کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6297069 | 1617481 | 2013 | 11 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Modeling the habitat associations and spatial distribution of benthic macroinvertebrates: A hierarchical Bayesian model for zero-inflated biomass data
ترجمه فارسی عنوان
مدل سازی انجمن های زیستگاه و توزیع فضایی توت فرنگی های بتنی: یک مدل بیزی سلسله مراتبی برای داده های زیست توده با استفاده از صفر
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
داده های دارای مقدار صفر، مدل سازی سلسله مراتبی بیزی، انجمن های زیستگاه، وابستگی های فضایی، ماکرو بدون ترشحات،
ترجمه چکیده
نمونه های زیست توده از نظرسنجی های علمی دریایی معمولا برای بررسی تغییرات مکانی و زمانی در فراوانی سهام استفاده می شود. پرونده های زیست توده اغلب با یک نسبت بالا از صفر از یک طرف مشخص می شوند و گاهی اوقات از طرف دیگر به دام می افتند. این ویژگی ها هنگامی که تلاش برای درک وضعیت جمعیت ها و ارتباطات زیست محیطی آنها با یکدیگر و با زیستگاه، یک چالش مدل سازی را ایجاد می کنند. ما یک مدل سلسله مراتبی بیزی برای نشان دادن ساختار فضایی زیست توده و تجزیه و تحلیل توزیع فضایی و انجمن های زیستگاه سه گونه از کلمهای غیرمترقبه نمونه در خلیج جنوبی سنت لارنس (کانادا) را تجزیه و تحلیل می کنیم. توزیع صفر با استفاده از توالی ترکیبی پواسون با مارک گاما برای لایه مشاهده استفاده می شود و یک مدل خطی با اشتباهات مرتبط با فضایی، نقش متغیرهای زیستگاه (درجه حرارت، عمق و نوع رسوب) را در لایه فرآیند دارد. نقشه های مقادیر مورد علاقه (مثلا احتمال حضور، مقدار بیوماس) با توجه به عدم قطعیت پارامترهای تخمینی و اشتباهات مشاهده، تولید می شود. این روش مدل سازی باینز سلسله مراتبی یک ابزار مفید برای مدیریت فضایی فعالیت های انسانی است که ممکن است بر روی منابع زنده تاثیر بگذارد که ممکن است بر منابع زنده مانند مناطق حفاظت شده دریایی تأثیر بگذارد.
موضوعات مرتبط
علوم زیستی و بیوفناوری
علوم کشاورزی و بیولوژیک
بوم شناسی، تکامل، رفتار و سامانه شناسی
چکیده انگلیسی
Biomass samples from marine scientific surveys are commonly used to investigate spatial and temporal variations in stock abundances. Biomass records are often characterized by a high proportion of zeros on the one hand, and occasional large catches on the other. These features induce a modeling challenge when trying to understand the state of populations and their ecological associations with one another and with habitat. We develop a hierarchical Bayesian model to represent the spatial structure of biomass and analyze the spatial distribution and habitat associations of three species of macro-invertebrates sampled in the southern Gulf of St. Lawrence (Canada). A zero-inflated distribution based on a compound Poisson with Gamma marks is used for the observation layer, and a linear model with spatial correlated errors accounts for the role of habitat variables (temperature, depth and sediment type) in the process layer. Maps of quantities of interest (e.g. probability of presence, quantity of biomass) are produced, taking into account the uncertainty of the estimated parameters and observation errors. This hierarchical Bayesian modeling approach provides a useful tool for spatial management of human activities that may affect living resources that may affect living resources, such as marine protected areas.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Ecological Modelling - Volume 265, 10 September 2013, Pages 74-84
Journal: Ecological Modelling - Volume 265, 10 September 2013, Pages 74-84
نویسندگان
J.B. Lecomte, H.P. Benoît, M.P. Etienne, L. Bel, E. Parent,