📊 statistics

ldmppr: Location Dependent Marked Point Processes in R

Dit artikel introduceert **ldmppr**, een R-pakket dat is ontworpen om locatie-afhankelijke gemarkeerde ruimtelijke puntprocessen te schatten, te simuleren, te evalueren en te visualiseren, waarmee de beperkingen van de aanname van onafhankelijkheid tussen markering en locatie in toepassingen zoals bosbouw worden aangepakt.

Oorspronkelijke auteurs: Lane Drew, Andee Kaplan

Gepubliceerd 2026-05-20

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Lane Drew, Andee Kaplan

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een boswachter bent die door een bos loopt. Je ziet bomen verspreid over het landschap. In de oude denkwijze gingen statistici uit van twee aannames:

De Bomen: Ze zijn willekeurig verspreid, zoals regendruppels die op een dak vallen (of misschien lichtjes elkaar afstoten zodat ze niet te dicht bij elkaar groeien).
De Maten: De grootte van elke boom (haar hoogte of volume) is volledig willekeurig en heeft niets te maken met waar ze staat.

Het Probleem: De auteurs van dit artikel betogen dat deze tweede aanname onjuist is. In de echte wereld wordt de grootte van een boom sterk beïnvloed door haar locatie. Een boom die op een zonnige, vochtige helling staat, zal enorm zijn, terwijl een boom in een droge, rotsachtige vallei klein zal zijn. De "grootte" (het kenmerk) hangt af van de "locatie".

De Oplossing: De auteurs hebben een nieuw hulpmiddel ontwikkeld genaamd ldmppr (uitgesproken als "L-D-M-P-R"). Denk aan dit hulpmiddel als een geavanceerde digitale bos-simulator die dit verband tussen locatie en grootte begrijpt.

Hieronder wordt uitgelegd hoe het artikel het hulpmiddel beschrijft, met gebruikmaking van eenvoudige analogieën:

1. De "Tijdsreizen"-Truc

De wiskunde achter het hulpmiddel is complex, maar de kernidee is slim. De auteurs beseften dat het modelleren van "bomen die elkaar afstoten" zeer moeilijk direct te doen is. Dus verzonnen ze een tijdsreizen-truc.

Ze doen alsof de grootste bomen in het bos de eerste waren die in een tijdlijn "aankwamen", en de kleinste bomen als laatste. Door Grootte om te zetten in Tijd, kunnen ze een bekende, eenvoudigere methode gebruiken die een "zelfcorrigerend proces" wordt genoemd.

De Analogie: Stel je een drukke kamer voor waar mensen hun persoonlijke ruimte willen behouden. Als je dit direct probeert te modelleren, is het rommelig. Maar als je je voorstelt dat mensen één voor één de kamer binnenkomen, en elke nieuwe persoon de afstand controleert tot iedereen die al binnen is voordat hij een plek kiest, wordt het veel eenvoudiger om te berekenen. Het pakket ldmppr doet precies dit: het behandelt de grootste bomen als de "eerste aankomsten" en de kleinste als de "laatste aankomsten" om de wiskunde werkend te maken.

2. De Tweedelige Motor

Het pakket werkt als een tweedelige motor die leert van echte data:

Deel A: De "Ruimte"-Motor (Het Zelfcorrigerende Model)
Dit deel leert de regels van de bosbodem. Het berekent hoeveel ruimte bomen tussen zich nodig hebben. Haten ze het om dicht bij elkaar te zijn? Groeperen ze zich? Het berekent de "afstotings"-regels zodat de gesimuleerde bomen niet over elkaar heen groeien of onrealistisch samenkomen.
Deel B: De "Grootte"-Motor (Het Machine Learning-model)
Dit deel leert de regels van de omgeving. Het kijkt naar kaarten (rasterafbeeldingen) die hoogte, zonlicht en bodemvochtigheid tonen. Het gebruikt een "slimme gis-machine" (zoals een Random Forest- of XGBoost-algoritme) om te voorspellen: "Als een boom op deze specifieke plek staat met deze hoeveelheid zon, hoe groot zal hij dan zijn?"

