Maria Riveiro
Institutionen för informationsteknologi
Maria Riveiro
Bitr. professor i informationsteknologi
Uppmärksamheten kring fusariumangrepp på svenskt spannmål har under de senaste åren ökat. Angrepp kan leda till skördenedsättning, men den allvarligaste effekten är att svamparna kan bilda toxiner. I EUs lagstiftning kan man hitta gränsvärden för innehållet av fusariumtoxinerna då de är skadliga för både människor och djur. Vårt projekt syftar till att utveckla ett gårdsbaserat beslutsstöd för att bedöma risken för Fusariumangrepp och förhöjda deoxynivalenol (DON)-halter i spannmål. Det ska kunna användas av både rådgivare och lantbrukare.
Beslutsstödet är en webb-applikation med kartfunktion och hanterar både omvärldsdata, såsom väder samt gårds- och fältspecifika data, till exempel förfrukt, sort, jordarter, satellitdata och historiska DON-data. Varje faktor i sig påverkar risken för angrepp i olika utsträckning men det är en kombination av och samverkan mellan flera olika faktorer som avgör om det blir angrepp eller förhöjning.
Bedöma risken
Med ovanstående data som grund ska beslutstödet predicera risken för Fusariumangrepp och förhöjda DON-halter. För att detta ska vara möjligt måste de mycket komplexa sambanden mellan inverkande faktorer modelleras utifrån tidigare data och känd domänkunskap. En central aspekt är i vilken utsträckning hänsyn ska tas till de olika faktorerna.
Det kan handla om att studera hur mycket bättre (eller säkrare) beslutsunderlaget blir om information om till exempel såtid och textur från den egna gården tas med, jämfört med att enbart använda mer generell information som gäller för större områden. Då det handlar om många faktorer som potentiellt kan inverka på resultatet måste så kallade multivariata modeller användas, det vill säga modeller med förmåga att hantera och hitta mönster och samband i stora mängder data.
Olika typer av multivariata modeller
Det finns många olika typer av multivariata modeller, alla med sina specifika för- och nackdelar: hur de hanterar olika typer av data, inte minst kvantitativ respektive kvalitativa data, hur de hanterar osäkerhet i data, hur precisa de är i sina prediktioner, hur de hanterar tillkomsten av ny data/domänkunskap, hur lättförståeliga de är med mera. Projektet möter utmaningen genom att ta fram den modell, eller kombination av modeller, som är optimal för det tänkta beslutsstödet.
Verktyget ska kunna användas av rådgivare och lantbrukare som utgångspunkt för ordinarie rådgivning, där till exempel fältobservationer och praktiska hänsyn kompletterar beslutsstödet. Men även inom spannmålshandeln, där en mer generell version gällande för ett större geografiskt område är mer intressant. Det utvecklade verktyget ska även kunna utgöra en plattform för framtida liknande verktyg inom växtskyddsområdet.
