Resumo Técnico de ldmppr: Processos de Pontos Marcados Dependentes de Localização em R

Declaração do Problema

Modelos de processos pontuais são amplamente utilizados para analisar eventos que ocorrem no espaço e no tempo, frequentemente aumentados com "marcas" (atributos como tamanho ou tipo). Uma suposição simplificadora comum na literatura existente é que essas marcas são independentes das localizações espaciais dos pontos. No entanto, em muitos domínios científicos, particularmente na silvicultura, essa suposição é insustentável. Por exemplo, os tamanhos das árvores (volumes de copa) são frequentemente influenciados por covariáveis específicas da localização, como altitude, umidade do solo e luz solar, bem como pela distribuição espacial das árvores vizinhas.

Embora existam pacotes R como spatstat e ptProcess para análise de processos pontuais, eles frequentemente carecem da flexibilidade para modelar a dependência entre marcas e localizações, especialmente quando o padrão espacial exibe regularidade (inibição), onde os pontos tendem a se repelir mutuamente. Abordagens tradicionais para modelar regularidade, como processos de Gibbs, são computacionalmente caras devido a constantes de normalização intratáveis e à dependência de algoritmos MCMC. Há uma necessidade de um framework computacionalmente escalável que possa estimar, simular e avaliar modelos onde as marcas dependem tanto da localização espacial quanto do histórico do processo.

Metodologia

O artigo introduz o ldmppr, um pacote R que implementa um framework baseado em verossimilhança para processos de pontos marcados dependentes de localização caracterizados por regularidade. A metodologia central envolve mapear um processo de pontos marcados espacialmente em um processo de pontos marcado espaço-temporal, permitindo o uso de técnicas estabelecidas de estimação e simulação baseadas em verossimilhança.

1. Mapeamento Espaço-Temporal

Os autores estendem a abordagem mecanicista de Møller et al. (2016) e o processo de auto-correção de Isham e Westcott (1979).

• Mapeamento Temporal: Marcas primárias (por exemplo, tamanho da árvore) são mapeadas para tempos de chegada $t$ no intervalo $[0, 1]$ usando uma transformação de lei de potência:
  $$\tilde{T}_i = 1 - \left[ \frac{M_{i1} - \min(M_{j1})}{\max(M_{j1}) - \min(M_{j1})} \right]^\delta$$
  onde $\delta$ controla a forma do mapeamento. Esta ordenação processa os pontos da maior para a menor marca, condicionando o processo a um "ponto de ancoragem" (o ponto com a maior marca).
• Decomposição do Processo: A função de intensidade condicional $\lambda^*(t, y, x)$ é decomposta em:
  • Processo de Tempo de Chegada ($\lambda^*_1$): Um processo de auto-correção onde a intensidade diminui à medida que o número de eventos aumenta, impondo regularidade.
  • Processo Espacial ($h^*_2$): Uma função de interação baseada na distância euclidiana que define regiões circulares inibitórias ao redor de pontos existentes.
  • Processo de Marca Condicional ($g^*_3$): Um modelo flexível e não linear (por exemplo, Random Forest ou Gradient Boosted Trees) que prevê a marca secundária dado o tempo, a localização e as covariáveis.
  • Interação Espaço-Temporal ($f^*_4$): Um termo que regula a ocorrência conjunta de pontos no espaço e no tempo.

2. Estimação e Simulação

• Estimação de Parâmetros: O framework separa a estimação dos parâmetros espaço-temporais (via otimização de máxima verossimilhança usando a biblioteca nloptr) e os parâmetros do modelo de marcas (via aprendizado de máquina). Essa modularidade permite o uso de modelos não lineares complexos para marcas, mantendo a eficiência computacional para o processo espacial.
• Estratégias de Otimização: O pacote suporta várias estratégias de otimização, incluindo "local", "global_local" e "multires_global_local", utilizando algoritmos como NLOPT_GN_CRS2_LM e NLOPT_LN_BOBYQA.
• Simulação: Realizações são geradas usando uma função de intensidade integrada no tempo e amostragem por rejeição, permitindo a geração de novos padrões de pontos condicionados aos parâmetros estimados.

3. Ajuste de Modelo (Goodness-of-Fit)

O pacote emprega Testes de Envelope Global (GET) usando um conjunto de funções resumo não paramétricas (L, F, G, J, E e V) para avaliar o ajuste do modelo. Isso inclui testes combinados para controlar a multiplicidade através de distâncias e tipos de resumo.

Contribuições Principais

A contribuição primária é o pacote R ldmppr, que fornece um fluxo de trabalho modular para:

1. Estimar parâmetros para processos de pontos marcados de auto-correção com marcas dependentes de localização.
2. Treinar modelos flexíveis de aprendizado de máquina para a distribuição de marcas condicionais usando covariáveis espaciais e índices de competição.
3. Avaliar o ajuste do modelo via testes de envelope global e diagnósticos visuais.
4. Simular padrões de pontos realistas a partir do modelo ajustado.

O pacote é projetado para ser adaptável, permitindo que os usuários substituam componentes específicos (por exemplo, diferentes modelos de marcas ou estratégias de otimização) enquanto mantêm a estrutura geral.

Resultados

O artigo demonstra a utilidade do pacote usando um conjunto de dados florestais das Montanhas Rochosas do Sul, contendo localizações de árvores coníferas e volumes de copa, juntamente com covariáveis topográficas (Aspecto, Índice de Umidade, Altitude, Inclinação).

• Ajuste Inicial: Uma estimação de modelo inicial com uma grade grosseira e orçamento de otimização moderado resultou em um ajuste pobre (valor-p combinado = 0,002). Os envelopes simulados falharam em capturar a distribuição da distância ao vizinho mais próximo ($G(r)$) e a variância da marca ($V(r)$) dos dados de referência.
• Ajuste Refinado: Ao aumentar a resolução da grade, expandir o orçamento de otimização, utilizar uma estratégia de multi-resolução ("multires_global_local"), aumentar o número de inícios de otimização e refinar o treinamento do modelo de marcas (aumentando as dobras de validação cruzada e o tamanho da grade de ajuste), o ajuste do modelo melhorou significativamente.
• Resultado: O modelo refinado alcançou um valor-p do teste de envelope global combinado de 0,2819, indicando que os dados de referência são compatíveis com o modelo ajustado. Comparações visuais e histogramas confirmaram que o modelo aprimorado replicou com sucesso tanto a inibição espacial quanto a distribuição dos volumes de copa observados nos dados de referência.

Significado e Alegações

Os autores afirmam que o ldmppr oferece uma alternativa computacionalmente viável aos processos de Gibbs para modelar processos de pontos marcados regulares com dependência de localização. Ao aproveitar uma abordagem baseada em verossimilhança e separar as tarefas de modelagem espacial e de marcas, o pacote permite:

• Escalabilidade: Estimação e simulação eficientes para processos que seriam computacionalmente proibitivos com abordagens de Gibbs baseadas em MCMC.
• Flexibilidade: A capacidade de incorporar relações complexas e não lineares entre marcas e covariáveis espaciais usando técnicas modernas de aprendizado de máquina.
• Utilidade Prática: Um fluxo de trabalho simplificado para pesquisadores em ecologia, silvicultura e outros campos para gerar padrões de pontos realistas e avaliar rigorosamente o ajuste do modelo.

O artigo reconhece que a implementação atual foca em processos que exibem regularidade (inibição) e observa que o desenvolvimento futuro visa estender o framework para lidar com comportamentos de agrupamento, mantendo o foco em marcas dependentes de localização.