{"id":11416,"date":"2025-03-30T21:39:19","date_gmt":"2025-03-30T19:39:19","guid":{"rendered":"https:\/\/geopard.tech\/?p=11416"},"modified":"2025-03-30T21:45:02","modified_gmt":"2025-03-30T19:45:02","slug":"kuinka-miehittamattomien-ilma-alusten-uas-pohjainen-suuren-lapimenon-fenotyypitys-mullistaa-nykyaikaista-kasvinjalostusta","status":"publish","type":"post","link":"https:\/\/geopard.tech\/fin\/blog\/how-uas-based-high-throughput-phenotyping-is-transforming-modern-plant-breeding\/","title":{"rendered":"Kuinka miehitt\u00e4m\u00e4tt\u00f6miin ilma-aluksiin perustuva suuren l\u00e4pimenon fenotyypitys mullistaa nykyaikaista kasvinjalostusta"},"content":{"rendered":"<p>Vuoteen 2050 menness\u00e4 maailman v\u00e4kiluvun ennustetaan nousevan 9,8 miljardiin ihmiseen, mik\u00e4 kaksinkertaistaa ruoan kysynn\u00e4n. Viljelysmaan laajentaminen t\u00e4m\u00e4n tarpeen tyydytt\u00e4miseksi on kuitenkin kest\u00e4m\u00e4t\u00f6nt\u00e4. Yli 501 000 000 uutta viljelysmaata on luotu vuodesta 2000 l\u00e4htien, mik\u00e4 on korvannut metsi\u00e4 ja luonnollisia ekosysteemej\u00e4, mik\u00e4 pahentaa ilmastonmuutosta ja luonnon monimuotoisuuden v\u00e4henemist\u00e4.<\/p>\n<p>V\u00e4ltt\u00e4\u00e4kseen t\u00e4m\u00e4n kriisin tiedemiehet k\u00e4\u00e4ntyv\u00e4t kasvinjalostuksen puoleen \u2013 tieteeseen, jossa kehitet\u00e4\u00e4n satoisempia, taudinkest\u00e4vi\u00e4 ja ilmastonmuutoksen vaikutuksia kest\u00e4vi\u00e4 viljelykasveja. Perinteiset jalostusmenetelm\u00e4t ovat kuitenkin liian hitaita pysy\u00e4kseen ongelman kiireellisyyden per\u00e4ss\u00e4.<\/p>\n<p>T\u00e4ss\u00e4 kohtaa droonit ja teko\u00e4ly (AI) astuvat mukaan mullistavina tekij\u00f6in\u00e4, jotka tarjoavat nopeamman ja \u00e4lykk\u00e4\u00e4mm\u00e4n tavan jalostaa parempia satoja.<\/p>\n<h2>Miksi perinteinen kasvinjalostus on j\u00e4\u00e4m\u00e4ss\u00e4 j\u00e4lkeen<\/h2>\n<p>Kasvinjalostus perustuu kasvien valintaan, joilla on haluttuja ominaisuuksia, kuten kuivuudensieto tai tuholaistenkest\u00e4vyys, ja niiden risteytt\u00e4miseen useiden sukupolvien ajan. Suurin pullonkaula t\u00e4ss\u00e4 prosessissa on fenotyypitys \u2013 kasvien ominaisuuksien, kuten korkeuden, lehtien terveyden tai sadon, manuaalinen mittaaminen.<\/p>\n<p>Esimerkiksi kasvien korkeuden mittaaminen 3 000 koealan pellolla voi kest\u00e4\u00e4 viikkoja, ja inhimilliset virheet voivat aiheuttaa jopa 20%:n ep\u00e4johdonmukaisuuksia. Lis\u00e4ksi sadot paranevat vain 0,5\u20131%:n vuosivauhdilla, mik\u00e4 on huomattavasti alle vuoden 2050 vaatimusten t\u00e4ytt\u00e4miseksi tarvittavan 2,9%:n kasvuvauhdin.<\/p>\n<p>Maissi, miljardien ihmisten t\u00e4rkein viljelykasvi, havainnollistaa t\u00e4t\u00e4 hidastumista: sen vuotuinen sadonkasvu on laskenut 1960-luvun 2,21 TP3T:sta nykyiseen 1,331 TP3T:iin. T\u00e4m\u00e4n kuilun kaventamiseksi tiedemiehet tarvitsevat ty\u00f6kaluja, jotka automatisoivat tiedonkeruun, v\u00e4hent\u00e4v\u00e4t virheit\u00e4 ja nopeuttavat p\u00e4\u00e4t\u00f6ksentekoa.<\/p>\n<h2>Kuinka drooniteknologia mullistaa kasvinjalostusta<\/h2>\n<p>Droonit eli miehitt\u00e4m\u00e4tt\u00f6m\u00e4t ilma-alukset, jotka on varustettu edistyneill\u00e4 sensoreilla ja teko\u00e4lyll\u00e4, mullistavat maataloutta. N\u00e4m\u00e4 laitteet voivat lent\u00e4\u00e4 peltojen yli ja ker\u00e4t\u00e4 tarkkaa tietoa tuhansista kasveista minuuteissa. Prosessi tunnetaan nimell\u00e4 High Throughput Phenotyping (HTP).<\/p>\n<p>Toisin kuin perinteiset menetelm\u00e4t, droonit ker\u00e4\u00e4v\u00e4t dataa koko pelloilta, mik\u00e4 eliminoi n\u00e4ytteenottovirheen. Ne k\u00e4ytt\u00e4v\u00e4t erikoisantureita mittaamaan kaikkea kasvien korkeudesta veden stressitasoihin.<\/p>\n<p>Esimerkiksi monispektrianturit havaitsevat terveiden lehtien heijastaman l\u00e4hi-infrapunavalon, kun taas l\u00e4mp\u00f6kamerat tunnistavat kuivuusstressin mittaamalla latvustuksen l\u00e4mp\u00f6tilaa.<\/p>\n<p>Automatisoimalla tiedonkeruun droonit v\u00e4hent\u00e4v\u00e4t ty\u00f6voimakustannuksia ja nopeuttavat jalostussyklej\u00e4, mik\u00e4 mahdollistaa parempien viljelykasvilajikkeiden kehitt\u00e4misen vuosien sijaan vuosikymmeniss\u00e4.