The Application of a Geographically Weighted Principal Component Analysis for Exploring Twenty-three Years of Goat Population Change across Mongolia

Abstract

The dzud are extreme weather events in Mongolia of deep snow, severe cold, or other conditions that render forage unavailable or inaccessible, which in turn results in extensive livestock deaths. Mongolia is economically vulnerable to extreme events due to an increase in nonprofessional herders and the livestock population, brought about by a deregularized industry. Thus, it is hugely informative to try to understand the spatial and temporal trends of livestock population change. To this end, annual livestock census data are exploited and a geographically weighted principal component analysis (GWPCA) is applied to goat data recorded from 1990 to 2012 in 341 regions. This application of GWPCA to temporal data is novel and is able to account for both temporal and spatial patterns in goat population change. Furthermore, the GWPCA methodology is extended to simultaneously optimize the number of components to retain and the kernel bandwidth. In doing so, this study not only advances the GWPCA method but provides a useful insight into the spatiotemporal variations of the Mongolian goat population.

“白灾” 是蒙古深雪、酷寒或无法进行粮草搜寻的其他极端气候事件, 并从而导致大规模的牲畜死亡。在蒙古, 由于产业去管制化带来的业馀牧人与牲畜数量的增加, 导致在经济上对极端气候事件相当脆弱。此一现象对于尝试理解牲畜数量改变的时间与空间趋势, 提供了大量的信息。为了达到此一目的, 本研究运用年度牲畜调查数据, 并将地理加权主成分分析 (GWPCA) 应用至 1990 年至 2012 年间, 于三百四十一座区域中记录的羊隻数据。将 GWPCA 应用至时间性的数据相当新颖, 并且能够同时考量羊隻数量改变的时间与空间模式。此外, 本研究延伸 GWPCA 方法, 以同时最优化保留的成分数量与核窗宽。这麽做, 本研究不仅推进 GWPCA 方法, 同时对蒙古羊隻数量的时空变异提供了有用的洞见。

En Mongolia, los dzud son eventos meteorológicos extremos caracterizados por alta precipitación y acumulación de nieve, frío severo u otras condiciones que comprometen la disponibilidad de forraje o lo hacen inaccesible, lo cual a su vez resulta en alta mortalidad de ganados. Mongolia es vulnerable económicamente a eventos extremos debido a un incremento de ganaderos no profesionales y de la población ganadera, generados por una industria no regularizada. Entonces, es altamente informativo tratar de entender las tendencias espaciales y temporales del cambio en la población ganadera. Para este fin, se explotan los datos del censo anual de la ganadería y se aplica un análisis de componentes principales (GWPCA), geográficamente ponderado, a los datos sobre cabras registrados entre 1990 y 2012, en 341 regiones. Esta aplicación del GWPCA a los datos temporales es novedosa y tiene la capacidad de tomar en cuenta los patrones temporales y espaciales en el cambio de la población de cabras. Aun más, la metodología GWPCA se extiende para optimizar simultáneamente el número de componentes a retener y la anchura de banda del kernel. Al hacerlo, este estudio no solo avanza el método GWPCA, sino que provee una perspicacia útil en las variaciones espaciotemporales de la población caprina mongola.