Оценка фрагментации ареала вида

При обсуждении моделей распределения видов по пространственным, временным или функциональным градиентам часто встречается горбообразная картина видового богатства. Это хорошо задокументировано для многих таксонов и пространственных масштабов и известно как эффект средней области ( например, Colwell & Lees 2000 ).

Эти закономерности также возникают стохастически (в зависимости от частотного распределения ареалов вида). Таким образом, средние точки ареалов случайного распределения видов используются в качестве нулевых моделей для проверки этих эффектов средней области.

Однако эти модели предполагают нефрагментированные ареалы видов. При сильно фрагментированном ареале видов картина выглядела бы совершенно иначе.

Поэтому я не хочу начинать дискуссию о справедливости этой концепции, а скорее спрошу:

Учитывая градиент и известные виды, встречающиеся на этом градиенте. Кто-нибудь читал статью о (или имеет идею) о том, что было бы хорошей/беспристрастной* оценкой фрагментации ареалов видов?

Спасибо

* например: Тот, который не переоценивает или недооценивает фрагментацию для редких или распространенных видов

Хороший вопрос. Однако я думаю, что на этот вопрос может быть трудно ответить, поскольку фрагментация используется совершенно по-разному (поэтому методы их оценки могут различаться). Например, вы имеете в виду фрагментацию в ландшафтном масштабе (например, в результате вырубки ранее сплошного леса) или «фрагментированное» распространение видов на уровне страны (например, вид, который встречается в пяти областях/регионах страны? с большими промежутками между ними)?
Я не думал, что предпосылка вопроса была черно-белой и ясной. На самом деле кажется, что вы хотите получить четкий ответ на сложную для измерения и определения тему. Фрагментация видового ареала эфемерна и . цитировать. горб в структуре видового богатства трудно связать с мерами фрагментации.

Ответы (1)

Очень интересный вопрос +1. Я не очень хорошо знаком с литературой по этому вопросу, но я не нашел многого, поискав ее. Я знаю, что существует ряд методов, когда у вас есть генетические данные ( СТРУКТУРА или какая-то работа J. Novembre , вероятно).

Вот два возможных решения

примерка Икс распределения

Вы можете подобрать 1, 2, 3, ...., n нормальных (или равномерных) распределений к наблюдаемым данным. Каждый раз сравнивайте их максимальную вероятность (для чего вам может понадобиться MCMC с параметрами 2⋅x, где 0 ≤ Икс ≤ н это количество подходящих дистрибутивов) и выберите «лучшую» модель с некоторым информационным критерием, таким как AIC или BIC.

Количество фрагментов равно Икс значение, связанное с самым низким AIC.

Логистическая регрессия

Другим (более быстрым и простым) решением было бы применить логистическую регрессию к вашим данным.

Итеративно подобрать логистическую регрессию степени 1,2,3,...n, а затем снова использовать некоторые информационные критерии для выбора «лучшего».

Чтобы найти количество фрагментов, вы можете либо использовать количество градусов в модели, либо, что еще лучше, использовать некоторый порог вероятности получения нуля (который вы можете вычислить с помощью пакета эффектов в R).

Заметки

Это, вероятно, займет у вас день или около того, если вы хорошо разбираетесь в этих методах и имеете начальные знания в области программирования.

Вы также можете узнать мнение от stats.SE .

Тоже очень интересный ответ! Я рассмотрю оба подхода. О мнениях из stats.SE: Можно ли связать этот вопрос с перекрестной проверкой или мне нужно опубликовать там новую тему?
Многие люди не любят кросспостинг. Я бы посоветовал принять текущий ответ здесь раньше, а затем задать свой вопрос на stats.SE, обязательно добавив ссылку на текущий пост на stats.SE. Вы также можете связать пост stats.SE здесь.
Оценка фрагментации ареала вида
СпросиСетьПолитика конфиденциальности1y, 0v