# 交通方式對路死屍體被偵測率的影響(方法&結果)-生物多樣性投稿
[TOC]

https://docs.google.com/document/d/17G8IOhuV-Y6i5cH-W4nh6hs_S44DZuE8/edit#

發現先寫假說測試雖然目標較明確，但是不太能表明資料型態，似乎只能用較不清楚的名稱和概念交代，再從後面的資料蒐集解釋各個依變數、解釋變數如何取得和其數值型態。

**段落儀錶板**
- [ ] M 1-1 H 總偵測率 model selection
- [ ] M 1-2-1 H 個體偵測率 model selection
- [x] M 1-2-2 Validation
- [ ] M 1-2-3 Scenario simulation
- [ ] M 2-1 Survey methodology
- [x] M 2-2 Calculate Carcasses detection rate
- [x] M 2-3 Carcasses size measurement
- [ ] R 1-1 Carcasses detection rate on route - Model selection & Explanatary variable
- [ ] R 2-1 Carcass detection of each - Model selection & Explanatary variable
- [ ] R 2-2 Validation
- [ ] R 2-3 Scenario simulation

# Materials and Method

## Hypothesis tested
### Carcasses detection rate on 1km route
#### Model selection
>速度、工具、調查經驗、道路類型與樣線整體偵測率(Carcasses detection rate)
>>使用廣義線性模型(General Linear Model)分析樣線整體偵測率，是否受到行進速度、交通工具、調查經驗、道路類型所影響，並利用訊息理論研究法(information theoretic approach) (Burnham and Anderson 2002)進行模式的比較，以尋找出最被資料所支持的模式。分析時，以樣線整體偵測率經過羅吉特機率轉換(Logit transformation)的數值為依變數，再以廣義線性模型進行分析

multcomp 的 glht 函數，使我們可以在多個變因共同描述的模式當中，分別檢視各個類別變因中的，各類別間兩兩比較，以Tukey Contrasts進行多重平均值比較，檢視交通工具之間、專家與志工、道路類型之間是否有明顯的差別。

ratio trough Logit transformation as the dependent variable
[^first] (Warton & Hui 2011)

package 'AICcmodavg'
[^2nd](Mazerolle MJ 2020)

package 'multcomp'

~~
### Carcass detection of each
#### Model selection

#### Validation
>四種不同交通工具的偵測率模型，在前述四種模型組合中選擇AIC值最低者，重新抽取 4/5 比例的訓練資料，投入模型組合中，建立新的模型，並以抽取後剩餘1/5比例的樣本進行驗證。

we randomly select one fifth data as test dataset and the rest become training dataset. To avoid unballance sample size between different animal spcies classes, we weighted along four classifiction group while sampling.
We choese the models(different factor conbination) which has the lowest model AIC, to put in Training dataset to create a new model. Use this model to predict the chance of being detected of the test dataset, compare with the real result of test dataset to create ROC/AUC plot. Hence, we can evaluating the performance of how good can these four models predict a carcass could be detect or not.

#### Scenario simulation

>再以虛擬產生新的調查條件，重新投入模型，模擬不同的行進速度下可能偵測道不同大小屍體的機率，藉此給予未來系統化調查志工的交通方式與移動速度建議。

~~
## Data collection
### Survey methodology
>為了解不同交通工方式具（步行、腳踏車、機車與汽車）在不同道路型態（省道、縣道、鄉道與其他道路）上路死動物偵測率之差異，本研究於南投縣及台中市低海拔丘陵區域，分別依4種不同道路型態設立樣線，每段樣線長度約1km，總計45段道路樣線（圖1、附錄1）。

