[논문 리뷰] Spatial Capture-recapture with Partial Identity

J. Andrew Royle|arXiv (Cornell University)|2015. 01. 01.

Census and Population Estimation참고 문헌 22인용 수 5

한 줄 요약

이 논문은 개인 신원을 잠재변수로 간주하면서, 좌측 및 우측 카메라 트랩 사진과 같은 두 가지 샘플링 방법에서 부분적인 신원 정보를 통합하는 베이지안 공간 포획-재포획 모델을 제안한다. 메트로폴리스 알고리즘을 사용한 MCMC를 통해 공간적 근접도를 활용하여 개인 간 매칭을 확률적으로 할당함으로써, 완전하거나 동시에 식별되지 않은 경우의 인구 밀도 및 개체 수 추정을 크게 향상시킨다.

ABSTRACT

We develop an inference framework for spatial capture-recapture data when two methods are used in which individuality cannot generally be reconciled between the two methods. A special case occurs in camera trapping when left-side (method 1) and right-side (method 2) photos are obtained but not simultaneously. We specify a spatially explicit capture-recapture model for the latent "perfect" data set which is conditioned on known identity of individuals between methods. We regard the identity variable which associates individuals of the two data sets as an unknown in the model and we propose a Bayesian analysis strategy for the model in which the identity variable is updated using a Metropolis component algorithm. The work extends previous efforts to deal with incomplete data by recognizing that there is information about individuality in the spatial juxtaposition of captures. Thus, individual records obtained by both sampling methods that are in close proximity are more likely to be the same individual than individuals that are not in close proximity. The model proposed here formalizes this trade-off between spatial proximity and probabilistic determination of individuality using spatially explicit capture-recapture models.

연구 동기 및 목표

• 좌측 및 우측 카메라 트랩 이미지와 같은 두 가지 샘플링 방법에서 개인의 신원이 부분적으로만 알려진 경우 동물의 개체 수 및 밀도를 추정하는 데 도전하는 것.
• 서로 다른 장치에서의 포획 간 공간적 근접도가 직접 조율되지 않는 개인의 신원을 해결하는 데 핵심적인 정보를 제공한다는 것을 인식하는 것.
• 개인의 신원을 잠재변수로 간주하고 MCMC를 사용하여 인구 규모, 탐지 확률, 그리고 신원 할당을 함께 추정하는 통계적 프레임워크를 개발하는 것.
• 기존의 공간 포획-재포획 모델을 완전하지 않거나 부분적인 신원 데이터를 다룰 수 있도록 확장하여, 동시에 포획되지 않거나 단일 카메라 트랩 연구에 특화된 경우에도 적용 가능하게 하는 것.
• 완전한 개인 신원이 확보되지 않은 경우에도 공간적으로 명시적인 포획 데이터에서 최대한의 정보를 활용하여 저비용의 단일 카메라 트랩 연구에서 통계적 효율성을 향상시키는 것.

제안 방법

• 두 가지 다른 샘플링 방법에서의 포획 간 공간적 근접도를 조건으로 하여 개인의 신원을 잠재변수로 간주하는 공간적으로 명시적인 포획-재포획 모델을 설정한다.
• 모르는 인구 규모 N을 처리하기 위해 전부 0인 만남 이력이 있는 0-과잉 잠재 개체를 도입함으로써 데이터 보완 기법을 사용한다.
• 잠재 신원 할당을 업데이트하기 위해 메트로폴리스-해스팅스 알고리즘을 구현하며, 공간적 근접도와 탐지 확률에 기반한 새로운 매칭을 제안한다.
• 진짜 신원 할당에 조건을 붙여 우도를 정의함으로써, MCMC가 적용 가능한 표준 공간 포획-재포획 모델로 모델을 단순화한다.
• 모르는 N과 관측되지 않은 개인을 고려하기 위해 0-과잉 다항우도를 통합함으로써, 인구 규모와 개인의 신원에 대한 동시 추론을 가능하게 한다.
• 후행 예측 검증과 MCMC 샘플링을 사용하여 신원 매칭, 인구 규모, 탐지 매개변수의 후행 분포를 추정한다.

실험 결과

연구 질문

• RQ1 좌측 및 우측 측면 사진과 같은 두 가지 다른 샘플링 방법에서의 포획 간 공간적 근접도가 직접 조율되지 않는 개인의 신원을 확률적으로 추론하는 데 사용될 수 있는가?
• RQ2 신원 할당에 공간 정보를 통합할 경우, 공간 포획-재포획 연구에서 인구 개체 수 및 밀도 추정의 정확도와 정밀도는 어떻게 향상되는가?
• RQ3 부분적인 신원만 제공될 경우, 제안된 베이지안 모델의 잠재 신원 할당 성능은 기존 방법보다 어떻게 비교되는가?
• RQ4 알려진 신원을 가진 개인(nID = 10 또는 전체)이 포함될 경우, 인구 규모 추정과 신원 할당 정확도는 어떻게 영향을 받는가?
• RQ5 동시에 좌측 및 우측 사진을 확보할 수 없는 단일 카메라 트랩 연구에서 모델은 통계적 효율성을 얼마나 향상시키는가?

주요 결과

• 모델은 높은 후행 확률로 진짜 개인의 신원을 성공적으로 복원하였으며, 2,000개의 MCMC 샘플 중 1,469개가 우측 개인 21을 정확한 좌측 개인 13에 할당하였다.
• N = 120인 시뮬레이션에서, 신원이 전혀 알려지지 않은 경우 인구 규모의 후행 평균은 120.076(표준편차 = 8.248)였고, 95% 후행 구간의 빈도적 커버리지율은 93.5%였다.
• 10명의 개인이 신원이 알려진 경우, 후행 평균은 120.064(표준편차 = 7.847)였고, 95% 커버리지율은 95.0%였으며, 부분적인 신원 정보가 존재하더라도 강건한 추론이 가능함을 시사했다.
• 좌측 및 우측 측면을 별개의 샘플로 간주하는 히우리스틱 추정기의 성능은 열등하였으며, 커버리지율은 85%에 불과했고, 케이스 1의 후행 모드는 119였지만, 전체 모델에서는 93.5%의 커버리지율을 기록하였다.
• 탐지 확률이 낮은 경우(p0 = 0.10)와 공간적 변동성이 높은 경우(σ = 0.7)에서도 모델은 양호한 커버리지(93–95%)와 낮은 편향을 유지하며 인구 규모 추정에 성공하였다.
• 신원이 전혀 알려지지 않은 경우에도 인구 규모와 신원 할당을 모두 잘 추정하는 데 성공하였으며, 후행 모드는 항상 진짜 N = 120에 가까웠다.