La transición agroecológica, particularmente en el modelado de sistemas agronómicos, es un área de investigación floreciente centrada en la evaluación de interacciones complejas dentro de los sistemas ambientales. Sin embargo, este campo enfrenta desafíos al integrar modelos de diversas disciplinas, cada una con sus metodologías y marcos únicos.
por la Universidad Agrícola de NanJing
La investigación actual destaca la necesidad de mejorar los acoplamientos de modelos que consideren la interacción dinámica entre varios procesos ambientales y sus impactos mutuos, particularmente en el ámbito ambiental de la producción vegetal.
Una cuestión crítica reside en la integración de modelos que tengan en cuenta los efectos de las plagas y enfermedades (P&D) en el crecimiento y el rendimiento de las plantas, especialmente a largo plazo. Los enfoques tradicionales a menudo pasan por alto los efectos de retroalimentación de la P&D sobre la biomasa y el crecimiento de las plantas, lo que subraya la necesidad de modelos dinámicos y mecanicistas a nivel de órganos.
En agosto de 2023, Plant Phenomics publicó un artículo de base de datos/software titulado » Acoplamiento de modelos de crecimiento de plantas y modelos de plagas y enfermedades: una propuesta de estructura de interacción, MIMIC «.
Este documento tiene como objetivo desarrollar un marco de acoplamiento sólido que integre de manera efectiva la dinámica de crecimiento de las plantas con los impactos de P&D, facilitando predicciones y decisiones de tratamiento a largo plazo más precisas en la producción agrícola, particularmente en el contexto de condiciones climáticas cambiantes y el resurgimiento de P&D en cultivos como el café. .
En este estudio, se desarrolló una herramienta de software llamada MIMIC para integrar modelos en una estructura de interacción a través de una arquitectura de tres capas. La primera capa abarca modelos independientes conectados a MIMIC a través de la segunda capa, que comprende pseudomodelos que actúan como envoltorios para estos modelos. La tercera capa, el núcleo de MIMIC, es responsable de la programación, la gestión de tareas y el intercambio de datos.
El funcionamiento de MIMIC implica modelos independientes que intercambian datos con la plataforma, la generación automática de pseudomodelos para simulación e interacción, y la capa del núcleo que gestiona procesos y almacena datos.
Los resultados correspondientes a este método demostraron la eficacia de MIMIC para facilitar interacciones de modelos complejos. En la capa de modelos, se simplificó el intercambio de datos entre MIMIC y modelos externos. Los pseudomodelos de la segunda capa proporcionaron datos de simulación y gestionaron las interacciones entre los modelos y el núcleo de MIMIC. Los componentes de la capa del núcleo, incluidos CS, ISS e ISDR, garantizaron la programación dinámica, el almacenamiento de datos y la conversión de variables de estado.
Los usuarios interactuaban con MIMIC a través de una capa de usuario, escribiendo códigos de interacción en lenguaje Julia y definiendo controles de simulación a través de archivos YAML. El diseño de MIMIC permitió un acoplamiento eficiente de modelos, como se ilustra en un estudio de caso que involucra la fructificación de un cafeto y un modelo de la broca del café (CBB).
Este estudio muestra la capacidad de MIMIC para simular con precisión la dinámica de ataque de plagas en cafetos, con algunas discrepancias menores atribuidas a las condiciones iniciales y la sensibilidad del sistema.
En términos de rendimiento, MIMIC mostró un código compacto y de complejidad lineal, y la mayor parte del tiempo de simulación se dedicó a la inicialización debido al proceso de compilación de Julia. La herramienta, desarrollada en Julia, era fácil de usar y accesible, lo que resultaba especialmente beneficiosa para científicos e ingenieros de los sectores agrícola y medioambiental.
La estructura modular de MIMIC permitió una fácil integración de componentes adicionales, lo que lo convierte en un marco versátil y genérico adecuado para una amplia gama de aplicaciones. El exitoso estudio de caso de Sumatra, Indonesia, destaca el potencial de MIMIC para evaluar los efectos a largo plazo de la P&D en las plantas mediante la simulación de interacciones entre diferentes modelos.
Más información: Houssem EM Triki et al, Acoplamiento de modelos de crecimiento vegetal y modelos de plagas y enfermedades: una propuesta de estructura de interacción, MIMIC, Fenómica vegetal (2023). DOI: 10.34133/plantfenómica.0077
