Capturing Spatial Heterogeneity Using UAV-Derived Multispectral Phenotypes and Random Regression Models Improves Genetic Evaluation in Alfalfa Breeding Trials
Questo studio dimostra che l'integrazione di fenotipi multispettrali derivati da UAV longitudinali in modelli di regressione casuale cattura efficacemente l'eterogeneità spaziale nelle prove di breeding dell'erba medica, migliorando così l'accuratezza e la riproducibilità delle valutazioni genetiche rispetto ai metodi convenzionali di correzione spaziale.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
Agricoltori e selezionatori di piante sanno da tempo che un campo non è mai perfettamente uniforme. Anche in un singolo appezzamento di terreno, il suolo potrebbe essere più ricco in un angolo, l'acqua potrebbe drenare diversamente in un altro e la temperatura potrebbe variare leggermente da una fila all'altra. Questa irregolarità, nota come eterogeneità spaziale, crea uno strato di rumore che può nascondere il vero potenziale delle piante coltivate. Quando i selezionatori cercano di scegliere i semi migliori per la generazione successiva, questo rumore ambientale può far sembrare un campione una pianta mediocre, o una pianta superiore debole. Per risolvere questo problema, gli scienziati si sono tradizionalmente affidati a metodi statistici che presuppongono che le condizioni del suolo cambino in modo graduale e prevedibile da una pianta all'altra, proprio come la temperatura che potrebbe scendere allontanandosi da una stufa. Tuttavia, questi vecchi metodi spesso perdono i complessi e mutevoli schemi del mondo reale, specialmente quando considerano solo il raccolto finale.
Un nuovo approccio sta cambiando il modo in cui i ricercatori vedono questo problema, utilizzando le piante stesse come sensori. Inveve di indovinare come varia l'ambiente, gli scienziati ora osservano come le piante vi reagiscono nel tempo. Volando con droni dotati di telecamere speciali sopra i campi, i ricercatori possono catturare immagini dettagliate delle colture durante l'intero ciclo di crescita. Queste immagini rivelano come le piante crescono, quanto sono verdi e come stanno rispondendo alle specifiche condizioni del loro ambiente immediato. Questo flusso continuo di dati consente agli scienziati di mappare le variazioni nascoste nel campo con una precisione molto maggiore rispetto al passato, separando la vera qualità genetica di una pianta dalla fortuna di dove è stata piantata.
In uno studio recente incentrato sull'erba medica, una coltura foraggera vitale, i ricercatori hanno voluto testare se questo metodo di osservare le piante nel tempo potesse migliorare l'accuratezza dei programmi di selezione. Il team, guidato da scienziati della Cornell University, della New Mexico State University e della Virginia Tech, ha condotto prove in due regioni molto diverse: i campi aridi ed estesi del New Mexico e i lotti più compatti e vari dello Stato di New York. Hanno coltivato centinaia di diverse varietà di erba medica e le hanno monitorate attentamente durante le stagioni di crescita del 2022 e del 2023. Utilizzando i droni, sono volati sopra i campi circa una volta a settimana, catturando immagini multispettrali che misuravano la luce riflessa dalle piante. Da queste immagini, hanno calcolato indici di vegetazione, ovvero valori numerici che indicano la salute e la densità della chioma verde. Tra i diversi tipi di misurazioni, un indice che faceva affidamento sulla luce verde piuttosto che sulla luce rossa si è rivelato l'indicatore più affidabile della salute della pianta e della resa futura.
Il nucleo dello studio consisteva in un processo in due fasi per dare un senso a questa enorme quantità di dati. In primo luogo, i ricercatori hanno utilizzato una tecnica statistica chiamata regressione casuale per analizzare le immagini settimanali dei droni. Questo metodo ha permesso loro di modellare come ogni specifico appezzamento di terreno cambiasse nel tempo, catturando le condizioni ambientali uniche e persistenti che influenzavano quel particolare punto. Hanno trattato queste influenze ambientali a lungo termine come un "effetto ambientale permanente", un modo per quantificare i vantaggi o gli svantaggi specifici di un appezzamento dovuti al suolo o al microclima, indipendentemente dalla genetica della pianta. Nella seconda fase, hanno preso questi effetti ambientali calcolati e li hanno utilizzati per regolare le valutazioni genetiche finali delle varietà di erba medica.
I risultati hanno dimostrato che questo nuovo metodo era significativamente migliore nel trovare i veri vincitori genetici rispetto agli approcci tradizionali. Nei grandi test del New Mexico, dove le condizioni del suolo variavano ampiamente attraverso il campo, il nuovo metodo ha migliorato la coerenza delle previsioni genetiche di due o tre volte rispetto ai metodi standard. È riuscito a eliminare il rumore causato dal campo irregolare, rivelando il vero potenziale delle piante. Anche nei test di New York, dove i campi erano più uniformi e il rumore spaziale era inferiore, il nuovo metodo ha performato altrettanto bene, se non meglio, delle tecniche convenzionali. Fondamentalmente, i ricercatori hanno scoperto che i modelli di variazione ambientale rilevati con i droni corrispondevano alle mappe di resa effettive dei campi, confermando che i droni stavano effettivamente catturando differenze fisiche reali nella disponibilità di suolo e acqua.
Questo studio dimostra che le piante stesse, se osservate da vicino nel tempo, possono dire esattamente dove il campo sta faticando e dove sta prosperando. Utilizzando queste informazioni per correggere i dati di selezione, gli scienziati possono prendere decisioni più accurate su quali semi conservare per il futuro. L'approccio non richiede nuove attrezzature costose o cambiamenti complessi nel modo in cui gli agricoltori gestiscono attualmente i loro campi; consiste semplicemente nell'utilizzare in modo più intelligente i dati che vengono già raccolti dai moderni droni. Le scoperte suggeriscono che, man mano che l'agricoltura ad alta tecnologia diventerà più comune, la capacità di imparare dalla storia continua della crescita di una pianta diventerà uno strumento standard per migliorare le rese delle colture e garantire che la migliore genetica venga selezionata, indipendentemente dal terreno irregolare su cui cresce.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.