Evaluating multi-season occupancy models with autocorrelation fitted to heterogeneous datasets

기술 요약: 이질적 데이터셋에서의 자기상관을 고려한 다시즌 점유 모델 평가

문제 정의
불완전한 탐지(imperfect detection)를 고려한 점유 모델은 생태학에서 종 분포를 예측하는 데 표준적으로 사용된다. 그러나 대규모 자연인 데이터베이스(예: 시민 과학)는 단일 방문 데이터, 관측 누락(공간적 공백), 사이트당 조사 노력의 편중된 분포와 같은 높은 이질성을 특징으로 한다. 전통적인 점유 모델은 매개변수의 식별성(점유율 $\psi$와 탐지 확률 $p$의 분리)을 보장하기 위해 견고한 샘플링 설계(기본적인 기회 내 반복 방문)를 요구한다. 최근의 접근 방식들은 엄격한 반복 대신 공간적 및 시간적 무작위 효과를 사용하여 자기상관을 나타내는 "분할 반복(fractional replication)"을 제안하지만, 결측 데이터, 점유 및 탐지 서브모델 간의 공변량 중첩, 그리고 시공간적 관측 클러스터링이 지배적인 실제 데이터에 이 모델들을 적용했을 때 어떻게 작동하는지는 여전히 불분명하다.

연구 방법론
저자들은 세 가지 시뮬레이션 연구와 경험적 데이터 분석을 통해 공간 및 시간적 무작위 효과(Doser & Stoudt, 2024 기반)를 포함한 베이지안 다시즌 점유 모델을 평가하였다.

1. 시뮬레이션 설계:

   • 연구 1: Doser & Stoudt (2024)의 기본 설계를 재현하되, 공간적 감쇠(spatial decay)가 더 강한 경우(더 느린 공간적 감쇠)를 도입하여 공간적 감쇠 매개변수($\phi$)의 과대 추정이 점유율 추정에 영향을 미치는지 테스트하였다.
   • 연구 2: 나비 데이터셋에서 발견되는 조사 횟수의 편중된 분포(제로 조사 포함)를 모사하기 위해 베르누이 분포 기반의 조사 설계에서 포아송 분포 기반의 설계로 전환하였다. 이 연구에서는 공변량 중첩도 도입하였다:
     • 시나리오 2-1: 위도($L_i$)를 점유 공변량으로 설정.
     • 시나리오 2-2: $L_i$가 점유 및 탐지 모델 모두에 완전히 중첩됨.
     • 시나리오 2-3: $L_i$가 부분적으로 중첩됨.
   • 연구 3: 페놀로지(시간적 정점)와 관찰자 선호도(높은 노력이 집중된 공간적 "지점")를 시뮬레이션하기 위해 시공간적 클러스터링을 도입하였다. 여기에는 클러스터 내부 및 외부 모두에 존재하는 결측 데이터(공백) 시나리오가 포함되었다.
   • 평가: 저자들은 14,400개의 시뮬레이션 데이터셋을 분석하여 매개변수 식별성을 평가하였다. 평가 지표로는 점유율 추정치의 편향($\hat{\psi}_{it}$), 평균 제곱 오차(MSE), 그리고 국소적 식별성 또는 연장된 밀도 형태를 탐지하기 위한 매개변수 조합(예: $\hat{\phi}$ vs. $\hat{\sigma}^2$)의 등고선 플롯이 포함되었다. 모델 오설정(misspecification)은 probit 링크로 데이터를 생성하고 logit 링크로 적합시켜 테스트하였다.

2. 경험적 데이터 분석:

   • 모델은 프랑스 Nouvelle-Aquitaine 지역의 298,389개 나비 기록을 1 km² 격자 셀로 집계한 이질적 데이터셋에 적합되었다.
   • 두 종(Polyommatus icarus(Common Blue) 및 Lycaena dispar(Large Copper))이 분석 대상이었다.
   • 데이터 밀도와 공백 구조에 따른 성능을 테스트하기 위해 "Greater Bordeaux area"의 하위 집합과 전체 지역에 대해 분석을 수행하였다.
   • 사전-사후 중첩(PPO)을 계산하여 데이터가 사후 분포를 형성하는지, 아니면 사전 분포가 지배하는지를 평가하였다.