>每條樣線隨機分配任一交通工具予不同的調查者同時調查，為了減少交通工具間的干擾，每種交通工具出發時間差為1min分鐘間隔，由速度最快的交通工具優先出發，依序是汽車、機車、腳踏車，最後是步行者。所有調查者在調查時僅拍照記錄，不可移動或移除路死個體，避免影響其他調查者的紀錄結果。參與測試者以智慧型手機同時記紀錄坐標的拍照方式，記錄發現的所有路死脊椎動物和陸蟹，並於路死個體旁放置8cm比例尺卡一起拍攝，以作為後續路死動物體型大小估算的參考依據。同時為了比對與確保資料正確性，除拍攝路死動物證據照片外，亦將使用的交通工具、調查起迄時間、路死個體紀錄與照片編號等資訊一一記錄於紙本表格。

### Calculate Carcasses detection rate

>調查結果依交通工具方式與動物類群分類儲存。，每條樣線4種交通工具方式的調查結果逐一交叉比對每張照片，彙整所有路死動物和陸蟹的總數量作為母數，再換算各交通工具調查之相對偵測率。

We compare four agents' photos to each route to conclude the union of all carcasses, as the population of all carcasess in the 1km route. Number of carcasses four people found divides number of carcasses each person recorded in the 1 km route, is the Carcasses detection rate.
### Carcasses size measurement
>使用開源影像分析軟體ImageJ，透過照片中的比例尺卡，設定照片中長度與真實長度之比例關係，測量換算路死動物屍體的面積 (cm2) (Abràmoff, Magalhães, & Ram, 2004)。本研究假設單一路死動物屍體在分散成複數個屍塊的情況下，其中最大塊者將會優率先吸引到調查者注意，因此僅以最大屍塊做為散落的路死屍體代表面積。，逐一量測和估算後獲得所有紀錄照片的路死屍體面積後，。後續再進一步分析比較各類群屍體面積、行進速度與被各4種交通方式工具偵測與否的關係。

We use ImageJ "set scale" tool to standarized by the scale card(圖?) in every photo, "polygon selection" tool to plot the edge of the carcass, and "measure" tool to measure the carcass area. This reaserch assume searcher will be catched eye by the biggest part of multiple carcass broken pieces. hence we use the biggest area as the dependent variable, if the dead body became fragments.

# Result
## Carcasses detection rate on route
### Model selection & Explanatary variable

>交通工具
根據表，四種排除一項變因的模式當中，排除交通工具的模式造成最大的Delta AICc ，為最主要影響偵測率的變因。在類別因子的內部倆倆，以Tukey's HSD test比較交通工具之間的差別，走路的偵測率高於腳踏車與機車，腳踏車與機車之間的偵測率沒有明顯分別，腳踏車與機車的偵測率明顯高於汽車。

Cutting Vehicle as a factor increase most delta AICc, comparing with the full model(also the model with lowest AIC ). Tukey's HSD test tells that,Detection rate of walking is higher than bicycle and scooter. Bicycle and scooter do not differ significantly and they both are better than car

>調查者行進速度
根據表，四種排除一項變因的模式當中，排除行進速度的模式造成第二大的Delta AICc 。越快的行進速度，變越容易忽略掉路死動物的遺體。

>調查者經驗
調查者經驗被簡化為TRUE/FALSE的變數，區分是否為路殺社研究室主要成員。專業調查人員有顯著優於一般志工的偵測能力。

>道路類型
在模式間比較下是的因子，仍應被保留於模式中，主要在其他道路4W中的偵測率顯著低於省道1W，亦低於縣道2W與鄉道3W在統計上為邊緣顯著(p=0.072、p=0.056)

## Carcass detection of each
### Model selection & Explanatary variable
### Validation
### Scenario simulation

# REF

[^first]:
The arcsine is asinine: the analysis of proportions in ecology https://doi.org/10.1890/10-0340.1

[^2nd]:
Mazerolle MJ (2020). AICcmodavg: Model selection and multimodel inference based on (Q)AIC(c). R package version 2.3-1, https://cran.r-project.org/package=AICcmodavg.

Hothorn T, Bretz F, Westfall P (2008). “Simultaneous Inference in General Parametric Models.” Biometrical Journal, 50(3), 346–363.
# h1