3. De Werkwijze: Leren, Controleren en Creëren

Het artikel schetst een eenvoudig drie-staps recept voor het gebruik van het hulpmiddel:

Leren (Schatting): Je voert het pakket een foto van een echt bos in (data) en een kaart van het terrein (covariaten). Het pakket voert een complexe optimalisatiespel uit om de perfecte instellingen te vinden voor zowel de "Ruimte"- als de "Grootte"-motor. Het probeert miljoenen combinaties om degene te vinden die het beste overeenkomt met jouw echte bos.
Controleren (Goedheid van Pass): Voordat je het hulpmiddel vertrouwt, vraag je het om 500 nep-bossen te genereren op basis van wat het heeft geleerd. Vervolgens vergelijk je de nep-bossen met het echte bos.
- De "Omhulseltest": Het artikel gebruikt een statistische test die een "Globaal Omhulsel" wordt genoemd. Stel je voor dat je een veiligheidszone tekent rond het gemiddelde van de nep-bossen. Als jouw echte bos buiten die zone valt, zegt het hulpmiddel: "Oeps, mijn model is verkeerd." Als het echte bos veilig binnen de zone blijft, is het model een goede fit.
Creëren (Simulatie): Zodra het model de test heeft doorstaan, kun je het gebruiken om gloednieuwe, realistische bossen te genereren. Je kunt zeggen: "Laat me zien hoe een bos eruit zou zien als de bodem vochtiger was," of "Genereer 100 mogelijke bossen voor deze specifieke berg."

4. Waarom Dit Belangrijk Is

Het artikel benadrukt dat hoewel er andere hulpmiddelen bestaan voor het bestuderen van puntpatronen (zoals het pakket spatstat), deze vaak aannemen dat boomgroottes willekeurig zijn, of te zwaar zijn om computationally te gebruiken.

ldmppr is speciaal omdat:

Het snel is: Het gebruikt een slimme wiskundige afkorting (de tijd-mapping-truc) in plaats van trage, brute-force methoden.
Het flexibel is: Je kunt de "Grootte"-motor vervangen door elk machine learning-model dat je maar wilt.
Het realistisch is: Het stelt wetenschappers eindelijk in staat om te zeggen: "De grootte van de boom hangt af van waar hij staat," en die relatie daadwerkelijk te modelleren.

De Conclusie

Het artikel presenteert ldmppr als een gebruiksvriendelijk R-pakket dat wetenschappers helpt complexe, realistische patronen te simuleren waarbij locatie de grootte bepaalt. Het zet een moeilijk wiskundig probleem om in een stap-voor-stap workflow: Kaart het terrein, leer de afstandsregels, leer de grootteregels, controleer of de simulatie er echt uitziet, en genereer vervolgens nieuwe scenario's.

De auteurs testten dit op een echte dataset van naaldbomen in de Rocky Mountains. Aanvankelijk faalde hun eenvoudige model (de nep-bomen leken niet op de echte). Maar door de "Ruimte"-motor te verfijnen en de "Grootte"-motor zorgvuldiger te trainen, bereikten ze een perfecte match, wat bewijst dat het hulpmiddel werkt voor echte bosbouwdata.

Technische Samenvatting van ldmppr: Location Dependent Marked Point Processes in R

Probleemstelling

Puntprocessmodellen worden veel gebruikt om gebeurtenissen die in ruimte en tijd plaatsvinden te analyseren, vaak aangevuld met "merken" (attributen zoals grootte of type). Een veelgemaakte vereenvoudigende aanname in de bestaande literatuur is dat deze merken onafhankelijk zijn van de ruimtelijke locaties van de punten. In veel wetenschappelijke domeinen, met name bosbouw, is deze aanname echter niet houdbaar. Bijvoorbeeld, de grootte van bomen (kruinvolume) wordt vaak beïnvloed door locatiespecifieke covariaten zoals hoogte, bodemvochtigheid en zonlicht, evenals door de ruimtelijke verdeling van naburige bomen.

