The second-order analysis of marked spatio-temporal point processes, with an application to earthquake data
为了分析标记时空点过程（MSTPPs）中的相互作用，我们引入了一般非齐次二阶强度加权平稳MSTPPs的标记（交叉）二阶约化矩测度和K函数.这些汇总统计数据使我们能够量化不同标记类别的点之间的依赖性，这些统计数据取决于所选择的特定标记空间和标记参考度量。我们还仔细研究了汇总统计量如何在假设下减少，例如MSTPP是多变量和/或平稳的。设计了一种新的独立标记检验，并推导出所有统计量的无偏负抽样估计。此外，我们对待Voronoi强度估计MSTPP，并表明其无偏性。最后，这些新的统计分析著名的安达曼海地震数据集。我们发现，集群发生在主震和前/余震几乎所有的空间和时间尺度。此外，我们发现的证据表明，有条件的地震的时空位置，震级不表现出像一个iid序列。
2016-11-15 stat.ME
Infill asymptotics for logistic regression estimators for spatio-temporal point processes
本文讨论强度函数为对数线性型的时空点过程的逻辑斯谛回归估计的填充渐近性。我们建立了Poisson点过程模型参数的强相合性和渐近正态性，并证明了这些结果如何推广到一般的点过程模型.此外，在适当的条件下，我们还将我们的中心极限定理推广到其他基于Campbell-Mecke定理的无偏估计方程。
2022-08-25 math.ST stat.TH
A J-function for inhomogeneous spatio-temporal point processes
提出了一种新的非均匀强度加权矩平稳时空点过程的汇总统计量。该统计量是通过点过程的n点相关函数定义的，当假设平稳时，它推广了J函数。我们表明，我们的统计量可以表示在生成功能方面，它是有关的非齐次K-函数。在一些特定的模型假设下，我们进一步讨论了它的显式形式，并得到了一个比率无偏估计。最后，我们说明了我们的统计模拟数据的使用。
2013-11-25 math.ST stat.TH
EcoCast: A Spatio-Temporal Model for Continual Biodiversity and Climate Risk Forecasting
Concordia University（康考迪亚大学）；Algoma University（阿尔戈马大学）
EcoCast通过多源数据和序列Transformer模型，实现持续的生物多样性和气候风险预测，提升非洲生态保护策略的科学依据。
2025-12-01 q-bio.QM stat.ML
A mechanistic-statistical species distribution model to explain and forecast wolf (Canis lupus) colonization in South-Eastern France
物种分布模型是生态学家了解和预测物种分布范围的重要统计工具。然而，标准的SDM并没有明确地包含像分散这样的动态过程。这一限制可能会导致对物种分布的推断出现偏差。在这里，我们采用的生态扩散理论，最近被引入统计生态学纳入生态模型的时空过程。作为一个案例研究，我们考虑了狼（狼〈动物〉>），自90年代初以来，它通过从亚平宁山脉的扩散，自然地使法国东部地区变得更加繁荣。利用偏微分方程模拟物种扩散和增长在一个破碎的景观，我们开发了一个机械统计时空模型占生态扩散，逻辑增长和不完善的物种检测。我们进行了模拟研究，并显示我们的模型的能力，i）估计生态参数在不同的情况下，对比物种检测概率和调查点的数量和ii）预测未来的分布。我们发现，在法国的狼人口的增长率是由森林覆盖率的比例，扩散的影响，人类密度和物种的可检测性增加调查工作。使用2007-2015年期间估计的参数，我们预测了2016年的狼分布，并发现与当年的实际检测结果吻合良好。我们的方法可能有助于管理与人类活动相互作用的物种，以预测潜在的冲突。
2020-02-17 q-bio.PE q-bio.QM stat.AP
