在对农业生态系统进行建模时，我们的目标可能是描述一种现象，量化各种因素的影响，或预测特定条件下的结果。这可能涉及分析田间疾病、害虫或杂草的时空分布，或使用机器学习和其他 AI 工具来预测管理行动的最佳时机。另一种方法是应用统计多变量模型，这些模型试图解释影响系统的因素，尽管存在相当大的可变性或“噪声”。这种方法常用于生态学研究。然而，农业系统与自然系统有很大不同。它们是高度干扰的环境，在田间和田内都具有很大的异质性。
这种可变性源于田间位置、气候条件、害虫压力和管理策略等因素。也许影响最大的因素是人的因素，因为每个农民都会做出独特的管理决策。进一步增加复杂性的是，还必须考虑所有这些因素之间的相互作用。有效管理这种可变性需要跨地区、多年或生长季节的不同田地的广泛代表性。这种方法可以开发能够过滤噪声并识别最相关因子的多元模型。然而，由于其耗时和复杂的性质，它很少被使用。主要挑战在于收集数据所需的大量工作，无论是在短期内还是几年内考察大量商业领域，还是在没有可访问数据库的情况下直接从个体农民那里收集管理数据。尽管存在这些挑战，但此类模型在增强我们对管理实践和其他变量如何影响农业生态系统的理解方面的潜力是巨大的，因此付出的努力是值得的。
在农业数据或农业数据中，捕获了种植者进行的所有活动的年表，以及整个生长季节投资于田地的每一项投入。这包括种植前和种植期间的土壤准备、害虫防治应用、灌溉、施肥等任务。此外，气候条件、土壤类型、海拔高度、坡度和周围环境（无论是自然、城市还是农业）等外部因素可能会影响作物生长、产量和收获后参数。农民多年来记录的这些宝贵信息在优化农业实践方面发挥着关键作用。收集数据主要是为了满足监管机构的要求，农民（尤其是那些出口农产品的农民）必须遵守这些要求。然而，近年来，其他各方的兴趣越来越大，例如提供旨在提供数据驱动分析的农业数据收集和管理服务的公司，以及寻求利用农业数据来解释大规模现象并制定区域范围建议的农业研究和推广服务。
在杂草科学领域，人们越来越认识到，了解农业领域杂草种群的动态需要整合多个领域的空间变异以及生长季节之间和生长季节内的时间变异。虽然许多研究调查了耕地中的杂草群落，但在有大量抽样和相应管理数据的支持下，全面调查影响杂草干扰因素的研究要少得多。
为了突出这种建模方法的潜力，我将回顾在以色列北部四个种植区的商业加工番茄田中进行的两项关于杂草侵扰的研究。该地理区域的特点是独特的气候梯度，从东部 Beit She'an 山谷的半干旱条件到西部 Zevulun 山谷和北部 Hula 山谷的地中海条件。种植区之间气候条件的显著差异会影响管理实践，例如种植季节和施用时间，以及生长速率等生物因素。
Cohen 等人（2017 年）的第一项研究调查了影响商业番茄田中扫帚菜 （Phelipanche aegyptiaca） 侵扰的因素。这项研究涉及对各个种植区当前和历史扫帚菜侵扰水平的广泛采样和数据收集，检查了作物轮作、历史侵染水平和与受感染田的距离等因素。通过密集绘制 43 个字段，该研究提供了全面的字段内特征。研究结果强调了扫帚菜从 Beit She'an 山谷向西传播到 Hula 山谷（图 1），并强调了番茄作为寄主作物在加剧田地内和邻近田地侵扰方面的作用。
图 1.以色列北部加工番茄种植区在不同时期的平均埃及番茄侵染水平，摘自 Cohen 等人，2017 年。
第二项研究包括我自己在 Newe Ya'ar 和 Volcani 中心农业研究组织的 Hanan Eizenberg 教授和 Lior Blank 博士的指导下进行的博士研究，重点是商业番茄田中的苋菜侵扰。在连续两个生长季节中，我们绘制了以色列北部近 130 块田地的地图，并收集了其中 103 块田地的管理数据（图 2）。我们的统计模型确定了除草剂施用频率和杂草处理后的降雨量等因素是导致苋菜侵扰水平的因素（图 3）。从该建模过程中获得的见解为在不同生长区域的两个生长季节进行的田间实验奠定了基础。这些实验测试了施用时间、强度和综合管理方法等变量（图 4），最终提供了特定地区的管理见解。
图 2.以色列地图 （A），用灰色方块表示研究区域。1983-2017 年 3 月的平均最高温度 （B） 和年平均降水量 （C） 显示了以色列北部的气候梯度。北部地区西红柿加工的四个主要种植区——Beit She'an 山谷 （BS）、Jezreel 山谷 （Jz）、Zevulun 山谷 （Zv） 和 Hula 山谷 （Hul）——由灰色多边形表示，分别显示了 2018 年 （D） 和 2019 年 （E） 生长季节调查的 58 块和 45 块田地（黑色多边形）。来自 Gafni 等人，2023 年。
图 3.表 4 和表 5 转载自 Gafni 等人（2023 年），分别显示了所选模型的中度和重度苋菜感染率的参数估计值。管理参数以紫色突出显示，气候参数以蓝色突出显示（为强调而添加）。种植前施用乙酰乳酸合酶 （ALS） 抑制剂磺嘧磺隆，以控制扫帚菜的侵扰。虽然它没有直接应用于目标苋菜物种，但由于出苗前 ALS 抑制剂应用对苋菜感染的影响，该管理变量被包含在模型中。
总之，人们越来越认识到大规模数据收集在解决杂草管理和其他农艺问题方面的重要性，这凸显了农业数据的价值。此类研究解决了区域尺度的问题，同时考虑了田地内部和田地之间的空间变异性，提供了一种在不同气候条件下实现位置定向管理的视角。我鼓励农民和其他相关实体共享信息，以创建一个能够支持复杂分析的强大数据库，从而推进知识并提供集体利益。模型不是最终目标;它们是前进的台阶。通过利用 Agri-data，我们可以构建更有效的模型并改进杂草管理策略。
图 4. 2021 年在 Beit-She'an 山谷的 Eden 农场进行了田间实验，评估了施用强度和时间对商业加工番茄田中苋菜侵扰的影响。该实验是基于建模结果的九项田间试验之一，包括整合指式除草剂种植以减少化学喷洒。
*Cohen， Y.， Roei， I.， Blank， L.， Goldshtein， E.， Eizenberg， H.，2017 年。根寄生杂草 Phelipancheaegyptiaca 在西红柿加工中的空间传播 - 使用生态信息学和空间分析。前面。植物科学 8， 973。https://doi.org/10.3389/fpls.2017.00973
*Gafni， R.， Ziv， GA， Eizenberg， H.， Blank， L.， 2023 年。对当地、管理和气候因素对苋菜物种加工番茄田侵扰的影响的区域规模研究。Eur. J. Agron.143、126722 https://doi.org/10.1016/j.eja.2022.126722
*北方研发（Mop Tzafon），MIGAL，Kiryat Shemona，以色列。
