As the constantly ongoing climate change and agronomic practices affect plant pathogens and pests, sustainable solutions are presented, in order to control the increased pest population and disease pressure to crops, while reducing the chemical inflow in the food production chain. Decision Support Systems (DSSs), programs that support determinations, judgments, and courses of action, by analysing data and collecting comprehensive information, appear to be very useful tools in modern agriculture. Such IoT solutions provide accurate and precise forecasts, predicting a possible outbreak of a pest or/and a disease, enabling an early proactive response by the producer, that will ensure crop safety. Data sources employed may vary depending on the species of pests/pathogens. However, a very common combination, is the exploitation of meteorological data and precedent infection data or pest occurrence data. In this way, a correlation of current meteorological data and the optimum growing conditions of pest can provide an elaborate risk index. The risk index is used to warn producers regarding possible infections/attacks. As contemporary agricultural systems mostly rely on prediction, rather than on counteraction for controlling crop diseases, the role of DSSs is expected to be more crucial in the future, as they have already been established and implemented in many occasions.
English
Decision Support Systems in innovative IPM systems
Greek
Συστήματα υποβοήθησης λήψεως αποφάσεων σε καινοτόμα συστήματα IPM
Καθώς οι διαρκείς κλιματικές αλλαγές και οι εφαρμοζόμενες αγρονομικές πρακτικές επηρεάζουν τους φυτοπαθογόνους μικροοργανισμούς και τους εχθρούς των καλλιεργειών, παρουσιάζονται βιώσιμες λύσεις, προκειμένου να ελεγχθεί η αύξηση του πληθυσμού των εχθρών και η πίεση των ασθενειών στις καλλιέργειες, μειώνοντας παράλληλα τη εισροή χημικών στην αλυσίδα παραγωγής τροφίμων. Τα Συστήματα Υποστήριξης Αποφάσεων (DSS), προγράμματα που υποστηρίζουν προσδιορισμό καταστάσεων και κρίσεων, αλλά και του τρόπου και της πορείας δράσης, αναλύοντας δεδομένα και συλλέγοντας ολοκληρωμένες πληροφορίες, παρουσιάζονται ως πολύ χρήσιμα εργαλεία στη σύγχρονη γεωργία. Τέτοιες IoT λύσεις μπορούν να παρέχουν ακριβείς προβλέψεις, προβλέποντας πιθανή έξαρση εχθρού ή / και ασθένειας, επιτρέποντας την έγκαιρη προληπτική δράση από τον παραγωγό, που θα διασφαλίσει την ασφάλεια των καλλιεργειών. Οι πηγές δεδομένων που αξιοποιούνται μπορεί να διαφέρουν ανάλογα με το είδος του εκάστοτε εχθρού ή παθογόνου. Ωστόσο, ένας πολύ συνηθισμένος συνδυασμός, είναι η αξιοποίηση μετεωρολογικών δεδομένων και δεδομένων προηγουμένων μολύνσεων ή δεδομένων περιστατικών ανίχνευσης εχθρών. Με αυτόν τον τρόπο, μια συσχέτιση των τρεχόντων μετεωρολογικών δεδομένων και των βέλτιστων συνθηκών επώασης, ανάπτυξης και προσβολής των εχθρών μπορεί να παρέχει έναν εξειδικευμένο δείκτη κινδύνου. Ο δείκτης κινδύνου χρησιμοποιείται για να προειδοποιεί τους παραγωγούς σχετικά με πιθανές προσβολές. Δεδομένου ότι τα σύγχρονα γεωργικά συστήματα βασίζονται κυρίως στην δράση/πρόληψη και όχι στην αντίδραση κατόπιν της εμφάνισης του προβλήματος για τον έλεγχο των ασθενειών των καλλιεργειών, ο ρόλος των DSSs αναμένεται να είναι ιδιαίτερα κρίσιμος στο μέλλον, καθώς έχουν ήδη εφαρμόζονται σε πολλές περιπτώσεις.