Using the California Waterfowl Tracker to Assess Proximity of Waterfowl to Commercial Poultry in the Central Valley of California.
avian influenza
geospatial data
moderate resolution imaging spectroradiometer
poultry
remote sensing
waterfowl
Journal
Avian diseases
ISSN: 1938-4351
Titre abrégé: Avian Dis
Pays: United States
ID NLM: 0370617
Informations de publication
Date de publication:
09 2021
09 2021
Historique:
received:
28
06
2021
accepted:
02
07
2021
entrez:
26
10
2021
pubmed:
27
10
2021
medline:
18
1
2022
Statut:
ppublish
Résumé
Migratory waterfowl are the primary reservoir of avian influenza viruses (AIV), which can be spread to commercial poultry. Surveillance efforts that track the location and abundance of wild waterfowl and link those data to inform assessments of risk and sampling for AIV currently do not exist. To assist surveillance and minimize poultry exposure to AIV, here we explored the utility of Remotely Sensed Moderate Resolution Imaging Spectroradiometer (MODIS) satellite imagery in combination with land-based climate measurements (e.g., temperature and precipitation) to predict waterfowl location and abundance in near real-time in the California Central Valley (CCV), where both wild waterfowl and domestic poultry are densely located. Specifically, remotely collected MODIS and climate data were integrated into a previously developed boosted regression tree (BRT) model to predict and visualize waterfowl distributions across the CCV. Daily model-based predictions are publicly available during the winter as part of the dynamic California Waterfowl Tracker (CWT) web app hosted on the University of California's Cooperative Extension webpage. In this study, we analyzed 52 days of model predictions and produced daily spatiotemporal maps of waterfowl concentrations near the 605 commercial poultry farms in the CCV during January and February of 2019. Exposure of each poultry farm to waterfowl during each day was classified as high, medium, low, or none, depending on the density of waterfowl within 4 km of a farm. Results indicated that farms were at substantially greater risk of exposure in January, when CCV waterfowl populations peak, than in February. For example, during January, 33% (199/605) of the farms were exposed for ≥1 day to high waterfowl density Las aves acuáticas migratorias son el principal reservorio de los virus de la influenza aviar (con las siglas en inglés AIV), que pueden transmitirse a la avicultura comercial. Actualmente no existen esfuerzos de vigilancia que rastrean la ubicación y densidad de poblaciones de aves acuáticas silvestres y que vinculen esos datos para informar evaluaciones de riesgo y muestreo para influenza aviar. Para ayudar a la vigilancia y minimizar la exposición de la avicultura comercial a influenza aviar se exploró la utilidad de las imágenes satelitales por espectrorradiómetro de imágenes con resolución moderada (con las siglas en inglés MODIS) y de detección remota en combinación con mediciones climáticas terrestres (por ejemplo, temperatura y precipitación) para predecir la ubicación y densidad de aves acuáticas prácticamente en tiempo real en el Valle Central de California (CCV), donde tanto las aves acuáticas silvestres como las aves domésticas están densamente ubicadas. Específicamente, los datos MODIS y climáticos recopilados de forma remota se integraron en un modelo de árbol de regresión reforzado (BRT) desarrollado previamente para predecir y visualizar la distribución de las aves acuáticas en el Valle Central de California. Las predicciones diarias basadas en modelos están disponibles públicamente durante el invierno como parte de la aplicación dinámica en el del rastreador de aves acuáticas de California (California Waterfowl Tracker, CWT) ubicada en la página de internet de Extensión Cooperativa de la Universidad de California. En este estudio, se analizaron 52 días de predicciones del modelo y se produjeron mapas espaciotemporales diarios con densidades de aves acuáticas cerca de las 605 granjas avícolas comerciales en el Valle Central de California durante enero y febrero de 2019. La exposición de cada granja avícola a las aves acuáticas durante cada día se clasificó como alta, media, baja o nula, dependiendo de la densidad de aves acuáticas dentro de los cuatro kilómetros de una granja. Los resultados indicaron que las granjas tenían un riesgo sustancialmente mayor de exposición en enero, cuando las poblaciones de aves acuáticas en el Valle Central de California alcanzan su punto máximo, en comparación con febrero. Por ejemplo, durante enero, el 33% (199/605) de las granjas estuvieron expuestas durante más de un día a una alta densidad de aves acuáticas frente a un 19% (115/605) de las granjas en febrero. Además de demostrar la variabilidad general de la ubicación y densidad de las aves acuáticas, estos datos demuestran cómo se puede utilizar la teledetección para clasificar mejor los esfuerzos de bioseguridad y vigilancia para la influenza aviar mediante la utilización de una herramienta funcional basada en una aplicación en el internet. La capacidad de aprovechar la teledetección es un avance integral hacia la mejora de la vigilancia para influenza aviar en aves acuáticas en las proximidades de la avicultura comercial. La expansión de estos tipos de métodos de teledetección, vinculados a una herramienta en el internet que es fácil de usar, podría desarrollarse aún más en los Estados Unidos continentales. El modelo de árbol de regresión reforzado incorporado en el sistema de rastreo de aves acuáticas de California refleja un primer intento de brindar una representación precisa de la distribución y densidad de las aves acuáticas en relación con las aves comerciales.