<\/p>\n<h2>Droonien sensoreiden ja tiedonkeruun tiede<\/h2>\n<p>Droonit k\u00e4ytt\u00e4v\u00e4t erilaisia antureita kriittisten kasvitietojen ker\u00e4\u00e4miseen. Edullisin vaihtoehto, RGB-kamerat, ker\u00e4\u00e4v\u00e4t n\u00e4kyv\u00e4\u00e4 valoa latvuston peitt\u00e4vyyden ja kasvien korkeuden mittaamiseksi. Sokeriruokopelloilla n\u00e4m\u00e4 kamerat ovat saavuttaneet 64\u201369%:n tarkkuuden varsien laskemisessa, korvaten virhealttiit manuaaliset laskennat.<\/p>\n<p>Monispektriset anturit menev\u00e4t pidemm\u00e4lle havaitsemalla n\u00e4kym\u00e4tt\u00f6mi\u00e4 aallonpituuksia, kuten l\u00e4hi-infrapunaa, jotka korreloivat klorofyllipitoisuuksien ja kasvien terveyden kanssa. Ne ovat esimerkiksi ennustaneet sokeriruoko kuivuudensietokyvyn yli 80%-tarkkuudella.<\/p>\n<ul>\n<li><strong>RGB-kamerat<\/strong>: Luo v\u00e4rikuvia tallentamalla punaista, vihre\u00e4\u00e4 ja sinist\u00e4 valoa.<\/li>\n<li><strong>Monispektriset anturit<\/strong>Havaitsee n\u00e4kyv\u00e4n spektrin ulkopuolella olevaa valoa (esim. l\u00e4hi-infrapuna).<\/li>\n<li><strong>L\u00e4mp\u00f6anturit<\/strong>Mittaa kasvien l\u00e4hett\u00e4m\u00e4\u00e4 l\u00e4mp\u00f6\u00e4.<\/li>\n<li><strong>LiDAR<\/strong>K\u00e4ytt\u00e4\u00e4 laserpulsseja kasvien 3D-karttojen luomiseen.<\/li>\n<li><strong>Hyperspektraaliset anturit<\/strong>: Tallenna yli 200 valon aallonpituutta eritt\u00e4in yksityiskohtaista analyysia varten.<\/li>\n<\/ul>\n<p>L\u00e4mp\u00f6anturit havaitsevat l\u00e4mp\u00f6signaaleja ja tunnistavat kosteusstressist\u00e4 k\u00e4rsiv\u00e4t kasvit, jotka n\u00e4ytt\u00e4v\u00e4t terveit\u00e4 kasveja kuumemmilta. Puuvillapelloilla l\u00e4mp\u00f6kopterit ovat vastanneet maanp\u00e4\u00e4llisi\u00e4 l\u00e4mp\u00f6tilamittauksia alle 5%-virheell\u00e4.<\/p>\n<p>LiDAR-anturit k\u00e4ytt\u00e4v\u00e4t laserpulsseja luodakseen 3D-karttoja viljelykasveista ja mittaavat biomassaa ja korkeutta 95%-tarkkuudella energiaruokokeissa. Kehittyneimm\u00e4t ty\u00f6kalut, hyperspektrianturit, analysoivat satoja valon aallonpituuksia havaitakseen paljaalla silm\u00e4ll\u00e4 n\u00e4kym\u00e4tt\u00f6mi\u00e4 ravinnepuutteita tai sairauksia.<\/p>\n<p>N\u00e4m\u00e4 anturit auttoivat tutkijoita yhdist\u00e4m\u00e4\u00e4n 28 uutta geeni\u00e4 vehn\u00e4n viiv\u00e4styneeseen ik\u00e4\u00e4ntymiseen, mik\u00e4 on ominaisuus, joka lis\u00e4\u00e4 satoja.<\/p>\n<h2>Lentokoneesta oivallukseen: Kuinka droonit analysoivat satotietoja<\/h2>\n<p>Droonien fenotyypitysprosessi alkaa huolellisella lentosuunnittelulla. Droonit lent\u00e4v\u00e4t 30\u2013100 metrin korkeudessa ja ottavat p\u00e4\u00e4llekk\u00e4isi\u00e4 kuvia varmistaakseen t\u00e4yden peiton. Esimerkiksi 10 hehtaarin pelto voidaan skannata 15\u201330 minuutissa.<\/p>\n<p>Lennon j\u00e4lkeen ohjelmistot, kuten Agisoft Metashape, yhdist\u00e4v\u00e4t tuhansia kuvia yksityiskohtaisiksi kartoiksi Structure-from-Motion (SfM) -tekniikalla. T\u00e4m\u00e4 tekniikka muuntaa 2D-kuvat 3D-malleiksi. N\u00e4iden mallien avulla tutkijat voivat mitata ominaisuuksia, kuten kasvien korkeutta tai latvuston peitt\u00e4vyytt\u00e4, yhdell\u00e4 napin painalluksella.<\/p>\n<p>Teko\u00e4lyalgoritmit analysoivat sitten dataa ja ennustavat satoja tai tunnistavat tautiepidemioita. Esimerkiksi droonit skannasivat 3 132 sokeriruokoviljelyalaa vain seitsem\u00e4ss\u00e4 tunnissa \u2013 teht\u00e4v\u00e4, joka kest\u00e4isi manuaalisesti kolme viikkoa. T\u00e4m\u00e4 nopeus ja tarkkuus mahdollistavat jalostajien tehd\u00e4 nopeampia p\u00e4\u00e4t\u00f6ksi\u00e4, kuten hyl\u00e4t\u00e4 heikosti tuottavia kasveja aikaisin kaudella.<\/p>\n<h2>Droonien keskeiset sovellukset nykyaikaisessa maataloudessa<\/h2>\n<p>Drooneja k\u00e4ytet\u00e4\u00e4n ratkaisemaan joitakin maatalouden suurimmista haasteista. Yksi t\u00e4rkeimmist\u00e4 sovelluksista on suora ominaisuuksien mittaus, jossa dronet korvaavat manuaalisen ty\u00f6n. Maissipelloilla dronet mittaavat kasvien korkeutta 90%-tarkkuudella, ja niittovirheet vaihtelevat 0,5 metrist\u00e4 0,21 metriin.