New insights in bayesian survival analysis in ecology

• Autores: Blanca Sarzo Carles
• Directores de la Tesis: David Valentín Conesa Guillén (dir. tes.), Carmen Armero Cervera (dir. tes.), Jonas Hentati Sundberg (dir. tes.)
• Lectura: En la Universitat de València ( España ) en 2020
• Idioma: inglés
• Número de páginas: 156
• Tribunal Calificador de la Tesis: Klaus Langohr (presid.), María José Rodríguez Álvarez (secret.), Mark D. Brewer (voc.)
• Programa de doctorado: Programa de Doctorado en Estadística y Optimización por la Universitat de València (Estudi General) y la Universitat Politècnica de València
• Materias:
  • Matemáticas
    • Estadística
• Enlaces
  • Tesis en acceso abierto en: RODERIC
• Resumen
  • español

    La fauna silvestre está asediada. Y ésta no es solo una frase impactante con la que empezar una tesis, tristemente, es una realidad. En el último siglo, muchas especies han disminuido drásticamente, mientras que otras afrontan su extinción debido, principalmente, a los rápidos cambios (y a gran escala) ocurridos tanto en hábitats como en ecosistemas. El cambio climático, las especies invasoras, la caza ilegal y la sobrepesca son sólo algunas de las principales amenazas que afectan a las poblaciones de animales silvestres en la actualidad. Para abordar este problema, se requiere de un compromiso a todos los niveles, desde las comunidades locales hasta los gobiernos, pasando por los expertos, la educación y la investigación. De hecho, la investigación es una herramienta fundamental para la conservación de las poblaciones silvestres. Entender los factores que afectan a las poblaciones nos permite mejorar su gestión ası́ como su seguimiento, y por lo tanto, su conservación. En las últimas décadas ha habido un gran aumento en la cantidad (y la variedad) de datos recogidos en los sistemas ecológicos, lo que ha conducido al desarrollo de modelos estadı́sticos más complejos. Esta complejidad hace que el proceso inferencial sea difı́cil de llevar a cabo. La perspectiva de la estadı́stica Bayesiana aparece como una buena alternativa para realizar dicho proceso inferencial debido a los avances computacionales ocurridos en las últimas décadas. Además, permite incorporar de manera sencilla la información inicial (si existe y está diponible) ası́ como tiene en cuenta la incertidumbre relativa tanto a los modelos como a los parámetros. En este trabajo investigamos las probabilidades de supervivencia, de recaptura, de recuperación y las probabilidades de migración en el contexto de los modelos de captura-recaptura(-recuperación). Estos modelos tienen en cuenta la detección imperfecta de los individuos, algo muy habitual en los sistemas ecológicos. De hecho, si la detección imperfecta no se tiene en consideración en el modelo puede causar sesgos en las estimaciones de los parámetros. Este trabajo se enmarca en un contexto real, en concreto, el estudio de una colonia de aves marina, el Arao común (Uria aalge). Las aves marinas se consideran centinelas del mar. Los cambios en sus poblaciones reflejan los cambios producidos en el mar, por lo que se consideran bioindicadoras de cambios medioambientales. Asimismo, el cálculo de las probabilidades de supervivencia juvenil en aves marinas es difı́cil debido a la ecologı́a de las especies. Por todo ello, esta tesis no solo supone un reto a nivel estadı́stico sino también a nivel ecológico. Con todo esto en mente, la estructura de la tesis es la siguiente. El Capı́tulo 1 ofrece la motivación ası́ como una revisión general de los métodos de captura-recaptura(-recuperación) y los modelos estadı́sticos asociados. En este Capı́tulo presentamos en detalle los dos modelos utilizados: los modelos de Cormack-Jolly-Seber (CJS) y los