Estimating scale-dependent covariate responses using two-dimensional diffusion derived from the SPDE method
Notice bibliographique
Résumé
Abstract Species distribution models (SDMs) are widely used to standardize spatially unbalanced data, project climate impacts, and identify habitat for conservation. SDMs typically estimate the impact of local environmental conditions by estimating a dome-shaped or non-parametric “environmental response function”. However, ecological responses often integrate across local habitat conditions, such that species density depends on habitat at the location of sampling but also at nearby locations. To address this, we extend methods from the Stochastic Partial Differential Equation (SPDE) method that is widely used in INLA, which approximates spatial correlations based on local diffusion over a finite-element mesh (FEM). We specifically introduce the sparse inverse-diffusion operator on a FEM, and apply this operator to covariates to efficiently calculate a spatially weighted average of local habitat that is then passed through pointwise basis-expansion to predict species densities. We show that this operator has several useful properties, i.e., conservation of mass, linear computational time with spatial resolution, and invariance to linear (scale and offset) transformations of covariates. We test this covariate-diffusion method using a simulation experiment, and show that it can correctly recover a non-local environmental response while collapsing to a local (pointwise) response when warranted. We apply it to monitoring data for 25 bottom-associated fishes in the eastern Bering Sea and 20 bird species in the western United States. This application confirms that non-local responses in the eastern Bering Sea case study are parsimonious for 26 species-maturity combinations, while 18 collapse to the pointwise method. Estimates suggest that some species-maturity combinations avoid proximity to the continental slope, beyond what is predicted by local bathymetry in isolation. By contrast, in four of the 20 bird species is the diffused human population density covariate more parsimonious than the original covariate. The covariate-diffusion method introduced here constitutes a fast and efficient approach to modelling non-local covariate effects. This flexible method may be useful in cases when covariates influence nearby population densities, for instance due to movement of the sampled species or its important biological or physical drivers.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».