文献

J-GLOBAL ID：201802235050205968   整理番号：18A1349152

データに乏しい地域における種発生予測の改善:ダウン加重Poisson回帰とMaxentによる大規模データとバイアス補正の使用【JST・京大機械翻訳】

Improved species-occurrence predictions in data-poor regions: using large-scale data and bias correction with down-weighted Poisson regression and Maxent

著者 (2件)： El-Gabbas Ahmed (Dept of Biometry and Environmental System Analysis, Univ. of Freiburg, Freiburg, Germany) ,  Dormann Carsten F. (Dept of Biometry and Environmental System Analysis, Univ. of Freiburg, Freiburg, Germany)
資料名： Ecography  (Ecography)
巻： 41  号： 7  ページ： 1161-1172  発行年： 2018年 
JST資料番号： W1706A  ISSN： 0906-7590  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 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】

シソーラス用語： アルゴリズム ,  弾性 ,  モデリング ,  コウモリ ,  生態学 ,  *バイアス ,  アクセシビリティ ,  部分集合 ,  ペナルティ
準シソーラス用語： 空間情報 ,  ニッチ ,  *バイアス補正 ,  発生源 ,  共変量 ,  加重 , 【Automatic Indexing@JST】

分類 (2件)： 植物生態学  (EE02000E) ,  個体群生態学  (EE03030S)

タイトルに関連する用語 (6件)： 地域 ,  種 ,  発生予測 ,  加重 ,  大規模データ ,  バイアス補正