解锁植物健康调查数据:一种方法来量化视觉检查的敏感性和特异性

科学领域:

• 植物病理学 植物病理学
• 生态监测 生态监测
• 公民科学是公民科学.

背景情况:

• 侵入性害虫和病原体对环境和经济造成重大损害.
• 视觉检查是植物健康调查的关键,但其准确性 (灵敏度和特异性) 往往无法量化.
• 准确的调查数据对于有效的害虫管理和应急计划至关重要.

研究的目的:

• 量化视觉检查的灵敏度和特异性,以检测树衰落症状.
• 评估贝叶斯建模作为一种在没有完美的"黄金标准"数据集的情况下估计调查准确性的方法.
• 为植物健康调查的设计和解释提供信息,以监测害虫和疾病.

主要方法:

• 公民科学家调查了树的急性树衰退症状,结果与专家的评估 (黄金标准) 相比.
• 使用统计分析来计算个别调查者的敏感性和特异性以及症状.
• 贝叶斯模型应用于模拟数据集,以估计没有黄金标准的准确性,使用事先对疾病流行率的知识.

主要成果:

• 在调查人员和症状中观察到敏感性和特异性的显著差异.
• 症状检测灵敏度随着树上的症状频率的增加而增加.
• 贝叶斯模型使用测量数据和已知的疾病流行率成功估计了灵敏度和特异性,而不需要黄金标准.

结论:

• 视觉植物健康调查的准确性受到害虫/疾病症状,测量员技能和调查协议的影响.
• 在没有完美的黄金标准的情况下,贝叶斯模型提供了一种可行的方法来估计调查准确性.
• 更好地了解调查准确性对于设计有效的监测策略和解释疫情管理数据至关重要.