北米の繁殖鳥の調査データからのモデリングの傾向：空間的に明示的なアプローチ

人口規模の間隔固有の比例変化として定義される人口の傾向は、多くの場合、保全の関心種を特定するのに役立ちます。このような傾向の効率的なモデリングは、人口の変化と主要な空間的および環境的共変量との相関関係の考慮に依存します。これにより、因果メカニズムに関する洞察が得られ、管理機関にとって興味深いスケールでの空間的に明示的な要約が可能になります。条件付きオートレーゼレッシング（CAR）モデルを使用して、時間的傾向の空間的に明示的なモデルを開発することにより、北米の繁殖鳥調査（BBS）で使用される階層モデリングフレームワークを拡張します。豊かさのために正式な空間モデルを採用することにより、空間的に明示的な豊富さと傾向の推定値を生成します。鳥の保全地域（BCR）などの大規模な地理的層に基づく分析は、空間サンプリングの基本的な不均衡に苦しむ可能性があります。私たちのアプローチは、BBSの基本的なサンプル割り当てユニットに基づいて明示的な重み付けを提供することにより、この問題に対処します。空間モデルをBBSの3つの種に適用しました。種は、よく知られている人口変化パターンに基づいて選択されており、モデルの質と推定の生物学的意味を評価できます。また、結果の階層モデルを使用してBCRで得られた結果と比較します（Sauer and Link 2011）。グローバルに、平均傾向の推定値は2つのアプローチ間で一貫していますが、空間推定値は、非空間分析では不十分な種類の範囲の地域ではるかに正確な傾向推定値を提供します。分析に空間コンポーネントを組み込むことで、人口の傾向に関連する生物学的に意味のある推定値を取得できるだけでなく、あらゆる分野のトレンド推定値を取得するために柔軟なフレームワークを提供することもできます。

Population trends, defined as interval-specific proportional changes in population size, are often used to help identify species of conservation interest. Efficient modeling of such trends depends on the consideration of the correlation of population changes with key spatial and environmental covariates. This can provide insights into causal mechanisms and allow spatially explicit summaries at scales that are of interest to management agencies. We expand the hierarchical modeling framework used in the North American Breeding Bird Survey (BBS) by developing a spatially explicit model of temporal trend using a conditional autoregressive (CAR) model. By adopting a formal spatial model for abundance, we produce spatially explicit abundance and trend estimates. Analyses based on large-scale geographic strata such as Bird Conservation Regions (BCR) can suffer from basic imbalances in spatial sampling. Our approach addresses this issue by providing an explicit weighting based on the fundamental sample allocation unit of the BBS. We applied the spatial model to three species from the BBS. Species have been chosen based upon their well-known population change patterns, which allows us to evaluate the quality of our model and the biological meaning of our estimates. We also compare our results with the ones obtained for BCRs using a nonspatial hierarchical model (Sauer and Link 2011). Globally, estimates for mean trends are consistent between the two approaches but spatial estimates provide much more precise trend estimates in regions on the edges of species ranges that were poorly estimated in non-spatial analyses. Incorporating a spatial component in the analysis not only allows us to obtain relevant and biologically meaningful estimates for population trends, but also enables us to provide a flexible framework in order to obtain trend estimates for any area.