Streamlining pest and disease data to advance integrated pest management - A FAIRagro use case

Notes (English)

Abstract (German)

FAIRagro ist ein Konsortium in der Nationalen Forschungsdateninfrastruktur (NFDI) in Deutschland für den Aufbau einer vernetzten Forschungsdateninfrastrukturin der Agrarsystemforschung (Specka et al., 2023). FAIRes Datenmanagement bezieht sich auf die Schlagwörter "auffindbar" (findable - F), zugänglich (accessible - A), interoperabel (I) und wiederverwendbar (reusable - R). Dadurch soll es anderen Forschern in anderen Bereichen ermöglicht werden, diese Daten zu nutzen. In der Agrosystemforschung werden in Deutschland sehr unterschiedliche Forschungsdaten erhoben. Eine Integration dieser Daten würde dazu beitragen den Wissensaufbau und ein Systemverständnis zu fördern und so die Herausforderungen einer nachhaltigen Pflanzenproduktion zu bewältigen. Zusammen mit Agrarsystemforschern und Datenanalyseexperten wurden aktuelle Herausforderungen im Forschungsdatenmanagement (FDM) identifiziert und in Form von sechs Anwendungsbeispielen ("Use Cases" - UC) in FAIRagro adressiert. Diese decken verschiedenste Forschungsfragen, Methoden, Disziplinen und Skalen der Agrarsystemforschung ab.

Der UC 3 "Streamlining pest and disease data to advance integrated pest management" befasst sich der Rationalisierung von Schädlings- und Krankheitsdaten zur Förderung des integrierten Pflanzenschutzes. Der Pflanzenschutz ganz allgemein zielt darauf ab, Ertragsverluste durch Schädlinge und Krankheiten zu minimieren. Dies geschieht heute im Wesentlichen durch den Einsatz von Pestiziden. Es gibt jedoch zunehmende Besorgnis der Wissenschaft und der Öffentlichkeit über den Einsatz von Pestiziden bezüglich der damit einhergehenden Umweltauswirkungen. Dementsprechend strebt die EU in ihrer Farm-to-Fork Strategie an, deren Einsatz bis 2030 um 50 % zu reduzieren (EU, 2020). 

Um dies zu erreichen, kommt dem integrierten Pflanzenschutz (IPM) eine Schlüsselrolle zu, da sich eine solche Reduktion nur erreichen lässt, wenn alle Optionen des Pflanzenmanagements integriert betrachtet und genutzt werden, z.B. durch den Einsatz von Entscheidungshilfesystemen (Barzman et al., 2015). 

Trotz zunehmender Bemühungen von Politik, Wissenschaft und Förderung des integrierten Pflanzenschutzes zu fördern, ist sein durchschlagender Erfolg bisher ausgeblieben.

Ein Hauptgrund liegt in der mangelnden Auffindbarkeit, Standardisierung, Zugänglichkeit und Integration von IPM-bezogenen Daten (in erster Linie um Daten aus Ertragsverlustversuchen und epidemiologischen Experimenten um sowie Schadorganismenbefallsdaten), Modelle und entsprechender Entscheidungshilfen. 

Die Herausforderungen hinsichtlich der Integration dieser Daten sind 

1. Mangelnde Vergleichbarkeit der Daten aufgrund von unterschiedlicher Versuchsplanung (z. B. B. in Bezug auf Kontrollbehandlungen) und Krankheitsbewertungsverfahren (d. h. Zeitpunkt, Umfang, Stichprobengröße)
2. Mangelnde Auffindbarkeit und Zugänglichkeit vorhandener IPM-bezogener Daten
3. Es gibt eine Vielzahl von Modellen für die IPM-bezogene Entscheidungsunterstützung. Es fehlt jedoch eine integrierte, systemische Entscheidungshilfe für den Pflanzenschutz, die sowohl den potenziellen Ertragsverlust (z.B. durch Schadorganismen oder klimatischen Stress) als auch das Umweltrisiko des Pestizideinsatzes berücksichtigt.

Diese Modell-Integration ist hochkomplex und erfordert eine Integration von Daten aus verschiedensten wissenschaftlichen Disziplinen (z.B. Boden-, Wetter-, Geodaten …), die sich heute nur mit viel Aufwand manuell finden und aufbereiten lassen. 

Der UC 3 verfolgt drei Hauptziele, um die oben beschriebenen Herausforderungen im integrierten Pflanzenschutz zu adressieren: 

1. Entwicklung von Leitlinien für die Standardisierung von Ertragsverlustversuche,
2. Inventarisierung und Verbesserung der Zugänglichkeit von IPM-bezogenen Daten
3. Integration von P&D-Modellen und Ernteertragsmodellen.

Abstract (English)

FAIRagro is a consortium in the National Research Data Infrastructure (NFDI) in Germany for research data of the agrosystems research (Specka et al., 2023). FAIR data management refers to findable (F), accessible (A), interoperable (I) and reusable (R) for other researchers across domains. In the German research landscape related to sustainable agricultural systems, very diverse research data is collected. Improved research data management (RDM) could help promote knowledge building and improved system understanding required to cope with the challenges of sustainable crop production. Together with agrosystem researchers and data analysis experts, current challenges in RDM were identified, which are addressed in the form of six use cases (UC) in FAIRagro. These use cases cover various research questions, methods, disciplines and scales of agrosystems research. 

The UC 3 "Streamlining pest and disease data to advance integrated pest management" aims for improved RDM regarding pest and disease data and respective yield loss data. Crop protection aims to minimize yield losses due to pests and diseases (P&D). However, there is increasing scientific and public concern regarding the use of pesticides. Accordingly, the farm-to-fork strategy of the EU targets a 50% reduction in the use of pesticides by 2030 (EU, 2020). 

Integrated pest management (IPM) aims at minimizing the use of pesticides and related environmental impacts by utilizing versatile crop management options, including decision support systems (Barzman et al, 2015). IPM may thus help to minimize related trade-offs. 

Despite increasing efforts from policy, science and extension regarding the promotion of IPM, its resounding success has so far not been achieved. One major reason lies in the lack of findability, standardization, accessibility and integration of IPM-related data, models and respective decision support. There are several major challenges regarding RDM of P&D data, which are mainly data from yield-loss trials, epidemiological experiments, and P&D infestation data. 

1. Comparison and integration of data is challenged by differences in experimental design (e.g. regarding control treatments) and disease assessment procedures (i.e., timing, scale and sample size).
2. Information on the existence and potential accessibility of specific P&D data in Germany is insufficient.
3. Different types of models for IPM-related decision support exist, building on the above-described data. However, there is a lack of integrated decision support for plant protection that considers the potential yield loss and environmental risk of pesticide application.

The future integration of different types of models is therefore of vital importanceto advance IPM-related decision support and make IPM work. Finally, the interplay of continuous crop genetic adaptation, agronomic management changes, climatic change, landscape level effects and P&D evolution is highly complex. It requires a solid database that can be utilized effectively through data integration, analysis and modelling by the research community. 

To overcome the above-described RDM-related limitations and challenges, UC 3 has three main objectives, 

1. Develop guidelines for standardization of yield loss trials
2. Establish an inventory for and improve the accessibility of IPM-related data
3. Integration of P&D models and crop yield models.