[論文レビュー] Accounting for physical barriers in species distribution modeling with non-stationary spatial random effects

Haakon Bakka, Jarno Vanhatalo+3 more|arXiv (Cornell University)|Aug 12, 2016

Species Distribution and Climate Change被引用数 14

ひとこと要約

本論文は、空間的に変化する係数を備えた微分方程式を通じてガウス過程を定義することにより、陸地などの物理的障壁を明示的に考慮する非ステーションナリィ空間ランダム効果モデルを提案する。この手法は、計算コストをステーションナリィモデルと同等に保ちつつ、沿岸魚類のメスの分布データにおける空間相関のモデリングを改善し、障壁に影響を受ける空間的依存性をよりよく捉える優れた性能を示している。

ABSTRACT

This paper is motivated by a study on the spatial distribution of fish larvae in reproduction habitats of three commercially important fish species in the Finnish archipelago. Species distribution modeling (SDM) requires realistic models that account for spatial dependence in observation data that cannot be explained by environmental factors alone. Gaussian latent variable models are increasingly used in this context, where a stationary Gaussian random field accounts, for instance, for the spatial correlation driven by unmeasured covariates. In this paper we challenge the assumption of stationarity in cases where there are physical barriers in the study area, such as when our interest is in fish populations near the coast. In these situations, the common assumption of stationary second order spatial behaviour is likely to be unrealistic, as spatial dependencies should be considered around the barriers rather than across them. We develop a non-stationary Gaussian field that treats, e.g., land as a barrier to spatial correlation. We define the field as a continuous solution to a differential equation with spatially varying coefficients, and achieve a computational cost similar to that of the stationary model. We demonstrate the benefits of the new model for a fish larvae application in the Finnish archipelago.

研究の動機と目的

• 物理的障壁（例：陸地）が空間相関パターンを乱す状況において、ステーションナリィ空間ランダム効果の限界を解消すること。
• 特に沿岸海洋環境において、障壁周辺の非ステーションナリィ空間的依存性を効率的にモデリングする計算的に効率の良い手法を開発すること。
• フィンランドの諸島地域における魚類のメスの生息地モデルの現実性を高めるために、物理的境界を尊重する空間相関を組み込むこと。
• 非ステーションナリィモデリングが、障壁に影響を受ける地域において、ステーションナリィモデルと比較してより優れた予測性能と空間的依存性の正確な表現を実現することを示すこと。

提案手法

• 本手法は、物理的障壁の存在を符号化する空間的に変化する係数を備えた確率的偏微分方程式（SPDE）の連続的解として、非ステーションナリィガウス過程を定義する。
• 空間的依存性は、障壁（例：陸地）の近くで減少し、開けた水域では強保持されるようにモデリングされ、海洋生物の分布における生物学的現実を反映する。
• SPDEの定式化により、スパースな精度行列の使用が可能となり、非ステーションナリティにもかかわらず、ステーションナリィモデルと同等の計算効率を維持できる。
• 潜在ガウスモデルの枠組み内でモデルを実装し、標準的な環境的共変数を種分布モデリングに統合可能である。
• 空間的に変化する係数は、障壁の幾何学的形状を反映するように設計されており、陸上部における空間相関の抵抗を高める。
• モデルの適合には統合 nested Laplace 近似（INLA）が用いられ、MCMCを用いない高速かつ正確な推論が可能となる。

実験結果

リサーチクエスチョン

• RQ1 空間ランダム効果に物理的障壁を組み込むことで、諸島地域の沿岸魚類のメスの生息地モデリングがどの程度改善されるか？
• RQ2 大規模な生態学的モデリングに実用的であるほどに、非ステーションナリィ空間ランダム場を効率的に構築できるか？
• RQ3 非ステーションナリィモデルは、陸地に近い地域の魚類のメスデータにおける空間的依存性を、ステーションナリィモデルよりも優れて捉えられるか？
• RQ4 SPDE定式化における空間的に変化する係数構造は、海洋メスの分散における生物学的現実をどの程度正確に反映しているか？

主な発見

• 物理的障壁（例：陸上部）が存在する領域では、非ステーションナリィモデルが障壁を越える相関を防ぐことで、空間相関モデリングが顕著に改善される。
• モデルは、ステーションナリィモデルと同等の計算コストを維持しており、大規模な空間データセットへの実用的応用を可能にしている。
• 非ステーションナリィ空間効果の組み込みにより、フィンランドの諸島地域における魚類のメス分布の予測精度がステーションナリィモデルよりも向上する。
• 空間的に変化する係数は、障壁の幾何学的形状を効果的に符号化し、生物学的期待に一致する空間的依存性のパターンをもたらす。
• 観測された魚類のメスデータに対するモデルのフィットは、特に陸地に隣接する領域で顕著に向上しており、ステーションナリィモデルは障壁を越えて空間相関を過剰に推定している。