<\/p>\n<p>He seuraavat my\u00f6s latvuston peitt\u00e4vyytt\u00e4, joka osoittaa, kuinka hyvin kasvit varjostavat maata rikkaruohojen torjumiseksi. Energiaruokoviljelij\u00e4t k\u00e4yttiv\u00e4t t\u00e4t\u00e4 tietoa tunnistaakseen lajikkeet, jotka v\u00e4hent\u00e4v\u00e4t rikkaruohojen kasvua 40%:ll\u00e4.<\/p>\n<p>Toinen l\u00e4pimurto on ennakoiva jalostus, jossa teko\u00e4lymallit k\u00e4ytt\u00e4v\u00e4t drone-dataa sadon tuoton ennustamiseen. Esimerkiksi monispektrikuvat ovat ennustaneet maissin satoja 80%-tarkkuudella, mik\u00e4 ylitt\u00e4\u00e4 perinteisen genomisen testauksen.<\/p>\n<p>Droonit auttavat my\u00f6s geenien l\u00f6yt\u00e4misess\u00e4 ja auttavat tiedemiehi\u00e4 paikantamaan halutuista ominaisuuksista vastaavia DNA-segmenttej\u00e4. Vehn\u00e4n kohdalla droonit yhdistiv\u00e4t latvuston vihreyden 22 uuteen geeniin, mik\u00e4 mahdollisesti parantaa kuivuudensietokyky\u00e4.<\/p>\n<p>Lis\u00e4ksi hyperspektrianturit havaitsevat sitrushedelmien vihertymisen kaltaisia sairauksia viikkoja ennen oireiden ilmaantumista, mik\u00e4 antaa viljelij\u00f6ille aikaa toimia.<\/p>\n<h2>Geneettisten hy\u00f6tyjen tehostaminen tarkkuusteknologialla<\/h2>\n<p>Geneettinen hy\u00f6ty \u2013 jalostuksesta johtuva vuosittainen viljelykasvien ominaisuuksien parantuminen \u2013 lasketaan yksinkertaisella kaavalla:<\/p>\n<p style=\"text-align: center;\"><strong>(Valintaintensiteetti \u00d7 Periytyvyys \u00d7 Ominaisuuksien vaihtelu) \u00f7 Jalostussyklin aika.<\/strong><\/p>\n<p style=\"text-align: center;\">Geneettinen voitto (\u0394G) lasketaan seuraavasti:<br \/>\n<strong>\u0394G = (i \u00d7 h\u00b2 \u00d7 \u03c3p) \/ L<\/strong><\/p>\n<p style=\"text-align: left;\">Jossa:<\/p>\n<ul>\n<li><strong>i<\/strong>\u00a0= Valintaintensiteetti (kuinka tiukkoja kasvattajat ovat).<\/li>\n<li><strong>h\u00b2<\/strong>\u00a0= Periytyvyys (kuinka paljon ominaisuudesta siirtyy vanhemmilta j\u00e4lkel\u00e4isille).<\/li>\n<li><strong>\u03c3p<\/strong>\u00a0= Ominaisuuksien vaihtelu populaatiossa.<\/li>\n<li><strong>L<\/strong>\u00a0= Aika lis\u00e4\u00e4ntymissykli\u00e4 kohden.<\/li>\n<\/ul>\n<p><strong>Miksi sill\u00e4 on merkityst\u00e4<\/strong>Droonit parantavat kaikkia muuttujia:<\/p>\n<ol start=\"1\">\n<li><strong>i<\/strong>Skannaa\u00a0<strong>10 kertaa enemm\u00e4n kasveja<\/strong>, mik\u00e4 mahdollistaa tiukemman valikoiman.<\/li>\n<li><strong>h\u00b2<\/strong>V\u00e4hent\u00e4\u00e4 mittausvirheit\u00e4 ja parantaa periytyvyysarvioita.<\/li>\n<li><strong>\u03c3p<\/strong>: Tallenna hienovaraisia ominaisuusvaihteluita koko kent\u00e4n alueella.<\/li>\n<li><strong>L<\/strong>Lyhenn\u00e4 sykliaikaa\u00a0<strong>5 vuodesta 2\u20133 vuoteen<\/strong>\u00a0alustavien ennusteiden kautta.<\/li>\n<\/ol>\n<p>Droonit parantavat t\u00e4t\u00e4 yht\u00e4l\u00f6\u00e4 jokaisella osa-alueella. Skannaamalla kokonaisia peltoja ne antavat jalostajien valita parhaat 1%-kasvit parhaiden 10%-kasvien sijaan, mik\u00e4 lis\u00e4\u00e4 valintaintensiteetti\u00e4. Ne parantavat my\u00f6s periytyvyysarvioita v\u00e4hent\u00e4m\u00e4ll\u00e4 mittausvirheit\u00e4.<\/p>\n<p>Esimerkiksi kasvien korkeuden manuaalinen arviointi tuo mukanaan 20%-vaihtelua, kun taas droonit leikkaavat t\u00e4m\u00e4n 5%:hen. Lis\u00e4ksi droonit tallentavat hienovaraisia ominaisuusvaihteluita tuhansien kasvien v\u00e4lill\u00e4 maksimoiden ominaisuusvaihtelua.<\/p>\n<p>Mik\u00e4 t\u00e4rkeint\u00e4, ne lyhent\u00e4v\u00e4t lis\u00e4\u00e4ntymissyklej\u00e4 mahdollistamalla varhaisen ennustamisen. Droneja k\u00e4ytt\u00e4v\u00e4t sokeriruokoviljelij\u00e4t ovat kolminkertaistaneet geneettiset hy\u00f6tyns\u00e4 perinteisiin menetelmiin verrattuna, mik\u00e4 osoittaa teknologian transformatiivisen potentiaalin.