[論文レビュー] Hierarchical log Gaussian Cox process for regeneration in uneven-aged forests

Mikko Kuronen, Aila Särkkä+2 more|arXiv (Cornell University)|May 5, 2020

Forest ecology and management参考文献 72被引用数 5

ひとこと要約

本稿では、広大な木の空間的影響を関数としてモデル化する階層的ロジスティック・ガウス・コックス過程（LGCP）を提案する。この手法は、パラメトリック信号を用いて木の影響が種苗の強度に与える影響を表現する。境界補正を用いて観察ウィンドウ外の未観測の木の影響を補正し、ラプラス近似を用いたベイズMCMCによりパrameterを推定する。影響範囲が広い場合、境界補正なしのモデルに比べて推定性能が向上することを示している。

ABSTRACT

We propose a hierarchical log Gaussian Cox process (LGCP) for point patterns, where a set of points x affects another set of points y but not vice versa. We use the model to investigate the effect of large trees to the locations of seedlings. In the model, every point in x has a parametric influence kernel or signal, which together form an influence field. Conditionally on the parameters, the influence field acts as a spatial covariate in the intensity of the model, and the intensity itself is a non-linear function of the parameters. Points outside the observation window may affect the influence field inside the window. We propose an edge correction to account for this missing data. The parameters of the model are estimated in a Bayesian framework using Markov chain Monte Carlo (MCMC) where a Laplace approximation is used for the Gaussian field of the LGCP model. The proposed model is used to analyze the effect of large trees on the success of regeneration in uneven-aged forest stands in Finland.

研究の動機と目的

• 不均一な年齢の森林における種苗の空間的分布を、大型木の位置とサイズに条件付きで依存する形でモデル化すること。
• 大型木の位置によって説明できない種苗パターンの未解明なクラスタリングを解明すること。
• 大型木の種苗強度への空間的影響を捉える柔軟でパラメトリックな影響カーネルモデルを開発すること。
• 観察ウィンドウ外の大型木の欠損データを、大型木プロセスがポアソン過程に従うという仮定に基づいたベイズ的境界補正により扱うこと。
• ラプラス近似を用いた潜在ガウスランダムフィールドをフルベイズMCMCフレームワークに組み込むことで、パrameter推定とモデル適合度を向上させること。

提案手法

• 大型木（X）はマーク付き点過程としてモデル化され、各木には胸高直径（dbh）がマークとして付与される。
• 各大型木は、距離とともに減衰するパラメトリックな影響カーネル（例：指数関数的またはガウス型）を発信し、合計影響場は個々の信号の和として表される。
• 種苗プロセス（Y）の対数強度は、重ね合わせた影響場とモデルパラメータの非線形関数としてモデル化される。
• 潜在ガウスフィールドが底面の強度分布を表し、高次元のMCMCサンプリングを避けるためにラプラス近似により近似される。
• 境界補正法により、観察ウィンドウ外の未観測大型木が、大型木プロセスが均一なポアソン過程に従うという仮定の下で補完される。
• ベイズ推論はMCMCを用い、パラメータに事前分布を設定し、メトロポリス・ハスティングス更新により事後分布を計算する。

実験結果

リサーチクエスチョン

• RQ1 大型木の空間的位置とサイズは、不均一な年齢のボレアル森林における種苗の強度とクラスタリングにどのように影響を与えるか？
• RQ2 研究領域境界外の未観測の大型木の活動が、種苗強度モデルのパラメータ推定にどの程度バイアスをもたらすか？
• RQ3 加法的重ね合わせを用いたパラメトリックな影響カーネルモデルは、大型木の種苗再生への空間的影響を適切に捉えることができるか？
• RQ4 影響範囲が広がる状況において、提案された境界補正法は、パラメータ推定の精度をどの程度向上させるか？
• RQ5 単純なモデル（例：非定常ポアソン過程）に比べて、階層的LGCPモデルは観察された種苗クラスタリングパターンをよりよく捉えられるか？

主な発見

• 提案された階層的LGCPモデルは、大型木の位置だけでは説明できない種苗パターンの未解明なクラスタリングを効果的に捉えている。
• 未観測の大型木に対してポアソン過程の仮定に基づく境界補正を組み込むことで、影響範囲が広い場合にパラメータ推定が顕著に改善された。
• ラプラス近似により、潜在ガウスフィールドの次元が低減され、フルベイズ推論が実現可能になった。
• シミュレーション研究では、真の大型木プロセスがポアソン的でない（正規分布的でない）場合でも、境界補正法が良好に機能した。
• 実データへの適合は、エンVELOPEテストにより確認され、本研究は不均一な年齢の森林における種苗クラスタリングを点過程フレームワークで明示的にモデル化した初の研究である。