[论文解读] BAYESIAN NONPARAMETRIC DEPENDENT MODEL FOR THE STUDY OF DIVERSITY FOR SPECIES DATA

Judith Rousseau, Kerrie Mengersen+1 more|arXiv (Cornell University)|Feb 13, 2014

Bayesian Methods and Mixture Models被引用 5

一句话总结

本文提出了一种用于物种-生境数据的依赖性贝叶斯非参数模型，通过引入环境因素等协变量来研究物种多样性。该模型基于高斯过程的依赖性棒折断构造，对协变量间施加先验依赖，从而改善对物种分布和多样性模式的后验推断，其有效性在模拟数据和南极土壤数据中得到验证。

ABSTRACT

We introduce a dependent Bayesian nonparametric model for the probabilistic modelling of species-by-site data, ie population data where observations at different sites are classified in distinct species. These data can be represented as a frequency matrix giving the number of times each species is observed in each site. Our aim is to study the impact of additional factors (covariates), for instance environmental factors, on the data structure, and in particular on the diversity. To that purpose, we introduce dependence a priori across the covariates, and show that it improves posterior inference. We use a dependent version of the Griffiths-Engen-McCloskey distribution, the distribution of the weights of the Dirichlet process, in the same lines as the Dependent Dirichlet process is defined. The prior is thus defined via the stick-breaking construction, where the weights are obtained by transforming a Gaussian process, and the dependence stems from the covariance function of the latter. Some distributional properties of the model are explored. A Markov chain Monte Carlo algorithm for posterior sampling is described, along with the sampling scheme of the predictive distribution for unobserved factors. Both samplers are illustrated on simulated data and on a real data set obtained in experiments conducted in Antarctica soil.

研究动机与目标

• 对具有协变量依赖性多样性结构的物种-生境丰度数据进行建模。
• 解决现有非参数模型未能考虑协变量对物种多样性影响的局限性。
• 开发一种在协变量间诱导依赖关系的先验，以改善对物种分布和丰富度的推断。
• 实现对未观测或新型环境条件的预测推断。

提出的方法

• 该模型采用基于棒折断过程的格里菲斯-恩根-麦克洛斯key（GEM）分布的依赖性版本。
• 棒折断权重通过变换高斯过程生成，协变量间的依赖关系由GP的协方差函数控制。
• 先验分布的构造使得物种比例随协变量平滑变化，从而捕捉环境因素对多样性的影响。
• 后验推断通过针对依赖性GEM构造量身定制的马尔可夫链蒙特卡洛（MCMC）算法完成。
• 利用基于高斯过程后验的条件方案，对未观测协变量的预测分布进行抽样。
• 该模型在模拟数据和真实的南极土壤物种数据上进行了应用，以验证其性能。

实验结果

研究问题

• RQ1 当观测值与多个环境协变量相关联时，如何对物种多样性模式进行建模？
• RQ2 引入协变量依赖性先验结构在多大程度上能改善对物种丰度和多样性的后验推断？
• RQ3 非参数模型能否有效捕捉物种组成在环境梯度上平滑连续的变化？
• RQ4 所提出的依赖性GEM模型与独立的非参数替代方法相比，在捕捉多样性趋势方面表现如何？
• RQ5 该模型在新型或未观测环境条件下的预测性能如何？

主要发现

• 依赖性先验结构显著改善了后验推断，更好地捕捉了由协变量驱动的物种多样性变化。
• 该模型在模拟数据和真实的南极土壤数据中均成功识别出物种组成的环境梯度。
• MCMC采样器收敛良好，并在不同协变量取值下提供了物种比例和多样性指数的稳定估计。
• 预测抽样方案能够实现对未观测环境条件的可靠推断，支持生态研究中的外推。
• 利用高斯过程诱导棒折断权重的依赖性，实现了对多样性趋势的灵活、非参数化建模。