<\/p>\n<h2>Haasteiden voittaminen ja tulevaisuuteen varautuminen<\/h2>\n<p>Lupauksistaan huolimatta drone-pohjainen fenotyypitys kohtaa edelleen merkitt\u00e4vi\u00e4 haasteita. Edistyneiden sensoreiden korkea hinta on edelleen merkitt\u00e4v\u00e4 este \u2013 esimerkiksi hyperspektrikamerat voivat maksaa yli 1 TP4\u201350 000 tonnia, mik\u00e4 tekee niist\u00e4 kalliita useimmille pienviljelij\u00f6ille.<\/p>\n<p>Ker\u00e4ttyjen valtavien tietom\u00e4\u00e4rien k\u00e4sittely vaatii my\u00f6s huomattavia pilvipalveluresursseja, mik\u00e4 lis\u00e4\u00e4 kustannuksia. Teko\u00e4lyalustat, kuten AutoGIS, automatisoivat data-analyysi\u00e4, mik\u00e4 poistaa manuaalisen sy\u00f6t\u00f6n tarpeen.<\/p>\n<p>Tutkijat integroivat my\u00f6s droneja maaper\u00e4n antureihin ja s\u00e4\u00e4asemiin, mik\u00e4 luo reaaliaikaisen seurantaj\u00e4rjestelm\u00e4n, joka h\u00e4lytt\u00e4\u00e4 viljelij\u00f6it\u00e4 tuholaisista tai kuivuudesta. N\u00e4m\u00e4 innovaatiot tasoittavat tiet\u00e4 t\u00e4sm\u00e4viljelyn uudelle aikakaudelle, jossa dataan perustuvat p\u00e4\u00e4t\u00f6kset korvaavat arvailun.<\/p>\n<h2>Johtop\u00e4\u00e4t\u00f6s<\/h2>\n<p>Droonit ja teko\u00e4ly eiv\u00e4t mullista ainoastaan kasvinjalostusta \u2013 ne m\u00e4\u00e4rittelev\u00e4t uudelleen kest\u00e4v\u00e4n maatalouden. Mahdollistamalla kuivuutta kest\u00e4vien ja runsassatoisten viljelykasvien nopeamman kehitt\u00e4misen n\u00e4m\u00e4 teknologiat voisivat kaksinkertaistaa ruoantuotannon vuoteen 2050 menness\u00e4 laajentamatta viljelysmaata.<\/p>\n<p>T\u00e4m\u00e4 s\u00e4\u00e4st\u00e4isi yli 100 miljoonaa hehtaaria mets\u00e4\u00e4, mik\u00e4 vastaa Egyptin kokoa, ja pienent\u00e4isi maatalouden hiilijalanj\u00e4lke\u00e4. Droonidataa k\u00e4ytt\u00e4v\u00e4t viljelij\u00e4t ovat jo v\u00e4hent\u00e4neet veden ja torjunta-aineiden k\u00e4ytt\u00f6\u00e4 jopa 301 TP3 T, suojellen ekosysteemej\u00e4 ja alentaen kustannuksia.<\/p>\n<p>Kuten er\u00e4s tutkija totesi: \u201cEmme en\u00e4\u00e4 arvaile, mitk\u00e4 kasvit ovat parhaita. Droonit kertovat meille.\u201d Jatkuvan innovaation my\u00f6t\u00e4 t\u00e4m\u00e4 biologian ja teknologian fuusio voisi varmistaa miljardien ihmisten ruokaturvan ja samalla suojella planeettaamme.<\/p>\n<p><strong>Viite<\/strong>Khuimphukhieo, I., &amp; da Silva, JA (2025). Miehitt\u00e4m\u00e4tt\u00f6miin ilma-aluksiin (UAS) perustuva kentt\u00e4tason suuren l\u00e4pimenon fenotyypitys (HTP) kasvinjalostajien ty\u00f6kalupakina: kattava katsaus. Smart Agricultural Technology, 100888.<\/p>","protected":false},"excerpt":{"rendered":"<p>Vuoteen 2050 menness\u00e4 maailman v\u00e4est\u00f6n ennustetaan saavuttavan 9,8 miljardia ihmist\u00e4, mik\u00e4 kaksinkertaistaa ruoan kysynn\u00e4n. Viljelysmaan laajentaminen t\u00e4m\u00e4n tarpeen tyydytt\u00e4miseksi on kuitenkin\u2026<\/p>","protected":false},"author":210249433,"featured_media":11421,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_coblocks_attr":"","_coblocks_dimensions":"","_coblocks_responsive_height":"","_coblocks_accordion_ie_support":"","_eb_attr":"","_crdt_document":"","content-type":"","_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"_jetpack_memberships_contains_paid_content":false,"footnotes":"","jetpack_publicize_message":"","jetpack_publicize_feature_enabled":true,"jetpack_social_post_already_shared":true,"jetpack_social_options":{"image_generator_settings":{"template":"highway","default_image_id":0,"font":"","enabled":false},"version":2},"_wpas_customize_per_network":false,"jetpack_post_was_ever_published":false},"categories":[1377,1378],"tags":[],"class_list":["post-11416","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-crop-monitoring","category-remote-sensing"],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v21.6 (Yoast SEO v27.4) - https:\/\/yoast.com\/product\/yoast-seo-premium-wordpress\/ -->\n<title>How UAS-Based High-Throughput Phenotyping is Transforming Modern Plant Breeding - GeoPard Agriculture<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/geopard.tech\/fin\/blogi\/kuinka-miehittamattomien-ilma-alusten-uas-pohjainen-suuren-lapimenon-fenotyypitys-mullistaa-nykyaikaista-kasvinjalostusta\/\" \/>\n<meta property=\"og:locale\" content=\"fi_FI\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"How UAS-Based High-Throughput Phenotyping is Transforming Modern Plant Breeding\" \/>\n<meta property=\"og:description\" content=\"By 2050, the global population is projected to reach 9.8 billion people, doubling the demand for food. However, expanding farmland to meet this need is...