[论文解读] Probability of Insect Capture in a Trap Network: Low Prevalence and Detection Trapping with TrapGrid

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

Plant and animal studies被引用 5

一句话总结

本文将TrapGrid建模框架扩展至包含严格检测模式，用于计算在陷阱网络中捕获一个或多个昆虫的概率，尤其适用于低流行率情景。与原始的平均捕获概率模型不同，该新模式能更准确估计零捕获的概率，从而在小规模稳定种群的监测中提供更好的可解释性，同时通过基于扩散的移动模拟和陷阱布设优化保持了准确性。

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.).

研究动机与目标

• 为了解决在低流行率昆虫诱捕网络中解释零捕获的问题，因为平均捕获概率可能具有误导性。
• 在TrapGrid中开发一种新模式，用于计算随时间推移捕获一个或多个昆虫的累积概率，而非平均捕获概率。
• 使研究人员能够更准确地解释小规模稳定种群中监测结果的生物学意义，因为零捕获具有实际意义。
• 在不同种群规模和陷阱配置下，将新提出的严格检测方法（TGA）与原始的平均捕获概率方法（TGO）进行比较。
• 为研究人员和从业者提供一种工具，更真实地反映低流行率情景下的实际检测结果。

提出的方法

• 本文提出一种新算法TGA（Total Grid Analysis），基于单个昆虫的移动和陷阱吸引力，计算陷阱网络中每天捕获一个或多个昆虫的累积概率。
• 采用扩散或相关随机游走模型模拟昆虫随时间的移动，陷阱捕获概率基于双曲正割函数，依据与每个陷阱的距离确定。
• 将TGA与原始TrapGrid模式（TGO）进行比较，TGO通过将昆虫视为采样点，计算每个昆虫随时间的平均捕获概率。
• 在不同昆虫数量（例如N = 3, 300）、陷阱密度（每平方英里4至100个陷阱）和吸引参数（1/λ从5至80米）下进行模拟。
• 通过重复模拟（每组参数250次）评估平均捕获概率、方差和饱和行为随时间的变化。
• 扩展后的TrapGrid软件包含一个命令行开关，可切换TGO和TGA模式，支持灵活应用于不同监测与监控场景。

实验结果

研究问题

• RQ1 在低流行率条件下，陷阱网络中捕获一个或多个昆虫的概率如何随时间变化？
• RQ2 在不同种群规模下，新TGA模式与原始TGO模式在灵敏度、方差和饱和行为方面有何差异？
• RQ3 在何种情景下，TGA模式比TGO模式更有利于解释零捕获结果？
• RQ4 陷阱密度和诱饵吸引力如何影响TGA框架下的检测概率？
• RQ5 TGA模型在多大程度上更真实地反映了小规模稳定昆虫种群中的检测过程？

主要发现

• TGA模式的方差高于TGO，尤其在种群规模较小时（例如N = 3），且其均值受昆虫数量显著影响，而TGO则不受影响。
• 对于300只昆虫的种群，TGA会迅速饱和，捕获概率接近1，因此在该点之后无法有效比较不同陷阱网络的灵敏度。
• TGA特别适用于估算随时间推移未捕获任何昆虫的概率，这是低流行率监测中零捕获具有生物学意义的关键指标。
• 原始TGO模式在比较不同配置（如陷阱密度、诱饵强度）的陷阱网络灵敏度方面仍更优，因其对种群大小不敏感，且能提供稳定的平均估计。
• 当种群规模已知且较小时（例如<30只个体），TGA模型最具信息量，可帮助用户评估检测工作中假阴性风险。
• 包含TGO和TGA模式的扩展版TrapGrid软件已公开发布于 https://github.com/manoukis/TrapGrid，支持广泛应用于各类诱捕场景。