[論文レビュー] ACME: A Partially Periodic Estimator of Avian & Chiropteran Mortality at Wind Turbines

Robert L. Wolpert|arXiv (Cornell University)|Jul 2, 2015

Avian ecology and behavior参考文献 10被引用数 6

ひとこと要約

ACMEは、風力タービン関連の鳥類およびコウノトリ類の死骸の死亡率を推定する、モデルに基づく新規推定手法であり、死骸の腐敗、捕食者による除去、および検査間隔間での未発見死骸の部分的ブリッジング（bleed-through）を考慮する。従来の手法に比べ、時間に依存する発見能力、年齢依存の捕食者除去、および確率的ブリッジング（B）を組み込むことで、最尤推定およびベイズ推定（信用区間を伴う）により、より正確で信頼性の高い死亡率推定を実現する。

ABSTRACT

Estimating the mortality of birds and bats at wind turbines based on periodic carcass counts is challenging because carcasses may be removed by scavengers or may be missed in investigators' searches, leading to undercounting. Existing mortality estimators intended to correct for this offer wildly different estimates when search intervals are short. We introduce a new estimator that includes many existing ones as special cases but extends and improves them in three ways to reflect phenomena discovered in the field: * Decreasing removal rate by scavengers as carcasses age; * Diminishing proficiency of Field Technicians in discovering carcasses as they age; * Possibility that some (but not all) carcasses arriving in earlier search periods may be discovered in the current period. It is this feature that makes the new estimator "partially periodic". Both point estimates and 50% and 90% Objective Bayes interval estimates are provided for mortality. The new ACME mortality estimator will significantly improve the accuracy and credibility of mortality estimates for birds and bats near wind turbines.

研究の動機と目的

• 風力タービンの死亡率推定において、単純な死骸数え上げ法に生じる顕著なバイアスを是正すること。
• 統一された統計的枠組みの下で、4つの主要な既存推定手法を統合し、既存の推定式間の不一致を解消すること。
• 現場技術者の発見能力の時間的低下と年齢依存の捕食者除去をモデル化することで、死亡率推定の信頼性を向上させること。
• 未発見死骸が検査間隔間で確率的ブリッジング（bleed-through）を示す部分周期的モデルを導入すること。
• 不確実性の定量化のため、最尤推定およびベイズ信用区間を用いた、堅牢なモデルベース推定を提供すること。

提案手法

• 死骸が前回の検査間隔から確率B ∈ [0,1] でブリッジング（bleed-through）する部分周期的モデルを提案。非周期的および完全周期的推定器の間を橋渡しする。
• 時間に依存する死亡率m(t)、死骸除去ハザード¯F(t)、および死骸年齢τの関数としての発見確率S(τ)を用いた生存モデルを採用。
• 時間Tiにおける期待死骸数を、過去の期間にわたる無限級数として表現。重みはBkおよび未検出死骸の生存確率で与えられる。
• 観察された数のバイアスを補正するための還元係数R⋆i = (1/Ii) ∑k≥0 Bk ∫Ti−kTi−k−1 ¯F(Ti−t)S(Ti−t) ∏0<n≤k [1−S(Ti−n−t)] dt を導入。
• ブリッジングタイミングに基づく尤度関数を用いて、最尤推定（MLE）によりパラメータa, b, Bを推定。
• ガンマ・ギブス階層ベイズモデルを採用し、死亡率Miの後確率分布を導出。目的的事前分布のもとで100γ%信用区間を提供。

実験結果

リサーチクエスチョン

• RQ1 既存の死亡率推定手法を、一貫性のある統計的枠組みに統合する方法は何か？
• RQ2 死骸の年齢が現場技術者の発見確率および捕食者除去率に与える影響は何か？
• RQ3 過去の検査間隔で未発見だった死骸が、現在の数にどの程度ブリッジング（bleed-through）して影響を及ぼすか？
• RQ4 0 < B < 1 である部分周期的モデルが、完全周期的または非周期的モデルに比べ、精度をどのように向上させるか？
• RQ5 時間に依存する発見能力と年齢依存の腐敗を組み込むことで、死亡率推定における不確実性の定量化にどのような影響を与えるか？

主な発見

• ACMEは、部分的ブリッジング（B）、年齢依存の発見、捕食者除去を組み込むことで、4つの主要な既存推定手法を拡張する統一的枠組みを提供する。
• 0%または100%のブリッジングを仮定するとバイアス推定が生じることを示し、中間的で部分周期的なアプローチの必要性を裏付けた。
• 死骸発見タイミングデータに基づき、パラメータa, b, Bの最尤推定値が導出され、実世界の調査データへのモデルキャリブレーションが可能となる。
• 目的的ベイズの場合（ξ=1/2, λ=0）では、死亡率Mの後確率信用区間が超幾何関数2F1を用いて導出され、劣化した周辺分布に対しても頑健であることが判明。
• 後確率分布を用いた不確実性の定量化により、正確な死亡率推定が可能であり、特に検査間隔が規則的で、死骸の持続期間が中程度である状況で特に有効である。
• シミュレーションおよび実証的結果（第5節）により、ACMEが、捕食者や不完全な検出を伴う現実的な現場状況下で、標準推定手法に比べバイアスを低減し、精度を向上させることを確認した。