\" \/>\n<meta property=\"og:url\" content=\"https:\/\/geopard.tech\/fin\/blogi\/kuinka-miehittamattomien-ilma-alusten-uas-pohjainen-suuren-lapimenon-fenotyypitys-mullistaa-nykyaikaista-kasvinjalostusta\/\" \/>\n<meta property=\"og:site_name\" content=\"GeoPard - Precision agriculture Mapping software\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/geopardAgriculture\/\" \/>\n<meta property=\"article:published_time\" content=\"2025-03-30T19:39:19+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2025-03-30T19:45:02+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/geopard.tech\/wp-content\/uploads\/2025\/03\/How-UAS-Based-High-Throughput-Phenotyping-is-Transforming-Modern-Plant-Breeding.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1920\" \/>\n\t<meta property=\"og:image:height\" content=\"1080\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Muhammad Farjad\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@geopardagri\" \/>\n<meta name=\"twitter:site\" content=\"@geopardagri\" \/>\n<meta name=\"twitter:label1\" content=\"Kirjoittanut\" \/>\n\t<meta name=\"twitter:data1\" content=\"Muhammad Farjad\" \/>\n\t<meta name=\"twitter:label2\" content=\"Arvioitu lukuaika\" \/>\n\t<meta name=\"twitter:data2\" content=\"7 minuuttia\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/how-uas-based-high-throughput-phenotyping-is-transforming-modern-plant-breeding\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/how-uas-based-high-throughput-phenotyping-is-transforming-modern-plant-breeding\\\/\"},\"author\":{\"name\":\"Muhammad Farjad\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/#\\\/schema\\\/person\\\/123c5562fb47aa8cf3aa81ae91e5e935\"},\"headline\":\"How UAS-Based High-Throughput Phenotyping is Transforming Modern Plant Breeding\",\"datePublished\":\"2025-03-30T19:39:19+00:00\",\"dateModified\":\"2025-03-30T19:45:02+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/how-uas-based-high-throughput-phenotyping-is-transforming-modern-plant-breeding\\\/\"},\"wordCount\":1310,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/#organization\"},\"image\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/how-uas-based-high-throughput-phenotyping-is-transforming-modern-plant-breeding\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/i0.wp.com\\\/geopard.tech\\\/wp-content\\\/uploads\\\/2025\\\/03\\\/How-UAS-Based-High-Throughput-Phenotyping-is-Transforming-Modern-Plant-Breeding.png?fit=1920%2C1080&ssl=1\",\"articleSection\":[\"Crop monitoring\",\"Remote Sensing\"],\"inLanguage\":\"fi\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\\\/\\\/geopard.tech\\\/blog\\\/how-uas-based-high-throughput-phenotyping-is-transforming-modern-plant-breeding\\\/#respond\"]}]},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/how-uas-based-high-throughput-phenotyping-is-transforming-modern-plant-breeding\\\/\",\"url\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/how-uas-based-high-throughput-phenotyping-is-transforming-modern-plant-breeding\\\/\",\"name\":\"How UAS-Based High-Throughput Phenotyping is Transforming Modern Plant Breeding - GeoPard