[论文解读] Accounting for physical barriers in species distribution modeling with non-stationary spatial random effects

Haakon Bakka, Jarno Vanhatalo+3 more|arXiv (Cornell University)|Aug 12, 2016

Species Distribution and Climate Change被引用 14

一句话总结

本文提出了一种非平稳空间随机效应模型，通过定义具有空间变化系数的微分方程来显式考虑物理障碍物（如陆地）的影响，从而构建高斯场。该方法在保持与平稳模型相当的计算效率的同时，提升了沿海鱼类浮游生物幼体分布数据中的空间相关性建模能力，展现出在捕捉障碍物影响的空间依赖性方面的优越性能。

ABSTRACT

This paper is motivated by a study on the spatial distribution of fish larvae in reproduction habitats of three commercially important fish species in the Finnish archipelago. Species distribution modeling (SDM) requires realistic models that account for spatial dependence in observation data that cannot be explained by environmental factors alone. Gaussian latent variable models are increasingly used in this context, where a stationary Gaussian random field accounts, for instance, for the spatial correlation driven by unmeasured covariates. In this paper we challenge the assumption of stationarity in cases where there are physical barriers in the study area, such as when our interest is in fish populations near the coast. In these situations, the common assumption of stationary second order spatial behaviour is likely to be unrealistic, as spatial dependencies should be considered around the barriers rather than across them. We develop a non-stationary Gaussian field that treats, e.g., land as a barrier to spatial correlation. We define the field as a continuous solution to a differential equation with spatially varying coefficients, and achieve a computational cost similar to that of the stationary model. We demonstrate the benefits of the new model for a fish larvae application in the Finnish archipelago.

研究动机与目标

• 解决在物理障碍物（如陆地）破坏空间相关性模式时，平稳空间随机效应在物种分布建模中的局限性。
• 开发一种计算高效的非平稳空间依赖性建模方法，特别适用于沿海海洋环境中障碍物附近的区域。
• 通过整合尊重物理边界的时空相关性，提升芬兰群岛地区鱼类浮游生物分布模型的现实性。
• 证明非平稳建模在障碍物影响区域中，相较于平稳模型，能实现更好的预测性能并更准确地反映空间依赖性。

提出的方法

• 该方法将非平稳高斯场定义为具有空间变化系数的随机偏微分方程（SPDE）的连续解，其中空间变化系数编码了物理障碍物的存在。
• 空间依赖性被建模为在障碍物（如陆地）附近衰减，而在开阔水域保持较强，以反映海洋物种分布的生物学现实。
• SPDE公式化使得稀疏精度矩阵得以应用，尽管存在非平稳性，但计算效率仍与平稳模型相当。
• 该模型在潜在高斯模型框架内实现，可与物种分布建模中标准的环境协变量集成。
• 空间变化系数被设计为反映障碍物的几何形态，对穿越陆地区域的空间相关性施加更高的阻力。
• 模型拟合采用集成嵌套拉普拉斯近似（INLA），实现无需MCMC的快速且精确的推断。

实验结果

研究问题

• RQ1 在物种分布建模中，将物理障碍物纳入空间随机效应，如何提升沿海群岛区域鱼类浮游生物的建模效果？
• RQ2 能否构建一种计算效率足够高的非平稳空间随机场，使其在大规模生态建模中具有实际可行性？
• RQ3 在陆地区域附近，非平稳模型是否优于平稳模型，能更有效地捕捉鱼类浮游生物数据中的空间依赖性？
• RQ4 SPDE公式化中的空间变化系数结构在多大程度上反映了海洋浮游生物扩散的生物学现实？

主要发现

• 该非平稳模型通过阻止相关性跨越障碍物（如陆地区域），显著改善了存在物理障碍物区域的空间相关性建模。
• 该模型保持了与平稳模型相当的计算成本，使其能够实际应用于大规模空间数据集。
• 与平稳模型相比，引入非平稳空间效应可更准确地预测芬兰群岛地区鱼类浮游生物的分布。
• 空间变化系数有效编码了障碍物的几何形态，使空间依赖性模式与浮游生物扩散的生物学预期一致。
• 该模型对观测到的鱼类浮游生物数据拟合效果更优，特别是在靠近陆地的区域，而平稳模型在这些区域会高估跨越障碍物的空间相关性。