample pre-dictive performance of our model when the amount of available presence-absence data for a given species is scarce. If we have only presence-only data and no presence-absence data for a given species, but both types of data for several other species having similar patterns of detectability, then our method can obtain an unbiased estimate of the first species’ geographic range. 1

研究の動機と目的

• 主に任意の収集方法や類似する方法によって得られる、未知の大型の観察者バイアスを有する存在のみの種出現データにおける課題に対処すること。
• 存在・不在データが乏しい状況を克服するため、より豊富に得られる存在のみの記録と統合することで、調査データが限られる種の推論を改善すること。
• 同じバイアス構造が複数種に共通すると仮定し、同時に種の分布と観察者バイアスを推定する統一された統計モデルを構築すること。
• 他の種が両方のデータタイプを有する場合に、共通のバイアスパターンを活用することで、存在のみの記録しか持たない種に対しても信頼性の高い地理的範囲推定を可能にすること。
• データタイプを統合し、系統的なサンプリングバイアスを是正することで、多種分布モデリングにおける予測性能の外挿的向上を図ること。

提案手法

• 存在のみと存在・不在の両データを統合する一様な確率的枠組み内で、同時尤度関数を定式化する。
• すべての種に均一に適用可能な同じバイアス構造を仮定する割合観察者バイアスモデルを導入し、種間での情報共有を可能にする。
• 最大尤度推定法を用いて、両データタイプから同時に種の分布パラメータと潜在的な観察者バイアスを推定する。
• 種固有の検出確率が共有バイアスパラメータによって影響を受ける階層的モデリングアプローチを採用し、推定の効率性を向上させる。
• 異なるデータ収集メカニズムとその関連する不確実性を考慮する尤度に基づく推論手順を採用する。
• 観察者バイアスが比例的かつ空間的に構造化されており、都市部や沿岸部に近い場所で種の記録確率が高くなると仮定する（データで観察されたとおり）。

実験結果

リサーチクエスチョン

• RQ1 共通のバイアス構造を仮定することで、存在のみと存在・不在の両データを統合する統一された統計モデルは、観察者バイアスが存在する状況でも、種の分布モデリングを効果的に改善できるか？
• RQ2 他の種が両方のデータタイプを有する場合、その情報を利用して、存在のみのデータにおける観察者バイアスをどの程度正確に推定・是正できるか？
• RQ3 共通の検出パターンを示す種の間でデータを統合することで、存在・不在データが乏しい種の予測性能はどの程度向上するか？
• RQ4 他の種が類似した検出性パターンを持つ両データタイプを有する場合、存在のみの記録しか持たない種に対しても、バイアスのない地理的範囲推定が可能か？
• RQ5 観察者バイアスは種の分布モデルにどのような影響を及ぼすか？また、本手法はその影響をどのように是正するか？

主な発見

• オーストラリア南東部の36種のユーカリに対して、存在のみのデータに沿岸部および最大の都市圏であるシドニーへの強い観察者バイアスが認められた。
• 存在・不在データが限られる種において、データプールングアプローチが外挿的予測性能を顕著に向上させた。
• 存在・不在データが完全に欠落している種に対しても、類似した検出性パターンを持つ他の種が両データタイプを有する場合、その地理的範囲のバイアスのない推定が可能であった。
• 種間で観察者バイアスを共有すると仮定することで、強力な情報共有が実現し、推定の正確性と頑健性が向上した。
• モデルは、観察者バイアスが存在のみのデータにおいて主要な交絡要因であることを示し、存在・不在データと共同でモデリングすることで、これを効果的に是正できることを示した。
• 他の種が類似した検出パターンを有する十分なデータが得られる限り、焦点となる種に直接の存在・不在データがなくても、信頼性の高い分布推定が達成された。