在县范围内使用机器学习预测白尾鹿的慢性衰竭疾病

科学领域:

• 野生动物生态学野生动物生态学
• 疾病生态学 疾病生态学
• 保护生物学 保护生物学

背景情况:

• 慢性衰竭疾病 (CWD) 对野生鹿种群构成重大威胁,影响了保护工作和野生动物管理.
• 目前的CWD危险因素调查主要是在州一级进行的,这限制了区域监测效率.
• 预测建模可以加强对新出现的CWD感染的监测策略.

研究的目的:

• 开发和评估一个区域机器学习模型,用于预测白尾鹿中CWD发生率.
• 为了指导监测工作,确定面临新冠肺炎感染风险较高的县.
• 评估预测性Web应用程序对CWD监控计划的有用性.

主要方法:

• 利用来自美国东部和中西部16个州的白尾鹿的CWD监控数据.
• 采用了四种机器学习模型,包括光增强梯度,五倍交叉验证和网格搜索.
• 将模型预测与随后一年的监测数据进行比较,以验证性能.

主要成果:

• 光增强梯度模型在区域范围内预测CWD发病率方面表现出最高的可靠性.
• 预测模型可以帮助确定针对性CWD监控的领域.
• 模型预测与实际监测数据之间的差异突显出需要采用多方面的方法.

结论:

• 一个区域预测模型,如光增强梯度模型,可以显著提高CWD监视效率.
• CWD预测网页应用程序为识别潜在的CWD热点提供了一个有价值的工具.
• 有效的监测规划需要将预测建模与野生动物机构的现场数据和专家判断相结合.