Всё сельское хозяйство, в каком-то смысле, – это бизнес прогнозирования. Посевы высаживаются в надежде, что они прорастут и дадут богатый урожай, а так ли это будет, помогают узнать новые инструменты оценки сезонного развития культур.
Исследование, возглавляемое профессором агрономии Университета штата Айова Цзяньмином Юй, направлено на значительное повышение качества сельскохозяйственных прогнозов с помощью мощных инструментов моделирования, которые будут полезны как селекционерам, так и фермерам.
В недавнем исследовании, опубликованном в журнале Plant, Cell & Environment, команда построила модель для прогнозирования времени цветения и высоты растений сорго на основе геномного анализа и данных о погоде в начале сезона. В ходе слепых экспериментов на полях сорго, не включенных в данные моделирования, ученые предсказывали время цветения с точностью до 74%, а высоту растений — до 96%.
Как поясняет Цзяньмин Юй, заслуженный профессор селекции кукурузы в Pioneer Hi-Bred и директор Центра селекции растений имени Рэймонда Ф. Бейкера, аналогичные модели, объединяющие геномику и условия окружающей среды, можно использовать и для других культур, а также для прогнозирования таких сложных признаков, как урожайность.
«Получение информации о том, что, скорее всего, произойдет, заранее имеет огромную ценность», — сказал он.
Исследование основано на данных Группы Ассоциации сорго (Sorghum Association Panel), которая представляет собой коллекцию из 400 разновидностей сорго, отобранных для представления глобального разнообразия этого растения и генетически секвенированных для исследований и селекции. Группа из 16 исследователей из восьми различных организаций проанализировала 14 вегетационных периодов, чтобы определить, какие сочетания погодных факторов в течение какого периода времени наиболее тесно связаны с высотой растений и временем цветения, что также называется экологическим индексом.
Сорго — широко культивируемая культура, чье естественное генетическое разнообразие и фенотипическая пластичность позволили ей адаптироваться к выращиванию во многих средах и использоваться для различных конечных целей.
Группа Ассоциации сорго (Sorghum Association Panel, SAP) была создана для представления глобального генетического разнообразия сорго и содействия исследованиям в умеренных регионах. Большая часть SAP состоит из преобразованных линий тропического сорго из программы конверсии сорго. Они были разработаны путем интрогрессии аллелей нечувствительности к фотопериоду и карликовости от общего родителя в экзотическую зародышевую плазму посредством возвратного скрещивания и селекции на раннеспелость и низкорослость. Остальная часть панели — это селекционные линии, состоящие из разнообразных зерновых, сладких и кормовых линий, а также линий, имеющих историческое значение в селекции, все из которых адаптированы для успешного завершения своего жизненного цикла в умеренных регионах. SAP предоставляет богатые генетические ресурсы для программ селекции сорго в Соединенных Штатах и широко применяется для геномных исследований различных агрономических признаков
Для периода цветения исследователи определили индекс окружающей среды как накопленное тепло за второй месяц роста. Для высоты растений это был суточный диапазон температур — разница между максимальной и минимальной температурами в течение суток — с 25-го по 31-й день.
Затем команда использовала метод статистического анализа, называемый общегеномным ассоциативным анализом, для поиска около 265 000 генетических маркеров для групп генов, связанных с высотой растений и временем цветения, выявив семь групп для времени цветения и 69 для высоты растений. Другой аналитический метод, называемый геномным прогнозированием, использовался для построения моделей, прогнозирующих продуктивность на основе генетического сходства.
Ученые интегрировали индекс окружающей среды в своё моделирование, чтобы учесть различия в реакции генетически идентичных растений на условия выращивания. Эта динамика, называемая фенотипической пластичностью, находится в центре внимания Цзяньмина Юй в последние годы. Учёт различных диапазонов показателей, а не только среднего значения, упрощает сравнение больших наборов данных в самых разных условиях, что приводит к созданию более эффективных моделей. «Включение индекса окружающей среды делает геномное прогнозирование более динамичным и точным. Вы можете изучать все данные вместе и получить глубокое и целостное представление для выявления закономерностей», — сказал он.
Этот подход должен ускорить и расширить географический охват селекции растений, способствуя повышению устойчивости сельскохозяйственных культур к экстремальным погодным явлениям, связанным с изменением климата.
«Мы действительно надеемся разработать процессы, которые помогут селекционерам использовать нашу систему фенотипической пластичности в своей практике», — подчеркнул ученый.
Точное моделирование характеристик сельскохозяйственных культур также открывает прямые перспективы для фермеров, которые смогут использовать надёжные сезонные прогнозы для принятия важных решений по управлению полями и маркетингу. Это может стать ещё более осуществимым, поскольку исследовательская группа стремится дополнительно усилить модели прогнозирования, используя дополнительные данные, такие как данные, собранные с помощью дронов.
Источник: Iowa State University. Автор: Дэйв Роепке.