Vliv chyb ve vstupních datech na kvalitu modelů druhové distribuce

Bc. Jakub Voska

Master's thesis

Effect of input data errors on the performance of species distribution models

Abstract:

Modely druhové distribuce jsou oblíbeným nástrojem používaným v ekologii a ochraně přírody. Jako každé modely jsou i tyto zatížené chybami, které jsou součástí vstupních dat. Konkrétně se jedná o data o druhu a data o prostředí, také označovány jako prediktory. V této práci bylo testováno, jak polohová chyba dat o výskytu druhů ovlivňuje kvalitu modelů druhové distribuce a zda míra ovlivnění modelů touto chybou souvisí s kvalitou prediktorů. Těmi byly 3 modely výšky vegetace, 2 byly vytvořeny z dat leteckého laserového skenování s 10letým rozdílem mezi nimi a jeden byl predikovaný globální model z dat GEDI. V neposlední řadě byl také posouzen vliv odlišné metody simulování polohové chyby na modely druhové distribuce. Testování probíhalo s využitím tzv. virtuálního druhu, jehož pravděpodobnost výskytu a z ní odvozená prezence/absence závisela na aktuální výšce vegetace z roku 2022. Z vytvořeného druhu byly dále získány sady nálezových dat, u kterých byly dvěma způsoby simulovány různé úrovně polohové chyby. Pro každou úroveň polohové chyby a model výšky vegetace byl vytvořen model predikující pravděpodobnost výskytu druhu. U těchto modelů byla následně hodnocena jejich predikční schopnost, a to běžně používanými metrikami, jako jsou AUC, Warrenův index I a Schoenerův index D. Z těch vyplývá, že polohová chyba v datech má na přesnost modelů zásadní vliv. Ten ale závisí na kvalitě prediktorů, které do modelu vstupují. Prediktory vysoké kvality produkují přesné modely, které jsou však polohovou chybou ovlivněny výrazněji než modely založené na prediktorech s vyšší mírou neurčitosti. U nich narůstající chyba nezpůsobuje natolik zásadní snížení přesnosti. Vyloučeno tak bylo synergické působení obou chyb současně. To otevírá diskuzi o tom, zda je nutné vybírat pouze polohově přesná data, pokud víme, že dostupné prediktory jsou omezené kvality. Nakonec bylo zjištěno, že odlišná metoda simulování polohové chyby nevede k rozdílným výsledkům.

Abstract:

Species distribution models are a popular tool used in ecology and nature conservation. Like all models, these are also burdened with errors that are part of the input data. Specifically, these include species and environmental data, also known as predictors. This study aimed to test how positional error in species occurrence data affects the quality of species distribution models and whether the degree of influence of this error on models is related to the quality of predictors. Three canopy height models were used, two created from airborne laser scanning data with a 10-year difference between them, and one predicted global model from GEDI data. Additionally, the impact of different methods of simulating positional error on species distribution models was assessed. Testing was conducted using a so-called virtual species, whose probability of occurrence and derived presence/absence depended on the current vegetation height from the year 2022. Data sets of occurences were then obtained from this created species, with positional error simulated in two ways. For each level of positional error and canopy height model, a model predicting the probability of species occurrence was created. The predictive ability of these models was subsequently evaluated using commonly used metrics such as AUC, Warren's I, and Schoener's D. It was found that positional error in the data significantly impacts the accuracy of models. However, this impact depends on the quality of predictors entering the model. High-quality predictors produce precise models, but they are significantly more affected by positional error than models based on predictors with higher uncertainty. For the latter, increasing error does not cause such a significant decrease in accuracy. Thus, the synergistic effect of both errors simultaneously was ruled out. This opens up a discussion about whether it is necessary to select only spatially accurate data if we know that the available predictors are of limited quality. Finally, it was found that a different method of simulating positional error does not lead to different results.

Keywords

modely druhové distribuce, polohová chyba, virtuální druh, vstupní data, AUC

Keywords

species distribution models, positional error, virtual species, input data, AUC

Language used: Czech

Date on which the thesis was submitted / produced: 29. 3. 2024

Thesis defence

• Date of defence: 20. 5. 2024
• Supervisor: doc. Ing. Vítězslav Moudrý, Ph.D.
• Reader: Lukáš Gábor, Ph.D.

Czech University of Life Sciences Prague

Faculty of Environmental Sciences

Master programme:
Spatial Sciences in the Environment