[论文解读] A mechanistic-statistical species distribution model to explain and forecast wolf (Canis lupus) colonization in South-Eastern France

Julie Louvrier, Julien Papaïx+2 more|arXiv (Cornell University)|Dec 20, 2019

Wildlife Ecology and Conservation参考文献 77被引用 20

一句话总结

本研究开发了一种机制-统计时空模型，整合了生态扩散、逻辑斯蒂增长和不完全检测过程，以解释并预测法国东南部狼（Canis lupus）的殖民化过程。通过偏微分方程和分层贝叶斯推断，该模型基于2007–2015年的数据，准确预测了2016年狼的分布情况，表现出优异的预测性能，并在不同检测概率下实现了稳健的参数估计。

ABSTRACT

Species distribution models (SDMs) are important statistical tools for ecologists to understand and predict species range. However, standard SDMs do not explicitly incorporate dynamic processes like dispersal. This limitation may lead to bias in inference about species distribution. Here, we adopt the theory of ecological diffusion that has recently been introduced in statistical ecology to incorporate spatio-temporal processes in ecological models. As a case study, we considered the wolf (Canis lupus) that has been recolonizing Eastern France naturally through dispersal from the Apennines since the early 90's. Using partial differential equations for modelling species diffusion and growth in a fragmented landscape, we develop a mechanistic-statistical spatio-temporal model accounting for ecological diffusion, logistic growth and imperfect species detection. We conduct a simulation study and show the ability of our model to i) estimate ecological parameters in various situations with contrasted species detection probability and number of surveyed sites and ii) forecast the distribution into the future. We found that the growth rate of the wolf population in France was explained by the proportion of forest cover, that diffusion was influenced by human density and that species detectability increased with increasing survey effort. Using the parameters estimated from the 2007-2015 period, we then forecasted wolf distribution in 2016 and found good agreement with the actual detections made that year. Our approach may be useful for managing species that interact with human activities to anticipate potential conflicts.

研究动机与目标

• 开发一种机制-统计模型，明确整合物种分布建模中的时空动态过程，如扩散和种群增长。
• 在大型食肉动物监测中常见的机会性存在仅数据中，考虑不完全检测和采样努力变化的影响。
• 评估模型在不同检测概率和调查站点密度下准确估计生态参数的能力。
• 利用历史数据估计的参数，对未来法国狼的分布进行预测。
• 提供一种灵活且可实施的框架，可在广泛使用的贝叶斯软件（如JAGS/OpenBUGS）中实现，用于生态预测。

提出的方法

• 模型使用偏微分方程（PDEs）来表示在破碎化景观中生态扩散和逻辑斯蒂种群增长过程。
• 采用分层贝叶斯框架来估计模型参数，同时考虑测量误差和检测中的不确定性。
• 观测过程显式建模不完全检测，检测概率根据站点和时间的变化而变化，基于调查努力程度。
• 模型使用2007–2015年法国东南部的狼检测数据进行校准，协变量包括森林覆盖率和人类密度。
• 通过模拟研究评估在不同检测概率和调查站点数量场景下参数估计的偏差和精度。
• 通过将基于PDE的模型向前投影时间，实现概率性预测，不确定性通过贝叶斯推断过程传播。

实验结果

研究问题

• RQ1 当检测不完全且数据为存在仅类型时，机制-统计模型在估计扩散率、增长率和检测概率等生态参数方面表现如何？
• RQ2 该模型在多大程度上能准确预测如狼这样的殖民化物种的未来空间分布？
• RQ3 在破碎化景观中，森林覆盖率和人类密度等环境因素如何影响狼的扩散和殖民化动态？
• RQ4 与标准SDMs相比，考虑不完全检测在多大程度上提高了物种分布预测的可靠性？
• RQ5 该模型是否能有效集成到标准统计软件（如JAGS、OpenBUGS）中，以实现实际生态预测？

主要发现

• 在模拟研究中，该模型在不同检测概率和调查站点密度下均准确估计了生态参数，偏差低且精度高。
• 法国狼的种群增长率显著受森林覆盖率比例的影响，表明其对种群持续生存具有重要意义。
• 人类密度对扩散率具有负向影响，表明人类活动构成狼扩散的障碍。
• 检测概率随调查努力增加而提高，证实了标准化监测协议的重要性。
• 该模型在2016年对狼的分布预测与实际检测结果高度一致，正确预测了137个有记录站点中的127个。
• 与动态站点占据模型相比，该机制模型预测了更多高占据概率（>0.6）的站点，可能是因为其考虑了连续的时空动态，而非离散的站点级转变。