文献

J-GLOBAL ID：200902298272111317   整理番号：08A0342317

状態空間モデルを用いたシカ個体群の捕獲数に基づくベイズ推定

Harvest-based Bayesian estimation of sika deer populations using state-space models

著者 (10件)： YAMAMURA Kohji (National Inst. Agro-Environmental Sci., Tsukuba, JPN) ,  MATSUDA Hiroyuki (Yokohama National Univ., Yokohama, JPN) ,  YOKOMIZO Hiroyuki (CSIRO Sustainable Ecosystems, QLD, AUS) ,  YOKOMIZO Hiroyuki (Univ. Queensland, QLD, AUS) ,  KAJI Koichi (Tokyo Univ. Agriculture and Technol., Fuchu, JPN) ,  UNO Hiroyuki (Hokkaido Inst. Environmental Sci., Sapporo, JPN) ,  TAMADA Katsumi (Hokkaido Inst. Environmental Sci., Sapporo, JPN) ,  KURUMADA Toshio (Hokkaido Inst. Environmental Sci., Kushiro, JPN) ,  SAITOH Takashi (Hokkaido Univ., Sapporo, JPN) ,  HIRAKAWA Hirofumi (Forestry and Forest Products Res. Inst., Sapporo, JPN)
資料名： Population Ecology  (Population Ecology)
巻： 50  号： 2  ページ： 131-144  発行年： 2008年04月 
JST資料番号： Y0467A  ISSN： 1438-3896  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： シカによる農業被害のレベルを下げる管理プログラム開発のために,著者らは日本,北海道のシカ Cervus nipponの数を推定した。1993年の個体数で割った個体数によって定義される個体数指数が,スポットライト調査の間に得られたデータから最初に推定された。corner point constraintsと一般化線形混合モデルを用いて,この推定を行った。次に著者らは,狩猟を含むわかっている捕獲数に対する指数の応答を評価することにより,指数から個体数を推定した。この捕獲数に基づく推定にはstage構造モデルを用いた。観察の可能性が大きく変動するとき,指数の推定は大きな観察エラーによって悪影響を受けるということは良く知られている。そこで,著者らは観察エラーを捕獲数に基づく推定から除くため,状態空間モデルを適用した。著者らは,事前分布に従ってパラメータが変動する任意前提条件を許さない,最ゆう法推定の近似法として一様事前分布を用いるベイズ推定の使用を提案した。著者らは,捕獲数に基づくベイズ推定がシカ個体数における観察エラーを減少させるために有効であることを示すことができたが,stage構造モデルでは分析する前に多くの人口統計学的パラメータがわかっている必要がある。これらのパラメータは不十分なデータしかない場合,指数の観察された時系列からは推定することはできない。著者らはstage構造モデルを単純化した単変量モデルを構築し,その単純化したモデルがstage構造モデルで得られるのとほぼ同じ結果が得られることを示した。このモデルの単純化は,同時にどのパラメータが個体数推定に重要であるかも明らかにする。(翻訳著者抄録)

シソーラス用語： *ニホンジカ ,  数 ,  *Bayes推定 ,  数学モデル ,  観察 ,  *システムモデル ,  *ポピュレーションダイナミックス ,  個体数 ,  線形モデル ,  *状態空間モデル
準シソーラス用語： Cervus nippon ,  一般化線形混合

分類 (1件)： 個体群生態学  (EE03030S)

引用文献 (69件)：

• AITKIN, M. Statistical modelling in GLIM4. 2005
• AKAIKE, H. Information theory and an extension of the maximum likelihood principle. 2nd Int Symp information Theory, 1973. 1973, 267-281
• AKAIKE, H. AIC and Bayesian model. Mathematical statistics reveals the hidden future. 2007, 8-10
• AMARI, S. Akaike information criterion, AIC : concepts and new development. Akaike information criterion. 2007, 52-78
• ANDERSON, DR. The need to get the basics right in wildlife field studies. Wildl Soc Bull. 2001, 29, 1294-1297

タイトルに関連する用語 (5件)： 状態空間モデル ,  シカ ,  個体群 ,  捕獲数 ,  ベイズ推定