Spatiotemporal modelling of sea duck abundance: implications for marine spatial planning
有效的海洋空间规划需要关于可能易受人为变化影响的生物资源的分布和丰度的信息。在北美，海洋鸟类的空间明确的丰度估计是必要的，以评估潜在的影响，从计划的海上风能开发（OWED）。海鸭在这方面特别相关，因为大多数北美物种的数量低于历史水平，欧洲的研究表明OWED。我们使用广义加性模型和条件丰度与广义可加模型的位置，规模和形状的物种占用建模，随后结合模型来估计无条件丰度。我们使用海鸭（普通绒鸭[Somateria mollissima]，黑苏格兰鸭[Melanitta americana]，冲浪苏格兰鸭[M. perspicillata]、白翅滨鹬[M. deglandi]和长尾鸭[Clangula hyemalis]），该地区是北美东部越冬海鸭最集中的地区之一，并提出了454 MW的OWED。我们的物种分布和丰度建模方法提供了几个有用的功能，包括（1）能够模拟所有的条件分布参数作为协变量的函数，（2）综合变量减少和选择之间的许多协变量，（3）综合模型选择，（4）有效地纳入平滑效应，以捕捉时空趋势解释不好的其他协变量。这种建模方法应被证明是有用的海洋空间规划者在选址OWED，同时考虑关键的栖息地和地区可能容易受到人为压力。此外，该方法同样适用于陆生或水生系统。
2017-05-01 stat.AP stat.ME
Navigating Challenges in Spatio-temporal Modelling of Antarctic Krill Abundance: Addressing Zero-inflated Data and Misaligned Covariates
针对南极磷虾丰度建模中零膨胀数据、协变量时空错位等多源异构数据整合难题，提出基于Hurdle-Gamma模型的综合分析框架，为磷虾保护与捕捞管理提供支撑。
2025-06-17 stat.AP stat.ME
Spatio-temporal Occupancy Models with INLA
本文提出利用INLA框架拟合复杂时空占用模型，通过将模型构建为潜在高斯模型，实现高效计算，并借助案例展示其处理空间趋势和随机效应的能力，为生态学提供灵活工具。
2024-03-15 stat.AP stat.ME
Detecting Regions of Maximal Divergence for Spatio-Temporal Anomaly Detection
Friedrich Schiller University Jena（耶拿弗里德里希·席勒大学）；Carl Zeiss AG（卡尔·蔡司股份公司）
在空间和时间变化测量中的异常的自动检测是若干领域中的重要工具，例如，欺诈检测、气候分析或医疗保健监控。我们提出了一种算法，用于检测异常区域的多变量时空时间序列，它允许发现感兴趣的部分，在大量的数据，包括视频和文本数据。在反对现有的技术用于检测孤立的异常数据点，我们提出了“最大发散间隔”（MDI）框架的无监督检测的相干空间区域和时间间隔的特点是高库尔贝克-莱布勒散度与所有其他数据相比。在这方面，我们定义了一个公正的库尔贝克-莱布勒散度，允许排名不同大小的区域，并显示如何使算法运行在大规模的数据集在合理的时间内使用的间隔建议技术。在气候分析、视频监控和文本取证等不同领域的合成和真实数据上的实验表明，我们的方法具有广泛的适用性，是在不同类型的数据中发现有趣事件的有价值的工具。
2019-07-23 cs.CV cs.LG stat.AP
Non-Separable Spatio-temporal Models via Transformed Gaussian Markov Random Fields