주요 결과

• 이질성 및 중첩에 대한 강건성: 모델은 조사 횟수의 편중된 분포(포아송 설계)와 점유 및 탐지 서브모델 간의 공변량 중첩에 대해 강건함을 입증하였다. 심각한 데이터 공백이 없는 시나리오에서 모델은 공변량이 점유와 탐지에 미치는 영향을 성공적으로 구분하였으며, 점유율 추정치는 진값에 대해 편향되지 않았다.
• 시공간적 공백의 영향: 시공간적 공백이 도입되었을 때(연구 3, 시나리오 3-2 및 3-3), 모델은 유의미한 편향을 보였다. 사이트 점유율 추정치($\hat{\psi}_{it}$)는 평균 점유율 쪽으로 편향되었으며, 이 평균값 자체도 과대 추정되었다. 이러한 "평균으로의 회귀" 현상은 시뮬레이션 내의 데이터가 풍부한 영역에서도 발생하였다.
• 식별성 문제:
  • 공간 매개변수: 공간적 감쇠 매개변수($\phi$)와 공간적 분산($\sigma^2$)은 약한 식별성을 보였다. 공간적 감쇠가 높고 분산이 낮은 시나리오에서 결합 사후 밀도는 연장된 형태를 띠었다. 모델은 자주 높은 $\phi$(짧은 자기상관 범위를 의미)를 추정하여, 공간적 무작위 효과를 구조화되지 않은 노이즈로 취급하였다.
  • 시간 매개변수: 시간적 자기상관($\rho$)과 분산($\sigma^2_T$)은 일관되게 과소 추정되어, 구조화되지 않은 시간적 무작위 효과를 생성하였다.
  • 결과: 이러한 식별성 문제는 모델이 데이터 공백의 영향을 보정하는 것을 방해하였다. 모델은 이웃으로부터 정보를 빌려오는 대신, 편향된 평균값을 반영하여 거의 일정한 예측치를 생성하였다.
• 경험적 결과: 경험적 분석에서 모델은 Greater Bordeaux 하위 집합에 대해서는 합리적인 평균 점유율 추세를 생성하였으나, 전체 데이터셋에 대해서는 어려움을 겪었다. 공간 및 시간적 자기상관에 대한 매개변수 추정치는 높은 사전-사후 중첩을 보여, 데이터가 사전 분포를 업데이트하기에 불충분함을 나타냈다. 공간적 무작위 효과는 짧은 범위의 자기상관(또는 없음)을 나타냈으며, 샘플링되지 않은 지역에 대한 예측은 평탄했다.

의의 및 주장
본 논문은 공간 및 시간적 자기상관을 가진 다시즌 점유 모델이 이질적인 샘플링 노력과 공변량 중첩에는 강건하지만, 심각한 시공간적 공백이 있는 데이터셋에 적용될 때는 실질적인 식별성 문제에 직면한다는 점을 주장한다.

저자들은 다음과 같이 결론짓는다:

1. "분할 반복(fractional replication)" 접근 방식(자기상관을 사용하여 반복 방문을 대체하는 방식)은 데이터 공백이 최소화되고 샘플링 설계가 고도로 클러스터링되지 않았을 때 잘 작동한다.
2. 그러나 (기회적 데이터셋에서 흔히 나타나는) 심각한 데이터 공백과 시공간적 클러스터링이 존재하는 경우, 모델은 분산과 자기상관 매개변수를 정확하게 추정하는 데 실패한다.
3. 이러한 추정 실패는 예측을 오염시켜, 사이트 수준의 점유율이 과대 추정된 전역 평균으로 회귀하게 만든다. 이는 데이터가 존재하는 지역에서도 발생한다.
4. 저자들은 이 모델이 무용하다고 주장하는 것이 아니라, 데이터 공백과 매개변수 식별성에 대한 신중한 평가가 필요함을 경고한다. 정보적 사전 분포(informative priors)를 사용하거나 대안적인 모델 구조(예: INLA를 통한 full Gaussian fields)를 사용하는 것이 특정 맥락에서 문제를 완전히 해결하지 못했음을 언급하며, 이는 희소하고 이질적인 데이터로부터 이러한 매개변수를 추정하는 데 근본적인 한계가 존재함을 시사한다.