modelos de marcaje-recaptura-recuperación (modelos integrados). Además, este capı́tulo ofrece una introducción a la estadı́stica Bayesiana, ası́ como una descripción de uno de los principales métodos para llevarla a cabo, los métodos Markov chain Monte Carlo (MCMC). Por último, concluimos este Capı́tulo con una breve explicación de los dos algoritmos de simulación básicos basados en Métodos Monte Carlo de cadenas de Markov más conocidos (Metropolis-Hastings y Gibbs sampler), junto con una relación de programas y páginas web para la implementación de una gran variedad de modelos de captura-recaptura(-recuperación). El Capı́tulo 2 ofrece el contexto ecológico de esta tesis. Para ello, presentamos la especie objeto de estudio, el Arao común, ası́ como la colonia de estudio, Stora Karlsö (Gotland, Suecia). En este capı́tulo destacamos algunas de sus principales caracterı́sticas ecológicas, caracterı́sticas que necesitaremos conocer para el desarrollo de modelos estadı́sticos biológicamente motivados. La parte principal de este Capı́tulo consiste en una descripción de las dos bases de datos que han motivado el desarrollo metodológico realizado en esta tesis: una base de datos de captura-recaptura y otra de marcaje-recaptura-recuperación. En los Capı́tulos 3, 4 y 5 presentamos los estudios desarrollados a lo largo de esta tesis. En particular, el Capı́tulo 3 ofrece estimaciones fiables de supervivencia juvenil para el Arao común. La novedad de este trabajo radica en que los individuos inmaduros de esta especie (y en general, de las aves marinas) no pueden ser observados debido a que pasan largas temporadas en el mar. Sin embargo, esta colonia tiene una caracterı́stica especial: una elevada proporción de individuos inmaduros son observados, lo que permite obtener dichas estimaciones fiables de supervivencia juvenil. Además, este trabajo representa una primera aproximación al problema del monitoreo parcial, el cual causa sesgos en las estimaciones de los parámetros de interés. Para ello, adoptamos una aproximación subjetiva Bayesiana, de manera que incorporamos información previa acerca de las áreas donde el problema de monitoreo parcial está presente. El Capı́tulo 4 incorpora una metodologı́a comúnmente utilizada en los estudios médicos de supervivencia en el contexto de los modelos de captura-recaptura en ecologı́a. En particular, mostramos cómo las historias de captura se presentan de manera diferente dependiendo de la escala temporal escogida. Además, en este Capı́tulo presentamos cómo el uso de la escala temporal alternativa presentada (la edad) permite una mejor interpretación de los parámetros del modelo cuando la edad es el principal interés en el estudio. Finalmente, en el Capı́tulo 5 ofrecemos un contexto integrado de marcaje-recaptura-recuperación para estudios parcialmente monitorizados. La información suministrada por los datos de anillamiento-recuperación permite corregir los sesgos en las estimaciones de supervivencia obtenidos con datos (solo) de captura-recaptura debido al monitoreo parcial. Además, debido al gran tamaño de la base de datos, el modelo lo presentamos en formulación multinomial, de manera que ofrecemos la expresión explı́cita y eficiente de la verosimilitud ası́ como los estadı́sticos suficientes asociados del modelo integrado propuesto. Tanto la corrección del problema de monitoreo parcial (muy extendido en especies coloniales), como la construcción de las m-arrays integradas y la eficiente verosimilitud suponen un paso adelante en este área, tanto desde un punto de vista aplicado como metodológico. Esta tesis concluye con el Capı́tulo 6, donde se presentan las conclusiones y algunas lı́neas futuras de investigación, seguido de la bibliografı́a utilizada.

