利用生存分析来开发模型，以估算受监测入侵物种被发现的尺寸

《Oikos》：Using survival analysis to develop models for estimating size-at-detection of invasive species under surveillance

入侵物种的种群规模预测模型基于生存分析，结合韦伯分布近似，优化监测系统决策。研究涵盖引入途径、宿主材料、气候适宜性等关键因素，开发计算机程序并以地中海水果蝇为例验证。

　　

摘要

入侵性外来物种是指那些能够对人类社会和自然环境造成严重危害的生物，这些危害可能涉及农业、公共设施、生态环境以及本地物种和生态系统。为了有效应对入侵性物种的入侵并采取相应的应对措施，预测它们对这些不同方面的潜在影响至关重要。影响这些影响的关键系统级因素包括入侵途径、宿主材料的可获得性、气候适宜性，以及受影响的农业或环境资产的范围和脆弱性。一个特别关键且难以事先预测的因素是入侵发生时的疫情规模。已建立的入侵种群规模大小将限制可采取的管理措施的选择：如果种群规模较小，那么根除措施可能是可行的并且能够带来净收益；而如果种群规模过大，则根除可能变得不可能。我们提出了一个用于描述这一随机变量的统计模型，以便将其应用于决策支持系统中。我们的研究重点关注使用固定陷阱来检测移动生物的监测系统。通过生存分析方法，我们研究了监测与害虫被检测到的事件之间的关系，其中检测事件被视为生存分析中的“失效事件”。这使我们能够将检测时感染规模的概率密度函数（PDF）与在未被提前检测到的情况下检测到入侵事件的瞬时概率（即风险函数）联系起来，从而捕捉或消除检测时入侵成熟度的不确定性。随后，我们引入了基于韦伯分布（Weibull distribution）的近似方法。研究表明，当陷阱数量较少（n）或每个陷阱的检测概率较低（p）时，这种近似方法是可行的。此外，通过假设检测时种群规模与未被检测到时间之间的关系，我们可以估算种群持续存在的概率密度函数。最后，我们开发了一个计算机程序来进行数据分析，以地中海果蝇（medfly）为例进行演示。通过对首次检测到入侵物种时的种群规模进行建模，我们提供了有助于制定有效控制和根除措施的见解，并为更广泛的入侵物种管理实践提供了参考。

数据可用性声明

数据可从 Github 获取：: https://github.com/StatBioSurv/SBioS（Robinson 等人，2025年）。