Comparative Evaluation of AMMI, GGE, GYT, and Bayesian Models for Risk-Based Selection of Forage Sorghum in multi-environmental trials

Stellen Sie sich vor, Sie sind ein Koch, der versucht, das perfekte Rezept für eine neue Art von Suppe zu kreieren. Sie haben eine Vorratskammer voller verschiedener Zutaten (die „Genotypen“), aber Sie wissen auch, dass die Suppe je nach Ort, an dem Sie sie kochen, anders schmecken wird. Vielleicht ist das Wasser in Ihrer Küche hart, oder der Herd läuft heißer, oder die Luftfeuchtigkeit verändert, wie das Gemüse gart. In der Welt der Landwirtschaft nennt man das Genotyp × Umwelt-Interaktion. Das ist die schicke Art zu sagen, dass eine Pflanze, die in einem Feld wie ein Champion wächst, in einem anderen vielleicht kämpfen muss, einfach nur, weil das Wetter, der Boden oder die Jahreszeit anders sind.

Landwirte und Züchter wollen die „Super-Zutaten“ finden – Pflanzen, die nicht nur ertragreich sind (viel Nahrung liefern), sondern auch stabil sind. Eine stabile Pflanze ist wie ein zuverlässiger Freund, der auftaucht und einen tollen Job macht, egal ob es sonnig, regnerisch oder windig ist. Lange Zeit haben Wissenschaftler Mathematik verwendet, um herauszufinden, welche Pflanzen am zuverlässigsten sind. Sie nutzen Werkzeuge, die sich mit dem Durchschnitt leisten, ähnlich wie man den Notendurchschnitt eines Schülers berechnet. Aber Durchschnittswerte können tückisch sein. Ein Schüler, der eine Eins bekommt und in der nächsten Woche eine Sechs, hat denselben Durchschnitt wie ein Schüler, der jedes Mal eine Zwei schreibt. Der zweite Schüler ist stabiler, aber die Mathematik des „Durchschnitts“ sagt das nicht immer aus.

Vor kurzem ist eine neue Art von Mathematik, die Bayessche Statistik, in die Küche eingezogen. Anstatt nur eine einzige Zahl zu liefern (wie eine Note), liefert sie eine Wahrscheinlichkeit. Es ist, als würde man fragen: „Wie hoch ist die Chance, dass diese Pflanze in jeder beliebigen zukünftigen Saison ein Star ist?“ Dieser Ansatz sagt einem nicht nur, wer im Durchschnitt am besten ist; er sagt einem, wer der sicherste Tipp ist, um einen totalen Reinfall zu vermeiden. Dies ist entscheidend für Nutzpflanzen wie Futterertrag-Sorghum, ein Gras, das für Kühe und anderes Vieh gezüchtet wird. Wenn ein Landwirt auf die falsche Pflanze setzt und sie versagt, hungern die Tiere. Daher ist die Suche nach der Pflanze, die sowohl ertragreich als sie auch zuverlässig ist, ein Spiel mit hohem Einsatz.

---

Das große Pflanzen-Duell: Wer gewinnt die Trophäe für die „zuverlässigste Pflanze“?

In dieser Studie beschloss ein Team von Wissenschaftlern, ein massives Turnier zu veranstalten, um zu sehen, welche Futterertrag-Sorghum-Pflanzen der Hitze standhalten können. Sie sammelten 30 verschiedene Arten von Sorghum (denken Sie an 30 verschiedene Athletenteams) und unterzogen sie einer strengen Prüfung. Sie testeten sie nicht nur an einem Ort; sie testeten sie in fünf verschiedenen Umgebungen in Indien, die von den feuchten, regenreichen Jahreszeiten in Assam bis hin zu den trockeneren, heißeren Bedingungen in Hyderabad reichten. Diese Tests fanden über verschiedene Jahreszeiten (Winter, Sommer und Monsun) in den Jahren 2020 und 2021 statt.

