کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6296732 1617447 2015 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Estimation of spatial sampling effort based on presence-only data and accessibility
ترجمه فارسی عنوان
ارزیابی تلاش نمونه گیری فضایی براساس داده های موجود و دسترسی پذیری
کلمات کلیدی
فضای محیطی، داده های موجود مدل احتمالی ثروت، تعصب نمونه برداری فضایی، گروه هدف،
ترجمه چکیده
بی توجهی نمونه گیری در داده های نظرسنجی های بیولوژیکی بسیار رایج است. تقصیر به طور واضح کارکرد جاده ها، شهرها، رودخانه ها و یا دیگر ویژگی های فیزیکی است که دسترسی به جمع ها را تعیین می کند و بسیاری از مجموعه داده ها از گونه ها تنها حضور دارند. ما برای ارزیابی تعصب نمونه گیری فضایی در یک منطقه براساس داده های موجود تنها با روشن شدن اطلاعات در مورد این عوامل دسترسی و با در نظر گرفتن یک گروه هدف از گونه ها که ممکن است یک الگوی جستجوی مشترک را به اشتراک بگذاریم تعیین کردیم. به منظور غیر مستقیم تعداد افراد را برآورد می کنیم، ما همچنین به مفهوم غنای گونه ای پی می بریم. یک مدل احتمالاتی (چندجملهای) پیشنهاد شده است که امکان اجرای رویههای استنتاج احتمال احتمال درست را فراهم میکند. سناریوهای شبیه سازی برای اکتشاف مدل و آزمایش با روش برآورد گنجانده شده است. نمونه های منحصر به فرد در مورد منطقه مکزیک با پستانداران و پروانه ها نیز با نتایج دقیق گزارش شده است. مدل ما قادر به برآورد شیوه های نمونه گیری در یک منطقه است و نتیجه گیری های مربوط به داده های موجود تنها را افزایش می دهد.
موضوعات مرتبط
علوم زیستی و بیوفناوری علوم کشاورزی و بیولوژیک بوم شناسی، تکامل، رفتار و سامانه شناسی
پیش نمایش مقاله
ارزیابی تلاش نمونه گیری فضایی براساس داده های موجود و دسترسی پذیری
چکیده انگلیسی
Sampling bias contained in data of biological surveys is very common. Bias is clearly a function of roads, cities, rivers, or other physical features that determines accessibility of collectors, and many data sets of species are presence-only. We set out to estimate spatial sampling bias in a region, based on presence-only data, by explicitly incorporating information on these accessibility factors, and by considering a target group of species that may share a common search pattern. In order to indirectly estimate the number of individuals, we also resort to the concept of species richness. A probabilistic (multinomial) model is proposed, enabling standard likelihood inference procedures to be implemented. Simulation scenarios for exploration of the model and experimentation with the estimation procedure are included. Illustrative examples over a region of Mexico with mammals and butterflies are also reported with insightful results. Our model is able to estimate the sampling bias in a region and enhance the inferences regarding presence-only data.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Ecological Modelling - Volume 299, 10 March 2015, Pages 147-155
نویسندگان
, ,