Conceptual model for detecting favorable conditions of coffee pests in a smart farming environment

Lasso Sambony Emmanuel Gerarldo. 2021. Conceptual model for detecting favorable conditions of coffee pests in a smart farming environment. Popayán : University of Cauca, 166 p. Thesis Ph.D. : Telematics Engineering : University of Cauca

Encadrement : Corrales, Juan Carlos ; Avelino, Jacques

Résumé : Background: Crop pests are among the greatest threats to food security, generating broad economic, social, and environmental impacts. The impacts of crop pests can be reduced by identifying the conditions that generate them early. These pests interact with their hosts and the environment through complex pathways, and it is increasingly common to find professionals from different areas (farmers, technicians, plant pathologists, computer scientists, economists, sociologists, etc.) gathering into projects that attempt to deal with that complexity most often involving several crop pests. A pest development forecasting can be made using prediction models and it is required for three reasons: economic impact, safety, and justification of control methods. Given this situation, it is necessary to build interdisciplinary work guides that allow the construction of models for the comprehensive management of pest development capable of overcoming the challenges imposed by the presence or absence of data. Aims: Propose a conceptual model for the detection of favorable conditions for coffee pests in a smart farming environment, based on the use of data value and variety, and expert knowledge. Methods: Starting from theoretical references on the realization of mappings and systematic reviews of the literature, the approach proposes a series of steps that lead to a State of Science as a knowledge base for modeling tasks. The modeling tasks are framed in knowledge-based modeling methodologies, as well as data-based modeling. Results: A conceptual model that guides activities for modeling and forecasting the development of diseases and pests in crops, where implementation details are subject to existing methodologies and frameworks. Forecasting solutions can be approached through models based on knowledge and data, according to the requirements and available elements of the person or group of people who will carry out the modeling based on the proposed processes. Additionally, a phase for the exploration of the complementarity between the generated models is proposed. The conceptual model is applied for the development of coffee diseases and pests as a specific case study. Conclusions: Our approach presents a comprehensive conceptual model that guides a robust crop pest modeling process, from obtaining knowledge of the crop pest to be modeled, to the modeling alternatives according to the available resources necessary for modeling such as data and knowledge. For example, a common problem is the amount of data with which the models are trained. If the data is not enough, a modeling alternative that does not require data is needed. Several approaches about crop pest modeling assume knowledge of the problem that is already present, without considering steps to obtain and refine it, and others carry out the modeling process empirically without following a methodology. Although this does not mean that the results are less reliable, the use of methodologies is recommended to achieve an orderly, reliable and well-presented process.

Résumé (autre langue) : Antecedentes: Las enfermedades y plagas que atacan los cultivos se encuentran entre las mayores amenazas para la seguridad alimentaria y generan altos impactos económicos, sociales y ambientales. Estos impactos se pueden reducir identificando de manera temprana las condiciones que generan las enfermedades y plagas. Las enfermedades y plagas interactúan con sus hospederos y el medio ambiente de formas complejas y es cada vez más común encontrar profesionales de diferentes áreas (agricultores, técnicos, fitopatólogos, informáticos, economistas, sociólogos, etc.) uniendo esfuerzos en proyectos que intentan abordar dicha complejidad. Es posible realizar un pronóstico del desarrollo de enfermedades y plagas utilizando modelos de predicción y, más aún, esto es requierido por tres razones: impacto económico, seguridad y justificación de métodos de control. Ante esta situación, es necesario construir guías de trabajo interdisciplinario para la generación de modelos a ser usados en el manejo integral del desarrollo de enfermedades y plagas, capaces de superar los desafíos que impone la presencia o ausencia de datos. Objetivos: Proponer un modelo conceptual para la detección de condiciones favorables de enfermedades y plagas de cultivos en un entorno agrícola inteligente, basado en el uso del valor y variedad de los datos y el conocimiento experto. Métodos: A partir de referencias teóricas sobre la realización de mapeos y revisiones sistemáticas de la literatura, el enfoque propone una serie de pasos que conducen a un Estado de la Ciencia como base de conocimiento para las tareas de modelado. Las tareas de modelado se encuentran enmarcadas en metodologías de modelado basado en conocimiento, así como modelado basado en datos. Resultados: Un modelo conceptual que guía las actividades para el modelado y pronóstico del desarrollo de enfermedades y plagas en cultivos, donde los detalles de implementación están sujetos a las metodologías y marcos existentes. Las soluciones de pronóstico se pueden abordar a través de modelos basados en conocimiento y datos, de acuerdo con los requisitos y elementos disponibles de la persona o grupo de personas que realizarán el modelado basado en los procesos propuestos. Adicionalmente, una fase de exploración de la complementariedad entre modelos generados es propuesta. El modelo conceptual se aplica para el desarrollo de enfermedades y plagas del café como caso de estudio específico. Conclusiones: Nuestro enfoque presenta un modelo conceptual que guía un proceso robusto de modelado de plagas de cultivos, desde la obtención del conocimiento de la enfermedad o plaga de cultivo a modelar, hasta las alternativas de modelado de acuerdo con los recursos disponibles. Por ejemplo, un problema común es la cantidad de datos con los que se entrenan los modelos. Si los datos no son suficientes, se necesita una alternativa de modelado que no requiera datos. Varios enfoques sobre el modelado de plagas de cultivos asumen el conocimiento del problema que ya está presente, sin considerar los pasos para obtenerlo y refinarlo, y otros realizan el proceso de modelado de manera empírica sin seguir una metodología. Si bien esto no significa que los resultados sean menos confiables, se recomienda el uso de metodologías para lograr un proceso ordenado, confiable y bien presentado.

Mots-clés Agrovoc : Coffea, système expert, système basé sur la connaissance, aide à la décision, lutte anti-insecte, modélisation des cultures, modèle, prévention des maladies, prévention des risques

Classification Agris : H10 - Ravageurs des plantes
U10 - Informatique, mathématiques et statistiques
U30 - Méthodes de recherche

Auteurs et affiliations

• Lasso Sambony Emmanuel Gerarldo, Universidad del Cauca (COL)

Source : Cirad-Agritrop (https://agritrop.cirad.fr/598756/)

Métriques

[ Page générée et mise en cache le 2024-01-29 ]