从收获前监测和货物采样数据的组合推断水果感染的流行情况

科学领域:

• 农业科学 农业科学
• 统计建模 统计建模
• 植物病理学 植物病理学

背景情况:

• 国际园艺贸易依赖于严格的植物卫生检查和生产协议.
• 目前用于出口认证的水果检查方法涉及采样货物,以确保害虫水平不超过预定义的极限,可靠性为95%.

研究的目的:

• 开发一个层次化的贝叶斯模型,将现场害虫监测数据与货物检查数据整合起来.
• 为了推断出园艺出口生产系统中受感染水果的真实流行情况.
• 评估采样策略和监测工作对感染流行率估计的影响.

主要方法:

• 一个层次化的贝叶斯模型的开发.
• 整合收获前的现场害虫监测数据 (例如,陷密度,灵敏度).
• 包含货物抽样检查数据 (例如,货物的数量,检测效率).
• 利用统计先验来解释检查,监测和害虫暴露的不确定性.

主要成果:

• 感染的流行程度受到检查的货物数量,货物采样有效性以及现场监测工作和灵敏度的重大影响.
• 采摘前监测有足够的陷密度和适度的灵敏度可以达到95%的信心在低感染率.
• 即使没有收割前监测,也可以实现对非常低的感染率的高度信心,前提是检查敏感度高,检查的货物足够多.

结论:

• 现场监测和货物采样的结合方法提供了一种强大的方法,用于更新园艺生产系统中感染流行率估计.
• 这种综合模型提高了国际贸易的植物卫生认证的可靠性.
• 该研究强调了结合不同数据源的累积好处,以进行可靠的害虫风险评估.