.png)
Zmiany klimatyczne w ostatnich latach spowodowały reorganizację strategii ochrony, szczególnie w przypadku upraw, w których wymagane jest zarządzanie wieloma chorobami i owadami. Ze względu na naprzemienne przymrozki i susze oraz występowanie obfitych i słabo rozłożonych opadów deszczu, konieczne staje się przewidywanie ognisk chorób i inwazji owadów w celu szybkiego reagowania i ograniczenia możliwych szkód. W ostatnich latach zainteresowanie systemami wspomagania decyzji (DSS) wzrosło również ze względu na przepisy (dyrektywa 2009/128/C) dotyczące ograniczenia nakładów chemicznych w zintegrowanej ochronie przed szkodnikami. Do tego należy dodać wszystkie inne zobowiązania, które Europa i poza nią nakładają na nas w zakresie zrównoważonego rozwoju środowiska, takie jak: Zielony Ład, Agenda 2030, Pakiet Pestycydowy i strategie "od pola do stołu". Wszystko to dzieje się w kontekście, w którym zmniejsza się powierzchnia użytków rolnych (UR) i liczba cząsteczek do zwalczania patogenów i szkodników fitofagicznych, wzrasta zanieczyszczenie powietrza i erozja gleby, a także liczba i nasilenie chorób i owadów z powodu nieracjonalnego stosowania środków ochrony roślin i globalizacji; nie wspominając o wzroście liczby ludności na świecie, który doprowadzi wszystkich uczestników systemu rolno-spożywczego do konieczności zwiększenia ilości i jakości żywności w najbliższej przyszłości.
Model choroby roślin jest uproszczeniem rzeczywistego systemu składającego się z patogenu/fitofaga, rośliny żywicielskiej i środowiska. Modele są wykorzystywane w epidemiologii do opisywania, rozumienia, przewidywania i porównywania epidemii i ich składników. Praktyczną pomocą dla hodowców jest przewidywanie chorób, które jest procesem szacowania w przyszłych, przeszłych, obecnych lub nieznanych sytuacjach.
Do opracowania modeli prognostycznych wymagane są ogólne dane klimatyczne, takie jak minimalna, średnia i maksymalna temperatura i wilgotność względna, dzienne i miesięczne opady oraz liczba dni deszczowych, prędkość i czas trwania wiatru, punkt rosy, godziny nasłonecznienia. W zależności od złożoności danych wykorzystywane są również historyczne dane klimatyczne (np. es. na base 30 lat). Ponadto wymagane mogą być również dane dotyczące upraw i szkodników (patogenów i/lub fitofagów). Na przykład można wykorzystać następujące parametry: dla upraw - wilgotność liści, gęstość roślin, stadia fenologiczne, maksymalny wskaźnik powierzchni liści, deficyt ciśnienia pary, natężenie napromienienia netto powyżej i poniżej łanu, podatne stadia fenologiczne; dla patogenów grzybowych - tempo uwalniania zarodników, dojrzewania i kiełkowania, ich liczba na liściach, ilość pierwotnego i wtórnego inokulum oraz tempo kolonizacji. W przypadku owadów (es. L. botrana na winorośli) - okresy lotów samców (wykrywanych za pomocą pułapek feromonowych) i rozkład odłowów samców między pokoleniami.
Obszary zastosowania w rolnictwie są zróżnicowane, od wzrostu i rozwoju upraw po wydajność upraw, bilans wodny i obronę przed przeciwnościami biotycznymi i abiotycznymi.
Ponieważ jakość i moc obliczeniowa oferowana przez komputery poprawia się z dnia na dzień, modele są coraz częściej włączane do systemów DSS, które są narzędziami pomagającymi użytkownikom w podejmowaniu decyzji taktycznych i operacyjnych w zakresie ochrony upraw w celu lepszego planowania zastosowań środków ochrony roślin w strategiach obronnych. Modele mogą być również częścią lokalnych systemów ostrzegania przed chorobami (np. regionalnych obserwatoriów fitosanitarnych itp.). Wykorzystanie prognoz do ochrony upraw przed chorobami grzybowymi i szkodnikami nie jest niczym nowym (es. reguła 3-10 dla zarazy winorośli i reguła 10 dla zarazy pomidora).
Główne zalety DSS to możliwość analizowania różnych scenariuszy, lepszego zrozumienia procesów fizycznych i biologicznych, przeprowadzania manipulacji na rzeczywistym systemie w celu testowania hipotez dotyczących jego funkcjonowania, oceny wpływu możliwych interwencji zewnętrznych w celu zmiany zachowania systemu, ułatwienia wymiany danych oraz umożliwienia lepszego wykorzystania danych i zasobów. Wręcz przeciwnie, krytyczne aspekty polegają na wykorzystaniu, które jest często ograniczone przez rozwój pakietów oprogramowania oraz potrzebę testowania i walidacji procedur w różnych latach.
W kontekście zintegrowanej ochrony upraw, wykorzystanie modeli prognostycznych jest cennym narzędziem, które pozwala na identyfikację "użytecznego okna czasowego", w którym zabieg może być najbardziej skuteczny i wydajny w zwalczaniu docelowego patogenu/fitofaga. Prowadzi to do bardziej racjonalnej i wydajnej metodologii podejmowania decyzji, a tym samym minimalizuje liczbę aplikacji i danych wejściowych wprowadzanych do systemu. Modele predykcyjne xFarm Lab zostały opracowane, zaprojektowane, skalibrowane i zatwierdzone w celu zapewnienia rolnikom i całym łańcuchom dostaw dodatkowego narzędzia technicznego, które nie tylko uzupełnia inne już dostępne (es. agronomiczne, biologiczne, fizyczne, chemiczne), ale koordynuje je wszystkie w celu zwiększenia wydajności i skuteczności strategii ochrony i technik uprawy, w celu zwiększenia jakości i ilości produkcji.
Koncepcja ta jest równie ważna dla rolników z małymi działkami, jak i dla łańcuchów rolno-spożywczych, które mają możliwość, na dużą skalę, wzmocnienia pozytywnego efektu racjonalnego i wydajnego zarządzania zasobami.
Głównym celem xFarm Lab jest wspieranie całego systemu rolno-spożywczego poprzez cyfryzację i technologie stosowane w rolnictwie w celu zapewnienia zrównoważonego rozwoju procesów produkcyjnych pod względem agronomicznym, ekonomicznym i społecznym.
Dubey, P.K., Singh, G.S., Abhilash, P.C. (2019). Adaptacyjne praktyki rolnicze: budowanie odporności w zmieniającym się klimacie. Springer.
Pertot, I.; Caffi, T.; Rossi, V.; Mugnai, L.; Hoffmann, C.; Grando, M.S.; Gary, C.; Lafond, D.; Duso, C.; Thiery, D.; Mazzoni, V.; Anfora, G. (2016). Krytyczny przegląd narzędzi ochrony roślin w celu ograniczenia stosowania pestycydów na winorośli i nowe perspektywy wdrażania IPM w uprawie winorośli. Crop Protection, (), S0261219416303489-.
Rossi, V., Giosuè, S., Caffi, T. (2010). Modelling plant diseases for decision making in crop protection. W precyzyjnej ochronie upraw - wyzwanie i wykorzystanie heterogeniczności (s. 241-258). Springer, Dordrecht.
.svg)
