Tittel: Accounting for spatial bias in citizen science observations of Norwegian freshwater fish by using an effort spatial field
Veileder: Robert Brian O’Hara
Sammendrag: Modellbasert dataintegrasjon gir et lovende rammeverk for konstruksjon av artsfordelingsmodeller ved bruk av folkeforsknings-data sammen med strukturerte data fra undersøkelser, men en vanlig utfordring er hvordan man skal forholde seg til romlige skjevheter i folkeforsknings-dataene i slike modeller.
Jeg implementerer en integrert artsfordelingsmodell ved å bruke to datasett med observasjoner av ferskvannsfisk i Norge: et strukturert datasett, og et folkeforskningsdatasett. Det antas en log-Gaussisk Cox-prosess for den underliggende fordelingen til dataene. I tillegg antas det individuelle observasjonsprosesser for hvert datasett, men med felles miljømessige kovariater og et felles romlig felt. Observasjonsprosessen for folkeforsknings-dataene blir også gitt et eget romlig felt som estimeres fra folkeforsknings-data alene. Dette lar oss estimere den romlige skjevheten til disse observasjonene.
Ved å sammenligne dette estimerte separate romlige feltet på tvers av fire forskjellige arter av ferskvannsfisk, ser vi at selv i fiskearter med svært forskjellige fordelinger, er det romlige feltet veldig likt. Når vi sammenligner varianter av integrerte modeller med en modell basert kun på undersøkelses-datasettet, yter de integrerte modellene konsekvent bedre enn modellen med bare ett datasett.
All inferens er utført med metodikken “Integrated nested Laplace approximation” (INLA), som gir god fleksibilitet og effektiv utregning.