Transferability of a random forest model for resistance prediction between different regions in Europe

Lepke, Janin; Beffa, Roland; Richter, Otto; Herrmann, Johannes

Herbicides are an important technology in the Integrated Weed Management (IWM) tool box aiming to control weeds in modern agriculture. Prediction tools to evaluate the risk of resistance evolution will greatly help to choose the best IWM strategy adapted to the local field situation. In a previous work (HERRMANN et al., 2016) a random forest risk assessment model based on a data set comprising field history, management, and resistance status of Alopecurus myosuroides populations in Southern Germany was created. In this study transferability of the model with respect to regions and comparable weeds was analysed based on a similar dataset from a region in Northern France. The data from France also contained information on Lolium spp. The data related to Germany and France were subjected to a cross-validation procedure by interchanging test and training data. Results showed that acceptable predictions can be obtained for training data from Germany applied to France and vice versa. Resistance status in LOLSS samples from France can be predicted with a good accuracy based on a combined training set of A. myosuroides samples from Germany and France.

Herbizide sind eine wichtige Komponente der integrierten Unkrautbekämpfung (IWM) in der modernen Landwirtschaft. Entscheidungshilfesysteme zur Bewertung des Risikos einer Resistenzentwicklung können in hohem Maße dazu beitragen, die beste IWM-Strategie zu wählen, die an die lokale Situation vor Ort angepasst ist. In einer vorherigen Studie (HERRMANN et al., 2016) wurde ein „Random Forest“ Vorhersagemodell zur Bewertung des Risikos für das Auftreten von Resistenzen in Alopecurus myosuroides (ALOMY) Populationen in Süddeutschland erstellt, das auf langjährigen Schlaghistorien beruht. In der vorliegenden Studie wurde die Übertragbarkeit des Vorhersagemodells in Bezug auf Regionen und vergleichbare Unkräuter anhand eines ähnlichen Datensatzes aus einer Region in Nordfrankreich analysiert. Die französischen Daten enthalten auch Informationen zu Lolium spp. (LOLSS, hauptsächlich Lolium perenne). Die deutschen und französischen Daten wurden durch Austausch von Test- und Trainingsdaten einem Kreuzvalidierungsverfahren unterzogen. Die Ergebnisse zeigen, dass von Trainingsdaten aus Deutschland akzeptable Vorhersagen für Frankreich erhalten werden können und umgekehrt. Der Resistenzstatus von Proben von Lolium spp. aus Frankreich kann mit einer guten Genauigkeit anhand eines gemeinsamen Trainingssatzes von Proben von A. myosuroides aus Deutschland und Frankreich vorhergesagt werden.

Cite

Citation style:

Lepke, Janin / Beffa, Roland / Richter, Otto / et al: Transferability of a random forest model for resistance prediction between different regions in Europe. 2020. Julius Kühn-Institut.

Rights

Use and reproduction:

Export