Hoewel er R-pakketten zoals spatstat en ptProcess bestaan voor analyse van puntprocessen, ontbreekt het deze vaak aan de flexibiliteit om de afhankelijkheid tussen merken en locaties te modelleren, vooral wanneer het ruimtelijke patroon regelmaat (inhibitie) vertoont, waarbij punten de neiging hebben elkaar af te stoten. Traditionele benaderingen voor het modelleren van regelmaat, zoals Gibbs-processen, zijn rekenkundig duur vanwege onberekenbare normalisatieconstanten en afhankelijkheid van MCMC-algoritmen. Er is behoefte aan een rekenkundig schaalbaar kader dat modellen kan schatten, simuleren en evalueren waarbij merken afhankelijk zijn van zowel de ruimtelijke locatie als de geschiedenis van het proces.

Methodologie

Het artikel introduceert ldmppr, een R-pakket dat een op waarschijnlijkheid gebaseerd kader implementeert voor locatie-afhankelijke gemarkeerde puntprocessen die gekenmerkt worden door regelmaat. De kernmethodologie omvat het afbeelden van een ruimtelijk gemarkeerd puntproces op een gemarkeerd ruimtetijdpuntproces, waardoor gebruik kan worden gemaakt van gevestigde op waarschijnlijkheid gebaseerde schattingstechnieken en simulatietechnieken.

1. Ruimtetijdmapping

De auteurs breiden de mechanistische aanpak van Møller et al. (2016) en het zelfcorrigerende proces van Isham en Westcott (1979) uit.

Tijdsmapping: Primaire merken (bijvoorbeeld boomgrootte) worden afgebeeld op aankomsttijden $t$ in het interval $[0, 1]$ met behulp van een machtsverhoudingstransformatie:
$\tilde{T}_i = 1 - \left[ \frac{M_{i1} - \min(M_{j1})}{\max(M_{j1}) - \min(M_{j1})} \right]^\delta$
waarbij $\delta$ de vorm van de mapping bepaalt. Deze ordening verwerkt punten van grootste naar kleinste merkwaarde, waarbij het proces wordt geconditioneerd op een "ankerpunt" (het punt met de grootste merkwaarde).
Procesdecompositie: De conditionele intensiteitsfunctie $\lambda^*(t, y, x)$ $λ^{*} (t, y, x)$ wordt ontleed in:
- Aankomsttijdsproces ( $\lambda^*_1$ ): Een zelfcorrigerend proces waarbij de intensiteit afneemt naarmate het aantal gebeurtenissen toeneemt, waardoor regelmaat wordt afgedwongen.
- Ruimtelijk proces ( $h^*_2$ ): Een interactiefunctie gebaseerd op de Euklidische afstand die inhibitieve cirkelvormige gebieden rond bestaande punten definieert.
- Conditioneel merproces ( $g^*_3$ ): Een flexibel, niet-lineair model (bijvoorbeeld Random Forest of Gradient Boosted Trees) dat het secundaire merkt voorspelt op basis van tijd, locatie en covariaten.
- Ruimtetijdsinteractie ( $f^*_4$ ): Een term die het gezamenlijk voorkomen van punten in ruimte en tijd reguleert.

2. Schatting en Simulatie

Parameterschatting: Het kader scheidt de schatting van de ruimtetijdparameters (via maximum likelihood-optimalisatie met behulp van de nloptr-bibliotheek) en de parameters van het mermodel (via machine learning). Deze modulariteit maakt het gebruik van complexe niet-lineaire modellen voor merken mogelijk, terwijl de rekenkundige efficiëntie voor het ruimtelijke proces behouden blijft.
Optimalisatiestrategieën: Het pakket ondersteunt diverse optimalisatiestrategieën, waaronder "lokaal", "globaal_lokaal" en "multires_globaal_lokaal", met gebruikmaking van algoritmen zoals NLOPT_GN_CRS2_LM en NLOPT_LN_BOBYQA.
Simulatie: Realisaties worden gegenereerd met behulp van een tijdsgeïntegreerde intensiteitsfunctie en afwijzingssteekproeven, waardoor nieuwe puntpatronen kunnen worden gegenereerd die conditioneel zijn op de geschatte parameters.

