Inferring resource selection and utilization distributions from irregular and error-prone animal tracking data

Resumen Técnico: Inferencia de la Selección de Recursos y Distribuciones de Utilización a partir de Datos de Seguimiento Animal Irregulares y con Errores

Planteamiento del Problema
Comprender la distribución de los animales e informar las estrategias de conservación depende de cuantificar con precisión la selección de hábitat y derivar distribuciones de utilización (UD) a partir de datos de telemetría. Los métodos tradicionales, como las Funciones de Selección de Recursos (RSF) y las Funciones de Selección de Pasos (SSF), a menudo asumen intervalos de muestreo regulares y un error de medición despreciable. Estas suposiciones se violan frecuentemente en sistemas marinos donde los datos se recolectan mediante sistemas Argos o Fastloc GPS, los cuales se caracterizan por intervalos de muestreo irregulares y una incertidumbre de localización significativa.

La práctica actual emplea típicamente un enfoque de "dos pasos": primero, filtrar los datos brutos para corregir el error de medición e imputar valores faltantes (a menudo utilizando modelos de espacio de estados como los paseos aleatorios correlacionados), y segundo, ajustar modelos de selección de hábitat a las ubicaciones corregidas. Este procedimiento desacoplado no logra propagar la incertidumbre desde la etapa de filtrado hacia la inferencia ecológica, lo que puede generar estimaciones sesgadas de los parámetros de selección de hábitat y UDs inexactas. Además, los modelos de difusión de Langevin impulsados por el hábitat estándar, que ofrecen un marco de tiempo continuo para vincular las decisiones de movimiento local con el uso del espacio a gran escala, han tenido dificultades históricas para incorporar el error de medición cuando las covariables del hábitat dependen de ubicaciones reales no observadas.

Metodología
Los autores proponen un marco unificado de una sola etapa que integra un modelo de difusión de Langevin impulsado por el hábitat con una formulación de espacio de estados para manejar simultáneamente el error de medición y la irregularidad temporal.

1. Modelo de Movimiento de Langevin: El movimiento del animal se modela como un proceso de difusión de Langevin subamortiguado. La distribución estacionaria del proceso de localización, $\pi$, se define como una Función de Selección de Recursos (RSF) dependiente de covariables espaciales. Esto asegura que la Distribución de Utilización (UD) a largo plazo sea estrictamente proporcional a la RSF. La dinámica está gobernada por ecuaciones diferenciales estocásticas (SDEs) que involucran un término de fricción, ruido Browniano y una deriva ambiental impulsada por el gradiente de la superficie de potencial logarítmico ($\nabla \log \pi$).
2. Modelo de Error de Medición: Las ubicaciones observadas se tratan como realizaciones ruidosas de las ubicaciones reales latentes, modeladas mediante un proceso Gaussiano de observación. Para los datos de Argos, la covarianza del error se deriva de las elipses de error proporcionadas; para Fastloc GPS, se utiliza una suposición de error circular.
3. Inferencia mediante Aproximación de Laplace y TMB: El desafío central es que las covariables del hábitat son funciones de las ubicaciones reales latentes (variables latentes). Para abordar esto, los autores utilizan el marco de Template Model Builder (TMB). Emplean la aproximación de Laplace para integrar sobre el espacio de alta dimensión de las ubicaciones y velocidades reales latentes. Crucialmente, esta implementación extrae los valores de las covariables y calcula los gradientes a partir de datos ráster durante el proceso de optimización, lo que permite al modelo contabilizar la incertidumbre de las covariables dependiente de las variables latentes. Esto permite una estimación de máxima verosimilitud (MLE) eficiente mediante diferenciación automática.
4. Restricciones Espaciales (Caso de Estudio de Narval): En la aplicación a los datos de narval, los autores incorporan restricciones espaciales directamente en la verosimilitud mediante términos de penalización. Se aplica una penalización a la distancia al cuadrado de las ubicaciones latentes respecto al agua para evitar que el modelo estime ubicaciones en tierra, mientras que penalizaciones adicionales en la velocidad y los parámetros de escala aseguran el realismo biológico.