Das Ziel war einfach: Messen, wie viel grünes Futter (das blättrige Futter für Tiere) jede Pflanze produzierte. Die wahre Herausforderung bestand jedoch darin, herauszufinden, welche Pflanzen die „Champions“ waren, die jede dieser fünf Umgebungen bewältigen konnten, ohne einzubrechen.

Die alte Schule vs. die neue Schule

Um dieses Rätsel zu lösen, setzten die Forscher zwei verschiedene Teams von Detektiven ein.

Team 1: Die klassischen Detektive (AMMI, GGE und GYT)
Dies sind die traditionellen Methoden, die Wissenschaftler seit Jahrzehnten verwenden. Sie betrachten die Daten und zeichnen farbenfrohe Karten, sogenannte Biplots. Stellen Sie sich diese Karten als Radarschirme vor, auf denen Pflanzen Punkte und Umgebungen Pfeile sind.

• AMMI untersucht, wie sehr die Leistung einer Pflanze schwankt, wenn sich das Wetter ändert.
• GGE versucht, die „ideale“ Umgebung zu finden und zu sehen, welche Pflanzen dieser Idealsituation am nächsten kommen.
• GYT ist etwas komplexer; es betrachtet nicht nur, wie viel Nahrung die Pflanze produziert, sondern prüft auch, ob die Pflanze andere gute Eigenschaften hat, wie z. B. dicke Stängel oder viele Blätter, und ob diese Eigenschaften den Ertrag unterstützen.

Team 2: Die Wahrscheinlichkeits-Magier (Bayessche Modelle)
Dieses Team verwendet einen anderen Ansatz. Anstatt nur zu sagen: „Pflanze A ist besser als Pflanze B“, fragen sie: „Wie hoch ist die Wahrscheinlichkeit, dass Pflanze A Pflanze B schlägt?“ Sie nutzen einen Computer, um tausende von Simulationen durchzuführen, wodurch für jede Pflanze eine „Wolke“ möglicher Ergebnisse entsteht. Dies gibt ihnen einen Risiko-Score. Es sagt ihnen nicht nur, wer der Beste ist, sondern auch, wer der sicherste Tipp ist.

Die Ergebnisse: Wer sind die Superstars?

Nach der Auswertung der Zahlen deuteten beide Teams von Detektiven auf dieselben wenigen Pflanzen, was ein sehr gutes Zeichen dafür ist, dass die Ergebnisse solide sind.

Der klare Gewinner, die Pflanze, die als die stabilste und ertragreichste hervorstagni, war G24 (348B).

• Die klassischen Detektive sagten: „G24 ist am stabilsten und ertragreichsten. Sie hat in fast jeder Umgebung hervorragend abgeschnitten.“
• Die Wahrscheinlichkeits-Magier sagten: „Wir sind sehr zuversichtlich (mit einer Wahrscheinlichkeit von etwa 96 %), dass G24 ein Top-Performer ist, und sie hat auch eine hohe Chance, stabil zu sein.“

Andere Pflanzen, die es auf die „Elite-Liste“ schafften, waren G30 (SSG-59-3), G26 (314B) und G19 (327B). Diese Pflanzen waren über das gesamte Spektrum hinweg konstant gut.

Die Studie fand jedoch etwas sehr Interessantes über eine Pflanze namens G21 (CSV32F) heraus.

• Wenn man nur auf den Durchschnittsertrag blickte, sah G21 wie ein Superstar aus, direkt an der Seite von G24.
• Aber die Wahrscheinlichkeits-Magier enthüllten ein Geheimnis: G21 war ein „Hochrisiko“-Spieler. Sie hatte eine hohe Chance, großartig zu sein, aber auch eine hohe Chance, je nach Saison schrecklich zu sein. Ihre „Stabilitätswahrscheinlichkeit“ war sehr gering (nur etwa 0,08).
• Die Lektion: Nur weil eine Pflanze eine hohe Durchschnittsnote hat, bedeutet das nicht, dass sie ein sicherer Tipp ist. G21 ist wie ein Schüler, der bei einer Prüfung, auf die er sich gut vorbereitet hat, eine Eins schreibt, aber bei der Prüfung, auf die er sich nicht vorbereitet hat, durchfällt. G24 hingegen ist der Schüler, der jedes Mal eine solide Zwei minus schreibt.

