Resumen Técnico de ldmppr: Procesos de Puntos Marcados Dependientes de la Localización en R

Enunciado del Problema

Los modelos de procesos de puntos se utilizan ampliamente para analizar eventos que ocurren en el espacio y el tiempo, a menudo complementados con "marcas" (atributos como tamaño o tipo). Una suposición simplificadora común en la literatura existente es que estas marcas son independientes de las ubicaciones espaciales de los puntos. Sin embargo, en muchos dominios científicos, particularmente en la silvicultura, esta suposición es insostenible. Por ejemplo, los tamaños de los árboles (volúmenes de copa) suelen verse influenciados por covariables específicas de la ubicación, como la elevación, la humedad del suelo y la luz solar, así como por la distribución espacial de los árboles vecinos.

Aunque existen paquetes de R como spatstat y ptProcess para el análisis de procesos de puntos, a menudo carecen de la flexibilidad para modelar la dependencia entre marcas y ubicaciones, especialmente cuando el patrón espacial exhibe regularidad (inhibición), donde los puntos tienden a repelerse entre sí. Los enfoques tradicionales para modelar la regularidad, como los procesos de Gibbs, son computacionalmente costosos debido a constantes de normalización intratables y a la dependencia de algoritmos MCMC. Existe la necesidad de un marco escalable computacionalmente que pueda estimar, simular y evaluar modelos donde las marcas dependen tanto de la ubicación espacial como de la historia del proceso.

Metodología

El artículo introduce ldmppr, un paquete de R que implementa un marco basado en verosimilitud para procesos de puntos marcados dependientes de la ubicación caracterizados por regularidad. La metodología central implica mapear un proceso de puntos marcado espacialmente sobre un proceso de puntos marcado espacio-temporal, lo que permite el uso de técnicas establecidas de estimación y simulación basadas en verosimilitud.

1. Mapeo Espacio-Temporal

Los autores extienden el enfoque mecanicista de Møller et al. (2016) y el proceso de autocorrección de Isham y Westcott (1979).

• Mapeo Temporal: Las marcas primarias (por ejemplo, tamaño del árbol) se mapean a tiempos de llegada $t$ en el intervalo $[0, 1]$ utilizando una transformación de ley de potencias:
  $$\tilde{T}_i = 1 - \left[ \frac{M_{i1} - \min(M_{j1})}{\max(M_{j1}) - \min(M_{j1})} \right]^\delta$$
  donde $\delta$ controla la forma del mapeo. Este ordenamiento procesa los puntos desde la marca más grande hasta la más pequeña, condicionando el proceso sobre un "punto de anclaje" (el punto con la marca más grande).
• Descomposición del Proceso: La función de intensidad condicional $\lambda^*(t, y, x)$ se descompone en:
  • Proceso de Tiempo de Llegada ($\lambda^*_1$): Un proceso de autocorrección donde la intensidad disminuye a medida que aumenta el número de eventos, imponiendo regularidad.
  • Proceso Espacial ($h^*_2$): Una función de interacción basada en la distancia euclidiana que define regiones circulares inhibitorias alrededor de los puntos existentes.
  • Proceso de Marca Condicional ($g^*_3$): Un modelo flexible y no lineal (por ejemplo, Bosque Aleatorio o Árboles de Gradiente Aumentado) que predice la marca secundaria dado el tiempo, la ubicación y las covariables.
  • Interacción Espacio-Temporal ($f^*_4$): Un término que regula la ocurrencia conjunta de puntos en el espacio y el tiempo.

2. Estimación y Simulación

• Estimación de Parámetros: El marco separa la estimación de los parámetros espacio-temporales (mediante optimización de máxima verosimilitud utilizando la biblioteca nloptr) y los parámetros del modelo de marcas (mediante aprendizaje automático). Esta modularidad permite el uso de modelos no lineales complejos para las marcas mientras se mantiene la eficiencia computacional para el proceso espacial.
• Estrategias de Optimización: El paquete admite diversas estrategias de optimización, incluidas "local", "global_local" y "multires_global_local", utilizando algoritmos como NLOPT_GN_CRS2_LM y NLOPT_LN_BOBYQA.
• Simulación: Las realizaciones se generan utilizando una función de intensidad integrada en el tiempo y muestreo de rechazo, lo que permite la generación de nuevos patrones de puntos condicionados a los parámetros estimados.

