Challenges and opportunities of using ecological and remote sensing variables for crop pest and disease mapping
Challenges and opportunities of using ecological and remote sensing variables for crop pest and disease mapping
dc.contributor.advisor | Borgemeister, Christian Wilhelm | |
dc.contributor.author | Kyalo, Richard | |
dc.date.accessioned | 2020-04-26T18:52:22Z | |
dc.date.available | 2020-04-26T18:52:22Z | |
dc.date.issued | 15.07.2019 | |
dc.identifier.uri | https://hdl.handle.net/20.500.11811/7997 | |
dc.description.abstract | Crop pest and diseases are responsible for major economic losses in the agricultural systems in Africa resulting in food insecurity. Potential yield losses for major crops across Africa are mainly caused by pests and diseases. Total losses have been estimated at 70% with approximately 30% caused by inefficient crop protection practices. With newly emerging crop pests and disease, monitoring plant health and detecting pathogens early is essential to reduce disease spread and to facilitate effective management practices. While many pest and diseases can be acquired from another host or via the environment, the majority are transmitted by biological vectors. Thus, vector ecology can serve an indirect explanation of disease cycles, outbreaks, and prevalence. Hence, better understanding of the vector niche and the dependence of pest and disease processes on their specific spatial and ecological contexts is therefore required for better management and control. While research in disease ecology has revealed important life history of hosts with the surrounding environment, other aspects need to be explored to better understand vector transmission and control strategies. For instance, choosing appropriate farming practices have proved to be an alternative to the use of synthetic pesticides. For instance, intercropping can serve as a buffer against the spread of plant pests and pathogens by attracting pests away from their host plant and also increasing the distance between plants of the same species, making it more exigent for the pest to target the main crop. Many studies have explored the potential applications of geospatial technology in disease ecology. However, pest and disease mapping in crops is rather crudely done thus far, using Spatial Distribution Models (SDM) on a regional scale. Previous research has explored climatic data to model habitat suitability and the distribution of different crop pests and diseases. However, there are limitation to using climate data since it ignores the dispersal and competition from other factors which determines the distribution of vectors transmitting the disease, thus resulting in model over prediction. For instance, vegetation patterns and heterogeneity at the landscape level has been identified to play a key role in influencing the vector-host-pathogen transmission, including vector distribution, abundance and diversity at large. Such variables can be extracted from remote sensing dataset with high accuracy over a large extent. The use of remotely sensed variables in modeling crop pest and disease has proved to increase the accuracy and precision of the models by reducing over fitting as compared to when only climatic data which are interpolated over large areas thus disregarding landscape heterogeneity.When used, remotely sensed predictors may capture subtle variances in the vegetation characteristic or in the phenology linked with the niche of the vector transmitting the disease which cannot be explained by climatic variables. Subsequently, the full potential of remote sensing applications to detect changes in habitat condition of species remains uncharted. This study aims at exploring the potential behind developing a framework which integrates both ecological and remotely sensed dataset with a robust mapping/modelling approach with aim of developing an integrated pest management approach for pest and disease affecting both annual and perrennial crops and whom currently there is no cure or existing germplasm to control further spread across sub Saharan Africa. | en |
