Improving the predictive power of spatial statistical models of stream macroinvertebrates using weighted autocovariance functions

مدل های شبکه جریان آماری فضایی برای مدل سازی داده های فیزیکوشیمیایی مفید هستند، اما تا به امروز برای داده های ماکرومتری توتال مناسب نیستند. مدل شبکه های فضایی شبکهای به سه شاخص غالب توت فرنگی مناسب بود: درصد تاکسون های قابل تحمل آلودگی، غنای تاکسون و تعدادی از جنبش خارج از شبکه مالی (پخش کننده های جریان). ما الگوهای الگوهای همبستگی مکانی فصلی را در شاخصها بررسی کردیم و دریافتیم که: 1) قدرت نسبی جریان خودکار و همبستگی خودکار اقلیدسی بین شاخصها متغیر است؛ 2) مدل های فضایی فراتر از مدل های غیر فضایی؛ و 3) طرح وزن گذاری فضایی استفاده شده برای وزن دهی، تأثیر قابل توجهی بر عملکرد مدل برای پخش کننده های جریان داشت؛ با وزن بر اساس درصد شیب جریان، به عنوان یک جایگزین برای سرعت به دلیل اثر بالقوه آن بر روی پراکندگی و ناهمگنی زیستگاه مورد استفاده قرار می گیرد، پیش بینی دقیق تر نسبت به سایر طرح های وزن محوری فضایی را تولید می کند. این نتایج انعطاف پذیری رویکرد مدل سازی و توانایی آن را برای تشریح الگوهای و فرآیندهای چندگانه در منظر آبزی و زمینی نشان می دهد.