[論文レビュー] Reliable variance propagation for spatial density surface models

Mark V. Bravington, David L. Miller+1 more|arXiv (Cornell University)|Jul 20, 2018

Marine animal studies overview被引用数 6

ひとこと要約

本論文では、一般化加法モデル（GAM）の枠組み内で検出確率の不確実性をランダム効果として扱うことにより、距離サンプリング段階からの不確実性を密度表面モデル（DSM）に信頼性高く伝播する手法を提案する。このアプローチにより、標準的なGAMソフトウェアを用いて計算的にも効率的な分散推定が可能となり、空間的に変化する群サイズの拡張も可能である。実データとしてミンククジラおよびハーバーポンプの調査データを用いて検証された。

ABSTRACT

In many management and mitigation situations spatial estimates of biological population density are used for decision making. Appropriate estimation of uncertainty in such situations, especially when species are endangered, is crucial. Density Surface Models (DSMs) are a two-stage approach for estimating spatially-varying density from line transect data. First, detectability is estimated by distance sampling, and then a Generalized Additive Model (GAM) is used to estimate animal density as a function of location and/or other spatially-varying environmental covariates. One criticism of DSMs has been that uncertainty from the two stages is not usually propagated correctly into the final variance estimates. We show how to reformulate a DSM so that the uncertainty in detection probability from the distance sampling stage (regardless of its complexity) is captured as a random effect in the GAM stage. This effectively refits an approximation to the detection function model at the same time as fitting the spatial model. This allows straightforward computation of the overall variance via exactly the same software already needed to fit the GAM. A further extension allows for spatial variation in group size, which can be an important covariate for detectability. We illustrate these models using line transect survey data of minke whales and harbour porpoise from a visual line transect survey of European waters.

研究の動機と目的

• 密度表面モデル（DSM）において、距離サンプリング段階の分散がしばしば無視されたり、不正確に推定されるという長年の問題に取り組む。
• 空間的に変化する動物密度の不確実性推定をより正確にすることで、保護および管理意思決定を改善する。
• ランダム効果を用いて検出確率の不確実性を空間モデリング段階に直接統合する、計算的に効率的なフレームワークを開発する。
• ライントランセクト調査における検出可能性に影響を与える重要な要因である、空間的に変化する群サイズを考慮するための拡張を実施する。
• ヨーロッパ海域の実世界のライントランセクト調査データを用いて、本手法の実用性と性能を示す。

提案手法

• 距離サンプリング段階からの不確実性をランダム効果としてGAMフレームワーク内に埋め込むことで、DSMを再定式化する。
• GAMのフィッティング中に検出関数モデルを近似することで、別々のモデルフィッティングを必要とせずに検出確率の分散を捉える。
• スムージングスプラインを用いたペナルティ付き尤度推定により、位置および環境共変量の関数として空間的密度をモデル化する。
• 検出モデルに空間的に変化する群サイズを共変量として組み込み、地域ごとの検出可能性の変動を許容する。
• 既存のGAMソフトウェア（例：Rのmgcv）を活用して、最終的な密度表面推定値の完全な分散共分散構造を計算する。
• モデルの階層的構造を通じて、検出段階と空間モデリング段階の両方の分散が適切に組み合わされるように保証する。

実験結果

リサーチクエスチョン

• RQ1 距離サンプリング段階からの不確実性を、密度表面モデルの最終的な分散推定に信頼性高く伝播させるにはどうすればよいか？
• RQ2 検出確率の不確実性をGAMフレームワーク内でランダム効果として効果的にモデル化することで、分散推定が改善できるか？
• RQ3 空間的に変化する群サイズを考慮することで、ライントランセクト調査における検出可能性および密度推定の正確性が向上するか？
• RQ4 本手法は、特別なまたは複雑な計算パイプラインを必要とせず、標準的なGAMソフトウェアで効率的に実装可能か？
• RQ5 本手法は、複雑な海洋哺乳類調査データを含む実世界の応用において、どのように性能を発揮するか？

主な発見

• 提案手法は、検出確率の不確実性をランダム効果として扱うことで、空間モデリング段階に信頼性高く統合し、正確な分散伝播を実現した。
• 標準的なGAMソフトウェアを用いることで、完全な分散推定が可能となり、専用または複雑な計算ツールの必要がなくなった。
• 空間的に変化する群サイズを共変量として組み込むことで、検出可能性推定の現実性と正確性が顕著に向上した。
• 本手法はヨーロッパ海域におけるミンククジラおよびハーバーポンプのライントランセクト調査データに成功裏に適用され、実用的有用性が示された。
• 本フレームワークは、保護および管理意思決定における信頼性を高めるために、不確実性評価のための強固で計算的に実行可能なソリューションを提供する。