捕捉空间和时间动态的模型在许多科学领域都是适用的。在文献中引入了不可分离的时空模型来捕捉这些特征。然而，这些模型通常在构造和解释上都很复杂。我们引入了一类不可分离的变换高斯马尔可夫随机场（TGMRF），其中的依赖结构是灵活的，有利于简单的解释有关的空间，时间和时空参数。此外，TGMRF模型的优点是允许专家定义任何所需的边缘分布在模型的建设，而不会遭受时空混淆。因此，在TGMRF框架下使用时空模型导致了一类新的通用模型，例如时空伽马随机场，其可以直接用于对时空数据的泊松强度进行建模。所提出的模型被应用于确定重要的环境特征，影响的丰富的Nenia tridens，一个优势物种的蜗牛在一个研究充分的热带生态系统的变化，并描述其空间和时间的趋势，这是特别关键的人类世，一个时代的特点是人类引起的环境变化与气候和土地利用。
2020-05-11 stat.AP stat.ME
Algorithmic Bio-surveillance For Precise Spatio-temporal Prediction of Zoonotic Emergence
University of Chicago（芝加哥大学）
病毒性人畜共患病已成为最近流行病的主要驱动因素。人畜共患病病毒的人类感染要么是溢出事件-孤立的感染未能引起广泛的传染-要么是物种跳跃，成功适应新宿主导致大流行。尽管付出了昂贵的生物监测努力，但历史上的应急反应一直是反应性的和事后的。在这里，我们使用机器推理来展示高准确度的预测生物监视能力，旨在通过自动询问病毒蛋白质的大规模序列数据库来主动定位即将发生的物种跳跃。我们的研究结果表明，跳跃可能不纯粹是一个孤立的不幸的交叉感染的结果，在空间和时间局部;有微妙的，但可检测的模式的基因型变化积累在全球病毒种群导致出现。同时使用成千上万的蛋白质序列，我们训练模型，跟踪最大可实现的准确度，从表面蛋白质的初生结构中消除宿主嗜性的歧义，并显示逆分类准确度是跳跃风险的定量指标。我们在2009年猪流感爆发和2004年禽流感病毒库中出现H5 N1亚型A型流感的背景下验证了我们的主张;说明对全球病毒种群的询问可以明确地跟踪前几年的近单调风险升高，最终出现。
2018-01-23 cs.LG q-bio.PE stat.ML
Bayesian Source Apportionment of Spatio-temporal air pollution data
Politecnico di Milano（米兰理工大学）；University of California Irvine（加州大学欧文分校）
本文提出一种贝叶斯源解析模型，通过潜在功能因子模型和源特定收缩参数估计未知污染源数量并考虑时空依赖性，在模拟数据中验证了其准确性，并在加州PM$_{2.5}$数据中识别出3个主要来源。
2025-10-31 stat.AP stat.ME
Multivariate spectral downscaling for PM2.5 species
细颗粒物（PM2.5）是一种对人体健康有不利影响的空气污染物的混合物。了解PM2.5混合物及其单个物种对健康的影响一直是过去二十年的研究重点。然而，有限的可用性的形态PM2.5测量仍然是一个主要的挑战，在暴露评估进行大规模的人口为基础的流行病学研究。PM2.5的物种有复杂的时空和交叉依赖的结构，应占在估计每个组件的时空分布。空气质量数据的两个主要来源通常用于得出暴露估计值：点级监测数据和网格数值计算机模型模拟，如社区多尺度空气质量（CMAQ）模型。我们提出了一种统计方法，结合这两个数据源估计物种PM2.5浓度。我们的方法模拟监测测量和数值模型输出在不同的空间分辨率之间的复杂关系，我们模型的空间依赖性和交叉依赖PM2.5物种。我们应用该方法结合CMAQ模型输出与主要PM2.5物种的测量在美国接壤的2011年。
2019-09-05 stat.AP stat.ME
A New Perspective to Fish Trajectory Imputation: A Methodology for Spatiotemporal Modeling of Acoustically Tagged Fish Data
Virginia Commonwealth University（弗吉尼亚联邦大学）；William & Mary’s Virginia Institute of Marine Science（威廉与玛丽学院弗吉尼亚海洋科学研究所）
本文提出了一种基于模拟的鱼轨迹补全方法，利用马尔可夫链和随机游走原理，以改进声学标记鱼数据的时空建模。