  • English

    Wildlife is under siege. And this is not only a fancy sentence to start a thesis, sadly, it is a fact. Over the last century, many wildlife species have seriously declined and many others face their extinction due to rapid and large-scale changes in habitats and ecosystems. Climate change, invasive species, illegal hunting and overfishing are only some of the main threats affecting animal populations nowadays. To address these concerns will require commitment at all levels, from local communities to governments, as well as experts, education and research. Indeed, research is a fundamental tool for conservation. Understanding the factors affecting wildlife populations allow us to improve the management of animal populations and therefore, their conservation. The recently increase in the amount (and variety) of data collected on ecological systems has led to the development of more complex statistical models. This complexity has made the inferential process challenging to perform. The Bayesian approach arises as an alternative to address these issues due to the computational advances occurred in the last decades. Further, prior information (if available) can be easily incorporated as well as this approach takes fuller account of the uncertainties related to models and parameters. In this work we investigate survival, recapture, recovery and migration probabilities in the context of capture-recapture(-recovery) models. These models account for imperfect detection, a common issue in ecological systems. Indeed, if imperfect detection is not taken into account, it may cause biases in estimated demographic parameters of interest. The context of this work is a real one, in particular, a seabird species, the common guillemot (Uria aalge). Seabirds are sentinels of the sea. Their populations reflect conditions over large spatial and long term scales, making them bioindicators of environmental change. Further, the estimation of juvenile survival probabilities in seabirds is far from simple, mainly due to their ecological characteristics. Therefore, this thesis supposes not only a challenge from statistical perspective but also from ecological one. With all this in mind, this thesis is structured as follows. Chapter 1 is devoted to provide the motivation along with an overview of the capture-recapture methods and associated statistical models. After that, we explain in detail the two models used: Cormack-Jolly-Seber (CJS) models and mark-recapture-recovery (MRR) models. Furthermore, we give an introduction of Bayesian inference, before describing the Markov chain Monte Carlo (MCMC) methods. Lastly, we conclude with a brief explanation of the two basic Markov chain simulation algorithms (Metropolis-Hastings and Gibbs sampler), as well as we provide useful software packages and web pages to implement a large variety of capture-recapture(-recovery) models. Chapter 2 takes a brief look at the ecological context of this thesis. To do so, we introduce the species focus of this research, the common guillemot, as well as the study colony, Stora Karlsö (Gotland, Sweden). We briefly provide some of its main ecological characteristics that will be necessary to know in order to fit statistical models biologically motivated. The main part of this Chapter consists in a detailed description of the two data sets that motivated the methodological developments performed in this thesis, a capture-recapture and a mark-recapture- recovery database. Chapters 3, 4 and 5 are dedicated to display the studies performed along this thesis. In particular, Chapter 3 is devoted to provide reliable juvenile survival estimates for common guillemots. The novelty of this work lies in the difficulty on the assessment of juvenile survival due to in this species (and in general, in most seabird species) young birds spend large periods at sea, remaining hence unobservable. However, the study colony has an special feature: a big proportion of immature birds are resighted allowing so to provide those reliable juvenile survival estimates. Further, this work represents a first approximation to the problem of partial monitoring that causes bias in parameter estimates. In particular, we adopt a subjective Bayesian approach so that we incorporate prior information corresponding to the areas where the partial monitoring is affecting. Chapter 4 incorporates a methodology commonly performed in medical survival studies in the context of ecological capture-recapture framework. In particular, we show how differently the capture histories are presented depending on the selected temporal scale. Further, the use of the alternative temporal scale presented (the age) may allow a better interpretation of model parameters when age is the primary interest. Finally, in Chapter 5 we provide an integrated mark-recapture-recovery framework for partially monitored studies. The information gathered by the ring-recovery data allows to correct the bias in survival estimates obtained with only capture-recapture data due to partial monitoring. Moreover, due to the (big) size of the database, we present it in multinomial formulation, so that we provide the explicit efficient likelihood expression along with the associated sufficient statistics of the integrated model proposed. Both the correction of partial monitoring problem (widespread in colonial species) and the construction of the integrated m-arrays along with the efficient likelihood suppose an step forward on this area, either from a practical or methodological perspective. Chapter 6 provides some conclusions and future lines of research, and finally a generic bibliography used along this work is presented.