Autres résumés
Type: Publisher
(spa)
Las aves acuáticas migratorias son el principal reservorio de los virus de la influenza aviar (con las siglas en inglés AIV), que pueden transmitirse a la avicultura comercial. Actualmente no existen esfuerzos de vigilancia que rastrean la ubicación y densidad de poblaciones de aves acuáticas silvestres y que vinculen esos datos para informar evaluaciones de riesgo y muestreo para influenza aviar. Para ayudar a la vigilancia y minimizar la exposición de la avicultura comercial a influenza aviar se exploró la utilidad de las imágenes satelitales por espectrorradiómetro de imágenes con resolución moderada (con las siglas en inglés MODIS) y de detección remota en combinación con mediciones climáticas terrestres (por ejemplo, temperatura y precipitación) para predecir la ubicación y densidad de aves acuáticas prácticamente en tiempo real en el Valle Central de California (CCV), donde tanto las aves acuáticas silvestres como las aves domésticas están densamente ubicadas. Específicamente, los datos MODIS y climáticos recopilados de forma remota se integraron en un modelo de árbol de regresión reforzado (BRT) desarrollado previamente para predecir y visualizar la distribución de las aves acuáticas en el Valle Central de California. Las predicciones diarias basadas en modelos están disponibles públicamente durante el invierno como parte de la aplicación dinámica en el del rastreador de aves acuáticas de California (California Waterfowl Tracker, CWT) ubicada en la página de internet de Extensión Cooperativa de la Universidad de California. En este estudio, se analizaron 52 días de predicciones del modelo y se produjeron mapas espaciotemporales diarios con densidades de aves acuáticas cerca de las 605 granjas avícolas comerciales en el Valle Central de California durante enero y febrero de 2019. La exposición de cada granja avícola a las aves acuáticas durante cada día se clasificó como alta, media, baja o nula, dependiendo de la densidad de aves acuáticas dentro de los cuatro kilómetros de una granja. Los resultados indicaron que las granjas tenían un riesgo sustancialmente mayor de exposición en enero, cuando las poblaciones de aves acuáticas en el Valle Central de California alcanzan su punto máximo, en comparación con febrero. Por ejemplo, durante enero, el 33% (199/605) de las granjas estuvieron expuestas durante más de un día a una alta densidad de aves acuáticas frente a un 19% (115/605) de las granjas en febrero. Además de demostrar la variabilidad general de la ubicación y densidad de las aves acuáticas, estos datos demuestran cómo se puede utilizar la teledetección para clasificar mejor los esfuerzos de bioseguridad y vigilancia para la influenza aviar mediante la utilización de una herramienta funcional basada en una aplicación en el internet. La capacidad de aprovechar la teledetección es un avance integral hacia la mejora de la vigilancia para influenza aviar en aves acuáticas en las proximidades de la avicultura comercial. La expansión de estos tipos de métodos de teledetección, vinculados a una herramienta en el internet que es fácil de usar, podría desarrollarse aún más en los Estados Unidos continentales. El modelo de árbol de regresión reforzado incorporado en el sistema de rastreo de aves acuáticas de California refleja un primer intento de brindar una representación precisa de la distribución y densidad de las aves acuáticas en relación con las aves comerciales.
Identifiants
pubmed: 34699147
doi: 10.1637/aviandiseases-D-20-00137
doi:
Types de publication
Journal Article
Langues
eng
Sous-ensembles de citation
IM
Pagination
483-492Références
Greene JL.
U.S. Department of Agriculture, Animal and Plant Health Inspection Service [USDA, APHIS].
