Potential of UAV-derived RGB spectral indices for the early selection of cotton genotypes based on fiber quality traits

يُعد القطن أهم مصدر للألياف الطبيعية في العالم، وهو مادة تبدأ ككتلة قطنية زغبية على النبات وتنتهي كنسيج في ملابسنا. وبالنسبة لصناعة المنسوجات، تعتمد قيمة هذا المحصول كلياً على جودة أليافه: مدى طولها، ومدى قوتها، ومدى تجانس تماسكها. تقليدياً، كان على المربين الذين يطورون أصنافاً جديدة من القطن الانتظار حتى تنمو النباتات بالكامل ويتم حصاد الكتل القطنية لمعرفة ما إذا كان الصنف الجديد جيداً أم لا. فهم يأخذون عينة من الزغب، ويرسلونها إلى مختبر متخصص، ثم يمررونها عبر آلة تقيس هذه الخصائص التقنية. هذه العملية دقيقة ولكنها بطيئة ومكلفة، وتتطلب كمية كبيرة من المواد النباتية، مما يعني أن المربين غالباً لا يستطيعون اختبار الأصناف الجديدة إلا بعد أن تكون متقدمة جداً في مراحل تطورها.

وفي السنوات الأخيرة، ظهر نهج جديد لتسريع هذه العملية: استخدام الطائرات بدون طيار لالتقاط صور للمحاصيل من السماء. يمكن لهذه المركبات الجوية غير المأهولة، أو ما يعرف بـ (UAVs)، التقاط صور تفصيلية لحقل ما في غضة دقائق. ومن خلال تحليل الألوان في هذه الصور، يمكن للعلماء حساب أرقام تصف مدى صحة وحيوية النباتات. والفكرة هي أن الطريقة التي يبدو بها النبات من الأعلى — لونه وسطوعه — قد تخبرنا بشيء ما عن جودة الألياف التي سينتجها داخل الكتلة القطنية، قبل الحصاد بفترة طويلة. وإذا كان هذا الارتباط قوياً، يمكن للمربين فحص آلاف النباتات في وقت مبكر من الموسم، واختيار أفضلها فقط لمواصلة زراعتها، مما يوفر الوقت والمال.

لقد شرع فريق من الباحثين في البرازيل في اختبار ما إذا كانت هذه الفكرة تعمل بالنسبة لجودة ألياف القطن. فقد عملوا مع تسعة عشر صنفاً مختلفاً من القطن التجاري، وزرعوها في حقل في الجامعة الاتحادية في أوبيرلانديا. وبينما كانت النباتات تنمو، انتظر الباحثون حتى كانت الحقول في مرحلة الإزهار الكامل، وهي مرحلة تكون فيها النباتات مغطاة بزهور مفتوحة. وفي هذه اللحظة المحددة، قاموا بتحليق طائرة بدون طيار فوق الحقل لالتقاط صور عالية الدقة بالألوان الأحمر والأخضر والأزرق. ومن هذه الصور، قاموا بحساب أربعة أرقام مختلفة تعتمد على اللون، تُعرف باسم المؤشرات الطيفية، والتي تعمل كملخص لدرجة اخضرار النبات وتشبع لونه. ولاحقاً، بعد حصاد القطن، أخذوا عينات من كل صنف وقاسوا جودة الألياف باستخدام آلة المختبر القياسية، التي حددت سمات مثل طول الألياف، وقوتها، ودرجة مركبة تسمى "مؤشر اتساق الغزل" الذي يتنبأ بمدى جودة غزل الألياف إلى خيوط.

وجد الباحثون أن هناك بالفعل رابطاً ذا معنى بين ما رآه الدرون وما قاسه المختبر. واكتشفوا أن رقمين من الأرقام القائمة على اللون كانا مفيدين بشكل خاص. فأحدهما، الذي يقيس اخضرار الأوراق، أظهر ارتباطاً قوياً بمؤشر اتساق الغزل. والآخر، الذي قارن بين كمية الضوء الأخضر والضوء الأحمر، كان مرتبطاً ارتباطاً وثيقاً بمدى تجانس طول الألياف. وببساطة، فإن النباتات التي بدت أكثر اخضراراً وحيوية من منظور الدرون كانت تميل إلى إنتاج ألياف أفضل ملاءمة للغزل عالي الجودة. استخدم الفريق نماذج إحصائية لمعرفة ما إذا كان بإمكانهم التنبؤ بجودة الألياف بمجرد النظر إلى أرقام الدرون هذه. وتمكنت النماذج من تفسير حوالي ثلث الاختلافات التي رأوها بين الأصناف. ورغم أن هذا ليس تنبؤاً مثالياً، إلا أنه يمثل خطوة كبيرة للأمام، مما يشير إلى أن صورة الدرون الملتقطة في وقت مبكر من الموسم يمكن أن تقدم تلميحاً موثوقاً حول الجودة النهائية للقطن.

ومع ذلك، أوضح البحث أيضاً أن هذه التكنولوجيا ليست بديلاً للاختبارات المختبرية التقليدية. فلم تستطع صور الدرون التنبؤ بكل تفاصيل جودة الألياف، وتبين أن بعض الأصناف التي بدت متشابهة من السماء كانت تمتلك خصائص ألياف مختلفة. وأشار الباحثون إلى أن الصنف الأفضل أداءً في دراستهم، وهو نوع يسمى (DP 2077)، كان يتمتع بجودة ألياف ممتازة ولكنه أظهر فقط درجات لونية متوسطة في صور الدرون. وهذا يخبرنا أنه بينما يمكن للدرون رصد الاتجاهات العامة، فإنه لا يستطيع رؤية الصورة الكاملة بمفرده بعد. فلون الأوراق يتأثر بعوامل عديدة، بما في ذلك كمية ضوء الشمس التي يحصل عليها النبات وكمية المياه، والتي يمكن أن تحجب أحياناً الإمكانات الوراثية لجودة الألياف.

تكمن قيمة هذا العمل في قدرته على العمل كـ "مصفاة". فالمربون غالباً ما يتعين عليهم إدارة آلاف النباتات، واختبار كل واحد منها في المختبر أمر مكلف وبطيء للغاية. فإذا استطاع درون التحليق فوق حقل وتحديد النباتات التي من المرجح أن تكون ذات جودة ألياف ضعيفة بسرعة، فيمكن إزالة تلك النباتات من برنامج التربية في وقت مبكر. وهذا يسمح للمربين بتركيز مواردهم على المرشحين الأكثر واعدية. وخلص الباحثون إلى أنه على الرغم من أن الأرقام المستمدة من الدرون ليست حلاً سحرياً يلغي الحاجة إلى العمل المختبري، إلا أنها أداة قوية تُستخدم جنباً إلى جنب معه. ومن خلال الجمع بين سرعة التصوير الجوي ودقة الاختبار التقليدي، يمكن لمربي القطن اتخاذ قرارات أذكى بشكل أسرع، مما قد يؤدي إلى تقديم أصناف قطن أفضل للمزارعين ومصانع النسيج في وقت أقصر. وتشير الدراسة إلى أنه مع تحسين هذه النماذج ببيانات من بيئات مختلفة وأنواع نباتية أكثر تنوعاً، فإن قدرتها على التنبؤ بالجودة المستقبلية لمحصول القطن ستتحسن باستمرار.