Geoinformática y geoestadística: descripción general

Evaluación de la calidad de la estimación de un paradigma general para la categorización de la abundancia animal una vez que las observaciones son contadas

Niharika Dvivedi*

Los índices de abundancia relativa se aplican ampliamente para observar poblaciones de vida. Se desarrolló un paradigma de categorización general para estructurar la recopilación de información y realizar análisis de validez. Este enfoque es aplicable para varias métricas de observación, con observaciones creadas en estaciones a lo largo del mundo de interés y continuas durante muchos días. La fórmula de varianza para el índice general se derivó empleando un modelo lineal mixto, con pruebas matemáticas aplicadas e intervalos de confianza hechos presuntuosos de observaciones distribuidas gaussianas. Sin embargo, varias estrategias de observación, como intrusiones en parcelas de seguimiento o cámaras trampa, involucran conteos con varios ceros, lo que produce observaciones similares a Poisson. Para llenar este vacío inferencial entre los supuestos analíticos gaussianos y la información distribuida por Poisson, tendemos a evaluar, a través de un amplio estudio de simulación de ciudad, la estimación de la varianza y la cobertura del intervalo de confianza cuando se aplica la matemática aplicada gaussiana a la información generada a partir de una distribución. El modelo lineal de efectos mixtos de observaciones gaussianas presuntuosas tuvo un buen desempeño en la estimación de varianzas e intervalos de confianza una vez que la información de Poisson simulada estuvo dentro del rango encontrado en los estudios de campo (cobertura del intervalo de confianza del 88-96%). La estimación mejoró al aumentar la cantidad de días de observación. Las tasas de cobertura del intervalo de confianza tuvieron un buen desempeño (incluso con pocos días de observación) cuando la variabilidad normal fue pequeña, mientras que la estimación efectiva resultó en una excelente variabilidad de estación a estación. Estos resultados ofrecen una base fundamental para aplicar el paradigma de categorización general para contar información, fortalecen la generalidad del enfoque, ofrecen información valiosa para el estilo de estudio y tranquilizarán a los profesionales con respecto a la validez de sus inferencias analíticas una vez que se trate mal la información del recuento.