2025-01-29 stat.AP stat.CO
An Integrated Time-Varying Ornstein-Uhlenbeck Process for Jointly Modeling Individual and Population-Level Movement of Golden Eagles
The Pennsylvania State University（宾夕法尼亚州立大学）；Muhlenberg College（穆伦堡学院）；Eagle Environmental Inc.（鹰环境有限公司）
本文提出了一种联合建模金雕个体和种群移动的随机微分方程模型，利用跟踪数据和物种分布数据提升预测能力。
2026-03-06 stat.AP
Modeling high and low extremes with a novel dynamic spatio-temporal model
针对现有动态时空模型难捕捉极值、空间极值模型多假设时间独立的问题，提出采用尾指数可变的轻重尾分布混合的新型动态时空模型，可识别时空极值相关性、量化不确定性并支持缺失值预测，经美国中部小时级颗粒物再分析数据集验证有效。
2025-08-02 stat.ME
A Zero-Inflated Spatio-Temporal Model for Integrating Fishery-Dependent and Independent Data under Preferential Sampling
本研究提出一种零膨胀时空模型，整合渔业依赖与独立数据，解决零膨胀和优先采样问题，模拟验证准确，并成功应用于欧洲沙丁鱼分布研究，为渔业管理提供洞见。
2025-09-11 stat.AP stat.ME
Quantifying Spatio-Temporal Variation of Invasion Spread
入侵物种的扩散可能会对环境和生态产生深远的影响。了解入侵传播模式和驱动入侵的潜在过程是预测和管理入侵的关键。我们结合了一套统计方法，以一种新的方式来表征当地的传播特性，并展示了它们的应用程序，使用模拟和历史数据入侵昆虫。我们的方法使用了一个高斯过程来拟合入侵等待时间的曲面，以表征传播的向量场。使用这种方法，我们估计与统计不确定性的速度和方向的蔓延在每个位置。分层扩散模型的仿真验证了该方法的准确性。我们展示了我们如何将当地的传播率与环境协变量联系起来，这两个案例研究是：舞毒蛾（舞毒蛾）的传播，以及北美的铁杉绵球蚜（松盖球蚜）。我们提供了一个R-包，自动计算任何空间参考的等待时间数据。
2018-10-10 q-bio.PE stat.ME
The GeoLifeCLEF 2023 Dataset to evaluate plant species distribution models at high spatial resolution across Europe
本文提出GeoLifeCLEF 2023数据集，整合约一万种欧洲植物的海量异质观测与高分辨率遥感、气候数据，用于评估高空间分辨率物种分布模型及其空间可迁移性，是首个大陆尺度细粒度植物物种组成预测基准。
2023-08-07 q-bio.PE stat.AP
Melding Wildlife Surveys to Improve Conservation Inference
针对多源野生动物调查数据难以单独支撑保护管理的问题，本文提出一种贝叶斯马尔可夫融合集成模型，融合航空与地面调查的密度估计以改进小草原松鸡时空趋势推断和未采样区域预测，并通过模拟与敏感性分析验证其优势。
2023-04-12 stat.ME
Species distribution modelling with spatio-temporal nearest neighbour Gaussian processes
