Ein neues spanisches Konsortium wurde gegründet, um ein automatisiertes, benutzerfreundliches, zuverlässiges und kostengünstiges System zur Erkennung und Identifizierung von Schädlingen in Olivenhainen zu entwickeln.
Mit Unterstützung regionaler, nationaler und europäischer Regierungen möchte die oliVAr Operational Group dieses System schaffen, indem sie vorhandene Hardware mit den neuesten Fortschritten im Bereich künstliches Sehen und Datenmodellierung kombiniert.
Das Konsortium besteht aus der Loyola University Andalucía, der Ayesa Foundation, Opracol Seville und Cooperativas Agro-alimentarias de Andalucía und erwirtschaftet einen Jahresumsatz von über 11 Milliarden Euro.
Siehe auch:Forscher entwickeln Algorithmus zur Vorhersage des Erntepotenzials anhand von KlimadatenZiel des Konsortiums ist die Entwicklung einer integrierten Plattform zur Ortung des Vorkommens, der Bewegungen und der Anzahl von Schädlingen über ein Netzwerk aus Remote-Knotenpunkten, die im gesamten Olivenhain verteilt sind und unter anderem drahtlos verbundene Temperatur-, Feuchtigkeits-, Infrarot- und sichtbare Spektrumsensoren umfassen.
Das System erkennt die vier schwerwiegendsten Olivenschädlinge: Olivenfruchtfliege, Olivenmotte, Olivenblattfloh und Jasminmotte.
"„Die Gesundheit der Olivenhaine und ihrer Produkte ist heute ein grundlegendes Element im Bereich der landwirtschaftlichen Produktion; Schädlinge und Krankheiten, die sie befallen, können zu schweren Produktionsverlusten führen und somit die Wettbewerbsfähigkeit des Olivensektors verringern“, erklärte das Konsortium in einer Pressemitteilung.
Daten zu Schädlingsaktivität und Bedrohung werden in den Datenbanken der Plattform gespeichert. Diese Informationen sind in Echtzeit über die grafische Benutzeroberfläche (einschließlich mobiler Schnittstellen) verfügbar und dienen als Grundlage für analytische Funktionen innerhalb der Software.
Zu diesen Funktionen gehören das Erstellen einer Flugkurve für jedes Zielinsekt und die wirtschaftliche Schwelle, an der sich der Kontrollpunkt befindet.
Die wirtschaftliche Schwelle gibt den günstigsten Zeitpunkt an, über vorbeugende Maßnahmen zu entscheiden und diese umzusetzen, um eine Wertminderung der Ernte zu vermeiden, die die Kosten der Kontrollbehandlung übersteigt und somit einen wirtschaftlichen Schaden bedeutet: die wirtschaftliche Schadenshöhe.
Die wirtschaftliche Schwelle und das Schadensniveau sind für das Programm zum integrierten Schädlingsmanagement (IPM), auf dem das oliVAr-System basiert, von zentraler Bedeutung.
IPM wurde in den Jahrzehnten nach dem Zweiten Weltkrieg als Reaktion auf den stetig zunehmenden Einsatz von Pestiziden entwickelt, der aufgrund zunehmender Pestizidresistenzen und zunehmender Hinweise und eines zunehmenden Bewusstseins für die negativen Auswirkungen des intensiven Pestizideinsatzes auf die menschliche Gesundheit und die Umwelt zu Schädlingsbekämpfungskrisen führte.
Das Konsortium wies darauf hin, dass das System zwar zur Bekämpfung derzeit bekannter Schädlinge wie der Olivenmotte und der Olivenfruchtfliege konzipiert ist, die Technologie jedoch in Zukunft auch zur Überwachung weiterer Organismen eingesetzt werden könnte, insbesondere invasiv oder exotische Arten.
Dies wird aufgrund des Klimawandels und der Globalisierung der modernen Landwirtschaft und des Handels immer wahrscheinlicher. So ist beispielsweise die Marmorierte Baumwanze wurde nun auch in Olivenhainen in Italien und Griechenland nachgewiesen, nachdem es über ein Jahrzehnt lang erheblichen wirtschaftlichen Schaden an verschiedenen Nutzpflanzen in Nordamerika verursacht hatte.
Das Projekt oliVAr, das aus Mitteln des Europäischen Landwirtschaftsfonds für die Entwicklung des ländlichen Raums (ELER) gefördert und vom Ministerium für Landwirtschaft, Fischerei, Wasser und ländliche Entwicklung der andalusischen Regionalregierung kofinanziert wird, ist eines von mehreren Projekten, die darauf abzielen, die Nachhaltigkeit und Rentabilität der europäischen landwirtschaftlichen Lebensmittelproduktion durch Innovationen bei technologischen Lösungen zu verbessern.