If you are experiencing problems downloading PDF or HTML fulltext, our helpdesk recommend clearing your browser cache and trying again. If you need help in clearing your cache, please click here . Still need help? Email help@ingentaconnect.com

Capturing expert knowledge for ecosystem mapping using Bayesian networks

$50.00 plus tax (Refund Policy)

Buy Article:

Abstract:

Large-scale ecosystem maps are essential tools for managers of forest-related activities. In British Columbia, the prevailing approach for ecosystem mapping has been to use an expert system that captures expert knowledge in the form of a belief matrix. In this project, a Bayesian network rather than a belief matrix was used in an attempt to overcome some of the drawbacks of the belief-matrix approach. A Bayesian-network knowledge base was created for each of the following three biogeoclimatic variants: montane very wet maritime coastal western hemlock (CWHvm2), submontane very wet maritime coastal western hemlock (CWHvm1), and central very wet hypermaritime coastal western hemlock (CWHvh2), and applied to a study area encompassing Prince Rupert. A map of ecosystems by grouping site series was produced using each of the knowledge bases. Accuracy assessments performed on each of the maps of grouped site series revealed that the maps poorly predicted the spatial distribution of uncommon and very wet site-series groups. For example, overall map accuracy for the CWHvm2, CWHvm1, and CWHvh2 variants was 47.8%, 50.3%, and 33.3%, respectively. The results of the map-accuracy assessment, however, were consistent with those resulting from a belief-matrix approach conducted in an earlier study. We feel that Bayesian network knowledge bases are easier to develop, interpret, and update than belief matrices.

La cartographie à grande échelle des écosystèmes est un outil essentiel pour les gestionnaires d'activités liées à la forêt. En Colombie-Britannique, l'approche courante pour cartographier les écosystèmes consiste à utiliser un système expert qui capture l'expertise sous la forme d'une matrice de croyances. Dans ce projet, un réseau bayésien a été utilisé plutôt qu'une matrice de croyances pour tenter de résoudre certaines faiblesses de l'approche par matrice de croyances. Une base de connaissances de réseau bayésien a été créée pour chacune des trois variantes biogéoclimatiques suivantes : la prucheraie côtière montagnarde très humide « CWHvm2 », la prucheraie côtière sub-montagnarde très humide « CWHvm1 » et la prucheraie côtière hypermaritime très humide du Centre « CWHvh2 », et appliquée à une aire d'étude englobant Prince Rupert. Une carte des écosystèmes regroupant des séries de sites a été produite en utilisant chacune des bases de connaissance. Une évaluation de la précision des cartes des séries de sites regroupées a montré que les cartes prédisent mal la distribution spatiale de groupes de séries de sites rares et très humides. Par exemple, la précision globale des cartes pour les variantes biogéoclimatiques « CWHvm2 », « CWHvm1 » et « CWHvh2 » était respectivement de 47,8 %, 50,3 % et 33,3 %. Les résultats de l'évaluation de la précision des cartes sont toutefois conciliables avec ceux issus d'une étude précédente basée sur une approche par matrice de croyances. Nous pensons que les bases de connaissance de réseau bayésien, comparativement aux matrices de croyances, sont plus faciles à élaborer, à interpréter et à actualiser.[Traduit par la Rédaction]

Document Type: Research Article

Publication date: December 1, 2006

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
  • ingentaconnect is not responsible for the content or availability of external websites
Related content

Tools

Favourites

Share Content

Access Key

Free Content
Free content
New Content
New content
Open Access Content
Open access content
Subscribed Content
Subscribed content
Free Trial Content
Free trial content
Cookie Policy
X
Cookie Policy
ingentaconnect 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