کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6295860 1617202 2016 33 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Evaluation of estimation quality of a general paradigm for indexing animal abundance when observations are counts
ترجمه فارسی عنوان
ارزیابی کیفیت تخمینی پارادایم کلی برای نشان دادن فراوانی حیوانات در هنگام مشاهدات
کلمات کلیدی
نظرسنجی حیوانات، توزیع دوتایی منفی، توزیع پواسون، شاخص جمعیت، فراوانی نسبی،
ترجمه چکیده
شاخص های فراوانی نسبی به طور گسترده ای برای نظارت جمعیت های حیات وحش استفاده می شود. برای ساختن جمع آوری داده ها و تحقق معتبر بودن تجزیه و تحلیل، یک پارادایم شاخص بندی کلی توسعه داده شد. این روش برای بسیاری از معیارهای مشاهدات، با مشاهدات ساخته شده در ایستگاه ها از طریق منطقه مورد علاقه و چند روزه تکرار می شود. فرمول واریانس برای شاخص کلی با استفاده از یک مدل ترکیبی خطی، با آزمون های آماری و فواصل اطمینان ساخته شده با فرض مشاهدات توزیع گاوس، به دست آمد. با این حال، بسیاری از روش های مشاهده، مانند نفوذ به دنبال قطعه و یا تله های دوربین، شمارش با بسیاری از صفر، تولید مشاهدات مانند پوآسون. برای پر کردن این شکاف استنباط بین مفروضات تحلیلی گاوس و داده های توزیع شده پواسون، با استفاده از یک مطالعه شبیه سازی وسیع مونت کارلو، برآورد واریانس و پوشش فاصله اطمینان زمانی که داده های تولید شده توسط توزیع پوآسون گاوسی اعمال می شود، مورد بررسی قرار گرفت. مدل خطی ترکیبی با استفاده از مشاهدات گاوس در ارزیابی واریانس ها و فواصل اطمینان زمانی که داده های پوآسون شبیه سازی شده در محدوده مطالعات میدانی (88-96٪ پوشش ضریب اطمینان اطمینان) به خوبی مورد بررسی قرار گرفت. برآورد با افزایش تعداد روزهای مشاهده بهبود یافته است. نرخ پوشش اطمینان فاصله بسیار خوب بود (حتی با چند روز مشاهده) زمانی که تغییر روز به روز کوچک بود، در حالی که برآورد موثر منجر به دامنه وسیعی در تنوع ایستگاه به ایستگاه شد. این نتایج یک مبنای پایه ای برای استفاده از پارادایم شاخص بندی کلی برای شمارش داده ها، تقویت عمومیت رویکرد، ارائه اطلاعات ارزشمندی برای طراحی مطالعه، و اطمینان از عملکردها در مورد اعتبار نگرانی های تحلیلی آنها در هنگام استفاده از داده های شمارش فراهم می کند.
موضوعات مرتبط
علوم زیستی و بیوفناوری علوم کشاورزی و بیولوژیک بوم شناسی، تکامل، رفتار و سامانه شناسی
پیش نمایش مقاله
ارزیابی کیفیت تخمینی پارادایم کلی برای نشان دادن فراوانی حیوانات در هنگام مشاهدات
چکیده انگلیسی
Relative abundance indices are widely applied to monitor wildlife populations. A general indexing paradigm was developed for structuring data collection and validly conducting analyses. This approach is applicable for many observation metrics, with observations made at stations through the area of interest and repeated over several days. The variance formula for the general index was derived using a linear mixed model, with statistical tests and confidence intervals constructed assuming Gaussian-distributed observations. However, many observation methods, like intrusions to track plots or camera traps, involve counts with many zeroes, producing Poisson-like observations. To fill this inferential gap between Gaussian analytical assumptions and Poisson-distributed data we evaluated, via a broad Monte Carlo simulation study, variance estimation and confidence interval coverage when Gaussian statistical inference is applied to data generated from a Poisson distribution. The mixed effects linear model assuming Gaussian observations performed well in estimating variances and confidence intervals when simulated Poisson data were in the range found in field studies (88-96% confidence interval coverage). Estimation improved by increasing the number of observation days. Confidence interval coverage rates performed very well (even with few observation days) when day-to-day variability was small, while effective estimation resulted for a great range in station-to-station variability. These results provide a foundational basis for applying the general indexing paradigm to count data, strengthen the generality of the approach, provide valuable information for study design, and should reassure practitioners about the validity of their analytical inferences when using count data.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Ecological Informatics - Volume 32, March 2016, Pages 194-201
نویسندگان
, , , ,