1.）的人。在生态调查中，难以分析的时空数据集是常见的。有软件包可用于分析这些数据集，但其中许多需要高级编码技能。人们越来越需要易于使用的软件包，研究人员可以用它来分析常见的生态数据集2。我们开发了一个特定的广义线性混合模型的时空点参考数据，是足够灵活的，以适应大多数生态调查的数据，同时被结构化，以方便分析，而无需先进的编码。我们在staRVe包中的实现使用了最近邻高斯过程的计算效率版本，从而能够分析相对较大的数据集。3.）第三章一个简短的模拟研究表明，我们的模型产生准确的预测和预报，而卡罗莱纳州的鹪鹩调查的教程分析建议分析的建议工作流程。我们还分析了一个更复杂的黑线鳕科学调查，以展示我们的模型的能力。4.）我们的模型和软件包是可以很容易地添加到研究人员的工作流程中的工具，以帮助理解生态调查数据。我们强调我们的模型创建有用的可视化数据，然后可以导致识别物种分布的重要趋势的能力。
2021-10-05 stat.AP stat.ME
Spatio-temporal data mining in ecological and veterinary epidemiology
了解任何疾病的传播都是一项高度复杂和跨学科的工作，因为生物，社会，地理，经济和医学因素可能会影响疾病在人群中的传播方式以及最终控制或根除疾病的选择。疾病传播对动物和植物健康构成严重威胁，并对生态系统功能和物种保护产生影响，并通过粮食安全和人类潜在的疾病传播对社会产生影响。时空流行病学的概念是，病原体的各种特征与环境相互作用，以改变疾病发生的概率，并形成时间或空间模式。流行病学旨在识别这些模式和因素，评估相关的不确定性来源，并描述人群中的疾病。因此，疾病在人群中的传播与兽医传统上采取的主要关注个人健康状况的方法不同。疾病发生的模式通过调查哪些人受到影响、这些人位于何处以及何时受到感染，使人们了解哪些因素可能影响人口的健康。随着智能传感器、社交网络以及数字地图和遥感影像的快速发展，时空数据比以往任何时候都更加普遍和丰富。如此大的数据集（大数据）的可用性给数据分析带来了巨大的挑战。此外，计算能力的增加的可用性促进了用于分析此类数据的计算密集型方法的使用。因此，需要新的方法以及案例研究来了解兽医和生态流行病学。一个专门的问题，旨在解决这个问题。
2016-12-13 q-bio.PE stat.AP stat.CO
Point process models for spatio-temporal distance sampling data from a large-scale survey of blue whales
距离抽样是一种广泛使用的估计野生动物种群丰度的方法。事实上，传统的距离采样方法是部分设计为基础的约束空间分辨率，动物密度可以估计使用这些方法。估计数通常在调查层一级获得。对于像蓝鲸这样的濒危物种，最好是在比地层更精细的空间尺度上估计密度和丰度。空间结构的时间变化也很重要。我们制定的过程中产生的距离采样数据作为一个稀疏的空间点过程，并提出基于模型的推理使用空间对数高斯考克斯过程。该方法采用了灵活的随机偏微分方程（SPDE）的方法来模拟密度的空间结构，这是不占解释变量，并集成嵌套拉普拉斯近似（INLA）的贝叶斯推断。它允许同时拟合检测和密度模型，并允许在任意精细尺度上预测密度。我们估计蓝鲸密度在东热带太平洋从十三船上调查进行了22年。我们发现，较高的蓝鲸密度与太空中较冷的海面温度有关，尽管密度与年平均温度之间存在一些正相关，但我们的估计与多年来的密度趋势一致。我们的分析还表明，有大量的空间结构变化的密度，这是不能解释可用的协变量。
2017-06-22 stat.ME
Bias Correction in Species Distribution Models: Pooling Survey and Collection Data for Multiple Species
仅存在记录可以提供关于稀有物种分布的数据，但是由于其典型的随意收集方案，通常遭受大的未知偏差。在系统的、有计划的调查中收集的在场-缺席或计数数据更可靠，但通常不太丰富。我们提出了一个概率模型，允许联合分析的存在只有和调查数据，利用他们的互补优势。我们的方法汇集了许多物种的仅存在和存在-不存在数据，并最大限度地提高了联合可能性，同时估计和调整影响仅存在数据的采样偏差。通过假设所有物种的抽样偏差都是相同的，我们可以借用物种之间的力量来有效地估计偏差，并改进我们从仅存在数据中的推断。我们评估我们的模型的性能在澳大利亚东南部的36种真核生物的数据。我们发现，在场的唯一记录表现出强烈的抽样偏向海岸和悉尼，最大的城市。当给定物种的存在-不存在数据量很少时，我们的数据池技术大大提高了我们模型的样本外预测性能。如果我们只有一个给定物种的存在唯一的数据，没有存在不存在的数据，但这两种类型的数据遭受相同的空间抽样偏差的其他几个物种，那么我们的方法可以获得一个无偏估计的第一个物种的地理范围。
