返回
CLIPPED MULTISCALE SPATIAL PROCESSES FOR MULTIVARIATE PLANT COVER DATA
DOI:10.1214/25-AOAS2088.png)
摘要
En 中文
监测植物的分布和丰富度对于评估人类活动对环境的影响至关重要。植物覆盖数据通常采用点截取法收集,该方法记录在覆盖于采样样地上的网格点上物种的存在或缺失。同时调查多种物种会产生既多尺度又多元的二值数据。当前用于二值数据的时空模型未能考虑精细尺度和多元特性。例如,对点截取数据的传统分析通过将观测结果汇总到样地水平,舍弃了亚样地尺度的信息。我们开发了一种替代模型,利用截断的多尺度时空高斯过程对植物覆盖进行建模。该模型允许我们利用样地内观测点的空间配置,来建模植物覆盖的小尺度空间结构以及样地间的大尺度空间结构。为分析多物种数据,我们引入描述群落结构的种间相关性。我们开发了一种计算效率高的算法,利用贝叶斯方法拟合该模型。我们将该模型应用于分析在美国阿拉斯加州克鲁森斯特恩国家纪念地采集的地衣和植物覆盖数据,并评估该地区植被受重金属污染的影响。
Keyword:
Bayesian statistics
community ecology
hierarchical model
joint species distribution models
point intercept method
vegetation data
期刊
A
IF:
1.4
论文数:
88
被引数:
5.1K
机构
引用论文
The Problem of Pattern and Scale in Ecology: The Robert H. MacArthur Award Lecture生态学中的模式和规模问题: 罗伯特·H·麦克阿瑟奖演讲
Ecology
IF0
Predicting the spatial distribution of ground flora on large domains using a hierarchical Bayesian model使用分层贝叶斯模型预测大域上地面植物区系的空间分布
LANDSCAPE ECOLOGY
IF3.7

