Modelling and optimal strategy to control coffee berry borer
Notice bibliographique
Résumé
Coffee berry borer Hypothenemus hampei (Coleoptera: Scolytidae), denoted CBB, is the most important insect pest of coffee worldwide, with a high impact on the economy of coffee producing countries. The insect spends a great part of its life cycle inside the coffee berry and causes severe crop losses. Biological control based on the use of an entomopathogenic fungus is a major alternative to chemical pesticides in order to control CBB. The fungus is sprayed on the coffee berries to kill CBB when the insects drill holes to penetrate inside the berries. Our aim in this work is to optimise the fungus application, using a modelling approach. We first formulate a mathematical model describing the infestation dynamics of coffee berries by CBB. We analyse the model and show that the stability of the pest‐free and coexistence equilibria depends on the basic reproduction number. To introduce a control variable corresponding to the application of an entomopathogenic fungus, we then extend the model and include the fungus dynamics. We formulate an optimal problem which consists in maximising the coffee yield, while minimising the control cost, as well as the CBB population for the next cropping season. The existence of the optimal control and the necessary optimality condition are established using Pontryagin's Maximum Principle. The optimal control problem is solved numerically using the BOCOP software and simulations are provided, showing that the use of entomopathogenic fungus effectively controls CBB.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».