[論文レビュー] A survey and a new selection criterion for statistical home range estimation

Amparo Baı́llo, José E. Chacón|arXiv (Cornell University)|Apr 13, 2018

Wildlife Ecology and Conservation参考文献 2被引用数 4

ひとこと要約

本稿では、多様な手法におけるホームレンジ推定器の順序付けと最適化を可能にする、過大評価と過適合の両方をバランスさせる、新しいペナルティ付き選択基準を提案する。この基準は、一般化可能なインデックスを導入し、既存の手法を上回る性能を示し、Rを用いた実装によりモンゴルのオオカミのリロケーションデータに効果的に適用された。

ABSTRACT

The home range of a specific animal describes the geographic area where this individual spends most of the time while carrying out its usual activities (eating, resting, reproduction, ...). Although a well-established definition of this concept is lacking, there is a variety of home range estimators. The first objective of this work is to review and categorize the statistical methodologies proposed in the literature to approximate the home range of an animal, based on a sample of observed locations. The second aim is to address the open question of choosing the "best" home range from a collection of them based on the same sample. We introduce a numerical index, based on a penalization criterion, to rank the estimated home ranges. The key idea is to balance the excess area covered by the estimator (with respect to the original sample) and a shape descriptor measuring the over-adjustment of the home range to the data. To our knowledge, apart from computing the home range area, our ranking procedure is the first one which is both applicable to real data and to any type of home range estimator. Further, the optimization of the selection index provides in fact a way to select the smoothing parameter for the kernel home range estimator. For clarity of exposition, we have applied all the estimation procedures and our selection proposal to a set of real locations of a Mongolian wolf using R as the statistical software. As a byproduct, this review contains a thorough revision of the implementation of home range estimators in the R language.

研究の動機と目的

• 動物のリモートセンシングデータに基づく、既存の統計的手法をホームレンジ推定に関してレビューおよび分類すること。
• 同じデータセットから得られる複数の候補推定器の中から「最良の」ホームレンジ推定器を選ぶという未解決の問題に取り組むこと。
• 利用度密度の等高線集合に限定されない、あらゆるタイプのホームレンジ推定器に適用可能な、一般的でデータ駆動型の選択基準を開発すること。
• ペナルティ付きインデックスを用いて、カーネル推定器とLoCoH推定器におけるスムージングパラメータの最適チューニングを実用的かつ最適化すること。
• Rソフトウェアを用いてモンゴルのオオカミの再配置データに実世界の応用を施し、本手法の有効性を示すこと。

提案手法

• 過大評価（過剰領域）と形状の円形度（過適合）を組み合わせたペナルティ付き選択インデックス $ R_p $ を提案し、ホームレンジ推定器の評価に用いる。
• 過大評価比 $ R = 100 \cdot \sum_{i=1}^{10} S_{(i)} / B $ を定義し、データの凸包の外側に推定されたホームレンジ領域の割合を測定する。
• 不規則で過適合した境界（データ点に密着して曲がる境界）を避けるために、形状の円形度をペナルティ項として用いる。
• スムージングパラメータ（例：バンド幅 $ h $、近隣数 $ k $）を変化させた複数のホームレンジ推定値を生成し、インデックス $ R_p $ を用いて順位付けを行う。
• $ R_p $ を最小化することで、カーネル推定器およびLoCoH推定器の最適なスムージングパラメータを特定する。
• すべての推定器と選択手順をRで実装し、再現可能性を確保するための詳細なコードと関数リファレンスを提供する。

実験結果

リサーチクエスチョン

• RQ1 同じリモートセンシングデータセットに適用した場合、どのホームレンジ推定器が過大評価と過適合の間で最もバランスの取れた妥当性を示すか？
• RQ2 利用度密度の等高線集合に基づくものに限定されない、あらゆるタイプのホームレンジ推定器に適用可能な汎用的選択基準を開発できるか？
• RQ3 データ駆動型のペナルティ付き基準を用いて、カーネル推定器およびLoCoH推定器の最適なスムージングパラメータを客観的に選べるか？
• RQ4 提案されたペナルティ付きインデックスは、過剰領域を最小限に抑えつつ、適切な形状の忠実度を維持する観点で、既存の選択手法を上回るか？
• RQ5 $ R_p $ の最適化は、実世界の動物追跡データにおいて生物学的に妥当で頑健なホームレンジ推定をどの程度達成できるか？

主な発見

• ペナルティ付き選択インデックス $ R_p $ は、カーネルホームレンジ推定器の最適バンド幅 $ h = 7203.54 $ を的確に特定し、$ \lambda = 0.5 $ の条件下で、全テスト手法の中で最小の $ R_p $ 値 4.987 を達成した。
• LoCoH推定器では最適な近隣数は $ k = 65 $ であり、$ R_p $ 値は 5.223 にまで低下したが、他の $ k $ 値よりも低く、カーネル推定器の最適値をわずかに上回った。
• バンド幅 $ h = 7203.54 $ のカーネルホームレンジは、最小限の過大評価を示し、鋭い湾入部を避けることで、カバー範囲と形状忠実度のバランスの取れた妥当な妥当性を示した。
• 近隣数 $ k = 65 $ のLoCoH推定器は、他の $ k $ 値と比較して形状がより規則的で、過適合のリスクが低く、このデータセットではカーネル法に比べてわずかに劣るが、依然として良好な性能を示した。
• 提案された選択基準は汎用的であり、推定器の種類に依存しない。これにより、推定器のタイプに関する事前の仮定を必要とせず、スムージングパラメータの客観的チューニングが可能になった。
• Rにおける実装は包括的かつ再現可能であり、すべての推定器および選択インデックスについて、詳細なコードと関数リファレンスが提供された。