Modelling tools for including climate change in pest risk assessments

• Published in: Bulletin OEPP Vol. 54; no. S1; pp. 38 - 51
• Main Authors: Kriticos, Darren, Szyniszewska, Anna, Bradshaw, Catherine, Li, Christine, Verykouki, Eleni, Yonow, Tania, Duffy, Catriona
• Format: Journal Article
• Language: English
• Published: Paris Wiley Subscription Services, Inc 01-03-2024
• Subjects: Classification; Climate change; Climate change scenarios; Climate models; Climatic classifications; Continents; Distribution patterns; Environment models; Environmental impact; Extrapolation; Future climates; Geiger counters; Geographical distribution; Global climate; History; Modelling; Pests; Risk assessment
• ISSN: 0250-8052; 1365-2338
• DOI: 10.1111/epp.12994

This paper provides a comprehensive overview of the modelling tools available for integrating climate change impacts into pest risk assessments (PRA), elucidating the existing methodologies and models employed to understand the potential distributions of pests based on historical data and under future climate change scenarios. We highlight the strengths and weaknesses of these models and provide commentary on their ability to identify emerging threats due to climate change accurately and adequately, considering pest establishment likelihood, host crop exposure and the distribution of impacts. The simplest methods are based on climate‐matching models, degree‐day development models and Köppen–Geiger climate classification. Correlative species distribution models derive species–environment relationships and have been applied to PRA with mixed success. When fitted models are applied to different continents they are usually challenged to extrapolate climate suitability patterns outside the climate space used to train them. Global climate change is creating novel climates, exacerbating this ‘transferability’ problem. Some tools have been developed to reveal when these models are extrapolating. Process‐oriented models, which focus on mechanisms and processes rather than distribution patterns, are inherently more reliable for extrapolation to novel climates such as new continents and future climate scenarios. These models, however, require more skill and generally more knowledge of the species to craft robust models.
Outils de modélisation pour inclure le changement climatique dans les évaluations du risque phytosanitaire
Cet article fournit un aperçu complet des outils de modélisation disponibles pour intégrer les impacts du changement climatique dans les évaluations du risque phytosanitaire, en expliquant les méthodologies et les modèles existants utilisés pour comprendre les répartitions potentielles des organismes nuisibles sur la base de données historiques et dans le cadre de futurs scénarios de changement climatique. Nous mettons en évidence les forces et les faiblesses de ces modèles et commentons leur capacité à identifier de manière précise et adéquate les menaces émergentes dues au changement climatique, en tenant compte de la probabilité d'établissement des organismes nuisibles, de l'exposition des cultures hôtes et de la répartition des impacts. Les méthodes les plus simples sont basées sur des modèles de comparaison de climats, des modèles de développement en degrés‐jours et la classification climatique de Köppen‐Geiger. Les modèles corrélatifs de répartition des espèces sont basés sur les relations entre les espèces et l’environnement et ont été appliqués avec un succès mitigé à l'évaluation du risque phytosanitaire. Lorsque les modèles ajustés sont appliqués à différents continents, ils sont généralement mis en difficulté pour extrapoler les zones où le climat est favorable en dehors de l'espace climatique utilisé pour les entraîner. Le changement climatique mondial crée de nouveaux climats, exacerbant ce problème de « transférabilité ». Certains outils ont été développés pour indiquer lorsque ces modèles extrapolent. Les modèles mécanistes, basés sur les mécanismes et les processus plutôt que sur la répartition géographique sont intrinsèquement plus fiables pour extrapoler à de nouveaux climats tels que ceux présent sur d’autres continents et dans les scénarios climatiques futurs. Ces modèles nécessitent cependant plus de compétences et généralement plus de connaissances sur l'espèce afin d'élaborer des modèles robustes.
Инструменты моделирования, позволяющие включить вопросы изменения климата в оценку фитосанитарного риска
В статье представлен комплексный обзор инструментов моделирования, используемых для включения вопросов изменения климата в оценку фитосанитарного риска, а также рассмотрены существующие методологии и модели, применяемые для изучения потенциального распространения вредных организмов на основе исторических данных и сценариев изменения климата. Мы рассматриваем сильные и слабые стороны этих моделей и анализируем их способность точно и адекватно выявлять возникающие угрозы, связанные с изменением климата, с учетом вероятности акклиматизации вредных организмов, их взаимодействия с растениями‐хозяевами и географических особенностей ожидаемого ущерба. Самые простыt методы основаны на сопоставления аналогичных климатических зон, моделях развития, учитывающих накопление сумм эффективного тепла (градусо‐дней), а также на классификации климатов Кёппена‐Гейгера. Корреляционные модели распределения видов основаны на учёте взаимосвязей между видами и их окружающей средой; применение таких моделей для оценки фитосанитарного риска имело разный уровень успешности. Когда адаптированные модели применяются к разным континентам, обычно возникают сложности с экстраполяцией климатической пригодности за пределами того климатического пространства, которое было использовано для обучения этих моделей. Глобальное изменение климата порождает новые сценарии климата, тем самым усугубляя проблему экстраполяции данных. Особые инструменты были разработаны для работы с экстраполяциями этих моделей. Процесс‐ориентированные модели, которые фокусируются на механизмах и процессах, а не на моделях распределения, по своейсути более надежны для экстраполяции на новые условия, такие как новые континенты и сценарии будущего климата. При этом такие модели требуют больше навыков и, как правило, более глубокого изучения видов для создания более надежных моделей.