In natural ecological communities, most species are rare and thus susceptible to extinction. Consequently, the prediction and identification of rare species are of enormous value for conservation purposes. How many newly found species will be rare in the next field survey? We took a Bayesian viewpoint and used observed species abundance information in an ecological sample to develop an accurate way to estimate the number of new rare species (e.g., singletons, doubletons, and tripletons) in an additional unknown sample. A similar method has been developed for incidence-based data sets. Five seminumerical tests (3 abundance cases and 2 incidence cases) showed that our proposed Bayesian-weight estimator accurately predicted the number of new rare species with low relative bias and low relative root mean squared error and, accordingly, high accuracy. Finally, we applied the proposed estimator to 6 conservation-directed empirical data sets (3 abundance cases and 3 incidence cases) and found the prediction of new rare species was quite accurate; the 95% CI covered the true observed value very well in most cases. Our estimator performed similarly to or better than an unweighted estimator derived from Chao et al. and performed consistently better than the naïve unweighted estimator. We recommend our Bayesian-weight estimator for conservation applications, although the unweighted estimator of Chao et al. may be better under some circumstances. We provide an R package RSE (rare species estimation) at https://github.com/ecomol/RSE for implementation of the estimators.
Un Método con Ponderación Bayesiana para Predecir el Número de Especies Raras Recientemente Descubiertas Resumen En las comunidades ecológicas naturales, la mayoría de las especies son raras y por lo tanto susceptibles a la extinción. Como consecuencia, la predicción e identificación de las especies raras son de enorme valor para los propósitos de la conservación. ¿Cuántas especies recientemente descubiertas serán clasificadas como raras en el siguiente censo de campo? Tomamos un punto de vista bayesiano y utilizamos información de la abundancia observada de especies en una muestra ecológica para desarrollas una manera certera para estimar el número de nuevas especies raras (p. ej.: singleton, doubleton, y tripleton) en una muestra adicional desconocida. Un método similar se ha desarrollado para conjuntos de datos basados en la incidencia. Cinco pruebas semi-numéricas (tres casos de abundancia y dos casos de incidencia) mostraron que nuestra propuesta de estimador con ponderación bayesiana predijo con certeza el número de nuevas especies raras con un bajo sesgo relativo y un bajo error de la raíz cuadrada media relativa y, de manera acorde, una alta certeza. Finalmente, aplicamos el estimador propuesto a seis conjuntos de datos empíricos dirigidos hacia la conservación (tres casos de abundancia y tres casos de incidencia) y encontramos que la predicción de nuevas especies raras fue certera; el 95% del CI cubrió muy bien al verdadero valor observado en la mayoría de los casos. Nuestro estimador funcionó de manera similar o incluso mejor que un estimador sin ponderación derivado de Chao et al. (2015) y funcionó constantemente mejor que el simple estimador sin ponderación. Recomendamos nuestro estimador con ponderación bayesiana para ser aplicado en la conservación, aunque el estimador sin ponderación de Chao et al. (2015) puede ser mejor bajo ciertas circunstancias. Proporcionamos un paquete R para RSE (estimación de especies raras) en https://github.com/ecomol/RSE para la implementación de los estimadores.
在自然生态群落中, 大部分物种都是稀有的, 易于濒危。因此, 预测和鉴定稀有种多样性具有及其重要的保护生物学意义。在下一次野外调查采样中, 有多少新物种 (之前采样没有被记录) 可能是稀有物种? 我们采用贝氏统计原理, 根据已有采样地的物种丰度信息, 研制出一种能准确估计额外未采样地区中新的稀有物种数量 (如单个体物种、双个体物种和三个体物种) 的新统计方法; 也同时开发了能应用于物种存在与否的采样数据的估计方法。五个半经验半数值的测试例子给出的结果表明, 我们提出的贝氏加权估计方法能准确估计新稀有物种的数量, 相对偏差和相对均方根差都很低, 表明估计准确度很高。最后, 提出的估计方法被应用到六个生态保护经验数据当中 (三个丰度数据集和三个存在与否数据集), 发现新稀有物种数量的估计相当准确:在大部分情况下, 95% 置信度能很好覆盖真实观测值。所提出的贝氏权重估计方法与利用 Chao et al. (2015) 文章延伸推导的未加权方法的表现相似甚至更好, 一致地比朴素未加权方法要好。在野外生物多样性调查当中, 我们推荐贝氏加权估计方法。论文中介绍的三个统计方法均被编入 R计算软件包 RSE (全称:rare species estimation; 可从 https://github.com/ecomol/RSE 下载) 。.
Keywords: Bayesian statistics; biodiversity survey; censo de biodiversidad; diversity estimation; estadística bayesiana; estimación de la diversidad; rareza de especies; sampling theory; species rarity; teoría del muestreo.
© 2018 Society for Conservation Biology.