澳大利亚皇家理工学院王艳副教授应邀到校进行学术报告

信息来源:数学与数据科学学院 发布日期: 2019-12-25

20191223日下午,澳大利亚皇家理工学院王艳博士应邀于百度展示厅开展题为“数据拟合及多物种模型”的报告,本次报告由陈玲菊副教授主持,应用统计系老师及部分外校老师参加。

首先,王艳博士介绍了在观察物种生活习性时可能存在的样本偏差:数据都是来自于人们活动的范围,而那些人们不常去或到达不了的地方就没有数据采集,如果只用这些有观察区域的数据(Presence Background Data,简称PB)做拟合,那么得到的结果可能与实际有很大得偏差。一种改善的方案是加入另一类特定考察的区域数据(Site-Occupancy Data,简称SO)。

王艳博士介绍了物种分布模型(SDM)的建模过程:先采集物种活动数据和环境协变量数据组成一张二维表,然后进行模型拟合、估计参数,最后就是利用模型预测该物种的生活习性。在详细介绍PB后,给出了一个物种—Bellied Glider PBSO的空间分布图。接下来介绍她思考的重点就是如何将两种数据结合在一起建模。王艳博士应用的是空间点过程模型(Spatial point process models,简称PPM),这种理论模型早先已经很成熟了,后面在生态物种建模中得到了很好的应用。对于PPM模型,报告先引入一种泊松分布的似然函数,然后以研究澳大利亚考拉为例,如果只用PB拟合会错误地得出考拉只在人类附近生活。一种改进就是先在PB的模型里面加上一个侦测概率得到一个改进的泊松似然函数,同时对SO也建立起一个似然函数。然后,通过一个共同的参数将两个似然函数模型结合,得到一个整合的物种分布模型(integrated SDM)。数据模拟对比发现用这种方法整合的物种分布模型估计的参数一般优于只用PBSO的模型。另一个问题是,采集SO成本比较高,那么至少要有多少个样本点才能满足模型改善需求?实证结果表明,当样本点达到200时模型就能达到很好的拟合效果。

讲座结束后,王艳博士又分享了她在澳大利亚的教学、科研情况的感受。讲座在互相交流中顺利结束。


王艳博士报告中