Przetłumaczone przez AI

Wypełnianie luki w fenotypowaniu: serie czasowe o wysokiej rozdzielczości z dronów do analizy wzrostu soi dostarczają obiektywnych danych z badań polowych

Fenotypowanie dynamiki wzrostu soi oraz prognozowanie plonów z wykorzystaniem bezzałogowych statków powietrznych (UAV) na podstawie wieloczasowych zdjęć RGB w ramach doświadczenia polowego obejmującego 454 działki

lub

Opis

Metody teledetekcji zbliżeniowej mogą być wykorzystywane do fenotypowania polowego o wysokiej wydajności w kontekście hodowli roślin i badań biologicznych. Dane dotyczące pokrycia korony drzew (CC) i wysokości korony (CH) oraz ich zmian w czasie w trakcie sezonu wegetacyjnego mogą dostarczyć informacji na temat wzrostu i plonowania upraw. W niniejszym badaniu dopasowano modele sigmoidalne do wieloczasowych danych dotyczących CC i CH uzyskanych na podstawie obrazów RGB zarejestrowanych za pomocą drona dla szerokiego zestawu genotypów soi. Do dopasowania danych dotyczących CC i CH wykorzystano odpowiednio funkcje Gompertza i beta. Ogólnie rzecz biorąc, 90,4% dopasowań dla CC i 99,4% dopasowań dla CH osiągnęło skorygowaną wartość R² > 0,70, co świadczy o dobrej skuteczności wybranych modeli. Wykorzystując te krzywe wzrostu, obliczono parametry, w tym maksymalne bezwzględne tempo wzrostu, wczesną żywotność, maksymalną wysokość oraz starzenie się, dla zbioru genotypów soi. Informacje te wykorzystano również do oszacowania plonu nasion i dojrzałości (faza R8) (skorygowane R² = 0,51 i 0,82). Przetestowano kombinacje wartości parametrów w celu zidentyfikowania genotypów o interesujących cechach. Zintegrowane podejście polegające na dopasowaniu krzywej do zbioru danych z wielu okresów czasowych pozwoliło uzyskać parametry możliwe do interpretacji biologicznej, które dostarczyły informacji na temat istotnych cech.

1/1

lub

Szczegółowe informacje

Projekt

EUCLEG

Breeding forage and grain legumes to increase EU's and China's protein self-sufficiency

Lokalizacja
Belgium
Autorzy
Wouter Saeys (KU Leuven), Jonas Aper (Flanders Research Institute for Agriculture, Fisheries and Food [ILVO]), Tom De Swaef (Flanders Research Institute for Agriculture, Fisheries and Food [ILVO]), Peter Lootens (Flanders Research Institute for Agriculture, Fisheries and Food [ILVO]), Aamir Saleem (Flanders Research Institute for Agriculture, Fisheries and Food [ILVO])
Cel
Access data

Typ pliku
dokument
Utworzono dnia
20 maj 2020
Język oryginału
English
Oficjalna strona projektu
EUCLEG
Licencja
CC BY