抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
種分布モデリング(SDM)は生態学と保存において不可欠な方法になった。調査データがない場合には,多くのSDMsが日和見的な現在のデータだけで較正され,実質的なサンプリングバイアスを招いている。データスパース状況におけるサンプリングバイアスの補正の挑戦に取り組んだ。著者らは,ポイントプロセスモデリングフレームワーク(サブセット選択によるGLMs,弾性ネットペナルティに適合したGLMs,およびMaxent)の下で,3つのモデリングアルゴリズムを用いて,それらの全範囲におけるコウモリ記録の相対強度をモデル化した。サンプリングバイアスを補正するために,サイトアクセシビリティまたはサンプリング努力に関する空間情報を組み込むことにより,モデルベースのバイアス補正を適用した。モデルの予測性能(AUCとTSS)に対するバイアス補正の影響を評価し,空間ブロック交差検証とholアウトデータセットについて計算した。独立で評価したが,サンプリングバイアス試験データでは,サンプリングバイアスの補正により予測が改善された。3つのモデリングアルゴリズムの予測性能は非常に類似していた。Elasticネットモデルは中間的性能を有し,交差検証に関するGLMsに対してわずかな利点を有し,そして,全体的評価に関してMaxentであった。モデルベースのバイアス補正は,データのまばらな状況において非常に有用であり,そこでは,詳細なデータは,他のバイアス補正法を適用するために利用できない。しかし,バイアス補正の成功は,選択されたバイアス変数がバイアスの発生源をいかに良く記述するかに依存する。本研究において,アクセシビリティ共変量は,努力共変量よりも良好なデータにおけるバイアスを記述し,それらの使用は予測性能における大きな変化をもたらした。バイアス補正を客観的に評価することは,バイアスのない無症状のテストデータを必要とし,それらのない場合には,種の環境のニッチを記述するための実際の改善は評価できない。Copyright 2018 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】