view in publisher's site

Estimating density from presence/absence data in clustered populations

Abstract Inventories of plant populations are fundamental in ecological research and monitoring, but such surveys are often prone to field assessment errors. Presence/absence (P/A) sampling may have advantages over plant cover assessments for reducing such errors. However, the linking between P/A data and plant density depends on model assumptions for plant spatial distributions. Previous studies have shown, for example, how that plant density can be estimated under Poisson model assumptions on the plant locations. In this study, new methods are developed and evaluated for linking P/A data with plant density assuming that plants occur in clustered spatial patterns. New theory was derived for estimating plant density under Neyman–Scott‐type cluster models such as the Matérn and Thomas cluster processes. Suggested estimators, corresponding confidence intervals and a proposed goodness‐of‐fit test were evaluated in a Monte Carlo simulation study assuming a Matérn cluster process. Furthermore, the estimators were applied to plant data from environmental monitoring in Sweden to demonstrate their empirical application. The simulation study showed that our methods work well for large enough sample sizes. The judgment of what is' large enough’ is often difficult, but simulations indicate that a sample size is large enough when the sampling distributions of the parameter estimators are symmetric or mildly skewed. Bootstrap may be used to check whether this is true. The empirical results suggest that the derived methodology may be useful for estimating density of plants such as Leucanthemum vulgare and Scorzonera humilis. By developing estimators of plant density from P/A data under realistic model assumptions about plants' spatial distributions, P/A sampling will become a more useful tool for inventories of plant populations. Our new theory is an important step in this direction.

تخمین چگالی از داده‌های حضور / غیاب در جمعیت‌های خوشه‌ای

چکیده Inventories از جمعیت‌های گیاه در تحقیق و نظارت اکولوژیکی اساسی هستند، اما چنین surveys اغلب مستعد خطاهای ارزیابی می‌دانی هستند. حضور / غیاب (P / A)ممکن است دارای مزایایی نسبت به ارزیابی‌های پوشش گیاهی برای کاهش چنین خطاهایی باشد. با این حال ارتباط بین داده‌های P / A و چگالی گیاهان بستگی به فرضیات مدل برای توزیع فضایی گیاهان دارد. مطالعات پیشین نشان داده‌اند که چگونه چگالی گیاهان را می توان تحت فرضیات مدل پواسون در مکان‌های گیاهی تخمین زد. در این مطالعه، روش‌های جدید توسعه‌یافته و برای پیوند داده P / A با چگالی نیروگاه مورد ارزیابی قرار می‌گیرند و فرض می‌کنند که گیاهان در الگوهای فضایی فشرده اتفاق می‌افتند. تیوری جدید برای برآورد تراکم نیروگاه تحت مدل‌های خوشه‌ای Neyman - اسکات مانند فرایندهای خوشه‌ای Matern و توماس بدست آمد. برآورد کننده‌های پیشنهادی، فاصله‌های اطمینان مربوطه و یک تست خوبی پیشنهاد شده در یک مطالعه شبیه‌سازی مونت کارلو با فرض یک فرآیند خوشه Matern ارزیابی شدند. به علاوه، the برای نشان دادن داده‌های تجربی خود از نظارت محیطی در سوئد اعمال شدند تا کاربرد عملی خود را نشان دهند. مطالعه شبیه‌سازی نشان داد که روش‌های ما بخوبی برای اندازه کافی نمونه کار می‌کنند. قضاوت درباره آنچه که "به اندازه کافی بزرگ" است، اغلب دشوار است، اما شبیه‌سازی نشان می‌دهد که اندازه نمونه به اندازه کافی بزرگ است هنگامی که توزیع‌های نمونه‌گیری کننده‌های پارامتر متقارن یا کمی نامتوازن باشند. Bootstrap می‌تواند برای بررسی صحت این امر مورد استفاده قرار گیرد. نتایج تجربی نشان می‌دهد که روش مشتق‌شده ممکن است برای برآورد تراکم گیاهان مانند Leucanthemum vulgare و Scorzonera humilis مفید باشد. با توسعه برآوردگرهای چگالی گیاهان از داده‌های P / A تحت فرضیات مدل واقع گرایانه در مورد توزیع‌های فضایی گیاهان P / A به ابزاری مفیدتر برای موجودی جمعیت‌های گیاه تبدیل خواهد شد. نظریه جدید ما گام مهمی در این مسیر است.

ترجمه شده با

Download PDF سفارش ترجمه این مقاله این مقاله را خودتان با کمک ترجمه کنید
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.