2014-08-07 stat.AP
Data fusion of distance sampling and capture-recapture data
物种分布模型（SDM）越来越多地用于生态学，地理学和野生动物管理，以了解物种-栖息地的关系和丰富的空间和时间。距离采样（DS）和捕获-再捕获（CR）是两种广泛收集的数据类型，以了解物种-栖息地关系和丰度，但由于缺乏空间覆盖，它们很少用于空间数据模型。然而，两个数据源的数据融合可以增加空间覆盖，这可以减少参数的不确定性，使预测更准确，因此，可以用于物种分布建模。我们开发了一种基于模型的方法，DS和CR数据的数据融合。我们的建模方法考虑了两个常见的缺失数据问题：1）缺失的个体是非随机缺失（MNAR）和2）部分缺失的位置信息。使用模拟实验，我们评估了我们的建模方法的性能，并将其与现有的方法进行比较，这些方法使用ad-hoc方法来解决缺失数据问题。我们的研究结果表明，我们的方法提供了无偏的参数估计与现有的方法相比，提高了效率。我们证明了我们的方法，使用收集的数据蚱蜢麻雀（Ammodramus savannarum）在美国堪萨斯州东北部。
2022-03-08 stat.AP stat.ME
Fast Bayesian inference for large occupancy data sets, using the Polya-Gamma scheme
近年来，物种发生的研究受益于大规模公民科学数据的增加。虽然来自标准化监测计划的丰度数据偏向于经过充分研究的分类群和地点，但可以从大量地点和长时间尺度获得许多分类群的机会数据。因此，这些数据提供了测量物种发生变化的机会，特别是通过使用占用模型，该模型解释了不完美的检测。然而，现有的贝叶斯占用模型应用于大型公民科学数据集时非常缓慢。在本文中，我们提出了一个新的框架，快速贝叶斯推断占用模型，占空间和时间的自相关。我们表示的占用和检测过程中的逻辑斯谛回归框架，这使我们能够使用Polya-Gamma方案进行推理快速，有效地，即使是非常大的数据集。空间和时间的随机效应建模使用高斯过程，使我们能够推断的强度的时空自相关的数据。我们将我们的模型应用于两个英国蝴蝶物种的数据，一个常见的和广泛的，一个罕见的，使用记录从蝴蝶的新千年数据库，产生占用指数跨越45年。我们的框架可以应用于广泛的类群，提供物种发生的变化，这是用来评估生物多样性变化的措施。
2021-07-30 stat.AP
Jaccard/Tanimoto similarity test and estimation methods
二进制数据在生物科学的广泛领域中使用。使用二元存在-不存在数据，我们可以评估物种共现，这有助于阐明生物体和环境之间的关系。为了总结物种出现之间的相似性，我们通常使用Jaccard/Tanimoto系数，这是它们的交集与联合的比率。这是自然的，然后，确定统计上显着的Jaccard/Tanimoto系数，这表明非随机的物种共存。然而，使用该相似系数的统计假设检验很少使用或研究。我们引入了一个假设检验的相似性生物存在-不存在的数据，使用Jaccard/Tanimoto系数。提出了几个关键的改进，包括无偏估计的期望和集中的Jaccard/Tanimoto系数，占发生概率。我们推导了精确解和渐近解，并发展了自举和测量浓度算法来计算二进制相似性的统计显著性。综合仿真研究表明，我们提出的方法产生准确的p值和错误发现率。所提出的估计方法比精确解快几个数量级。所提出的方法在名为jaccard的开源R包中实现（https：//cran.r-project.org/package=jaccard）。我们介绍了一套统计方法的Jaccard/Tanimoto相似性系数，使直接纳入概率的措施，分析物种共现。由于它们的一般性，所提出的方法和实施方式适用于从基因组学、生物化学和其他科学领域产生的广泛的二进制数据。
2019-03-27 stat.AP stat.CO stat.ME