U.S. Geological Survey, U.S. Department of Food and Agriculture, U.S. Fish and Wildlife Service, National Wildlife Refuge System, and the National Flyway Council.
Ramey AM, Hill NJ, Cline T, Plancarte M, De La Cruz S, Casazza ML, Ackerman JT, Fleskes JP, Vickers TW, Reeves AB. Surveillance for highly pathogenic influenza A viruses in California during 2014–2015 provides insights into viral evolutionary pathways and the spatiotemporal extent of viruses in the Pacific Americas Flyway: influenza A viruses in California during 2014–2015.
Gilmer DS, Miller MR, Bauer RD, LeDonne JR. California's Central Valley wintering waterfowl: concerns and challenges. In: Sabol K, editor.
Henaux V, Samuel MD, Dusek RJ, Fleskes JP, Ip HS. Presence of avian influenza viruses in waterfowl and wetlands during summer 2010 in California: are resident birds a potential reservoir?
Olsen B, Munster VJ, Wallensten A, Waldenström J, Osterhaus AD, Fouchier RA. Global patterns of influenza A virus in wild birds.
Fang L-Q, de Vlas SJ, Liang S, Looman CW, Gong P, Xu B, Yan L, Yang H, Richardus JH, Cao W-C. Environmental factors contributing to the spread of H5N1 avian influenza in mainland China.
Flint PL, Pearce JM, Franson JC, Derksen DV. Wild bird surveillance for highly pathogenic avian influenza H5 in North America.
Si Y, de Boer WF, Gong P. Different environmental drivers of highly pathogenic avian influenza H5N1 outbreaks in poultry and wild birds.
Daly C.
Torbick N, Salas WA, Hagen S, Xiao X. Monitoring rice agriculture in the Sacramento Valley, USA with multitemporal PALSAR and MODIS imagery.
Feirer S, Kelamn T, Pitesky M, Buler J. California Waterfowl Tracker (CWT). [Internet].2017 [cited 2021 June 6]. Available from: https://www.arcgis.com/apps/webappviewer/index.html?id=859cc2b3d28d4372865afa2ba2457a2d
ESRI. ArcGis Pro, version 2.4. Redlands (CA): ESRI. https://www.esri.com/en-us/arcgis/products/arcgis-pro/overview; 2019.
Buler JJ, Randall LA, Fleskes JP, Barrow Jr WC, Bogart T, Kluver D. Mapping wintering waterfowl distributions using weather surveillance radar.
Lobser S, Cohen W. MODIS Tasselled Cap: land cover characteristics expressed through transformed MODIS data.
Mattiuzzi M, Verbesselt J, Hengl T, Klisch A, Stevens F, Mosher S, Evans B, Lobo A, Detsch F.
U.S. Department of Agriculture, National Agricultural Statistics Service [USDA, NASS].
Sieges ML, Smolinsky JA, Baldwin MJ, Barrow Jr WC, Randall LA, Buler JJ. Assessment of bird response to the migratory bird habitat initiative using weather-surveillance radar.
R Core Team. RStudio: integrated development for R, version 3.6.2. Vienna (Austria): R Foundation for Statistical Computing. http://www.R-project.org; 2020.
Fleskes J, Yee J, Casazza ML, Miller M, Takekawa JY, Orthmeyer D.
McDuie F, Casazza ML, Keiter D, Overton CT, Herzog MP, Feldheim CL, Ackerman JT. Moving at the speed of flight: dabbling duck-movement rates and the relationship with electronic tracking interval.
Pixalytics. How many Earth observation satellites are in space in 2018? 2018; 1–3. Availabe from https://www.pixalytics.com/eo-satellites-in-space-2018.
Brewster CC, Allen JC, Kopp DD. IPM from space: using satellite imagery to construct regional crop maps for studying crop–insect interaction.
Lucas R, Rowlands A, Brown A, Keyworth S, Bunting P. Rule-based classification of multi-temporal satellite imagery for habitat and agricultural land cover mapping.
McCuen MM, Pitesky ME, Buler JJ, Acosta S, Wilcox AH, Bond RF, Díaz-Muñoz SL. A comparison of amplification methods to detect avian influenza viruses in California wetlands targeted via remote sensing of waterfowl.
Selva D, Krejci D. A survey and assessment of the capabilities of Cubesats for Earth observation.
Petrik K, Fehringer D, Weverko A.