[논문 리뷰] Point process models for spatio-temporal distance sampling data

Yun Yuan, Fabian E. Bachl외 6명|arXiv (Cornell University)|2016. 04. 20.

Point processes and geometric inequalities참고 문헌 48인용 수 5

한 줄 요약

이 논문은 거리 샘플링 데이터로부터 희귀종인 청소년의 조사 범위에서 세밀한 공간 해상도로 밀도를 추정하기 위해 공간 로그정규 코크스 프로세스와 SPDE-INLA를 사용하는 모델 기반 추론 프레임워크를 제안한다. 이는 탐지와 공간적으로 구조화된 밀도를 동시에 모델링하면서도, 공변량에 의해 설명되지 않는 공간적 변동성을 드러내며, 이는 기존의 방법론의 한계를 보완한다.

ABSTRACT

Distance sampling is a widely used method for estimating wildlife population abundance. The fact that conventional distance sampling methods are partly design-based constrains the spatial resolution at which animal density can be estimated using these methods. Estimates are usually obtained at survey stratum level. For an endangered species such as the blue whale, it is desirable to estimate density and abundance at a finer spatial scale than stratum. Temporal variation in the spatial structure is also important. We formulate the process generating distance sampling data as a thinned spatial point process and propose model-based inference using a spatial log-Gaussian Cox process. The method adopts a flexible stochastic partial differential equation (SPDE) approach to model spatial structure in density that is not accounted for by explanatory variables, and integrated nested Laplace approximation (INLA) for Bayesian inference. It allows simultaneous fitting of detection and density models and permits prediction of density at an arbitrarily fine scale. We estimate blue whale density in the Eastern Tropical Pacific Ocean from thirteen shipboard surveys conducted over 22 years. We find that higher blue whale density is associated with colder sea surface temperatures in space, and although there is some positive association between density and mean annual temperature, our estimates are consitent with no trend in density across years. Our analysis also indicates that there is substantial spatially structured variation in density that is not explained by available covariates.

연구 동기 및 목표

• 기존 거리 샘플링 방법이 청소년과 같은 멸종 위험 종의 경우 세밀한 공간 해상도에서 동물 밀도를 추정하는 데에 한계가 있다는 문제를 해결한다.
• 기존의 설계 기반 접근 방식이 밀도 추정을 조사 구역 수준으로 제한한다는 점을 극복한다.
• 미해결된 공간적 구조를 고려한 민감한 확률적 접근을 통해 청소년 밀도의 시간적 및 공간적 변동성을 모델링한다.
• 탐지 모델과 밀도 모델을 동시에 적합시켜 추론 정확도를 향상시키고 임의의 공간 해상도에서의 예측을 가능하게 한다.
• 해수면 온도와 같은 환경 공변량이 동북태평양 해역에서 22년 간의 조사 기간 동안 청소년 분포 및 개체수 추세에 미치는 영향을 평가한다.

제안 방법

• 탐지와 공간 분포를 연결하기 위해 거리 샘플링 데이터의 생성을 희소화된 공간 포인트 프로세스로 공식화한다.
• 동물 탐지의 잠재 강도를 모델링하기 위해 공간 로그정규 코크스 프로세스(LGCP)를 사용하여 공간 상관관계의 유연한 구조를 허용한다.
• 밀도의 공간 변동을 지배하는 잠재 가우시안 필드를 표현하기 위해 확률적 편미분방정식(SPDE) 접근법을 적용한다.
• MCMC 샘플링 없이도 빠르고 정확한 베이지안 추론을 가능하게 하기 위해 통합 내재 라플라스 근사(INLA)를 활용한다.
• 계층 모델 프레임워크를 통해 탐지 함수의 매개수와 공간적으로 변화하는 밀도를 동시에 추정한다.
• GP 표현과 SPDE 근사법을 활용해 임의의 원하는 공간 해상도에서의 밀도 예측을 가능하게 한다.

실험 결과

연구 질문

• RQ1 모델 기반 접근 방식이 거리 샘플링에서 기존의 구역 수준을 초월해 공간 해상도를 향상시킬 수 있는가?
• RQ2 해수면 온도와 같은 환경 공변량과 관련하여 청소년 밀도의 공간적으로 구조화된 변동성은 어떻게 관련이 있는가?
• RQ3 동북태평양 해역에서 22년 간의 조사 기간 동안 청소년 밀도의 시간적 추세는 어떠한가?
• RQ4 관측된 공변량을 고려한 후에도 밀도의 설명되지 않은 공간적 변동성은 어느 정도 존재하는가?
• RQ5 SPDE-INLA를 사용해 탐지 모델과 밀도 모델을 함께 적합시킬 경우, 그 성능은 얼마나 우수한가?

주요 결과

• 더 높은 청소년 밀도는 공간적으로 냉수 영역과 유의미하게 관련되어 있으며, 이는 냉수 환경을 선호함을 시사한다.
• 평균 연간 온도와 청소년 밀도 사이에는 긍정적이지만 약한 상관관계가 있으나, 22년 간의 전체 추세는 유의미한 변화가 없음을 반영한다.
• 사용 가능한 공변량으로 설명되지 않는 상당한 공간적 구조화된 밀도 변동성이 남아 있어, 잠재 공간 과정의 중요성을 강조한다.
• SPDE-INLA 프레임워크는 세밀한 해상도의 밀도 예측과 탐지 및 공간 분포의 동시 모델링을 성공적으로 가능하게 한다.
• 모델는 구역 수준 추정치나 단순 공변량 모델로는 포착되지 않는 청소년 분포의 복잡한 공간 패턴을 드러낸다.
• 이 방법은 조사가 희박하고 데이터가 제한된 멸종 위험 종에 대해 인구 추정에 있어 강력하고 확장 가능한 접근법을 제공한다.