Eine von CABI geleitete Studie hat die ersten Vorhersagemodelle entwickelt, die auf die Larvenstadien des Herbst-Heerwurms abzielen – unter Verwendung von Echtzeit-Erdbeobachtungsdaten und Schädlingsvorkommen auf dem Feld eines Landwirts werden die Modelle den Kampf gegen den verheerenden Herbst-Heerwurm (FAW) unterstützen , die allein in Afrika jährliche Ertragsverluste von schätzungsweise 9,4 Milliarden US-Dollar verursacht.
Neue Forschungen, die von einem internationalen Team unter der Leitung der Forscherin Alyssa Lowry durchgeführt wurden, haben gezeigt, wie die für FAW-Larvenpopulationen in Afrika entwickelten Modelle Kleinbauern dabei helfen können, den besten Zeitpunkt für eine Managementintervention an ihren Kulturen zur Vermeidung von Schäden genauer vorherzusagen. Der Schädling (Spodoptera frugiperda) begünstigt Mais, kann aber auch Auswirkungen auf über 100 andere Pflanzenarten haben.
Die Studie, veröffentlicht in der Zeitschrift Ernteschutz und mit Unterstützung von Kollegen der Kenya Agricultural and Livestock Research Organization (KALRO) und des Zambia Agriculture Research Institute (ZARI) zwei Larvenpopulationsaufgangsmodelle auf der Grundlage von Feld-FAW-Daten von Mais in Sambia erstellt. Die Modelle wurden dann anhand ähnlicher Daten von mehreren Maisstandorten in Kenia validiert.
Eine wirksame Kontrolle von FAW sollte in einem frühen Stadium des Anbauzyklus erfolgen, wenn Larven schwer zu entdecken sind. Das Zeitfenster, in dem Larven im Frühstadium bekämpft werden könnten, ist ziemlich breit, und die Modelle helfen dabei, das Fenster zu definieren, in dem ein Eingriff erfolgen könnte, wenn der Schädling vorhanden ist, oder in dem Überwachungs- und Erkundungsaktivitäten optimal wären.
Die neuartige Modellierung des Auftauchens und der Entwicklung von Larvenpopulationen im frühen und späteren Stadium – in Bezug auf die physiologische Zeit nach dem Pflanzen – ermöglicht es jetzt, Warnungen an Landwirte vor einer Interventions-/Scouting-Zeit zu senden, sodass Landwirte im Rahmen ihrer Integration vorbeugende Maßnahmen ergreifen können Schädlingsbekämpfungspläne.
Lowry und ihre Kollegen heben hervor, dass sich diese Modellierung bereits als Teil des CABI-geführten Pest Risk Information Service (PRISE) ausgezahlt hat, der Echtzeit-Warnungen – per SMS – an Landwirte liefert und ihnen mitteilt, wann sie handeln müssen, um ihre Pflanzen vor Schädlingen zu schützen .
Am Ende der kurzen Regenzeit 2019/2020 in Kenia beispielsweise ergab eine separate Umfrage, dass 59 % der Landwirte – die den Prognosedienst erhielten – ihre Praktiken im Umgang mit FAW geändert haben.
Die Interventionen von PRISE – basierend auf der Modellierung von Erdbeobachtungsdaten, die von der CABI-Forschung hervorgehoben wurden – führten ferner zu einer reduzierten Population von FAW und einer Zunahme der Maisernte. Tatsächlich glaubten 87 % der in einer separaten Studie befragten Maisbauern, dass der von PRIZE empfohlene Zeitpunkt zum Handeln richtig war.
Die Analyse der jüngsten PRISE-Wirkungsdaten zeigt eine Kapitalrendite von 1:182. Dies bedeutet, dass die 1,8 Millionen Landwirte, die von PRISE erreicht wurden – in den fünf Jahren seit dem Start des Projekts im Jahr 2017 – einen zusätzlichen Produktionswert von 1,5 Milliarden £ verdient haben.
Dr. Sean T. Murphy, einer der Hauptarchitekten des PRIZE-Projekts und Leiter des Modellierungsteams, sagte: „Es ist zwingend erforderlich, effektive Schädlingsbekämpfungsstrategien und -werkzeuge für FAW zu entwickeln, wie die einfach umsetzbaren Modelle, die in dieser Studie vorgestellt werden der PRIZE-Initiative könnten die FAW-Modelle in anderen Schädlingsvorhersagesystemen verwendet werden, die Zugriff auf kontinuierliche Echtzeit-Temperaturdatensätze und die Fähigkeit haben, diese zu verarbeiten.“
Lowry fügt hinzu, dass „die Modelle von Landwirten keine direkte Schätzung von Aktionsschwellen erfordern und in Zukunft leicht verbessert werden können, wenn Daten zu Aktionsschwellen für Afrika verfügbar werden. Da das Ergebnis dieser Modelle eine Zeit zum Handeln ist, können sie verwendet werden in Verbindung mit einer Vielzahl von Bekämpfungsmethoden wie Biopestiziden oder für die zeitliche Abstimmung der Freisetzung lokaler oder exotischer Larvenparasitoide im Stadium.
„Die in dieser Studie verwendete Art der Modellierung kann leicht auf andere große Insektenschädlinge von landwirtschaftlichen Nutzpflanzen in Afrika angewendet werden, und die Arbeit an mehreren anderen Arten im Rahmen des PRIZE-Projekts ist bereits weit fortgeschritten. Das Team hofft, dass die Modelle zu einem ‚Positiv‘ beitragen können schrittweise Umstellung auf das nationale Pflanzengesundheitssystem Afrikas.“
Emmanuel Bakirdjian, Regionaldirektor für Afrika, Precision Development (PxD), ein Partner der Forschung, sagte: „Da Schädlingsbefall für Landwirte in Kenia leicht sichtbar ist, haben sie ein starkes Interesse daran, umsetzbare Informationen über Schädlingsbekämpfung zu erhalten. Landwirte im MoA -INFO-Dienste setzen Pestizide oft zu früh ein, was später zu einem größeren Befall führt, oder zu spät, was bedeutet, dass die Schädlinge widerstandsfähiger sind und mehr Schaden angerichtet haben.
„Durch unsere Partnerschaft mit CABI haben die Informationen von PRIZE fast 100.000 Landwirten des von PxD betriebenen MoA-INFO-Dienstes geholfen, zu erfahren, wann Pestizide am wahrscheinlichsten wirksam sind. Dies hat den Landwirten geholfen, mehr von Schädlingen befallene Pflanzen zu erholen und um eine übermäßige Anwendung von Pestiziden zu vermeiden, wodurch die Risiken für die menschliche Gesundheit und die Schäden für andere wichtige Organismen im lokalen Ökosystem verringert werden.
Alyssa Lowry et al., Optimierung des Timings von Managementinterventionen gegen Heerwürmer im afrikanischen Kleinbauernmais: Modellierung des Musters der Entstehung und Entwicklung von Larvenpopulationen, Ernteschutz (2022). DOI: 10.1016/j.cropro.2022.105966
Bereitgestellt von CABI