[논문 리뷰] Probability of Insect Capture in a Trap Network: Low Prevalence and Detection Trapping with TrapGrid

Nicholas C. Manoukis, Matthew P. Hill|arXiv (Cornell University)|2021. 10. 21.

Plant and animal studies인용 수 5

한 줄 요약

이 논문은 저조도 상황에서 특히 유의미한 결과를 얻기 위해, 한 개 이상의 곤충을 함정 네트워크에서 포획할 확률을 계산하는 엄격한 탐지 모드를 포함하도록 TrapGrid 모델링 프레임워크를 확장한다. 원래의 평균 포획 확률 모델과는 달리, 이 새로운 모드는 포획 수가 0인 경우의 확률을 더 잘 추정하여, 소규모 고정된 개체군에서의 감시 결과를 더 잘 해석할 수 있도록 한다. 이는 이동 시뮬레이션과 함정 배치 최적화를 통해 정확성을 유지하면서 이루어진다.

ABSTRACT

Attractant-based trap networks targeting insects are ubiquitous worldwide. These networks have diverse targets, goals, and efficiencies, but all are constrained by practical considerations like cost and available lures. An important way to balance goals and constrains is through quantitative mathematical modeling. Here we describe an extension of a computer model of trapping networks known as "TrapGrid" to include an alternative mode of calculating the probability of capture over time in a trapping network: Strict detection ("capture of one or more") compared with the average probability of capture as implemented in the original version. We suggest that this new calculation may be useful in situations of low prevalence where trap network operators wish to interpret the meaning of zero captures at a small scale. The original remains preferred for comparing the sensitivity and suitability of alternate trap networks (i.e. density of traps, their placement, lure attractiveness, etc.).

연구 동기 및 목표

• 낮은 유병률 상황에서 함정 네트워크에서 포획 수가 0인 경우를 해석하는 데 어려움이 있을 때, 평균 포획 확률이 오해의 소지가 있을 수 있다는 문제를 해결하기 위해.
• 원래의 평균 포획 확률이 아닌, 시간이 지남에 따라 한 개 이상의 곤충을 포획할 누적 확률을 계산하는 TrapGrid의 새로운 모드를 개발하기 위해.
• 포획 수가 0인 경우가 생물학적으로 의미가 있는 소규모 고정 개체군에서 감시 결과를 더 정확하게 해석할 수 있도록 하기 위해.
• 다양한 개체군 크기와 함정 구성 조건에서 새로운 엄격한 탐지 접근법(TGA)과 원래의 평균 포획 확률(TGO) 간의 비교를 수행하기 위해.
• 연구자들과 현장 전문가들이 저조도 상황에서 실제 탐지 결과를 더 잘 반영하는 도구를 확보할 수 있도록 하기 위해.

제안 방법

• 논문은 개별 곤충의 이동과 함정의 유인 능력을 기반으로 함정 네트워크에서 하루 동안 한 마리 이상의 곤충을 포획할 누적 확률을 계산하는 새로운 알고리즘인 TGA(Total Grid Analysis)를 도입한다.
• 곤충의 이동은 확산 또는 상관 랜덤 워크 모델을 사용해 시간에 따라 시뮬레이션하며, 각 함정으로부터의 거리에 기반한 hyperbolic secant 함수를 이용해 함정 포획 확률를 도출한다.
• TGA는 원래의 TrapGrid 모드(TGO)와 비교되며, TGO는 시간이 지남에 따라 곤충 한 마리당 평균 포획 확률을 계산하며, 곤충을 표본 추출 점으로 간주한다.
• 모델링은 곤충 수(N = 3, 300 등), 함정 밀도(1마일당 4~100개), 유인 매개변수(1/λ = 5~80미터)를 다양하게 설정하여 수행된다.
• 각 매개변수 조합에 대해 반복 시뮬레이션(250회)을 수행하여 평균 포획 확률, 분산, 포화 행동을 시간에 따라 평가한다.
• 확장된 TrapGrid 소프트웨어는 TGO와 TGA 모드를 전환할 수 있는 명령줄 스위치를 포함하고 있어, 다양한 감시 및 모니터링 시나리오에의 적용이 용이하다.

실험 결과

연구 질문

• RQ1 낮은 유병률 조건에서 함정 네트워크에서 한 마리 이상의 곤충을 포획할 확률은 시간이 지남에 따라 어떻게 변화하는가?
• RQ2 다양한 개체군 크기에서 TGA 모드와 원래의 TGO 모드 간의 민감도, 분산, 포화 행동에 있어 어떤 차이가 있는가?
• RQ3 어떤 상황에서 TGA 모드가 TGO 모드보다 포획 수가 0인 결과를 해석하는 데 더 유용한가?
• RQ4 함정 밀도와 유인력의 강도는 TGA 프레임워크 하에서 탐지 확률에 어떤 영향을 미치는가?
• RQ5 TGA 모델은 소규모 고정 개체군에서의 탐지 과정을 얼마나 생물학적으로 현실적으로 반영하는가?

주요 결과

• TGA 모드는 특히 소규모 개체군(예: N = 3)일 경우 TGO보다 더 높은 분산을 보이며, 평균값은 곤충 수에 크게 영향을 받는다. 반면 TGO는 이와 달리 영향을 덜 받는다.
• 300마리의 곤충 개체군에서는 TGA가 빠르게 포화 상태에 도달하여 포획 확률가 약 1에 도달하므로, 그 이후에 함정 네트워크의 민감도를 비교하는 데는 유의미하지 않다.
• TGA는 시간이 지남에 따라 곤충이 한 마리도 포획되지 않을 가능성을 추정하는 데 특히 유용하며, 이는 포획 수가 0인 경우가 생물학적으로 의미가 있는 저조도 감시에서 핵심 지표이기 때문이다.
• 원래의 TGO 모드는 개체군 크기에 영향을 받지 않고 안정적인 평균 추정치를 제공하므로, 함정 밀도나 유인력 강도 등 다양한 구성 조건에서 함정 네트워크 민감도를 비교하는 데 더 우수하다.
• TGA 모델은 개체군 크기가 알려져 있고 작을 경우(예: 30마리 이하) 가장 유용하며, 이는 감지 노력에서 잘못된 음성 결과(거짓 음성)의 위험을 평가할 수 있도록 한다.
• TGO와 TGA 모드를 모두 포함한 확장된 TrapGrid 소프트웨어는 https://github.com/manoukis/TrapGrid 에 공개되어 있어 다양한 함정 설정에의 광범위한 적용이 가능하다.