Agriculture\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/how-uas-based-high-throughput-phenotyping-is-transforming-modern-plant-breeding\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/how-uas-based-high-throughput-phenotyping-is-transforming-modern-plant-breeding\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/i0.wp.com\\\/geopard.tech\\\/wp-content\\\/uploads\\\/2025\\\/03\\\/How-UAS-Based-High-Throughput-Phenotyping-is-Transforming-Modern-Plant-Breeding.png?fit=1920%2C1080&ssl=1\",\"datePublished\":\"2025-03-30T19:39:19+00:00\",\"dateModified\":\"2025-03-30T19:45:02+00:00\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/how-uas-based-high-throughput-phenotyping-is-transforming-modern-plant-breeding\\\/#breadcrumb\"},\"inLanguage\":\"fi\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/geopard.tech\\\/blog\\\/how-uas-based-high-throughput-phenotyping-is-transforming-modern-plant-breeding\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"fi\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/how-uas-based-high-throughput-phenotyping-is-transforming-modern-plant-breeding\\\/#primaryimage\",\"url\":\"https:\\\/\\\/i0.wp.com\\\/geopard.tech\\\/wp-content\\\/uploads\\\/2025\\\/03\\\/How-UAS-Based-High-Throughput-Phenotyping-is-Transforming-Modern-Plant-Breeding.png?fit=1920%2C1080&ssl=1\",\"contentUrl\":\"https:\\\/\\\/i0.wp.com\\\/geopard.tech\\\/wp-content\\\/uploads\\\/2025\\\/03\\\/How-UAS-Based-High-Throughput-Phenotyping-is-Transforming-Modern-Plant-Breeding.png?fit=1920%2C1080&ssl=1\",\"width\":1920,\"height\":1080,\"caption\":\"How UAS-Based High-Throughput Phenotyping is Transforming Modern Plant Breeding\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/blog\\\/how-uas-based-high-throughput-phenotyping-is-transforming-modern-plant-breeding\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/geopard.tech\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"How UAS-Based High-Throughput Phenotyping is Transforming Modern Plant Breeding\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/#website\",\"url\":\"https:\\\/\\\/geopard.tech\\\/\",\"name\":\"GeoPard - Precision agriculture software\",\"description\":\"Precision agriculture Mapping software\",\"publisher\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/#organization\"},\"alternateName\":\"GeoPard\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/geopard.tech\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"fi\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/#organization\",\"name\":\"GeoPard Agriculture\",\"alternateName\":\"GeoPard\",\"url\":\"https:\\\/\\\/geopard.tech\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fi\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/i0.wp.com\\\/geopard.tech\\\/wp-content\\\/uploads\\\/2022\\\/03\\\/favicon.png?fit=200%2C200&ssl=1\",\"contentUrl\":\"https:\\\/\\\/i0.wp.com\\\/geopard.tech\\\/wp-content\\\/uploads\\\/2022\\\/03\\\/favicon.png?fit=200%2C200&ssl=1\",\"width\":200,\"height\":200,\"caption\":\"GeoPard Agriculture\"},\"image\":{\"@id\":\"https:\\\/\\\/geopard.tech\\\/#\\\/schema\\\/logo\\\/image\\\/\"},\"sameAs\":[\"https:\\\/\\\/www.facebook.com\\\/geopardAgriculture\\\/\",\"https:\\\/\\\/x.com\\\/geopardagri\",\"https:\\\/\\\/www.linkedin.com\\\/company\\\/geopard-agriculture\\\/\",\"https:\\\/\\\/www.instagram.com\\\/geopardagriculture\\\/\"]},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/geopard.tech\\\/#\\\/schema\\\/person\\\/123c5562fb47aa8cf3aa81ae91e5e935\",\"name\":\"Muhammad Farjad\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fi\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/51b9af87d9b0801ae1c0ab294a0f06eb669f60d5168f33394aeeca9de86537bb?s=96&d=identicon&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/51b9af87d9b0801ae1c0ab294a0f06eb669f60d5168f33394aeeca9de86537bb?s=96&d=identicon&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/51b9af87d9b0801ae1c0ab294a0f06eb669f60d5168f33394aeeca9de86537bb?s=96&d=identicon&r=g\",\"caption\":\"Muhammad Farjad\"},\"url\":\"#\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Kuinka miehitt\u00e4m\u00e4tt\u00f6miin ilma-aluksiin perustuva suuren l\u00e4pimenon fenotyypitys mullistaa nykyaikaista kasvinjalostusta - GeoPard Agriculture","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/geopard.tech\/fin\/blogi\/kuinka-miehittamattomien-ilma-alusten-uas-pohjainen-suuren-lapimenon-fenotyypitys-mullistaa-nykyaikaista-kasvinjalostusta\/","og_locale":"fi_FI","og_type":"article","og_title":"How UAS-Based