A DBN model to study the influence of epidemio surveillance networks on phytosanitary treatments
Résumé
The role of Epidemiological Surveillance Networks (ESN) is becoming more and
more important to control epidemics in agricultural areas. The influence of the ESN outputs on
the number of phytosanitary treatments applied, and on the epidemic size is not well understood.
We used a dynamic Bayesian network model of a pest dynamics to explore the influence of
spatial and temporal sizes of the network on these criteria. A simulation analysis showed that
for weeds and soil-borne diseases, by increasing the ESN size, the number of treatments can
be significatively reduced with a moderate increase of the epidemics size. This illustrates how
DBN models may help in identifying ways to reduce pesticide use.
Le rôle des Réseaux d’Epidémio Surveillance (RES) pour le contrôle des épidémies
dans les cultures est de plus en plus important. Cependant, l’influence de l’information fournie
par le RES sur le nombre de traitements phytosanitaires appliqués et la taille de l’épidémie est
mal connu. Nous proposons un modèle de DBN pour représenter la dynamique d’un bioagresseur
dans un parcellaire, afin d’explorer l’influence de la taille spatiale et temporelle du RES
sur ces critères. Une analyse par simulation montre que pour les adventices et les pathogènes
du sol, il est possible de réduire le nombre de traitements significativement, pour une augmentation
modérée de la taille de l’épidémie, en augmentant la taille du RES. Cela illustre comment
un DBN peut être utilisé pour identifier des leviers pour la réduction de l’usage des pesticides.
Domaines
Sciences du Vivant [q-bio]Format | Poster |
---|
Loading...