[논문 리뷰] A survey and a new selection criterion for statistical home range estimation

Amparo Baı́llo, José E. Chacón|arXiv (Cornell University)|2018. 04. 13.

Wildlife Ecology and Conservation참고 문헌 2인용 수 4

한 줄 요약

이 논문은 다양한 방법 간의 홈 레인지 추정기의 순위 매기기와 최적화를 위해 과대추정과 과적합을 균형 잡는 새로운 페널티 부여 선택 기준을 제안한다. 이는 일반화 가능한 인덱스를 도입하여 기존 방법보다 최적의 스무딩 파라미터 선택에 뛰어난 성능을 보이며, R 기반 구현을 통해 몽골리아 늑대 이동 데이터에 효과적으로 적용되었다.

ABSTRACT

The home range of a specific animal describes the geographic area where this individual spends most of the time while carrying out its usual activities (eating, resting, reproduction, ...). Although a well-established definition of this concept is lacking, there is a variety of home range estimators. The first objective of this work is to review and categorize the statistical methodologies proposed in the literature to approximate the home range of an animal, based on a sample of observed locations. The second aim is to address the open question of choosing the "best" home range from a collection of them based on the same sample. We introduce a numerical index, based on a penalization criterion, to rank the estimated home ranges. The key idea is to balance the excess area covered by the estimator (with respect to the original sample) and a shape descriptor measuring the over-adjustment of the home range to the data. To our knowledge, apart from computing the home range area, our ranking procedure is the first one which is both applicable to real data and to any type of home range estimator. Further, the optimization of the selection index provides in fact a way to select the smoothing parameter for the kernel home range estimator. For clarity of exposition, we have applied all the estimation procedures and our selection proposal to a set of real locations of a Mongolian wolf using R as the statistical software. As a byproduct, this review contains a thorough revision of the implementation of home range estimators in the R language.

연구 동기 및 목표

• 동물 이동 데이터 기반으로 기존의 통계적 홈 레인지 추정 방법론을 검토하고 분류하는 것.
• 동일한 데이터셋에서 유도된 다수의 후보 추정기 중에서 '최고의' 홈 레인지 추정기를 선택하는 데 있어 열려 있는 질문을 해결하는 것.
• 특정 형태(예: 이용 밀도 수준 집합 등)에 국한되지 않고, 어떤 유형의 홈 레인지 추정기에도 적용 가능한 일반적이고 데이터 기반의 선택 기준을 개발하는 것.
• 페널티 인덱스를 통한 커널 및 LoCoH 추정기의 스무딩 파라미터 최적화를 위한 실용적이고 최적화된 방법을 제공하는 것.
• R 소프트웨어를 사용하여 몽골리아 늑대 재배치 데이터에 대한 실제 응용을 통해 방법의 유용성을 입증하는 것.

제안 방법

• 과대추정(과도한 면적)과 형태의 원형성(과적합)을 조합한 페널티 부여 선택 인덱스 $ R_p $ 를 제안하여 홈 레인지 추정기의 평가를 수행한다.
• 과대추정 비율 $ R = 100 \cdot \sum_{i=1}^{10} S_{(i)} / B $ 를 정의하여 데이터의 볼록 Hull을 초과하는 추정 홈 레인지 비율을 측정한다.
• 불규칙하고 데이터 포인트를 정확히 따라가는 과적합된 경계를 방지하기 위해 형태의 원형성을 페널티 항으로 사용한다.
• 다양한 튜닝 파라미터(예: 대역폭 $ h $, 이웃 수 $ k $)로 생성된 다수의 홈 레인지 추정치에 대해 인덱스 $ R_p $ 를 적용하여 순위를 매긴다.
• 모든 $ R_p $ 값을 최소화하여 커널 및 LoCoH 추정기의 최적 스무딩 파라미터를 식별한다.
• 모든 추정기와 선택 절차를 R에 구현하였으며, 재현 가능성을 위해 상세한 코드와 함수 참조를 제공한다.

실험 결과

연구 질문

• RQ1 동일한 이동 데이터셋에 적용되었을 때, 과대추정과 과적합 사이의 균형 잡힌 최적의 무게를 가진 홈 레인지 추정기는 무엇인가?
• RQ2 이용 밀도 수준 집합에 기반한 추정기 외에도 어떤 유형의 홈 레인지 추정기에도 적용 가능한 일반적인 선택 기준을 개발할 수 있는가?
• RQ3 데이터 기반의 페널티 부여 기준을 사용하여 커널 및 LoCoH 추정기의 최적 스무딩 파라미터를 객관적으로 선택할 수 있는가?
• RQ4 기존의 선택 방법에 비해 과대추정을 최소화하면서도 합리적인 형태 유지 능력을 확보하는 데 있어 제안된 페널티 인덱스가 뛰어난 성능을 보이는가?
• RQ5 실제 동물 이동 데이터에 대한 실용적 응용에서 $ R_p $ 의 최적화가 생물학적으로 타당하고 강건한 홈 레인지 추정치를 도출하는 데 얼마나 효과적인가?

주요 결과

• 페널티 부여 선택 인덱스 $ R_p $ 는 커널 홈 레인지 추정기의 최적 대역폭 $ h = 7203.54 $ 를 성공적으로 식별하였으며, $ \lambda = 0.5 $ 에서 모든 테스트 방법 중에서 가장 낮은 $ R_p $ 값인 4.987 을 기록하였다.
• LoCoH 추정기의 경우 최적의 이웃 수는 $ k = 65 $ 로, 이는 다른 $ k $ 값보다 낮은 $ R_p $ 값 5.223 을 기록하였지만, 커널 추정기의 최적 값보다 略로 높았다.
• 대역폭 $ h = 7203.54 $ 를 가진 커널 홈 레인지 추정기는 최소한의 과대추정을 보이며 날카운 돌기 형태를 피하여 커버리지와 형태 유지성 사이의 균형 잡힌 보완을 보였다.
• 이웃 수 $ k = 65 $ 를 가진 LoCoH 추정기는 다른 $ k $ 값보다 더 규칙적이고 과적합에 덜 민감한 홈 레인지 형태를 생성하였지만, 이 데이터셋에서는 커널 방법에 비해 다소 열등하였다.
• 제안된 선택 기준은 일반적이며, 추정기 유형에 대한 사전 가정 없이 어떤 유형의 홈 레인지 추정기에도 적용 가능하여 스무딩 파라미터의 객관적 튜닝을 가능하게 한다.
• R에서의 구현은 포괄적이며 재현 가능하며, 모든 추정기 및 선택 인덱스에 대해 상세한 코드와 함수 참조가 제공되었다.