地理信息学与地统计学：概述

一旦观察结果被计数，对动物丰度分类的一般范式估计质量的评估

Niharika Dvivedi*

相对丰度指数被广泛用于观察生物种群。开发了一种通用分类范式来构建数据分类并进行有效性分析。这种方法适用于多种观察指标，观察点位于感兴趣的全球站点，并持续数天。总体指数的方差公式是使用线性混合模型得出的，应用数学检验和置信区间假设高斯分布的观察结果。然而，一些观察方法，如入侵追踪地块或相机陷阱，涉及带有多个零的计数，产生类似泊松的观察结果。为了填补高斯分析假设和泊松分布数据之间的推理空白，我们通过广泛的城市模拟研究评估了将高斯应用数学应用于从分布生成的数据时的方差估计和置信区间覆盖。当模拟泊松数据在实地研究范围内时（88-96% 的置信区间覆盖率），混合效应线性模型推定的高斯观测值在估计方差和置信区间方面表现良好。通过增加观察天数可以改善估计。当常规变异性很小时，置信区间覆盖率表现良好（即使观察天数很少），而有效估计结果为站点间变异性很好。这些结果为将总体分类范式应用于计数数据提供了基础，增强了方法的通用性，为研究风格提供了有价值的信息，并将在滥用计数信息时让从业者对其分析推论的有效性放心