Modeling micro-scale ecological processes and emergent patterns of mountain pine beetle epidemics
Notice bibliographique
Résumé
Forest insect outbreaks can impose significant tree mortality across vast forested landscapes. The current epidemic of mountain pine beetle, Dendroctonus ponderosae Hopkins, for example, has led to the mortality of pine trees in western Canada and the U.S. spanning tens of millions of hectares. The ecological processes driving mountain pine beetle outbreaks are governed by multiple feedback mechanisms, thresholds, and external constraints that exist along a spatial continuum from individual insect–tree interactions to landscape level change. These components of mountain pine beetle epidemics need to be explicitly parameterized in modeling efforts that aim to predict where insect disturbance will occur in a forest each year and the amount of tree mortality that will ensue as a result. However, do date, minimal efforts exist that examine how local level interactions between beetles and trees translate into broader patterns of tree mortality, and those that do are limited to relatively local scales. In this study, we present an agent-based model that simulates how tree mortality results from the combination of beetle–tree interactions, beetle-to-beetle communication, tree defense to beetle attack, beetle density dynamics, host tree availability, dispersal behavior, and landscape heterogeneity. Our model is tested using data from an area in central British Columbia, Canada, that is near the center of the current outbreak in that region. The model simulates both overall tree mortality and spatial patterns of tree mortality, producing results that are similar to those observed in aerial surveys of tree health. Moving forward, the computational efficiency of our model demonstrates the capability to be applied to large, regional landscapes when implemented with sufficient computing resources.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».