Prediction of balsam fir sawfly defoliation using a Bayesian network model

$50.00 plus tax (Refund Policy)

Buy Article:

Abstract:

Predictions of defoliation are an important component of planning aerial insect control programs, especially for defoliators such as balsam fir sawfly (Neodiprion abietis (Harris)) that cause severe impacts on forest growth and yield. Currently, defoliation prediction is done manually based on field observations and experience, but it is a good candidate for a Bayesian network (BN), a flexible tool for combining available expert knowledge and empirical data. We created a BN model and linked it to a geographic information system to map predicted defoliation for balsam fir sawfly in western Newfoundland over an area of 5.7 million ha from 2001 to 2008. Based on expert knowledge, probabilistic influence of egg counts, previous defoliation, and stand characteristics (species composition, stand age, and management intervention) on subsequent-year defoliation was quantified. For validation purposes, maps created using the BN model were compared with manual defoliation predictions and with measured aerial defoliation survey maps. BN model defoliation prediction maps were found to be in moderate agreement (mean Kappa value of 0.59) with conventional manual prediction maps. Overall, the BN model showed similar accuracy to manual predictions, but with benefits of automating the process and of providing more spatial detail in predictions.

La prédiction de la défoliation est une importante composante de la planification des programmes de lutte aérienne contre les insectes, particulièrement dans le cas des défoliateurs comme le diprion du sapin (Neodiprion abietis (Harris)) qui a de sérieux impacts sur la croissance et le rendement de la forêt. Présentement, la prédiction de la défoliation est faite manuellement en se basant sur les observations terrain et l’expérience; mais cette démarche peut très bien être modélisée à l’aide d’un réseau de Bayes, un outil flexible permettant de combiner le savoir expert disponible et les données empiriques. Nous avons créé un modèle bayésien et nous l’avons relié à un système d’information géographique pour cartographier les prédictions de la défoliation causée par le diprion du sapin dans l’ouest de Terre-Neuve, sur une superficie de 5,7 millions d’hectares, de 2001 à 2008. L’influence probabiliste du nombre d’œufs, de la défoliation précédente et des caractéristiques du peuplement (composition en espèces, âge du peuplement et interventions d’aménagement) sur les années subséquentes de défoliation a été quantifiée en se basant sur le savoir expert. À des fins de validation, les cartes créées à l’aide du modèle bayésien ont été comparées aux prédictions manuelles de la défoliation et aux mesures fournies par les cartes d’inventaire aérien de défoliation. Les cartes de prédiction de la défoliation générées par le modèle bayésien concordaient modérément (valeur moyenne de Kappa de 0,59) avec les cartes conventionnelles élaborées à partir des prédictions manuelles. Dans l’ensemble, la précision du modèle bayésien était semblable à celle des prédictions manuelles mais le modèle bayésien avait l’avantage d’automatiser le processus et de fournir des prédictions spatialement plus détaillées.

Document Type: Research Article

Publication date: December 1, 2010

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