3. Bondad de Ajuste

El paquete emplea Pruebas de Envoltura Global (GET) utilizando un conjunto de funciones de resumen no paramétricas (L, F, G, J, E y V) para evaluar el ajuste del modelo. Esto incluye pruebas combinadas para controlar la multiplicidad a través de distancias y tipos de resumen.

Contribuciones Clave

La contribución principal es el paquete R ldmppr, que proporciona un flujo de trabajo modular para:

1. Estimar parámetros para procesos de puntos marcados de autocorrección con marcas dependientes de la ubicación.
2. Entrenar modelos de aprendizaje automático flexibles para la distribución de marcas condicionales utilizando covariables espaciales e índices de competencia.
3. Evaluar el ajuste del modelo mediante pruebas de envoltura global y diagnósticos visuales.
4. Simular patrones de puntos realistas a partir del modelo ajustado.

El paquete está diseñado para ser adaptable, permitiendo a los usuarios sustituir componentes específicos (por ejemplo, diferentes modelos de marcas o estrategias de optimización) mientras mantienen la estructura general.

Resultados

El artículo demuestra la utilidad del paquete utilizando un conjunto de datos forestales de las Montañas Rocosas del Sur, que contiene ubicaciones de árboles coníferos y volúmenes de copa, junto con covariables topográficas (Orientación, Índice de Humedad, Elevación, Pendiente).

• Ajuste Inicial: Una estimación inicial del modelo con una cuadrícula gruesa y un presupuesto de optimización moderado resultó en un ajuste deficiente (valor p combinado = 0.002). Las envolturas simuladas no lograron capturar la distribución de la distancia al vecino más cercano ($G(r)$) ni la varianza de la marca ($V(r)$) de los datos de referencia.
• Ajuste Refinado: Al aumentar la resolución de la cuadrícula, expandir el presupuesto de optimización, utilizar una estrategia de múltiples resoluciones ("multires_global_local"), aumentar el número de inicios de optimización y refinar el entrenamiento del modelo de marcas (aumentando los pliegues de validación cruzada y el tamaño de la cuadrícula de ajuste), el ajuste del modelo mejoró significativamente.
• Resultado: El modelo refinado logró un valor p de la prueba de envoltura global combinada de 0.2819, lo que indica que los datos de referencia son compatibles con el modelo ajustado. Las comparaciones visuales y los histogramas confirmaron que el modelo mejorado replicó con éxito tanto la inhibición espacial como la distribución de los volúmenes de copa observados en los datos de referencia.

Significado y Afirmaciones

Los autores afirman que ldmppr ofrece una alternativa computacionalmente viable a los procesos de Gibbs para modelar procesos de puntos marcados regulares con dependencia de la ubicación. Al aprovechar un enfoque basado en verosimilitud y separar las tareas de modelado espacial y de marcas, el paquete permite:

• Escalabilidad: Estimación y simulación eficientes para procesos que serían computacionalmente prohibitivos con los enfoques de Gibbs basados en MCMC.
• Flexibilidad: La capacidad de incorporar relaciones complejas y no lineales entre marcas y covariables espaciales utilizando técnicas modernas de aprendizaje automático.
• Utilidad Práctica: Un flujo de trabajo simplificado para investigadores en ecología, silvicultura y otros campos para generar patrones de puntos realistas y evaluar rigurosamente la bondad de ajuste del modelo.

El artículo reconoce que la implementación actual se centra en procesos que exhiben regularidad (inhibición) y señala que el desarrollo futuro tiene como objetivo extender el marco para manejar comportamientos de agrupamiento, manteniendo al mismo tiempo el enfoque en marcas dependientes de la ubicación.