我们现在有比以往更多的工具来开发可持续的IPM系统，随着时间的推移，这些系统只会越来越好。
新的农业技术能否使农民可持续地耕作，同时减少对农用化学品的依赖？这就是投资者在其新的创业投资组合中所希望的，也是监管机构为实现其积极的综合虫害管理（IPM,Integrated Pest Management对有害生物进行综合治理）农药减少目标所瞄准的。
然而，农民们不禁要问，这些技术是否以及如何以一种具有成本效益的方式整合到他们的农艺实践中–或者说，新的化学品是否正在取代那些因抗药性或其他原因而失去的化学品。
这导致了一个更有影响的问题：考虑到1914年首次发现石灰硫的农药抗性问题，然后在20世纪40年代发现DDT的抗性问题，为什么我们仍然在失去相对较新的、高效的害虫管理产品？
八十年来的IPM言论
答案可能是，尽管我们已经参与了八十年的IPM言论，但我们并没有努力实践其原则：识别害虫、有益生物和宿主；监测；建立行动阈值/经济伤害水平；利用良好的农业实践。
也许监测工作成本太高或劳动强度太大。这可能是由于忽视了为明年的害虫清理越冬的庇护所的过程。也许我们没有开发相关的经济伤害和治疗模型。
我们可能终究没有真正减少对化学品的依赖，但IPM仍然是解决方案的一部分
不管是什么原因，我们已经放弃了许多IPM的基本原则，只是因为使用通常不需要整合任何东西来管理你的害虫的杀虫剂更容易和更便宜。但是，现在农民被告知他们需要实施IPM并利用新的化学药品或产品–这些产品更复杂、更昂贵，需要更精确的处理时间，而且可能只在害虫的某些发育阶段有效。我们可能毕竟没有真正减少对化学品的依赖，但IPM仍然是解决方案的一部分。
可持续的IPM系统
好消息是我们现在有比以往更多的工具来开发可持续的IPM系统。自主的田间传感器可以实时监测害虫，消除了劳动力和不准确的数据。虫害和作物信息可以通过额外的田间传感器以及卫星、无人机、市场和天气数据得到补充。在人工智能（AI）和机器学习的帮助下，现在可以进一步分析田间数据，以产生基于使用各种产品时的经济收益/损失的模型。
例如，考虑到一个农民被提醒说田间传感器检测到了第一代主要害虫；在随后的日子里，一个种群模型可以准确地预测交配、卵和幼虫发育以及下一代的时间。有了这种预测信息，就可以更精确地安排信息素干扰、杀卵剂、昆虫生长调节剂、摄食抑制剂、RNAi、不育昆虫或天敌的使用时间–如果市场前景不佳，则根本不需要。
由于IPM模型顾名思义是动态的，它们只会随着时间的推移变得更好。
人工智能和机器学习的力量在于，它们–如果结合在一起–可以用来分析大量的数据，准确地描述当前的情况，预测，并根据农民的经济回报提供解决方案。一旦模型建立起来，它就会继续学习新的数据，由于IPM模型顾名思义是动态的，它们只会随着时间的推移变得更好。我们还没有到那一步，但也不是那么遥远了。
文章来源于：futurefarming
