Uncertainty Analysis for Regional-Scale Reserve Selection

Authors


Abstract

Abstract: Methods for reserve selection and conservation planning often ignore uncertainty. For example, presence-absence observations and predictions of habitat models are used as inputs but commonly assumed to be without error. We applied information-gap decision theory to develop uncertainty analysis methods for reserve selection. Our proposed method seeks a solution that is robust in achieving a given conservation target, despite uncertainty in the data. We maximized robustness in reserve selection through a novel method, “distribution discounting,” in which the site- and species-specific measure of conservation value (related to species-specific occupancy probabilities) was penalized by an error measure (in our study, related to accuracy of statistical prediction). Because distribution discounting can be implemented as a modification of input files, it is a computationally efficient solution for implementing uncertainty analysis into reserve selection. Thus, the method is particularly useful for high-dimensional decision problems characteristic of regional conservation assessment. We implemented distribution discounting in the zonation reserve-selection algorithm that produces a hierarchy of conservation priorities throughout the landscape. We applied it to reserve selection for seven priority fauna in a landscape in New South Wales, Australia. The distribution discounting method can be easily adapted for use with different kinds of data (e.g., probability of occurrence or abundance) and different landscape descriptions (grid or patch based) and incorporated into other reserve-selection algorithms and software.

Abstract

Resumen: Los métodos para la selección de reservas y la planificación de conservación a menudo ignoran la incertidumbre. Por ejemplo, las observaciones de presencia-ausencia y las predicciones de los modelos de hábitat son utilizadas como datos, pero comúnmente se asume que no tienen errores. Aplicamos la teoría de decisiones con vacío de información para desarrollar métodos de análisis de incertidumbre para la selección de reservas. El método que proponemos busca una solución que sea robusta en el logro de una determinada meta de conservación, a pesar de la incertidumbre en los datos. Maximizamos la robustez de la selección de reservas mediante un método novedoso, “descuento de la distribución,” en el que la medida del valor de conservación de un sitio o especie (relacionado con las probabilidades de ocupación específicas) era penalizado por una medida de error (en nuestro estudio, relacionado con la precisión de la predicción estadística). Debido a que el descuento de distribución se puede implementar como una modificación de los archivos de datos, es una eficiente solución computable para la inclusión del análisis de incertidumbre en la selección de reservas. Por lo tanto, el método es particularmente útil para problemas de decisiones de altas dimensiones característicos de la evaluación regional de la conservación. Implementamos el descuento de distribución en el algoritmo zonation para la selección de reservas que produce una jerarquía de prioridades de conservación en el paisaje. Lo aplicamos a la selección de reservas para siete faunas en un paisaje en New South Wales, Australia. El método de descuento de la distribución se puede adaptar fácilmente a diferentes tipos de algoritmos (basados en cuadrículas o parches) y se puede incorporar a otros algoritmos y datos de software (e.g., probabilidad de ocurrencia o abundancia) para la selección de reservas, así como a diferentes descripciones del paisaje.

Ancillary