High-Throughput Phenotyping is Transforming Modern Plant Breeding","og_description":"By 2050, the global population is projected to reach 9.8 billion people, doubling the demand for food. However, expanding farmland to meet this need is...","og_url":"https:\/\/geopard.tech\/fin\/blogi\/kuinka-miehittamattomien-ilma-alusten-uas-pohjainen-suuren-lapimenon-fenotyypitys-mullistaa-nykyaikaista-kasvinjalostusta\/","og_site_name":"GeoPard - Precision agriculture Mapping software","article_publisher":"https:\/\/www.facebook.com\/geopardAgriculture\/","article_published_time":"2025-03-30T19:39:19+00:00","article_modified_time":"2025-03-30T19:45:02+00:00","og_image":[{"width":1920,"height":1080,"url":"https:\/\/geopard.tech\/wp-content\/uploads\/2025\/03\/How-UAS-Based-High-Throughput-Phenotyping-is-Transforming-Modern-Plant-Breeding.png","type":"image\/png"}],"author":"Muhammad Farjad","twitter_card":"summary_large_image","twitter_creator":"@geopardagri","twitter_site":"@geopardagri","twitter_misc":{"Kirjoittanut":"Muhammad Farjad","Arvioitu lukuaika":"7 minuuttia"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/geopard.tech\/blog\/how-uas-based-high-throughput-phenotyping-is-transforming-modern-plant-breeding\/#article","isPartOf":{"@id":"https:\/\/geopard.tech\/blog\/how-uas-based-high-throughput-phenotyping-is-transforming-modern-plant-breeding\/"},"author":{"name":"Muhammad Farjad","@id":"https:\/\/geopard.tech\/#\/schema\/person\/123c5562fb47aa8cf3aa81ae91e5e935"},"headline":"How UAS-Based High-Throughput Phenotyping is Transforming Modern Plant Breeding","datePublished":"2025-03-30T19:39:19+00:00","dateModified":"2025-03-30T19:45:02+00:00","mainEntityOfPage":{"@id":"https:\/\/geopard.tech\/blog\/how-uas-based-high-throughput-phenotyping-is-transforming-modern-plant-breeding\/"},"wordCount":1310,"commentCount":0,"publisher":{"@id":"https:\/\/geopard.tech\/#organization"},"image":{"@id":"https:\/\/geopard.tech\/blog\/how-uas-based-high-throughput-phenotyping-is-transforming-modern-plant-breeding\/#primaryimage"},"thumbnailUrl":"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2025\/03\/How-UAS-Based-High-Throughput-Phenotyping-is-Transforming-Modern-Plant-Breeding.png?fit=1920%2C1080&ssl=1","articleSection":["Crop monitoring","Remote Sensing"],"inLanguage":"fi","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/geopard.tech\/blog\/how-uas-based-high-throughput-phenotyping-is-transforming-modern-plant-breeding\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/geopard.tech\/blog\/how-uas-based-high-throughput-phenotyping-is-transforming-modern-plant-breeding\/","url":"https:\/\/geopard.tech\/blog\/how-uas-based-high-throughput-phenotyping-is-transforming-modern-plant-breeding\/","name":"Kuinka miehitt\u00e4m\u00e4tt\u00f6miin ilma-aluksiin perustuva suuren l\u00e4pimenon fenotyypitys mullistaa nykyaikaista kasvinjalostusta - GeoPard Agriculture","isPartOf":{"@id":"https:\/\/geopard.tech\/#website"},"primaryImageOfPage":{"@id":"https:\/\/geopard.tech\/blog\/how-uas-based-high-throughput-phenotyping-is-transforming-modern-plant-breeding\/#primaryimage"},"image":{"@id":"https:\/\/geopard.tech\/blog\/how-uas-based-high-throughput-phenotyping-is-transforming-modern-plant-breeding\/#primaryimage"},"thumbnailUrl":"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2025\/03\/How-UAS-Based-High-Throughput-Phenotyping-is-Transforming-Modern-Plant-Breeding.png?fit=1920%2C1080&ssl=1","datePublished":"2025-03-30T19:39:19+00:00","dateModified":"2025-03-30T19:45:02+00:00","breadcrumb":{"@id":"https:\/\/geopard.tech\/blog\/how-uas-based-high-throughput-phenotyping-is-transforming-modern-plant-breeding\/#breadcrumb"},"inLanguage":"fi","potentialAction":[{"@type":"ReadAction","target":["https:\/\/geopard.tech\/blog\/how-uas-based-high-throughput-phenotyping-is-transforming-modern-plant-breeding\/"]}]},{"@type":"ImageObject","inLanguage":"fi","@id":"https:\/\/geopard.tech\/blog\/how-uas-based-high-throughput-phenotyping-is-transforming-modern-plant-breeding\/#primaryimage","url":"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2025\/03\/How-UAS-Based-High-Throughput-Phenotyping-is-Transforming-Modern-Plant-Breeding.png?fit=1920%2C1080&ssl=1","contentUrl":"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2025\/03\/How-UAS-Based-High-Throughput-Phenotyping-is-Transforming-Modern-Plant-Breeding.png?fit=1920%2C1080&ssl=1","width":1920,"height":1080,"caption":"How