[论文解读] ACME: A Partially Periodic Estimator of Avian & Chiropteran Mortality at Wind Turbines

Robert L. Wolpert|arXiv (Cornell University)|Jul 2, 2015

Avian ecology and behavior参考文献 10被引用 6

一句话总结

ACME 是一种新型的、基于模型的风力涡轮机相关鸟类和翼手类动物死亡率估算方法，可同时考虑尸体腐烂、捕食者移除以及跨搜索周期的未发现尸体部分渗漏（bleed-through）问题。该方法通过引入随时间变化的发现效率、与年龄相关的捕食者移除以及概率性渗漏（B），在最大似然估计和贝叶斯推断下结合可信区间，显著提升了死亡率估算的准确性和可靠性。

ABSTRACT

Estimating the mortality of birds and bats at wind turbines based on periodic carcass counts is challenging because carcasses may be removed by scavengers or may be missed in investigators' searches, leading to undercounting. Existing mortality estimators intended to correct for this offer wildly different estimates when search intervals are short. We introduce a new estimator that includes many existing ones as special cases but extends and improves them in three ways to reflect phenomena discovered in the field: * Decreasing removal rate by scavengers as carcasses age; * Diminishing proficiency of Field Technicians in discovering carcasses as they age; * Possibility that some (but not all) carcasses arriving in earlier search periods may be discovered in the current period. It is this feature that makes the new estimator "partially periodic". Both point estimates and 50% and 90% Objective Bayes interval estimates are provided for mortality. The new ACME mortality estimator will significantly improve the accuracy and credibility of mortality estimates for birds and bats near wind turbines.

研究动机与目标

• 解决基于原始尸体计数方法在估算风力涡轮机死亡率时存在的显著偏差问题。
• 通过在统一的统计框架下整合四种主流方法，解决现有估算公式的不一致性。
• 通过建模现场技术人员随时间推移的发现效率下降以及与年龄相关的捕食者移除，提升死亡率估算的可靠性。
• 提出一种半周期模型，允许未被发现的尸体在不同搜索周期之间以概率性方式发生渗漏。
• 通过最大似然估计和贝叶斯可信区间，提供稳健的、基于模型的估算结果，用于不确定性量化。

提出的方法

• 提出一种半周期模型，其中尸体可能以概率 B ∈ [0,1] 从先前的搜索周期渗漏至当前周期，从而连接非周期性与完全周期性估算器。
• 采用生存模型，其中死亡率 m(t) 随时间变化，尸体移除风险 ¯F(t) 为时间函数，发现概率 S(τ) 为尸体年龄 τ 的函数。
• 推导出在时间 Ti 的预期尸体数量，作为对先前周期的无限级数求和，权重为 Bk 以及未被检测到尸体的存活概率。
• 引入修正因子 R⋆i = (1/Ii) ∑k≥0 Bk ∫Ti−kTi−k−1 ¯F(Ti−t)S(Ti−t) ∏0<n≤k [1−S(Ti−n−t)] dt，用于校正观测计数的偏差。
• 采用最大似然估计（MLE）从尸体发现时间数据中估计参数 a、b 和 B，基于渗漏时间的似然函数。
• 采用 Gamma-Gibbs 层次贝叶斯模型，推导出死亡率 Mi 的后验分布，从而在客观先验下获得 100γ% 的可信区间。

实验结果

研究问题

• RQ1 如何在单一、一致的统计框架下统一现有死亡率估算方法？
• RQ2 尸体年龄对现场技术人员发现概率和捕食者移除率有何影响？
• RQ3 先前搜索周期中未被发现的尸体在多大程度上会‘渗漏’并影响当前计数？
• RQ4 所提出的半周期模型（其中 0 < B < 1）相比完全周期或非周期模型在准确性上提升了多少？
• RQ5 引入随时间变化的发现效率与与年龄相关的腐烂过程，对死亡率估算的不确定性量化有何影响？

主要发现

• ACME 提供了一个统一框架，通过引入部分渗漏（B）、与年龄相关的发现概率以及捕食者移除，将四种主流估算方法扩展为统一模型。
• 模型表明，假设渗漏率为 0% 或 100% 均会导致估算偏差，验证了采用中间值、半周期方法的必要性。
• 基于尸体发现时间数据，推导出参数 a、b 和 B 的最大似然估计，使模型能够校准至真实调查数据。
• 在客观贝叶斯情形下（ξ=1/2, λ=0），利用超几何函数 2F1 推导出死亡率 M 的后验可信区间，即使在退化边缘分布下也具有稳健性。
• 该方法通过后验分布提供准确的死亡率估算结果，并实现不确定性量化，尤其在搜索周期规律、尸体持续时间适中的情况下表现优异。
• 模拟与实证结果（第5节）表明，ACME 相较于标准估算方法显著降低了偏差并提高了精度，尤其在存在捕食者活动与检测不完善的真实野外条件下表现更优。