Skip to main content

Guidelines for developing and updating Bayesian belief networks applied to ecological modeling and conservation

Buy Article:

$50.00 plus tax (Refund Policy)


Bayesian belief networks (BBNs) are useful tools for modeling ecological predictions and aiding resource-management decision-making. We provide practical guidelines for developing, testing, and revising BBNs. Primary steps in this process include creating influence diagrams of the hypothesized "causal web" of key factors affecting a species or ecological outcome of interest; developing a first, alpha-level BBN model from the influence diagram; revising the model after expert review; testing and calibrating the model with case files to create a beta-level model; and updating the model structure and conditional probabilities with new validation data, creating the final-application gamma-level model. We illustrate and discuss these steps with an empirically based BBN model of factors influencing probability of capture of northern flying squirrels (Glaucomys sabrinus (Shaw)). Testing and updating BBNs, especially with peer review and calibration, are essential to ensure their credibility and reduce bias. Our guidelines provide modelers with insights that allow them to avoid potentially spurious or unreliable models.

Les réseaux de croyance bayésiens (RCB) sont des outils utiles pour faire des prédictions de nature écologique à l'aide de modèles et pour aider dans la prise de décision en aménagement des ressources. Nous fournissons des directives pratiques pour développer, tester et réviser des RCB. Les principales étapes dans ce processus incluent : la création d'un diagramme d'influences du « réseau causal » hypothétique des facteurs-clefs qui affectent une espèce ou un enjeu écologique d'intérêt; le développement d'un premier modèle RCB de niveau alpha à partir du diagramme d'influences; la révision du modèle par des experts; l'essai et la calibration du modèle à partir d'études de cas; la création d'un modèle de niveau bêta; l'actualisation de la structure et des probabilités conditionnelles du modèle à partir de données de validation et la création d'un modèle final d'application, de niveau gamma. Nous illustrons et discutons ces étapes à l'aide d'un modèle RCB empirique des facteurs qui influencent la capture des grands polatouches (Glaucomys sabrinus (Shaw)). L'essai et l'actualisation des RCB, surtout à l'aide de révisions par les pairs et de la calibration, sont essentiels pour assurer leur crédibilité et réduire les biais. Nos directives donnent aux modélisateurs des indications pour éviter les modèles potentiellement inexacts ou peu fiables.[Traduit par la Rédaction]

Document Type: Research Article

Publication date: 2006-12-01

More about this publication?
  • Published since 1971, this monthly journal features articles, reviews, notes and commentaries on all aspects of forest science, including biometrics and mensuration, conservation, disturbance, ecology, economics, entomology, fire, genetics, management, operations, pathology, physiology, policy, remote sensing, social science, soil, silviculture, wildlife and wood science, contributed by internationally respected scientists. It also publishes special issues dedicated to a topic of current interest.
  • Information for Authors
  • Submit a Paper
  • Subscribe to this Title
  • Terms & Conditions
  • Sample Issue
  • Reprints & Permissions
  • Ingenta Connect is not responsible for the content or availability of external websites
  • Access Key
  • Free ContentFree content
  • Partial Free ContentPartial Free content
  • New ContentNew content
  • Open Access ContentOpen access content
  • Partial Open Access ContentPartial Open access content
  • Subscribed ContentSubscribed content
  • Partial Subscribed ContentPartial Subscribed content
  • Free Trial ContentFree trial content
Cookie Policy
Cookie Policy
Ingenta Connect website makes use of cookies so as to keep track of data that you have filled in. I am Happy with this Find out more