Die „Risiko-Karte“

Die Forscher erstellten eine spezielle Karte (eine Vier-Quadranten-Risikokarte), um dies zu visualisieren.

• Oben Rechts (Die Elite): Pflanzen, die sowohl ertragreich ALS AUCH stabil sind. G24 befand sich genau hier.
• Oben Links (Die riskante Wette): Pflanzen, die riesige Gewinner sein könnten, aber auch totale Verlierer sein können. G21 war hier.
• Unten Rechts (Beständig, aber klein): Pflanzen, die sicher sind, aber nicht viel Nahrung produzieren.
• Unten Links (Die Verlierer): Pflanzen, die weder sicher noch produktiv sind.

Was ist mit den Umgebungen?

Die Studie fand auch heraus, welche Teststandorte die besten Richter waren.

• E1, E2 und E3 wurden als die „idealen“ Testumgebungen identifiziert. Sie waren gut darin, die besten Pflanzen zu erkennen, und waren repräsentativ für die reale Welt.
• Die Studie entdeckte auch, dass die Region in zwei „Mega-Umgebungen“ unterteilt werden konnte. Das bedeutet, dass während einige Pflanzen überall großartig sind, andere Spezialisten sind. Zum Beispiel war G3 in zwei spezifischen Umgebungen am besten, aber nicht in den anderen. Dies signalisiert den Landwirten, dass sie, wenn sie sich in einer bestimmten Art von Klima befinden, vielleicht eine Spezialisten-Panze statt einer Generalisten-Pflanze wählen sollten.

Die „Geheimzutat“-Eigenschaften

Die Forscher untersuchten auch, was die Gewinnerpflanzen so gut machte. Sie fanden heraus, dass Pflanzen mit dickeren Stängeln (SGT), breiteren Blättern (LFW) und einem höheren Blattflächenindex (LAI) (was im Grunde bedeutet, mehr Blattoberfläche, um Sonnenlicht einzufangen) dazu neigten, mehr Nahrung zu produzieren. Es stellt sich heraus, dass man, wenn man viel grünes Futter will, eine Pflanze braucht, die ein großes, robustes „Solarpanel“-System baut.

Das Fazente Fazit

Diese Studie hat nicht nur ein paar gute Pflanzen gefunden; sie hat bewiesen, dass die Verwendung von sowohl der alten Schule der Mathematik als auch der neuen Schule der Wahrscheinlichkeitsmathematik die besten Ergebnisse liefert. Die alten Methoden gaben ein klares Bild davon, wer gut war, und die neuen Methoden gaben ein klares Bild davon, wie riskant es war, sich auf sie einzulassen.

Das endgültige Urteil? G24 (348B) ist die Pflanze, auf die man achten sollte. Sie ist der zuverlässige, ertragreiche Champion, dem Landwirte in verschiedenen Klimata vertrauen können, einschließlich der schwierigen, nicht-traditionellen Anbaugebiete wie Assam. G30, G26 und G19 sind ebenfalls starke Kontender. Aber wenn Sie sich für G21 entscheiden, sollten Sie bereit für eine Wette sein.

Durch die Kombination dieser beiden Arten, Daten zu betrachten, haben die Wissenschaftler Züchtern ein leistungsstarkes neues Werkzeug an die Hand gegeben, um die richtigen Pflanzen für eine Zukunft zu wählen, in der das Wetter unberechenbarer wird. Es geht nicht nur darum, die größte Pflanze zu finden; es geht darum, diejenige zu finden, die einen nicht im Stich lässt, wenn der Sturm aufzieht.