SEARCH

SEARCH BY CITATION

Keywords:

  • burning regimes;
  • decision-making tools;
  • ecological uncertainty;
  • feral grazing;
  • model validation
  • herramientas para la toma de decisiones;
  • incertidumbre ecológica;
  • pastoreo feral;
  • regímenes de quema;
  • validación de modelos

Abstract: Adaptive management is an iterative process of gathering new knowledge regarding a system's behavior and monitoring the ecological consequences of management actions to improve management decisions. Although the concept originated in the 1970s, it is rarely actively incorporated into ecological restoration. Bayesian networks (BNs) are emerging as efficient ecological decision-support tools well suited to adaptive management, but examples of their application in this capacity are few. We developed a BN within an adaptive-management framework that focuses on managing the effects of feral grazing and prescribed burning regimes on avian diversity within woodlands of subtropical eastern Australia. We constructed the BN with baseline data to predict bird abundance as a function of habitat structure, grazing pressure, and prescribed burning. Results of sensitivity analyses suggested that grazing pressure increased the abundance of aggressive honeyeaters, which in turn had a strong negative effect on small passerines. Management interventions to reduce pressure of feral grazing and prescribed burning were then conducted, after which we collected a second set of field data to test the response of small passerines to these measures. We used these data, which incorporated ecological changes that may have resulted from the management interventions, to validate and update the BN. The network predictions of small passerine abundance under the new habitat and management conditions were very accurate. The updated BN concluded the first iteration of adaptive management and will be used in planning the next round of management interventions. The unique belief-updating feature of BNs provides land managers with the flexibility to predict outcomes and evaluate the effectiveness of management interventions.

Resumen: El manejo adaptativo es un proceso interactivo de recopilación de conocimiento nuevo relacionado con el comportamiento de un sistema y el monitoreo de las consecuencias ecológicas de las acciones de manejo para refinar las opciones de manejo. Aunque el concepto se originó en la década de los 1970s, rara vez es incorporado activamente en la restauración ecológica. Las redes Bayesianas (RBs) están emergiendo como herramientas eficientes para la toma de decisiones ecológicas en el contexto del manejo adaptativo, pero los ejemplos de su aplicación en este sentido son escasos. Desarrollamos una RB en el marco del manejo adaptativo que se centra en el manejo de los efectos del pastoreo feral y los regímenes de quemas prescritas sobre la diversidad de aves en bosques subtropicales del este de Australia. Construimos la RB con datos para predecir la abundancia de aves como una función de la estructura del hábitat, la presión de pastoreo y las quemas prescritas. Los resultados del análisis de sensibilidad sugieren que la presión de pastoreo incrementó la abundancia de melífagos agresivos, que a su vez tuvieron un fuerte efecto negativo sobre paserinos pequeños. Posteriormente se llevaron a cabo intervenciones de manejo para reducir la presión del pastoreo feral y quemas prescritas, después de las cuales recolectamos un segundo conjunto de datos de campo para probar la respuesta de paserinos pequeños a estas medidas. Utilizamos estos datos, que incorporaron cambios ecológicos que pueden haber resultado de la intervención de manejo, para validar y actualizar la RB. Las predicciones de la abundancia de paserinos pequeños bajo las nuevas condiciones de hábitat y manejo fueron muy precisas. La RB actualizada concluyó la primera iteración de manejo adaptativo y será utilizada para la planificación de la siguiente ronda de intervenciones de manejo. La característica única de actualización de la RBs permite que los manejadores tengan flexibilidad para predecir los resultados y evaluar la efectividad de las intervenciones de manejo.