[논문 리뷰] A Proportional Observer Bias Model for Multispecies Distribution Modeling

William Fithian, Jane Elith외 2명|arXiv (Cornell University)|2014. 03. 28.

Species Distribution and Climate Change인용 수 2

한 줄 요약

이 논문은 다종 분포 모델링에서 관찰자 편향을 보정하기 위해 존재만 기록된 데이터와 존재-부재 데이터를 통합하는 공동 모델링 프레임워크를 제안한다. 공통된 편향을 가정함으로써, 종 간에 강도를 빌려오며, 특히 존재-부재 데이터가 제한적인 경우 예측 정확도를 향상시키고, 존재-부재 데이터가 전혀 없는 종에 대해서도 편향 없는 분포 추정이 가능하게 한다.

ABSTRACT

Presence-only records commonly suffer from large, unknown biases due to their typically haphazard collection schemes. Presence-absence or count data collected in systematic, planned surveys are more reliable but less abundant. We proposed a probabilistic model to allow for joint analysis of these two distinct data types to exploit their complementary strengths. Our method pools presence-only and presence-absence data for many species and maximizes a common likelihood, simultaneously es-timating and adjusting for the observer bias affecting the presence-only data. By assuming that the observer bias does not vary across species, we can borrow strength across species to efficiently estimate the bias and improve our inference from presence-only data. We evaluate our model’s performance on data for 36 eucalypt species in southeastern Australia. We find that presence-only counts exhibit a strong observer bias toward the coast and toward Sydney, the largest city. Our data-pooling technique substantially improves the out-of-sample pre-dictive performance of our model when the amount of available presence-absence data for a given species is scarce. If we have only presence-only data and no presence-absence data for a given species, but both types of data for several other species having similar patterns of detectability, then our method can obtain an unbiased estimate of the first species’ geographic range. 1

연구 동기 및 목표

• 기회적 또는 유사 기회적 수집 방법으로 인해 흔히 발생하는 존재만 기록된 종 분포 데이터에서 알려지지 않은 대규모 관찰자 편향 문제를 해결한다.
• 희소한 존재-부재 데이터의 한계를 극복하기 위해 존재-부재 데이터를 더 풍부한 존재만 기록된 기록과 융합하여, 조사 데이터가 제한된 종에 대한 추론을 향상시킨다.
• 공통된 편향이 종 간에 일관되다고 가정하면서, 다수의 종에 대해 동시에 종 분포와 관찰자 편향을 추정하는 통합 통계 모델을 개발한다.
• 다른 종들이 존재-부재 데이터를 모두 가진다면, 존재-부재 데이터가 전혀 없는 종에 대해서도 공통된 편향 패턴을 활용하여 신뢰할 수 있는 지리적 분포 추정을 가능하게 한다.
• 데이터 유형을 통합하고 체계적 샘플링 편향을 보정함으로써 다종 분포 모델링의 외부 예측 성능을 향상시킨다.

제안 방법

• 존재만 기록된 데이터와 존재-부재 데이터를 하나의 확률적 프레임워크 내에서 통합하는 공동 가능도 함수를 수립한다.
• 모든 종에 동일한 편향 구조가 적용된다고 가정하는 비율 관찰자 편향 모델을 도입하여 종 간 정보 공유를 가능하게 한다.
• 최대우도추정법을 사용하여 두 데이터 유형에서 종 분포 매개변수와 잠재 관찰자 편향을 동시에 추정한다.
• 계층적 모델링 접근법을 적용하여 종별 탐지 확률이 공통된 편향 매개변수에 의해 영향을 받으며, 추정 효율성을 향상시킨다.
• 다른 데이터 수집 방식과 그에 따른 불확실성을 고려한 가능도 기반 추론 절차를 적용한다.
• 관찰자 편향이 비율적이고 공간적으로 구조화되어 있으며, 도시 중심부와 해안가 근처에서 종의 기록 확률이 높다는 것을 가정한다. 이는 데이터에서 관찰된 바이다.

실험 결과

연구 질문

• RQ1 관찰자 편향이 존재하는 상황에서 존재만 기록된 데이터와 존재-부재 데이터를 통합하는 통합 통계 모델이 종 분포 모델링에 효과적으로 기여할 수 있는가?
• RQ2 존재-부재 데이터가 있는 종들로부터의 정보를 활용해 존재만 기록된 데이터의 관찰자 편향을 어느 정도 추정하고 보정할 수 있는가?
• RQ3 공통된 탐지 패턴을 가진 종들 간에 데이터를 통합하면, 존재-부재 데이터가 제한된 종의 예측 성능이 어떻게 향상되는가?
• RQ4 다른 종들이 유사한 탐지 가능성 패턴을 가진다면, 존재-부재 데이터가 전혀 없는 종에 대해서도 편향 없는 지리적 분포 추정을 얻을 수 있는가?
• RQ5 관찰자 편향은 종 분포 모델에 어떤 영향을 미치며, 제안된 방법은 이를 어떻게 완화하는가?

주요 결과

• 오스트레일리아 남동부 36종의 유칼립투스 종에 대한 존재만 기록된 데이터는 해안 지역과 가장 큰 도시인 시드니 쪽으로 강한 관찰자 편향을 보였다.
• 존재-부재 데이터가 특정 종에 대해 희소할 경우, 데이터 통합 접근법이 외부 예측 성능을 크게 향상시켰다.
• 어떤 종에 대해 존재-부재 데이터가 전혀 없었더라도, 유사한 탐지 패턴을 가진 다른 종들이 존재-부재 데이터를 모두 가진다면, 모델은 여전히 그 종의 지리적 분포에 대해 편향 없는 추정치를 산출할 수 있었다.
• 종 간 공통된 관찰자 편향을 가정함으로써 효과적인 강도 빌림이 가능해졌고, 이는 추정 정확도와 강건성을 향상시켰다.
• 모델은 존재만 기록된 데이터에서 관찰자 편향이 주요 혼란 요인임을 입증하였고, 존재-부재 데이터와 함께 공동 모델링을 통해 이를 효과적으로 보정할 수 있음을 보였다.
• 집중된 존재-부재 데이터가 없는 목표 종에 대해서도, 유사한 탐지 패턴을 가진 다른 종들에 충분한 데이터가 확보되어 있다면, 신뢰할 수 있는 분포 추정치를 도출할 수 있었다.