机构名称：
¥ 2.0
Occupancy models are frequently used by ecologists to quantify spatial variation in species distributions while accounting for observational biases in the collection of detection-nondetectiondata.However,thecommonassumptionthatasinglesetofregres- sion coefficients can adequately explain species-environment relationships is often unre- alistic, especially across large spatial domains.在这里，我们开发了单物种（即单品）和多种物种（即多变量）空间变化的系数（SVC），以解释空间变化的物种环境关系。我们在层次的贝叶斯框架中采用最近的邻居高斯流程和pólya-gamma数据增强，以产生计算清晰的Gibbs采样器，我们在Spoccupancy R软件包中实现了这些样本。对于多种物种模型，我们使用缩小空间因子维度对具有大量物种（例如，> 10）的有效模型数据集。分层贝叶斯框架很容易使SVC的后验预测图产生，并具有完全传播的不确定性。我们应用我们的SVC模型来量化最大繁殖季节温度与全美21种草地鸟类物种的发生概率之间的关系。共同建模物种通常优于单物种模型，这均显示出与最高温度的物种发生关系的显着空间变异性。在线提供了本文的补充材料。我们的模型与使用大规模监测计划中的检测非探测数据量化物种环境关系特别重要，这些数据越来越普遍回答有关野生生物对全球变化的宏观生态问题的回答。
通过空间变化系数占用模型对复杂的物种环境关系进行建模
主要关键词
相关文件推荐
