Use Case 3

Optimierung von Schädlings- und Krankheitsdaten zur Förderung des integrierten Pflanzenschutzes

Dieser Use Case befasst sich mit den datenspezifischen Herausforderungen beim Management von Schädlingen und Krankheiten.

Partners:
Federal Research Centre for Cultivated Plants (JKI)
Zentralstelle der Länder für EDV-gestützte Entscheidungshilfen und Programme im Pflanzenschutz (ZEPP)
Informationssystem für die integrierte Pflanzenproduktion (ISIP e.V.)  

Der Hintergrund

Der Pflanzenschutz zielt darauf ab, Ertragseinbußen aufgrund von Schädlingen und Krankheiten (Pest and Diseases – P & D) zu minimieren. Es gibt jedoch zunehmend wissenschaftliche und öffentliche Bedenken hinsichtlich des Einsatzes von Pestiziden. Dementsprechend zielt die EU-Strategie „vom Erzeuger zum Verbraucher“ („farm to fork“) darauf ab, den Einsatz von Pestiziden bis 2030 um 50 % zu reduzieren. Die integrierte Schädlingsbekämpfung (Integrated Pest Management – IPM) zielt darauf ab, den Einsatz von Pestiziden und die damit verbundenen Umweltauswirkungen zu minimieren, indem vielseitige Optionen für die Pflanzenbewirtschaftung eingesetzt werden, darunter auch Entscheidungshilfesysteme (Decision Support Systems – DSS).

IPM kann somit dazu beitragen, die damit verbundenen Zielkonflikte zu minimieren. Trotz zunehmender Bemühungen von Politik, Wissenschaft und Beratung um die Förderung von IPM konnte bisher kein durchschlagender Erfolg erzielt werden. Ein Hauptgrund liegt in der mangelnden Auffindbarkeit, Standardisierung, Zugänglichkeit und Integration von IPM-bezogenen Daten, Modellen und entsprechenden Entscheidungshilfen. Es gibt mehrere große Herausforderungen in Bezug auf RDM von P & D-Daten, bei denen es sich hauptsächlich um Daten aus Ertragsverlustversuchen, epidemiologischen Experimenten und Daten über den Befall von Pflanzenschutzmitteln handelt.

Erstens wird der Vergleich und die Integration von Daten durch Unterschiede in der Versuchsplanung (z. B. in Bezug auf Kontrollbehandlungen) und in den Krankheitsbewertungsverfahren (d. h. Zeitpunkt, Umfang, Stichprobengröße) erschwert. Zweitens sind die Informationen über das Vorhandensein und die potenzielle Zugänglichkeit von spezifischen P & D-Daten in Deutschland unzureichend. Drittens gibt es verschiedene Arten von Modellen zur Entscheidungsunterstützung im Zusammenhang mit IPM, die auf den oben beschriebenen Daten aufbauen. Es fehlt jedoch eine integrierte Entscheidungshilfe für den Pflanzenschutz, die den potenziellen Ertragsverlust und das Umweltrisiko des Pestizideinsatzes berücksichtigt. Die künftige Integration verschiedener Modelltypen ist daher von entscheidender Bedeutung, um die Entscheidungshilfe im Bereich des Pflanzenschutzes voranzutreiben und den Pflanzenschutz zum Erfolg zu führen.

Schließlich ist das Zusammenspiel von ständiger genetischer Anpassung der Kulturpflanzen, Änderungen im Agrarmanagement, klimatischen Veränderungen, Auswirkungen auf die Landschaft und die Entwicklung von Pflanzenschutz und Schädlingsbekämpfung äußerst komplex und erfordert eine solide Datenbank, die von der Forschungsgemeinschaft durch Datenintegration, Analyse und Modellierung effektiv genutzt werden kann.

Die Ziele

Um die oben beschriebenen RDM-bezogenen Beschränkungen und Herausforderungen in der aktuellen P & D-Forschung in Deutschland zu überwinden, hat dieser Use Case drei Hauptziele:

  • Entwicklung von Richtlinien für die Standardisierung von Ertragsausfallversuchen
  • Erstellung eines Inventars und Verbesserung der Zugänglichkeit von IPM-bezogenen Daten
  • Integration von P & D-Modellen und Ernteertragsmodellen

Weitere Use Cases

Use Case 1: Nutzung der Wechselwirkungen zwischen Genotyp, Standort, Jahr und Bewirtschaftung für eine nachhaltige Pflanzenproduktion

Use Case 2: Bewertung von Trade-offs für ein optimales Stickstoffmanagement bei Pflanzen

Use Case 3: Optimierung von Schädlings- und Krankheitsdaten zur Förderung des integrierten Pflanzenschutzes

Use Case 4: Lernen aus unvollständigen Daten

Use Case 5: Nichtinvasive Phänotypisierung mit autonomen Robotern

Use Case 6: Automatisierte Datenflüsse für Pflanzenmodelle