UAS-Based High-Throughput Phenotyping is Transforming Modern Plant Breeding"},{"@type":"BreadcrumbList","@id":"https:\/\/geopard.tech\/blog\/how-uas-based-high-throughput-phenotyping-is-transforming-modern-plant-breeding\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/geopard.tech\/"},{"@type":"ListItem","position":2,"name":"How UAS-Based High-Throughput Phenotyping is Transforming Modern Plant Breeding"}]},{"@type":"WebSite","@id":"https:\/\/geopard.tech\/#website","url":"https:\/\/geopard.tech\/","name":"GeoPard - T\u00e4sm\u00e4viljelyohjelmisto","description":"Tarkkuusviljelyn kartoitusohjelmisto","publisher":{"@id":"https:\/\/geopard.tech\/#organization"},"alternateName":"GeoPard","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/geopard.tech\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"fi"},{"@type":"Organization","@id":"https:\/\/geopard.tech\/#organization","name":"GeoPard Maatalous","alternateName":"GeoPard","url":"https:\/\/geopard.tech\/","logo":{"@type":"ImageObject","inLanguage":"fi","@id":"https:\/\/geopard.tech\/#\/schema\/logo\/image\/","url":"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2022\/03\/favicon.png?fit=200%2C200&ssl=1","contentUrl":"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2022\/03\/favicon.png?fit=200%2C200&ssl=1","width":200,"height":200,"caption":"GeoPard Agriculture"},"image":{"@id":"https:\/\/geopard.tech\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/geopardAgriculture\/","https:\/\/x.com\/geopardagri","https:\/\/www.linkedin.com\/company\/geopard-agriculture\/","https:\/\/www.instagram.com\/geopardagriculture\/"]},{"@type":"Person","@id":"https:\/\/geopard.tech\/#\/schema\/person\/123c5562fb47aa8cf3aa81ae91e5e935","name":"Muhammad Farjad","image":{"@type":"ImageObject","inLanguage":"fi","@id":"https:\/\/secure.gravatar.com\/avatar\/51b9af87d9b0801ae1c0ab294a0f06eb669f60d5168f33394aeeca9de86537bb?s=96&d=identicon&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/51b9af87d9b0801ae1c0ab294a0f06eb669f60d5168f33394aeeca9de86537bb?s=96&d=identicon&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/51b9af87d9b0801ae1c0ab294a0f06eb669f60d5168f33394aeeca9de86537bb?s=96&d=identicon&r=g","caption":"Muhammad Farjad"},"url":"#"}]}},"jetpack_publicize_connections":[],"jetpack_featured_media_url":"https:\/\/i0.wp.com\/geopard.tech\/wp-content\/uploads\/2025\/03\/How-UAS-Based-High-Throughput-Phenotyping-is-Transforming-Modern-Plant-Breeding.png?fit=1920%2C1080&ssl=1","jetpack_likes_enabled":true,"jetpack_sharing_enabled":true,"jetpack_shortlink":"https:\/\/wp.me\/pdiCPa-2Y8","_links":{"self":[{"href":"https:\/\/geopard.tech\/fin\/wp-json\/wp\/v2\/posts\/11416","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/geopard.tech\/fin\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/geopard.tech\/fin\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/geopard.tech\/fin\/wp-json\/wp\/v2\/users\/210249433"}],"replies":[{"embeddable":true,"href":"https:\/\/geopard.tech\/fin\/wp-json\/wp\/v2\/comments?post=11416"}],"version-history":[{"count":0,"href":"https:\/\/geopard.tech\/fin\/wp-json\/wp\/v2\/posts\/11416\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/geopard.tech\/fin\/wp-json\/wp\/v2\/media\/11421"}],"wp:attachment":[{"href":"https:\/\/geopard.tech\/fin\/wp-json\/wp\/v2\/media?parent=11416"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/geopard.tech\/fin\/wp-json\/wp\/v2\/categories?post=11416"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/geopard.tech\/fin\/wp-json\/wp\/v2\/tags?post=11416"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}