dc.description.abstract | Herausforderungen und Möglichkeiten der Verwendung von ökologischen und Fernerkundungsvariablen für die Schädlings- und Krankheitskartierung Pflanzenschädlinge und Krankheiten in der Landwirtschaft sind für große wirtschaftliche Verluste in Afrika verantwortlich, die zu Ernährungsunsicherheit führen. Die Verluste werden auf 70% geschätzt, wobei etwa 30% auf ineffiziente Pflanzenschutzpraktiken zurückzuführen sind. Bei neu auftretenden Pflanzenschädlingen und Krankheiten ist die Überwachung des Pflanzenzustands und die frühzeitige Erkennung von Krankheitserregern unerlässlich, um die Ausbreitung von Krankheiten zu reduzieren und effektive Managementpraktiken zu erleichtern. Während viele Schädlinge und Krankheiten von einem anderen Wirt oder über die Umwelt erworben werden können, wird die Mehrheit durch biologische Vektoren übertragen. Daraus folgt, dass die Vektorökologie als indirekte Erklärung von Krankheitszyklen, Ausbrüchen und Prävalenz untersucht werden sollte. Um effektive Vektorkontrollmaßnahmen zu entwickeln ist ein besseres Verständnis der ökologischen Vektor-Nischen und der Abhängigkeit von Schädlings- und Krankheits-Prozessen von ihrem spezifischen räumlichen und ökologischen Kontext wichtig. Während die Forschung in der Krankheitsökologie wichtige Lebenszyklen von Wirten mit der Umgebung schon gut aufgezeigt hat, müssen weitere Aspekte noch besser untersucht werden, um Vektorübertragungs- und Kontroll-Strategien zu entwickeln. So hat sich beispielsweise die Wahl geeigneter Anbaumethoden als Alternative zum Einsatz synthetischer Pestizide erwiesen. In einigen Fällen wurde der Zwischenfruchtanbau als ‚Puffer' gegen die Ausbreitung von Pflanzenschädlingen und Krankheitserregern vorgeschlagen. Bei diesem Anbausystem werden Schädlinge von ihrer Wirtspflanze abgezogen und auch der Abstand zwischen Pflanzen derselben Art vergrößert (was eine Übertragung erschwert). Viele Studien haben bereits die Einsatzmöglichkeiten von Geodaten in der Krankheitsökologie untersucht. Die Kartierung von Schädlingen und Krankheiten in Nutzpflanzen ist jedoch bisher eher großskalig erfolgt, unter der Zunahme von sogenannten ‚Spatial Distribution Models (SDM)' auf regionaler Ebene. Etliche Studien haben diesbezüglich klimatische Daten verwendet, um die Eignung und Verteilung verschiedener Pflanzenschädlinge und Krankheiten zu modellieren. Es gibt jedoch Einschränkungen bei der Verwendung von Klimadaten, da dabei andere landschaftsbezogene Verbreitungs-Faktoren ignoriert werden, die die Verteilung der Vektoren und Krankheitserreger bestimmen, was zu einer Modell-Überprognose führt. Vegetationsmuster und Heterogenität auf Landschaftsebene beeinflussen maßgeblich die Diversität und Verteilung eines Vektors und spielen somit eine wichtige Rolle bei der Vektor-Wirt-Pathogen-Übertragung. Bei der Verwendung von Fernerkundungsdaten können subtile Abweichungen in der Vegetationscharakteristik oder in der Phänologie, die mit der Nische des Vektors verbunden sind, besser erfasst werden. Es besteht noch Forschungs-Bedarf hinsichtlich der Rolle von Fernerkundungsdaten bei der Verbesserung von Artenmodellen, die zum Ziel haben den Lebensraum von Krankheitsvektoren besser zu erfassen. Ziel dieser Studie ist es, das Potenzial für die Entwicklung eines Rahmens zu untersuchen, der sowohl ökologische als auch aus der Ferne erfasste Daten mit einem robusten Mapping- / Modellierungsansatz kombiniert, um einen integrierten Ansatz zur Schädlingsbekämpfung für Schädlinge und Krankheiten zu entwickeln, der sowohl einjährige als auch mehrjährige Kulturpflanzen betrifft Keine Heilung oder vorhandenes Keimplasma zur weiteren Verbreitung in Afrika südlich der Sahara. | en |
dc.language.iso | eng | |
dc.rights | In Copyright | |
dc.rights.uri | http://rightsstatements.org/vocab/InC/1.0/ | |
dc.subject | Schädlinge und Krankheiten | |
dc.subject | Pflanzenschutzmittel | |
dc.subject | ökologische Modellierung | |
dc.subject | pest and disease | |
dc.subject | crop prodctivity | |
dc.subject | ecological modeling | |
dc.subject.ddc | 310 Allgemeine Statistiken | |
dc.subject.ddc | 510 Mathematik | |
dc.subject.ddc | 630 Landwirtschaft, Veterinärmedizin | |
dc.title | Challenges and opportunities of using ecological and remote sensing variables for crop pest and disease mapping | |
dc.type | Dissertation oder Habilitation | |
dc.publisher.name | Universitäts- und Landesbibliothek Bonn | |
dc.publisher.location | Bonn | |
dc.rights.accessRights | openAccess | |
dc.identifier.urn | https://nbn-resolving.org/urn:nbn:de:hbz:5n-55164 | |
ulbbn.pubtype | Erstveröffentlichung | |
ulbbnediss.affiliation.name | Rheinische Friedrich-Wilhelms-Universität Bonn | |
ulbbnediss.affiliation.location | Bonn | |
ulbbnediss.thesis.level | Dissertation | |
ulbbnediss.dissID | 5516 | |
ulbbnediss.date.accepted | 10.07.2019 | |
ulbbnediss.institute | Zentrale wissenschaftliche Einrichtungen : Zentrum für Entwicklungsforschung (ZEF) | |
ulbbnediss.fakultaet | Landwirtschaftliche Fakultät | |
dc.contributor.coReferee | Greve, Klaus |
Dateien zu dieser Ressource
Das Dokument erscheint in:
-
E-Dissertationen (1032)