IngentaConnect Using Bayesian belief networks in adaptive management

Abstract:

Bayesian belief and decision networks are modelling techniques that are well suited to adaptive-management applications, but they appear not to have been widely used in adaptive management to date. Bayesian belief networks (BBNs) can serve many purposes, from illustrating a conceptual understanding of system relations to calculating joint probabilities for decision options and predicting outcomes of management policies. We describe the nature and capabilities of BBNs, discuss their applications to the adaptive-management process, and present a case example of adaptive management of forests and terrestrial lichens in north-central British Columbia. We recommend that those unfamiliar with BBNs should begin by first developing influence diagrams with relatively simple structures that represent the system under management. Such basic models can then be elaborated to include more variables, the mathematical relations among them, and features that allow assessment of the utility of alternative management actions or strategies. Users of BBNs should be aware of several important limitations, including problems in representing feedback and time-dynamic functions. Nevertheless, when properly used, Bayesian networks can benefit most adaptive-management teams by promoting a shared understanding of the system being managed and encouraging the rigorous examination of alternative management policies.

Les réseaux bayésiens de décision et d'appréciation (RBDA) sont des techniques de modélisation bien adaptées aux applications de l'aménagement adaptatif mais, à ce jour, ils ne semblent pas avoir été largement utilisés à cet effet. Les RBDA peuvent servir à plusieurs fins, depuis l'illustration de la compréhension conceptuelle des relations entre systèmes jusqu'au calcul de probabilités conjointes d'options décisionnelles et à la prédiction de conséquences de décisions d'aménagement. Nous décrivons la nature des capacités des RDBA, discutons de leurs applications dans le processus d'aménagement adaptatif et présentons une étude de cas d'aménagement adaptatif de forêts et de lichens terrestres dans le centre-nord de la Colombie-Britannique. Nous recommandons à ceux qui ne sont pas familiers avec les RDBA de commencer d'abord par développer des diagrammes d'influence avec des structures relativement simples pour représenter le système sous aménagement. De tels modèles de base peuvent ensuite être rendus plus complexes pour inclure plus de variables, les relations mathématiques entre elles ainsi que les éléments permettant d'évaluer l'utilité de stratégies ou d'actions alternatives d'aménagement. Les utilisateurs de RBDA doivent être conscients de plusieurs limitations importantes, incluant des problèmes de représentation des rétroactions et des fonctions dynamiques dans le temps. Quoiqu'il en soit, les réseaux bayésiens bien utilisés peuvent rendre service à la plupart des équipes d'aménagement adaptatif en favorisant une compréhension partagée d'un système sous aménagement et en encourageant l'examen rigoureux de politiques alternatives d'aménagement.[Traduit par la Rédaction]