Оптимизация данных-предикторов моделей пространственного распространения видов (SDM)

Орлов, М.А.; Шелудков, А.В.

Авторы: Орлов М.А., Шелудков А.В.
Сборник: Всероссийская конференция «Современная наука о растительности», посвященная 90-летию кафедры геоботаники биологического факультета МГУ. г. Москва - Звенигородская биостанция МГУ. 10-13(14) октября 2019 г.: Тезисы докладов
Тезисы
Год издания: 2019
Место издания: Москва
Первая страница: 131
Последняя страница: 132
Аннотация: Модели пространственного распределения (также называемые моделипространственного распространения, species distribution models, SDM) применяются для выявления связи между местами фактического обнаружения (локалитетами) видов организмов и условиями окружающей среды. Основой SDM является машинное обучение с учителем (supervised machine learning) — группа методов статистической обработки и экстраполяции данных. Различия между доступными методами пространственного распространения состоят в используемых алгоритмах, способности обобщать взаимосвязи между наблюдениями (локалитетом) и значениями предикторов, а также тем, используют ли они предсказания во времени или пространстве. Отличаться могут также формат зависимой переменной, тип переменных-предикторов, вид выходных данных и др. (Naimi, Araujo, 2016) Несмотря на активное развитие моделей пространственного распределения видов, в русскоязычной литературе им посвящены единичные публикации (Dudov, 2017). Важной задачей при построении SDM является выбор переменных, описывающих некоторые биотопы. Он может быть основан на знаниях о биологии конкретных видов, соответствующей экологической нише и лимитирующих факторах. Показано (Dudov, 2017), что особенности рельефа имеют большее значение при моделировании стенотопных растений, а данные дистанционного зондирования — эвритопных видов. Другой подход состоит в оценке физического содержания предикторов, поскольку они могут оказаться коррелирующими и/или малоинформативными при совместном использовании. Так, широко применяемые при построении SDM биоклиматические переменные базы данных WorldClim (http://www.worldclim.org/) включают в себя коррелирующие по определению переменные, в частности, полученные в результате математических преобразований других переменных. Наряду с физическим и географическим смыслом предикторы должны отвечать техническим требованиям построения моделей. Нарушения при выборе предикторов увеличивают статистический шум и снижают точность. В связи с этим целесообразны предварительный анализ данных, что возможно при помощи машинного обучения без учителя (unsupervised machine learning) и обзорной статистики, а также оценка влияния предикторов в работу уже полученных моделей. Они служат альтернативой обычно используемому в различных реализациях алгоритма Maxent тесту пермутации. Для того, чтобы обеспечить лучшую точность SDM, уместен индивидуальный подбор метода машинного обучения применительно к конкретной и исследовательской задаче и совместное использование разных моделей (ансамблей) (Naimi, Araujo, 2016). В данной работе авторы сосредоточились на выборе оптимальных предикторов для моделей пространственного распределения видов, а также на вкладе предикторов в уже полученные модели. Мы использовали метод максимальной энтропии (Maxent) — наиболее популярный метод машинного обучения, применяемый при построении SDM. Maxent реализован в виде самостоятельного программного обеспечения на языке Java, а также ряда библиотек языка R (Naimi, Araujo, 2016). В качестве предикторов распространения растений использованы биоклиматические данные из базы WorldClim, извлеченные с разрешением в 15’’ (секунд) для полуострова Крым (Россия) и острова Ванкувер (Канада). Выбор территорий исследования определяется их близкой площадью и полнотой данных о растительности (база данных GBIF, https://www.gbif.org/) при принадлежности к различным широтам и климатическим зонам. Использование таких территорий призвано выявить Всероссийская конференция «Современная наука о растительности»132 изменения в структуре биоклиматических данных (исследованной при помощи обзорного анализа данных) и вклада одних и тех же предикторов в работу классификаторов-моделей SDM. С этой целью проведен корреляционный анализ (коэффициент Пирсона), анализ главных компонент (PCA, используется для понижения размерности многомерных данных) и оценена многомерная структура данных (с помощью кластерного анализа). В случае Крыма удалось показать высокую корреляцию описывающих режим осадков переменных между собой и отрицательную — с переменными термального режима. Для острова Ванкувер наблюдается схожая, но заметно менее выраженная картина; однако коэффициент сезонности имеет высокую положительную корреляцию с показателями температуры, а не режимом осадков. Анализ главных компонент (PCA) также указал на определенную вырожденность переменных двух данных групп и позволил оценить величину их вклада в дисперсию набора данных. Как и ожидалось, схожие по физическому содержанию (например, максимальная температура самого теплого квартала и самого теплого месяца) и полученные арифметическим преобразованием из других (изотермальность, температурная сезонность, месячный и годовой разбросы температуры) скоррелированы и вносят сравнительно мало новой информации при совместном использовании. Кластерный анализ продемонстрировал возможность предварительного анализа набора данных-предикторов. Опираясь на полученные данные, мы удалили часть менее информативных предикторов из исходного набора (6 из 19). Оба набора для полуострова Крым были использованы для получения моделей пространственного распространения Pimpinella tragium, места фактического нахождения для которого извлечены из GBIF. Основой для них послужили как реализованный в библиотеке языка R алгоритм максимальной энтропии, так и ряд других (включая классификаторы случайный лес, наивный байесовский и т.д.), что сделало возможным сравнение их результатов и показателей работы. В большинстве случаев предсказанные ареалы оказались близки; точность моделей — сопоставима. Примечательно, что удаление переменных при получении редуцированного набора данных (треть общей информации) не сопровождалось ухудшения точности при заметном снижении статистического шума. Таким образом, обзорный анализ позволил получить представление о имеющихся данных, верифицировать их и выбрать малоинформативные и скореллированые переменные-предикторы. Их удаление не привело к изменению структуры данных (выявлена с помощью кластеризации). Оптимизация предикторов снизила уровень статистического шума, служащего источником неточностей моделей.
Добавил в систему: Орлов Михаил Анатольевич

	ИСТИНА	Войти в систему Регистрация
	ИСТИНА ЦЭМИ РАН
	Главная Поиск Статистика О проекте Помощь

ИСТИНА

ИСТИНА ЦЭМИ РАН

Оптимизация данных-предикторов моделей пространственного распространения видов (SDM)тезисы доклада Тезисы

Прикрепленные файлы