Contribuciones Clave

• Marco Unificado: El artículo presenta la primera implementación en TMB de un modelo de espacio de estados capaz de manejar covariables que dependen de variables latentes. Esto permite la estimación simultánea de los parámetros de movimiento, los coeficientes de selección de hábitat y las trayectorias reales sin desacoplar la corrección de error de la inferencia ecológica.
• Eficiencia Computacional: Al combinar la aproximación de Laplace con la diferenciación automática en TMB, el método logra una inferencia de máxima verosimilitud rápida y escalable, lo que lo hace factible para ajustar modelos complejos a grandes conjuntos de datos (por ejemplo, 25,000 observaciones por ejecución de simulación) donde los enfoques basados en muestreo (como MCMC) serían computacionalmente prohibitivos.
• Implementación de Código Abierto: Los autores proporcionan un paquete de R de código abierto (langevinSSM) para simular y ajustar el modelo, facilitando la reproducibilidad y la adopción por parte de la comunidad de ecología del movimiento.

Resultos

• Estudio de Simulación: El Langevin SSM superó consistentemente al método tradicional de dos pasos.
  • Reducción del Sesgo: El método de dos pasos subestimó sistemáticamente la fuerza de la selección de hábitat, con estimaciones sesgadas hacia cero incluso bajo un error de medición bajo. En contraste, el Langevin SSM recuperó el signo y la magnitud de los parámetros de selección con un sesgo sustancialmente menor, incluso bajo un 50% de error de medición y altos niveles de datos faltantes.
  • Cobertura: El método de dos pasos no proporcionó intervalos de confianza válidos (0% de cobertura) para los parámetros de selección bajo error moderado o alto, mientras que el Langevin SSM mantuvo una cobertura entre el 85% y el 97%.
  • Recuperación de Trayectorias: El Langevin SSM recuperó trayectorias casi idénticas a las rutas simuladas reales, mientras que el método de dos pasos retuvo un ruido significativo.
  • Distribución de Utilización: El Langevin SSM preservó la verdadera UD (alta afinidad de Bhattacharyya), mientras que el método de dos pasos produjo UDs distorsionadas.
• Caso de Estudio de Narval: Aplicado a datos de telemetría de narval en Qikiqtaaluk, Canadá:
  • Selección de Hábitat: El enfoque unificado identificó una fuerte preferencia por aguas profundas (coeficiente estimado $\hat{\beta}_1 = -3.1$), mientras que el método de dos pasos produjo una señal mucho más débil y atenuada ($\hat{\beta}_1 = -1.1$).
    imabilidad de Parámetros:** El método de dos pasos produjo estimaciones implausiblemente altas para los parámetros de velocidad y persistencia (por ejemplo, estimaciones de velocidad alcanzando 522,420 km/h), indicando inestabilidad. El Langevin SSM produjo estimaciones biológicamente plausibles consistentes con el comportamiento conocido de los narvales.
  • Corrección Espacial: El modelo unificado logró desplazar un número sustancial de ubicaciones de "tierra" erróneas hacia el agua mediante su estructura de penalización, mientras que el método de dos pasos retuvo todos los puntos erróneos en tierra.

Significancia y Reivindicaciones
Los autores afirman que su enfoque aborda desafíos de larga data en la ecología del movimiento con respecto al error de medición y la irregularidad temporal. Al unificar las etapas de filtrado e inferencia, el método previene el sesgo de atenuación inherente a los procedimientos de dos pasos, lo que conduce a estimaciones más precisas de la selección de hábitat y las distribuciones de utilización. El artículo sostiene que este marco es aplicable a una amplia gama de taxones y entornos, particularmente en sistemas marinos donde la calidad de los datos suele estar comprometida. Los autores señalan que, si bien el método asume una relación lineal entre las covariables y la selección (y la estacionariedad), proporciona una base computacionalmente eficiente y flexible para futuras extensiones, tales como covariables que varían en el tiempo o esquemas de discretización más complejos para manejar grandes brechas de observación. El estudio enfatiza que la estimación conjunta del movimiento y la selección de hábitat es inherentemente superior al desacoplamiento, ya que la selección de hábitat influye fundamentalmente en la dinámica del movimiento.