NAGIOS: RODERIC FUNCIONANDO

Recent statistical advances and applications of species distribution modeling

Repositori DSpace/Manakin

IMPORTANT: Aquest repositori està en una versió antiga des del 3/12/2023. La nova instal.lació está en https://roderic.uv.es/

Recent statistical advances and applications of species distribution modeling

dc.contributor.advisor	Conesa Guillén, David
dc.contributor.advisor	Vicent Civera, Antonio
dc.contributor.author	Martínez Minaya, Joaquín
dc.contributor.other	Departament d'Estadística i Investigació Operativa	es_ES
dc.date.accessioned	2019-09-03T08:28:22Z
dc.date.available	2019-09-04T04:45:05Z
dc.date.issued	2019	es_ES
dc.date.submitted	30-07-2019	es_ES
dc.identifier.uri	https://hdl.handle.net/10550/71315
dc.description.abstract	En el mundo en que vivimos, producimos aproximadamente 2.5 quintillones de bytes de datos por día. Esta enorme cantidad de datos proviene de las redes sociales, Internet, satélites, etc. Todos estos datos, que se pueden registrar en el tiempo o en el espacio, son información que puede ayudarnos a comprender la propagación de una enfermedad, el movimiento de especies o el cambio climático. El uso de modelos estadísticos complejos ha aumentado recientemente en el contexto del estudio de la distribución de especies. Esta complejidad ha hecho que los procesos inferenciales y predictivos sean difíciles de realizar. El enfoque bayesiano se ha convertido en una buena opción para lidiar con estos modelos, debido a la facilidad con la que se puede incorporar la información previa, junto con el hecho de que proporciona una estimación de la incertidumbre más realista y precisa. En esta tesis, mostramos una visión actualizada del uso de las últimas herramientas estadísticas que han surgido en la aplicación de modelos de distribución de especies (SDMs) en contextos reales desde una perspectiva bayesiana, y desarrollamos nuevas herramientas metodológicas para resolver algunos problemas estadísticos que aparecieron en ese proceso. Con respecto a la aplicación de las últimas herramientas estadísticas en el contexto de los SDMs, los objetivos específicos han sido modelizar la producción de ascosporas Plurivorosphaerella nawae en la hojarasca de caqui; estudiar los factores espaciales y climáticos asociados con la distribución de la mancha negra de los cítricos causada por el hongo Phyllosticta citricarpa; analizar los efectos de la estructura genética y la autocorrelación espacial en los cambios de rango de distribución de las especies; y estudiar la distribución del delfín mular (Tursiops truncatus). Dos objetivos han marcado la parte más metodológica de la tesis: una revisión centrada en los problemas estadísticos en SDMs y la implementación de la regresión de Dirichlet bayesiana en el contexto de la aproximación de Laplace anidada integrada (INLA). La tesis que aquí presentamos es un compendio de ocho artículos y a continuación mostramos su estructura. En los cuatro primeros capítulos presentamos una introducción general que incluye una descripción de los objetivos (Capítulo 1), la base de la metodología empleada (Capítulos 2 y 3) y una descripción de los resultados obtenidos (Capítulo 4). En los ocho capítulos siguientes, mostramos todos los artículos que componen este compendio. Y por último, incluimos el Capítulo 13, donde se presentan algunas conclusiones y líneas futuras de investigación, seguido de una bibliografía genérica correspondiente a los capítulos introductorios.	es_ES
dc.description.abstract	In the world that we live, we produce approximately 2.5 quintillion bytes of data per day. This huge amount of data comes from social media, internet, satellites, etc. All these data, which can be recorded in time or in space, are information that can help us to understand the spread of a disease, the movement of species or the climate change. The use of complex statistical models has recently increased in the context of species distribution behavior. This complexity has made the inferential and predictive processes challenging to perform. The Bayesian approach has become a good option to deal with these models due to the ease with which prior information can be incorporated along with the fact that it provides a more realistic and accurate estimation of uncertainty. This Thesis is devoted to provide an updated vision of the use of the latest statistical tools that have been emerging in the application of species distribution models (SDMs) in real contexts from a Bayesian perspective, and to develop new methodological tools to solve some statistical problems appeared in that process. With regard to the application of the latest statistical tools in the context of SDMs, the particular objectives have been to model the production of Plurivorosphaerella nawae ascospores in persimmon leaf litter; to study the spatial and climatic factors associated with the distribution of the citrus black spot disease caused by Phyllosticta citricarpa; to analyze the effects of geographic genetic structure and spatial autocorrelation on species distribution range shifts; and to study the bottlenose dolphin Tursiops truncatus) distribution. Two goals have guided the most methodological part of the Thesis: a review with the focus in the statistical issues in Species Distribution modeling, and the implementation of Bayesian Dirichlet regression in the context of the integrated nested Laplace approximation (INLA). These two main objectives provide the following structure to the Thesis, which is a compendium of eight papers. The first four chapters are devoted to present a general introduction including a description of the objectives (Chapter 1), the basis of the methodology employed (Chapters 2 and 3) and a description of the results obtained (Chapter 4). The next eigth chapters are dedicated to display all the papers which compose this compendium. In particular, in Chapter 5, we present a paper where a hierarchical Bayesian beta regression is constructed to fit the dynamics of Plurivorosphaerella nawae ascospore production in the leaf litter. Chapters 6, 7 and 8 use geostatistical tools and hierarchical Bayesian logistic regression models to study the spatial and climatic factors associated with the distribution of the citrus black spot disease. In Chapter 9, we develop spatial hierarchical Bayesian beta regression models to analyze the effects of geographic genetic structure and spatial autocorrelation on species distribution range shifts. In Chapter 10, a non-stationary hierarchical Bayesian logistic model is employed to study the bottlenose dolphin (Tursiops truncatus) distribution. Chapters 11 and 12 are devoted to cover the most methodological part of this Thesis. We present a review with the focus in the statistical issues in Species Distribution modeling (Chapter 11), and a way to implement the Bayesian Dirichlet regression in the context of the integrated nested Laplace approximation (Chapter 12). The final part of the Thesis includes Chapter 13, where some conclusions and future lines of research are presented, and a generic bibliography corresponding to the introductory chapters.	en_US
dc.format.extent	320 p.	es_ES
dc.language.iso	en	es_ES
dc.subject	bayesian inference	es_ES
dc.subject	inla	es_ES
dc.subject	species distribution models	es_ES
dc.subject	geostatistics	es_ES
dc.title	Recent statistical advances and applications of species distribution modeling	es_ES
dc.type	doctoral thesis	es_ES
dc.subject.unesco	UNESCO::CIENCIAS DE LA VIDA::Biometría	es_ES
dc.subject.unesco	UNESCO::MATEMÁTICAS::Estadística	es_ES
dc.embargo.terms	0 days	es_ES