[論文レビュー] Flexible discrete space models of animal movement

Ephraim M. Hanks, David A. Hughes|arXiv (Cornell University)|Jun 26, 2016

Morphological variations and asymmetry参考文献 19被引用数 6

ひとこと要約

本稿は、離散的ラスターグリッド上での連続時間マーカフチェイン（CTMC）を用いた、柔軟で計算的に効率的な動物移動のモデリングフレームワークを提案する。環境共変数を統合し、スタックド重み付き尤度（SWL）手法を用いて欠損トレーシャビリティデータを処理する。標準的な一般化線形モデル（GLM）ソフトウェアを用いて、LASSOとスプラインスムージングを用いた罰則付き尤度推定を可能とし、方向性の偏りや空間的に変化する移動速度といった複雑な移動行動を正確かつ解釈可能な形でモデル化する。

ABSTRACT

Movement drives the spread of infectious disease, gene flow, and other critical ecological processes. To study these processes we need models for movement that capture complex behavior that changes over time and space in response to biotic and abiotic factors. Penalized likelihood approaches, such as penalized semiparametric spline expansions and LASSO regression, allow inference on complex models without overfitting. Continuous-time Markov chains (CTMCs) have been recently introduced as a flexible discrete-space model for animal movement. Modeling with CTMCs involves discretizing an animal's path to the resolution of a raster grid. The resulting stochastic process model can easily incorporate environmental and other covariates, represented as raster layers, that affect directional bias and overall movement rate. We introduce a weighted likelihood approach that allows for modeling movement using CTMCs, with path uncertainty due to missing data modeled by imputing continuous-time paths between telemetry locations. The framework we introduce allows for inference on CTMC movement models using existing software for fitting Poisson regression models, including penalized versions of Poisson regression. The result is a flexible, powerful, and accessible framework for modeling a wide range of animal movement behavior.

研究の動機と目的

• 空間的・時間的環境的要因への応答として、複雑な動物移動行動を柔軟かつアクセスしやすいフレームワークでモデリングすること。
• トレーシャビリティデータの欠損という課題に、複数の多重代入と尤度に基づく推定を統合することで、移動モデリングにおいて対処すること。
• 既存のGLMソフトウェアを用いて、移動速度や方向性の偏りのための半パラメトリックモデリングに、罰則付き尤度推定（例：LASSO、スプライン）を可能とすること。
• 本手法が、時間経過に伴う行動の変化や空間的に変化する移動パターンといった、現実のトレーシャビリティデータにおける現実的な移動ダイナミクスを捉える有効性を実証すること。

提案手法

• 動物の移動を、環境共変数に依存する遷移率によって制御される離散的ラスターグリッド上の連続時間マーカフチェイン（CTMC）としてモデル化する。
• 方向性の偏りと移動速度を対数線形モデルで表現する：α_ij = exp{m(x_i,y_i) + e'_ij(p(x_j,y_j) - p(x_i,y_i))}、ここでm(x,y)はモビリティ表面、p(x,y)はポテンシャル表面である。
• Bスプライン展開を用いて空間的に変化する表面m(x,y)とp(x,y)の推定を行う。係数δ_kとγ_kを用いることで、柔軟で半パラメトリックなモデリングを可能にする。
• LASSO回帰を用いた罰則付き尤度を適用し、空間的に変化する移動パラメータの共同選択と推定を実現。過剰適合を低減し、モデル選択を可能にする。
• 欠損データを処理するために、トレーシャビリティポイント間の連続時系列パスを代入し、尤度寄与を適切に重みづけするスタックド重み付き尤度（SWL）手法を実装する。
• 計算的に高負荷なMCMC手法を避けるために、既存の一般化線形モデル（GLM）ソフトウェア、特に罰則付きGLMパッケージを用いて効率的な推定を実現する。

実験結果

リサーチクエスチョン

• RQ1 連続時間マーカフチェイン（CTMC）は、離散的ラスターグリッド上で、方向性の持続性や移動速度の変動といった複雑な動物移動行動をどのようにモデリングできるか？
• RQ2 計算的に高負荷なベイジアンMCMC手法に依存せずに、トレーシャビリティデータの欠損を効果的にモデリングする方法は何か？
• RQ3 LASSOのような罰則付き尤度手法は、空間的に変化するパrameter空間の高次元性に対応して、CTMC移動モデルに適応可能か？
• RQ4 CTMCフレームワークにスタックド重み付き尤度（SWL）推定を組み合わせることで、ノーザン・フィンレイセールやシロスジアリの実データのような、現実のトレーシャビリティデータにおけるリアルな移動パターンをどの程度正確に再現できるか？

主な発見

• CTMCモデルは、ノーザン・フィンレイセールにおいて時間経過に伴う移動行動の変化を的確に捉え、環境条件と相関する移動パターンのシフトを明らかにした。
• シロスジアリの事例では、モデルが明確な空間的パターンを明らかにした：探索者アリは、女王の位置（ポテンシャルヒルを示す）を避ける傾向を示したが、巣アリは通路の周辺で高い移動速度を示した。
• Bスプライン展開とLASSO罰則を用いた半パラメトリックモデルは、従来のパラメトリックモデルよりも洗練された洞察を提供し、空間的に不均一な移動速度と方向性の偏りを同定した。
• スタックド重み付き尤度（SWL）手法により、標準的なGLMソフトウェアを用いた効率的な推定が可能となり、MCMCと同等の精度を達成しながらも、はるかに高速かつアクセスしやすくなった。
• AICと罰則付き尤度によるモデル選択により、複雑な空間的に変化するパラメータを有する状況でも、過剰適合を回避しつつ、移動の主要な環境的駆動要因を堅牢に同定できた。
• 適合されたCTMCモデルからシミュレートされた移動経路は、フェレットシールとアリの両方のデータにおいて、観測された空間的利用パターンを的確に再現した。これにより、モデルの現実性と予測能力が妥当であることが検証された。