3. Goetheitsheid

Het pakket maakt gebruik van Globale Omhullende Tests (GET) met een suite van niet-parametrische samenvattingsfuncties (L, F, G, J, E en V) om de modelpassing te beoordelen. Dit omvat gecombineerde tests om multipliciteit over afstanden en typen samenvattingen te controleren.

Belangrijkste Bijdragen

De primaire bijdrage is het ldmppr R-pakket, dat een modulaire werkstroom biedt voor:

Schatting van parameters voor zelfcorrigerende gemarkeerde puntprocessen met locatie-afhankelijke merken.
Training van flexibele machine learning-modellen voor de conditionele merdistributie met behulp van ruimtelijke covariaten en competitie-indices.
Evaluatie van modelpassing via globale omhullende tests en visuele diagnostiek.
Simulatie van realistische puntpatronen vanuit het gefitste model.

Het pakket is ontworpen om aanpasbaar te zijn, zodat gebruikers specifieke componenten kunnen vervangen (bijvoorbeeld verschillende mermodellen of optimalisatiestrategieën) terwijl de algehele structuur behouden blijft.

Resultaten

Het artikel demonstreert de bruikbaarheid van het pakket met behulp van een bosbouwdataset uit de Zuidelijke Rocky Mountains, die locaties van coniferen en kruinvolumes bevat, samen met topografische covariaten (Aspect, Vochtigheidsindex, Hoogte, Helling).

Initiële Passing: Een initiële modelschatting met een grof rooster en een gemiddeld optimalisatiebudget resulteerde in een slechte passing (gecombineerde p-waarde = 0,002). De gesimuleerde omhullingen slaagden er niet in de verdeling van de afstand tot de dichtstbijzijnde buur ( $G(r)$ ) en de merkwisseling ( $V(r)$ ) van de referentiedata te vangen.
Gefijnste Passing: Door de roosterresolutie te verhogen, het optimalisatiebudget uit te breiden, een meerresolutiestrategie ("multires_globaal_lokaal") te gebruiken, het aantal optimalisatiestarts te verhogen en de training van het mermodel te verfijnen (verhoging van het aantal cross-validatievouw en verkleining van het optimalisatiegrootte), verbeterde de modelpassing aanzienlijk.
Uitkomst: Het verfijnde model bereikte een gecombineerde p-waarde voor de globale omhullende test van 0,2819, wat aangeeft dat de referentiedata compatibel zijn met het gefitste model. Visuele vergelijkingen en histogrammen bevestigden dat het verbeterde model zowel de ruimtelijke inhibitie als de verdeling van de kruinvolumes die in de referentiedata werden waargenomen, succesvol nabootste.

Betekenis en Aanspraken

De auteurs beweren dat ldmppr een rekenkundig haalbaar alternatief biedt voor Gibbs-processen voor het modelleren van regelmatige, gemarkeerde puntprocessen met locatie-afhankelijkheid. Door gebruik te maken van een op waarschijnlijkheid gebaseerde aanpak en de ruimtelijke en mermodelleringsopdrachten te scheiden, maakt het pakket het mogelijk:

Schaalbaarheid: Efficiënte schatting en simulatie voor processen die met MCMC-gebaseerde Gibbs-benaderingen rekenkundig onhaalbaar zouden zijn.
Flexibiliteit: De mogelijkheid om complexe, niet-lineaire relaties tussen merken en ruimtelijke covariaten op te nemen met behulp van moderne machine learning-technieken.
Praktische Bruikbaarheid: Een gestroomlijnde werkstroom voor onderzoekers in ecologie, bosbouw en andere velden om realistische puntpatronen te genereren en de modelgoetheitsheid rigoureus te beoordelen.

Het artikel erkent dat de huidige implementatie zich richt op processen die regelmaat (inhibitie) vertonen, en merkt op dat toekomstige ontwikkeling erop gericht is het kader uit te breiden om clusteringsgedrag te behandelen, terwijl de focus op locatie-afhankelijke merken behouden blijft.