거주자의 규모 조정 패턴

공간 생태학 및 거시 생태학에서 점유 면적(AOO)이라고도 하는 점유 패턴(SPO)은 종 분포가 공간 규모에 걸쳐 변화하는 방식이다. 물리 지리학이나 이미지 분석에서 수정 가능한 영역 단위 문제와 유사하다. 사이먼 A. 레빈(1992)은 ^[1]척도에 걸쳐 현상을 연관시키는 문제가 생물학과 모든 과학의 중심 문제라고 말한다. 따라서 SPO를 이해하는 것은 생태학에서 중요한 주제 중 하나이다.

패턴 설명

이 패턴은 종종 로그 변환된 곡물(셀 크기) 대 로그 변환된 점유로 표시된다. 쿠닌(1998)은 로그 로그 선형 SPO를 제시했고 종 분포에 대한 프랙탈 특성을 제안했다.^[2] 그 후 그것은 과대포장 과정을 반영하여 로지스틱적인 형태를 따르고 있는 것으로 나타났다. 더욱이, SPO는 특정 내 점유-부유 관계와 밀접한 관련이 있다. 예를 들어, 개인이 우주에 무작위로 분포하는 경우, α 크기 셀의 개인 수는 포아송 분포를 따르는데, 점유율은_α P = 1 - exp(-μα), 여기서 μ는 밀도다.^[3] 분명히 랜덤하게 분포된 개인에 대한 이 포아송 모델에서 P는_α 또한 SPO이다. 음의 이항 분포와 같은 다른 확률 분포는 무작위 분포가 아닌 개인에 대한 SPO와 거주-부유 관계를 설명하는데 적용할 수도 있다.^[4]

는 박을 가리키는 데 사용될 수 있는 다른 occupancy-abundance 모델 model,[6]그는 Gaston's[7]그 종의 의미이고 분산 distribution,[8]과 후이와 McGeoch의droopy-tail 여과 모드 사이에 테일러의 힘의 법칙을 적용하여 부정적인 이항 모델을 향상시켰다 Nachman의 지수 model,[5]Hanski과 Gyllenberg의 metapopulation을 포함한다.el.[9] 생태학에서 SPO의 중요한 적용 중 하나는 존재-부여 데이터 또는 거주자만으로 종의 풍요를 추정하는 것이다.^[10] 이것은 존재감 있는 데이터를 얻는 것이 종종 비용 효율적이기 때문에 매력적이다. 후이 외 ^[11]연구진은 5개의 하위 테스트와 15개의 기준으로 구성된 딥스위치 테스트를 사용하여 SPO를 사용하는 것이 조립 규모 지역 풍부성 추정에 강력하고 신뢰할 수 있음을 확인했다. SPO의 다른 적용은 생물다양성 보존에 매우 가치 있는 개체군의 추세 식별을 포함한다.^[12]

설명

관측된 점유 규모에 대한 설명을 제공하는 모델에는 프랙탈 모델, 교차 척도 모델 및 베이시안 추정 모델이 포함된다. 프랙탈 모델은 경관을 크기가 다른 사분면으로 나누거나,^[13][14] 특수한 폭 대 길이 비율(2:1)의 격자로 이등분하여 구성할 수 있으며,^[15][16] 다음과 같은 SPO를 산출한다.

${\displaystyle P_{a}=P_{0}a^{D/2-1}\,}$

여기서 D는 박스 카운트 프랙탈 차원이다. 각 단계 동안 쿼드라트를 q 하위 쿼드로 나눈다면, 하위 쿼드라트의 일정 부분(f)이 프랙탈 모델에도 존재한다는 것을 알 수 있을 것이다. 즉, D = 2(1 + 로그 //log q)이다. f가 척도 독립적이라는 이러한 가정이 본질적으로 항상 있는 것은 아니기 때문에, ^[17]= = q^−λ (λ는 상수)라는 보다 일반적인 형태의 ƒ을 가정할 수 있으며, 이는 교차 척도 모형을 산출한다.^[18]

${\displaystyle P_{a_{j}}=f_{0}f_{1}\cdots f_{j}\,}$

베이시안 추정 모델은 다른 사고방식을 따른다. 위와 같은 최적 모델을 제공하는 대신에, 다른 척도의 점유율은 특정 척도의 점유뿐만 아니라 공간 자기 상관에 기초하여 베이시안 규칙에 의해 추정할 수 있다. 베이지안 추정 모델의 경우,^[19] Hui 등에서는 공간 자기 상관 SPO 및 가입 카운트 통계를 설명하기 위해 다음과 같은 공식을 제공한다.

${\displaystyle p\,{(4a)_{+}=1-{\frac {{\오메가}^{4}{\mho}}}}}$

${\displaystyle q\,{(4a)_{+/+}}={\frac {{\Omega }^{10}-2\,{\Omega }^{4}\,{\mho }^{2}+{\mho }^{3}}{{\mho }^{2}\,\left(-{\Omega }^{4}+\mho \right)}}}$

여기서 Ω = p(a)₀ - q(a)_0/+p(a)₊ 및 $\mho {\displaystyle }$ ${\displaystyle \mho }$ $$= p(a)(₀1 - p(a)(₊²2q(a)_+/+ - 3) + p(a)(₊a) + p(a) + ₊q(a)_+/+²는 점유자이고, q(a)_+/+는 점유한 쿼드라트의 인접 쿼드랫도 점유하는 조건부 확률이다. 조건부 확률 q(a)_0/+ = 1 - q(a)_+/+는 점유된 q(a)에 인접한 쿼드레이트 내의 부재 확률이며, a와 4a는 낟알이다. 베이지안 추정 모델의 R-코드는 다른 곳에서 제공되었다 [17]. 베이시안 추정 모델의 핵심은 점유와 공간 패턴으로 측정한 종 분포의 스케일링 패턴을 척도 전체에 걸쳐 추론할 수 있다는 점이다. 이후, Hui는^[20] 지속적으로 변화하는 척도를 위해 베이시안 추정 모델을 제공한다.

${\displaystyle P_{a}=1-bc^{2a^{1/2}}h^{a}\,}$

여기서 b, c, h는 상수다. 이 SPO는 b = c = 1일 때 포아송 모델이 된다. 같은 논문에서 베이지안 모델에서는 조인 카운트 공간 자기 상관 및 다종 연관(또는 공동 발생)의 스케일링 패턴도 제공되어 "베이지안 모델은 종 스케일링 패턴의 통계적 본질을 파악할 수 있다"고 제안했다.

생물학적 보존에 대한 시사점

범위 크기가 줄어들수록 종 멸종과 생태계 붕괴 확률은 급격히 증가한다. IUCN 종 적목록 또는 IUCN 생태계 적목록과 같은 위험 평가 프로토콜에서 점유 영역(AOO)은 공간적으로 명시적인 위협에 대해 확산되는 위험의 표준화되고 보완적이며 광범위하게 적용할 수 있는 척도로 사용된다.^[21][22]

참조