Übertragbarkeit von „Random Forest“ Vorhersagemodellen für die Entwicklung von Resistenzen zwi-schen unterschiedlichen Regionen in Europa
DOI:
https://doi.org/10.5073/jka.2020.464.074Schlagworte:
Geografische Variation, Künstliche Intelligenz, Resistenz Management, Vorhersage von HerbizidresistenzAbstract
Herbizide sind eine wichtige Komponente der integrierten Unkrautbekämpfung (IWM) in der modernen Landwirtschaft. Entscheidungshilfesysteme zur Bewertung des Risikos einer Resistenzentwicklung können in hohem Maße dazu beitragen, die beste IWM-Strategie zu wählen, die an die lokale Situation vor Ort angepasst ist. In einer vorherigen Studie (Herrmann et al., 2016) wurde ein „Random Forest“ Vorhersagemodell zur Bewertung des Risikos für das Auftreten von Resistenzen in Alopecurus myosuroides (ALOMY) Populationen in Süddeutschland erstellt, das auf langjährigen Schlaghistorien beruht. In der vorliegenden Studie wurde die Übertragbarkeit des Vorhersagemodells in Bezug auf Regionen und vergleichbare Unkräuter anhand eines ähnlichen Datensatzes aus einer Region in Nordfrankreich analysiert. Die französischen Daten enthalten auch Informationen zu Lolium spp. (LOLSS, hauptsächlich Lolium perenne). Die deutschen und französischen Daten wurden durch Austausch von Test- und Trainingsdaten einem Kreuzvalidierungsverfahren unterzogen. Die Ergebnisse zeigen, dass von Trainingsdaten aus Deutschland akzeptable Vorhersagen für Frankreich erhalten werden können und umgekehrt. Der Resistenzstatus von Proben von Lolium spp. aus Frankreich kann mit einer guten Genauigkeit anhand eines gemeinsamen Trainingssatzes von Proben von A. myosuroides aus Deutschland und Frankreich vorhergesagt werden.
Downloads
Veröffentlicht
Ausgabe
Rubrik
Lizenz
Dieses Werk ist lizenziert unter einer Creative Commons Namensnennung 4.0 International Lizenz.
Sie dürfen:
- Teilen — das Material in jedwedem Format oder Medium vervielfältigen und weiterverbreiten
- Bearbeiten — das Material remixen, verändern und darauf aufbauen und zwar für beliebige Zwecke
Unter folgenden Bedingungen:
-
Namensnennung — Sie müssen die Namen der Autoren und den Titel des Werkes angeben, einen Link zur Lizenz beifügen und anmerken, ob Änderungen vorgenommen wurden.
- Keine weiteren Einschränkungen — Sie dürfen keine zusätzlichen Klauseln oder technische Verfahren einsetzen, die anderen rechtlich irgendetwas untersagen, was die Lizenz erlaubt.